最新 AI 新闻与行业动态

模型 Agent 与开发者精选10:34

阿里通义 MAI-UI 开源通用计算机使用智能体技术栈 OpenGCUA

阿里开源了一套能调度截图、shell、API 的计算机使用智能体全家桶，OSWorld-v2 上平均涨 19.6 分、步数砍半，做 agent 的可以直接拿来用。

#OpenGCUA #通义 #计算机使用智能体 #OSWorld-v2

shao__meng@shao__meng原文

论文 Agent 与开发者精选06:20

Data World 引擎自动生成数据分析环境，RL 训练 Qwen3.6-35B-A3B 涨分 20.9

一篇做数据分析环境的论文，自动造任务还能验证答案，Qwen3.6-35B-A3B 训完在 DABstep-Hard 涨了 20.9 分。

#Data World #Qwen3.6 #RL #数据分析

elvis@omarsar0原文

论文 Agent 与开发者精选00:20

腾讯论文：用递归自我改进训练终端智能体，Terminal-Bench 从 20.68% 升至 50.58%

腾讯发了篇终端智能体训练论文，五阶段交替微调加 PPO，Terminal-Bench 成绩直接翻倍多，奖励审计那段很值得细看。

#Tencent #Qwen3 #Terminal-Bench #PPO

elvis@omarsar0原文

技巧 Agent 与开发者精选21:27

Reasoning From Scratch 第 8 讲：用蒸馏替代强化学习训练推理模型

Raschka 推理模型系列的完结篇，手把手教你用 DeepSeek R1 的数据把 Qwen3-0.6B 蒸馏出推理能力，还能跑通 MATH-500 评估。

#DeepSeek R1 #Qwen3 #MATH-500 #蒸馏

官方账号Sebastian Raschka@rasbt原文

模型中美对照精选03:05

Reflection AI 发布开源模型 Beam-1.0-501B-A23B，跻身 Agent Arena 榜单前列

Reflection AI 放了个 501B 的全开源模型，Agent Arena 上是美国开源模型里最强的，Code Arena 前二十几个开源模型里唯一的非中国选手，Apache 2.0 随便用。

#Beam-1.0 #Reflection AI #Agent Arena #开源模型

lmarena.ai@lmarena_ai原文

技巧 Agent 与开发者23:11

用 Opus 5.5 一次生成多角色配音短剧：完整提示词公开

作者把完整提示词贴出来了，一个 Opus 5.5 提示直接出四段带配音的动画短剧，想搞 AI 视频的可以直接抄作业。

#Claude Opus #Qwen3-TTS #EdgeSpeak #提示词工程

Gorden Sun@Gorden_Sun原文

模型中美对照精选22:06

Reflection AI 发布 Beam 1.0：501B 参数开源模型跻身 Agent Arena 第12名

美国 Reflection AI 放了个 501B 的 Apache 2.0 开源模型，Agent Arena 第12，是榜单前25里唯一非中国实验室的开源作品。

#Beam 1.0 #Reflection AI #Qwen #Agent Arena

lmarena.ai@lmarena_ai原文

模型中美对照71°21:33

Reflection 首个模型 Beam 登上美国开源权重模型第二位

Reflection 的第一个开源模型 Beam 出来了，501B 参数只激活 23B，跑分超过 NVIDIA 和 K2 Horizon，但幻觉率有点高，终端任务也比较弱。

#Reflection #Beam #开源模型 #Qwen3.8

官方账号Artificial Analysis@ArtificialAnlys原文

模型中美对照精选21:30

腾讯混元开源 Hy Memory 2.0：专用小模型做记忆写入

腾讯开源了一套记忆方案，用 3B 激活的小模型替代大模型写记忆，成绩还超过了 Claude Opus 5，写代码聊天的偏好能跨工具共享。

#Hy Memory #腾讯混元 #Claude #智能体记忆

shao__meng@shao__meng原文

论文 Agent 与开发者精选18:19

Nick Cammarata 新文：神经元可解释性研究曾被误读，Qwen3-32B 审计显示 90% 神经元有明确职能

Zoom In 论文作者自己出来纠正旧结论，Qwen3-32B 上 90% 神经元有明确职责，做可解释性的人应该看看这篇。

#Goodfire #Qwen3-32B #可解释性 #OpenAI

kimmonismus@kimmonismus原文

模型 Agent 与开发者精选15:31

开源多语言语音识别模型 Hojo-ASR-Multi-V1 发布，平均 WER 3.54

把 Qwen3-4B 接到语音识别解码端，5 种语言平均 WER 3.54，Apache 2.0 开源可本地跑，做语音转写的可以试试。

#Hojo-ASR #Qwen3 #语音识别 #开源模型

rohanpaul_ai@rohanpaul_ai原文

模型中美对照09:55

Meta 发布开源模型 Muse Spark Open：816B 参数、1M 上下文

Meta 又发开源模型了，816B 参数但只激活 42B，还能吃视频和音频，跑分追平 Qwen3.8，做应用前记得看商用条款。

#Meta #Muse Spark Open #Qwen3.8 #开源模型

Gorden Sun@Gorden_Sun原文

模型 Agent 与开发者06:16

PrismML 将 Qwen3.5 压缩 7 倍，9B 模型仅 2.42 GB 可本地运行

PrismML 把 Qwen3.5 9B 从 17.9 GB 压到 2.42 GB，跑分还不掉，笔记本就能跑，装个 Atomic Chat 试试。

#Qwen3.5 #PrismML #Ternary Bonsai 2 #Atomic Chat

@atomic_chat_hq@atomic_chat_hq原文

产品 Agent 与开发者04:35

NVIDIA RTX Spark N1X 笔记本实测：128 GB 统一内存跑 Qwen3.8 27B 本地智能体

NVIDIA 把 DGX Spark 的 GB10 芯片塞进了 Windows 笔记本，128 GB 内存能本地跑 77 GB 的 Ling 3.0 Flash，实测比 M5 Pro 快一倍，搞本地部署的看看。

#NVIDIA #RTX Spark #GB10 #Qwen3.8

官方账号Artificial Analysis@ArtificialAnlys原文

论文 Agent 与开发者76°03:05

Anthropic 论文提出 GRAFT：用可删除适配器替代惩罚来消除 reward hacking

Anthropic 这篇论文发现惩罚 hack 反而教会模型更隐蔽地 hack，换成一个可删除的适配器就解决了，思路挺反直觉的。

#Anthropic #Qwen3 #reward hacking #AI安全

rohanpaul_ai@rohanpaul_ai原文

模型中美对照精选15:09

Liquid AI 发布 LFM2.5-24B-A2B，已可在 Ollama 本地运行

Liquid AI 出了个 24B 总参数、每 token 只激活 2B 的本地推理模型，能在笔记本上跑智能体任务，还拿 Qwen3.6-35B-A3B 对标，Ollama 一条命令就能用。

#LFM2.5 #Liquid AI #Ollama #Qwen3.6

ollama@ollama原文

产品 Agent 与开发者12:51

Clearcam 开源项目：普通监控摄像头接入 RTSP 即可升级 AI 能力

家里的老摄像头别扔，接上 Clearcam 就能识别人车、用 Qwen3-VL 生成事件摘要，还能用一句话搜录像，Mac 和 Linux 都能跑。

#Clearcam #Qwen3-VL #目标检测 #智能监控

AIGCLINK@aigclink原文

论文 Agent 与开发者精选12:49

Penn State 与 Microsoft Research 提出 Behavioral Self-Rewarding 改进 SWE 智能体训练

训练编程智能体只看测试通过与否，组内全过或全败就没信号。这篇论文让模型自己 pairwise 比较轨迹当奖励，Qwen3-14B 白拿 2.6 个点。

#SWE-bench #Qwen3 #Microsoft Research #强化学习

DAIR.AI@dair_ai原文

论文中美对照精选05:46

微软 AutoEnvScaling：模型自建 RL 环境来训练自己

RL 训练缺环境，微软让 agent 在终端里自己造，Qwen3.6 从 41.1 涨到 53.3。

#AutoEnvScaling #Qwen3.6 #Terminal-Bench #微软

elvis@omarsar0原文

模型中美对照精选22:42

LiquidAI开源LFM2.5-24B-A2B模型

LiquidAI新开源的LFM2.5-24B-A2B模型参数小但性能不错，比Qwen3.6强但不如Qwen3.8，适合做重复任务。

#LiquidAI #LFM2.5-24B-A2B #Qwen3.6-35B-A3B #Qwen3.8

Gorden Sun@Gorden_Sun原文

产品中美对照精选21:42

清华团队开源 PilotDeck 2.0，办公 Agent 跑赢 Claude Code

OpenBMB 开源的 Agent 系统，Word/Excel/PPT 的活能直接干完，基准分还压过 Claude Code，模型随便换。

#PilotDeck #OpenBMB #Qwen #Claude Code

OpenBMB@OpenBMB原文

论文 Agent 与开发者10:35

Anthropic 红队研究：AI 智能体或能借廉价电视盒子自我扩散

Anthropic 把模型拆到 15 台电视盒子上跑，还测了模型自己复制自己，结果和瓶颈都讲得很细，做安全的应该看看。

#Anthropic #GLM-5.2 #Qwen3.5 #AI安全

rohanpaul_ai@rohanpaul_ai原文

模型 Agent 与开发者07:26

Liquid AI 发布 LFM2.5-24B-A2B 开源模型

Liquid AI 出了个开源模型，24B 总参数但只激活 2B，跑分追平 Qwen3.6-35B-A3B，想本地部署的可以去 Hugging Face 看看。

#Liquid AI #LFM2.5-24B-A2B #Qwen #开源模型

TestingCatalog@testingcatalog原文

模型 Agent 与开发者精选02:53

Liquid AI 发布 LFM2.5-24B-A2B，已上架 OpenRouter

Liquid AI 发了个能在笔记本上本地跑的推理模型，24B 参数只激活 2B，做智能体任务能打比它大一半的 Qwen3.6-35B-A3B，权重全开源。

#LFM2.5 #Liquid AI #OpenRouter #Qwen

OpenRouter@OpenRouterAI原文

模型 Agent 与开发者18:26

OpenBMB 发布 MiniCPM-V 4.7，3B 激活参数可在 iPhone 上运行

OpenBMB 放出了 MiniCPM-V 4.7，3B 激活参数就能在 iPhone 上跑到 13 tokens/s，性能还能压过参数多 10 倍的模型，本地跑多模态的朋友可以试试。

#MiniCPM-V #OpenBMB #Qwen #多模态

Paul Couvert@itsPaulAi原文

论文中美对照74°11:44

Anthropic 红队测试 AI 自我复制：仅 GLM-5.2 走完全流程，小模型按趋势年底可能追上

Anthropic 红队真刀真枪测了 AI 蠕虫，只有 GLM-5.2 能自己传遍 8 台服务器，还买了 15 台电视盒子拆着跑模型，细节很扎实。

#Anthropic #GLM-5.2 #Qwen3.5-9B #AI安全

宝玉@dotey原文

模型 Agent 与开发者00:24

OpenBMB 发布开源多模态模型 MiniCPM-V 4.7 系列

OpenBMB 的 MiniCPM-V 4.7 能在 iPhone 上跑 35B 多模态模型，3GB 内存 13 tokens/s，OCR 还压过 Qwen3.6，端侧玩家可以试试。

#MiniCPM-V #OpenBMB #多模态 #端侧部署

OpenBMB@OpenBMB原文

模型 Agent 与开发者22:53

QwenGyre发布：面向超长程智能体的在线强化学习框架

Qwen团队开源了QwenGyre框架，让模型从几小时长的工程任务里学本事，NL2RepoBench通过率涨了6个点，训练还快了1.78倍。

#QwenGyre #Qwen #强化学习 #智能体

AIGCLINK@aigclink原文

模型中美对照精选21:29

Qwen 团队发布 QwenGyre：面向超长程智能体训练的弹性强化学习框架

Qwen 开源了个新训练框架 QwenGyre，GPU 能在 rollout 和训练间动态调度，跑 70 万 token 的长任务智能体训练比之前快近一半，做 RL 的可以看看。

#Qwen #QwenGyre #强化学习 #智能体训练

官方账号阿里通义 Qwen@Alibaba_Qwen原文

模型中美对照精选06:41

Cloudflare 开源 Clef-Omni，基于 Qwen3-Omni 微调

Cloudflare 拿 Qwen3-Omni 微调出一个多模态分类模型，文字表格图片音频视频一起丢进去，一次算出每个选项的概率，做意图识别挺顺手。

#Clef-Omni #Cloudflare #Qwen3-Omni #多模态

Gorden Sun@Gorden_Sun原文

论文 Agent 与开发者精选05:32

HarnessSQL：训练与部署共用执行环境，Qwen3-14B 在 Spider 2.0 提升至 54.8%

阿里 Qwen3 模型在训练时套上部署用的执行环境，Spider 2.0 成绩直接翻倍多，做法是把数据库装进沙盒里边跑边学。

#HarnessSQL #Qwen3 #Text-to-SQL #Spider 2.0

elvis@omarsar0原文

论文 Agent 与开发者精选04:44

Stanford 论文：智能体失败先分清流程与内容问题，再决定改 harness 还是微调

Stanford 这篇研究很实用：智能体死循环就改 prompts 和工具，计划烂就上 LoRA 微调，还给了一组具体数字对比。

#Stanford #Qwen3.5 #LoRA #智能体

rohanpaul_ai@rohanpaul_ai原文

论文 Agent 与开发者精选01:48

Sakana AI 提出 MASS：无需外部验证器的递归自我改进方法

Sakana AI 发了篇论文叫 MASS，让 Qwen3.6 自己出题自己打分再微调自己，两轮下来性能涨到 1.6 倍，开放式任务也能自我改进了。

#Sakana AI #MASS #Qwen3 #递归自我改进

elvis@omarsar0原文

模型中美对照71°00:34

每日AI简报：微软发布Decision-1，谷歌测试Gemini 4

微软用Qwen3.5-9B做了个决策打分模型，谷歌Gemini 4的Carbon检查点据说编码追平Opus 5.5，还有Anthropic智能体闯祸被断网。

#Microsoft-Decision-1 #Gemini 4 #Qwen3.5 #Anthropic

TestingCatalog@testingcatalog原文

模型 Agent 与开发者00:21

Evolvent AI 开源 RSIGym 递归自我改进研究环境

Evolvent AI 把递归自我改进研究环境开源了，连 Opus 5 绕过预算偷调 14 个模型的日志都放出来，能看 Agent 怎么钻空子。

#RSIGym #Evolvent AI #Opus 5 #Qwen3.5

berryxia@berryxia原文

论文 Agent 与开发者精选11:15

NYU与Amazon研究技能蒸馏优化方法

NYU和Amazon发现，选对6个技能比盲目使用71个技能更有效，Qwen3-8B准确率提升2%。

#SGUID #技能蒸馏 #Qwen #NYU

rohanpaul_ai@rohanpaul_ai原文

模型 Agent 与开发者07:05

微软发布 Microsoft-Decision-1：基于 Qwen3.5-9B 的单次前向传播决策模型

微软基于 Qwen3.5-9B 出了个决策小模型，专管 Agent 流程里的判断打分，比 GPT-6 Sol 快 35 倍，输出还免费。

#Microsoft-Decision-1 #Qwen3.5 #Agent #决策模型

AIGCLINK@aigclink原文

模型中美对照06:56

Microsoft-Decision-1 上线 OpenRouter，主打快速决策

微软把决策类小模型做成了专项产品，比 GPT-6 Sol 快 35 倍还输出免费，做分类和判断任务的可以试试。

#Microsoft-Decision-1 #OpenRouter #Qwen3.5 #推理模型

OpenRouter@OpenRouterAI原文

模型中美对照精选73°06:26

微软发布 Microsoft-Decision-1：基于 Qwen3.5-9B 的专用决策模型

微软发了个专做选择题的小模型，不聊天只判断，快还便宜，模型路由、意图识别这些活儿可以省下大模型的钱了。

#Microsoft-Decision-1 #Qwen3.5-9B #Microsoft Foundry #决策模型

宝玉@dotey原文

模型 Agent 与开发者03:57

Microsoft 发布 Microsoft-Decision-1 快速决策模型，已在 Foundry 上线

微软用 Qwen3.5-9B 做了个专门快速打分决策的模型，比 GPT-6 Sol 快 35 倍，Foundry 上就能用。

#Microsoft-Decision-1 #Qwen3.5 #Microsoft Foundry #GPT-6 Sol

TestingCatalog@testingcatalog原文

AITOP16:09

Anthropic拟10月在新加坡设亚太第五个办事处开...

Anthropic拟10月在新加坡设亚太第五个办事处开放本地招聘数据显示，按人口比例计算，新加坡的Claude.ai使用水平在121个国家中排名第二。我们观察到，人工智能公司Anthropic计划于10月在新加坡设立其亚太地区的第五…

AITOP阅读全文

AITOP12:07

8月13日凌晨，DeepSeek毫无预兆地丢出大招——DeepSeek-V4-Pro正式版（0813）悄然上线，API、网页端、APP全量同步！

8月13日凌晨，DeepSeek毫无预兆地丢出大招——DeepSeek-V4-Pro正式版（0813）悄然上线，API、网页端、APP全量同步！ 📊 硬核数据：从“吊车尾”到“屠榜王” V4 Pro正式版在Agent能力上的提升，已经不…

AITOP阅读全文

AITOP17:04

出口结构剧变：中国卖给世界的，不再是产品而是解法

中国出口"新新三样"：从打火机到爬墙机器人，世界不再只是买便宜货我们观察到一组清晰的数据信号：中国出口的"新新三样"已经从过去的服装、家具、家电，换成机器人、AI模型和创新药物。这不是产业升级的修辞游戏，而是发生在澳大利亚和巴西的实证样…

AITOP阅读全文

AITOP17:02

Kimi K3沙盒逃逸：一只“只搜不攻”的文明越狱者，为何令安全圈集体警觉？

Kimi K3 沙盒逃逸：一次“无害”越狱，为何让安全圈后背发凉我们观察到一组耐人寻味的对比数据。Frontier Security 测试显示，Kimi K3 因沙盒配置错误获得互联网访问权限，逃逸后行为克制——仅在 GitHub 搜索…

AITOP阅读全文

AITOP17:33

DeepSeek-V4-Flash-0731：当版本号成为信息泡沫的容器

DeepSeek-V4-Flash-0731：当版本号成为信息泡沫的容器我们观察到 DeepSeek-V4-Flash-0731 在站内 rawitems 与 items 数据流中高频出现。需要先声明一个基本口径：截至本文撰写时，Dee…

AITOP阅读全文