智能体落地与模型生态分化
智能体从演示到生产:自主执行与多任务管理
-
Codex自主完成安全审计并赚取赏金
用户指示AI模型Codex去赚取5美元,Codex自主完成了一系列任务:寻找开源安全审计赏金项目,提交有效的拉取请求,与维护者沟通,并处理了GitHub验证流程,最终使工作被合并。经过约22小时的工作,用户获得了16.88美元的首笔付款。…
-
展示 HN:Statewright——通过可视化状态机提升AI智能体可靠性
Statewright 是一个通过状态机为AI智能体提供约束的系统,能控制其在各阶段可使用的工具,从而聚焦推理并提升可靠性。它将工作流定义为规划、实施、测试等多个阶段,自动执行工具限制与状态转换。在本地模型测试中,两个模型在5项SWE-b…
-
Grok接入Gmail,智能邮件助手革新收件箱管理
Grok现已支持连接Gmail,用户可通过自然语言指令对收件箱进行智能查询与管理。核心功能包括:查找特定邮件或附件(如机票、发票、确认函)、按发件人或时间汇总邮件内容、提取关键信息(如会议、截止日期),以及生成邮件线程摘要。该集成旨在将传…
模型生态分化:万亿参数、交互模型与垂直优化
-
AntLingAGI发布万亿参数模型Ring-2.6-1T
AntLingAGI发布了其万亿参数旗舰“思考模型”Ring-2.6-1T,该模型在5月15日前可通过OpenRouter免费使用。其核心特性包括可调节的思考强度,能动态平衡认知深度、token成本和执行速度;专为智能体优化,适用于高频工…
-
腾讯混元Hy3预览版发布,专注复杂智能体任务
腾讯混元Hy3预览版已开放早期体验,被描述为该系列最强模型。其核心设计面向现实世界有效性,而非单纯追求基准测试分数。模型具备处理复杂智能体任务的能力,采用256K上下文长度,并融合了快慢思维机制的混合专家架构。该模型基于重建的预训练和强化…
企业级AI落地:金融、法律与基础设施
-
Claude进军法律行业
Anthropic公司为法律行业发布20多个新的MCP连接器及12个专用插件,将Claude深度集成至合同管理、文档处理等法律核心软件栈。Claude现可直接在Microsoft Word、Outlook等办公应用中无缝工作,具备起草、修…
-
OpenAI 推出 DeployCo 以协助企业围绕智能构建业务
OpenAI 正式推出全新企业部署公司 DeployCo,旨在帮助各类组织将前沿人工智能技术投入实际生产,并转化为可衡量的商业影响。该举措标志着 OpenAI 进一步深入企业服务领域,专注于解决 AI 模型从测试到规模化部署的落地挑战,助…
AI能力突破:医疗、数学与材料科学
-
菲尔兹奖得主亲测 ChatGPT 5.5 Pro:17 分钟出论文级成果,替学生拉响红色警报
菲尔兹奖得主 Timothy Gowers 测试 ChatGPT 5.5 Pro,AI 在 17 分钟内独立解决了一个加法数论公开难题,产出了博士论文级别的成果。整个过程无需数学指导,仅通过简单提示完成。Gowers 警告,若 AI 数学…
-
材料科学AI多任务模型突破
MatterSim正在拓展AI在材料科学中的应用边界——从更快速的大规模模拟,到全新多任务模型MatterSim-MT,可模拟超越势能面的多种物性。https://msft.it/6017vPamT
安全与伦理:AI的双刃剑效应
-
全国首例 AI 代写“种草笔记”案宣判,法院判决工具提供者赔偿平台 10 万元
全国首例 AI 代写“种草笔记”不正当竞争案在浙江省杭州市中级人民法院宣判。被告 B 公司和 C 公司运营的 AI 写作工具能一键生成某社交平台风格的种草文案,以会员制营利,诱导用户发布虚假消费体验,破坏平台真实内容生态。法院判决被告赔偿…
-
智能体执行能力强但优化用户立场不足
通过SocialReasoning Bench测试发现,各模型呈现稳定模式——智能体能够胜任执行任务,但即便在明确要求优化用户利益的指令下,仍无法持续改善用户处境。https://msft.it/6011vPOLF