奥尔特曼：最积极拥抱 AI 的公司，也是招人最多的公司
奥尔特曼用数据反驳了“AI 导致裁员”的流行叙事，对担心被 AI 取代的职场人来说，这是一个值得关注的信号——积极拥抱 AI 的公司反而在扩招。建议点开看看，了解 AI 对就业的真实影响。
全部动态
AI 相关资讯全量信息流 · 1437 条
6月3日
6月2日
OpenAI 模型现可通过 AWS 使用
AWS 用户终于可以直接在 Bedrock 上调用 OpenAI 最新模型，无需切换平台或管理额外 API，做云上 AI 应用开发的团队值得关注。
论文12:05
K-BrowseComp：首个韩语网页浏览智能体基准测试做多语言智能体或网页浏览任务的团队会立刻意识到差距——韩语场景下最强模型准确率不到一半，说明现有评估严重偏向英语。做韩语 NLP 或本地化产品的开发者可以直接用这个基准测试自己的模型。
Cursor $10K Credits 到期，重度用户分享体验
Cursor 重度用户分享 $10K Credits 自由使用的真实体验，做 AI 编程的开发者能从中了解 Agent Window 的实用技巧和痛点，值得参考。
像渣男一样用AI：组合Opus 4.8和GPT-5.5各取所长
这条建议解决了AI模型选择焦虑——不用纠结哪个最好，组合用才是王道。做UI设计、系统架构的开发者可以立刻试试Claude Design+GPT-5.5/Opus 4.8的搭配，效果立竿见影。
Claude Opus 4.8 比 4.7 强，但不够颠覆
如果你在用 Opus 4.7，升级到 4.8 是顺理成章的事；但如果你是 GPT 或 DeepSeek 用户，这次更新不值得你切换。做模型选型的团队可以看看这篇冷静分析，避免被 Benchmark 数字带偏。
OpenAI GPT-5.5/5.4 和 Codex 登陆 Amazon Bedrock
AWS 用户终于能在 Bedrock 上直接调用 GPT-5.5/5.4 和 Codex，做多步编码和数据分析的团队可以省去自建推理基础设施的麻烦，按量付费自动扩缩，值得试试。
MiniMax M3 登顶 Next.js 智能体评测，成本仅为 Opus 的 1/10
做 Next.js 智能体开发的团队终于有了高性价比的开源选择——M3 性能接近 Opus 但成本仅 1/10，Vercel 用户现在就能用上，建议立刻试试。
OpenAI 升级 ChatGPT 移动端：长按发送键可提前选 AI 响应档位
这次更新让 ChatGPT 用户能按需选择 AI 的思考深度，日常快速问答和深度分析都能兼顾，重度用户值得试试这个隐藏手势。
开源模型 MiniMax M3 性能比肩 GPT-5.5，成本仅十分之一
开源模型首次在编码和智能体任务上追平 GPT-5.5 和 Opus，成本却低一个数量级。做 AI 应用开发或自建模型的团队，值得关注权重发布后直接试用。
6月1日
OpenAI 向日本金融机构开放 GPT-5.5 Cyber 模型，应对 AI 网络攻击
金融行业终于有了针对 AI 网络攻击的实战工具——GPT-5.5 Cyber 模型直接提升银行攻防能力，做金融安全或合规的团队值得关注，看看日本同行怎么用。
多智能体AI预言机系统提升预测市场裁决准确率至83.43%
预测市场从业者终于有了可落地的AI裁决方案——独立聚合投票比单模型更准，混合路由策略能平衡成本与精度，做预言机或去中心化应用的团队值得参考。
SkillsBench 研究：技能可用性显著提升 LLM Agent 任务成功率，呈现粒度影响有限
做 LLM Agent 开发的团队终于有了实证依据：给智能体塞技能文档比纠结怎么写更管用。建议直接参考这个实验设计来优化自己的 RAG 或工具调用策略。
5月31日
AI搜索智能体常确认已知信息而非真正研究网络
这项研究戳穿了AI搜索智能体的真实能力——它们更擅长背书而非真正搜索。做信息检索或依赖AI获取最新资讯的团队，看完会重新评估工具选择。
Claude Opus 4.8 登顶 DeepSWE Bench，效率与可靠性领先
Claude Opus 4.8 在 DeepSWE Bench 上以 58% Pass@1 证明了自己是效率与可靠性的标杆，做 AI 编程选型的团队可以把它作为性价比参考。
5月30日
Claude Opus 4.8 被指升级不大，用户账号莫名被封
Claude 重度用户和开发者需要注意：Opus 4.8 口碑不佳，且账号封禁问题频发，建议谨慎更新和备份数据。
开源 review-forge：多模型交叉审核 AI 代码的流程
多模型交叉审核解决了 AI 代码质量失控的痛点，适合重度使用 AI 编程的团队和个人开发者，建议直接 fork 项目试试这套流程。
行业14:37
AI社会自治测试：Grok四天崩溃、Gemini犯罪率最高这个实验把 AI 安全从静态评测拉到了动态社会模拟，做多智能体系统或自治 AI 的团队值得一看——Claude 单独安全但被带坏，说明环境比模型本身更关键。
IT之家原文
OpenAI Devs 对话：Codex 在工作与副业中的应用
如果你在用或想用 Codex 提升开发效率，这期对话直接展示了它在代码审查、副业项目中的真实案例，值得花 24 分钟看看别人怎么用。
用 AI 写 Mac App 经验：选 AppKit 而非 SwiftUI，Claude Design 先打磨 UI
有 iOS 或 Mac 开发背景的开发者，如果曾被 AppKit 劝退，现在借助 AI 可以轻松上手，建议试试 Claude Code 配合 AppKit 的路线。
GitHub Copilot 中 Gemini 3.5 Flash Token 消耗按 14 倍计算
GitHub Copilot 用户注意了——不同模型 Token 消耗倍数差异巨大，选错模型可能多花十几倍费用，做 AI 编程的团队建议收藏对比表。
OpenAI 升级 GPT-5.5 Instant，回复更自然易读
日常使用 ChatGPT 的用户会直接感受到回复质量提升——更少列表、更自然的对话体验，值得立即体验。
Braintrust 用 Codex 将客户需求转化为代码
做 AI 辅助开发的团队可以看看 Braintrust 如何用 Codex 把客户需求直接变成代码，效率提升明显，值得借鉴。
OpenAI 升级 GPT-5.5 Instant 可读性，淘汰 o3 和 GPT-4.5
GPT-5.5 Instant 的回复更自然，写作和编程任务直接在聊天中完成，省去了切换 Canvas 的麻烦。经常用 ChatGPT 写代码或文档的开发者，建议试试新版本，体验更流畅。
5月29日
ChatGPT 推出新版 GPT-5.5 Instant，改进谄媚、事实性和多语言表现
如果你在用 ChatGPT 做事实核查或多语言任务，新版 5.5 Instant 值得一试——它直接解决了旧版过于固执和谄媚的问题，对需要准确答案的开发者来说是个实用升级。
GPT-5.6 即将到来？旧模型被淘汰为新模型让路
OpenAI 模型迭代节奏的线索对 AI 从业者和开发者至关重要，GPT-5.6 可能带来推理、多模态等能力的突破，建议关注后续动态。
微软 SkillOpt：把智能体技能当程序训练，无需改模型
做智能体开发的团队终于有了靠谱的技能优化方案——SkillOpt 解决了手工调技能越调越差的痛点，而且最终产物是一个可读文件，部署零成本。做 prompt 工程或 Agent 框架的开发者值得细读。
LogDx-CI：首个日志缩减工具基准，助LLM根因诊断
做CI调试或AI编程智能体的团队终于有了可依赖的日志缩减基准——LogDx-CI直接告诉你哪种工具省钱又有效，建议做DevOps或Agent开发的点开看。
Claude Opus 4.8 发布，能力夺回第一，Anthropic估值9650亿美元
Claude Opus 4.8 在跑分上全面压制 GPT-5.5，做 AI 应用开发和模型评测的团队值得第一时间上手体验，ZenMux 已支持快速接入。
欧盟与 Anthropic 谈判获取 Mythos 模型访问权限
欧盟与 Anthropic 的谈判揭示了 AI 安全模型的监管博弈，做网络安全或 AI 政策研究的团队值得关注——Mythos 的开放程度可能影响未来漏洞披露和防御策略。
Grok Build 0.1 实战成本仅 1.65 美元，马斯克称物超所值
Grok Build 0.1 用 1.65 美元完成了一个 webhook 服务开发，成本远低于同类模型，做全栈或自动化开发的团队值得关注这个新选择。
Anthropic 发布 Claude Opus 4.8，超越 GPT-5.5 和 Gemini 3.1 Pro
Claude Opus 4.8 在编码错误检测和并行任务处理上大幅进化，做大型代码库迁移或复杂自动化的开发者可以直接体验动态工作流带来的效率提升。
产品00:34
Code Arena 新增前端分类：AI 辅助 Web 开发趋势分析做 AI 辅助 Web 开发的团队可以了解哪些模型在特定前端任务中表现最佳，以及用户实际使用趋势，建议点开看看数据洞察。
5月28日
Qwen3.7-Max 登顶 ITBench-AA 企业 IT 任务评测第三
企业 IT 运维团队终于有了靠谱的 AI 评测标准——ITBench-AA 模拟真实 K8s 故障排查场景，做 SRE 或 FinOps 的开发者可以直接参考模型表现来选型。
DeepSWE 新基准发布：GPT-5.5 领先，小米模型表现亮眼
这个基准测试解决了现有 coding benchmark 数据污染问题，做 AI 编程模型评估的团队可以直接参考排行榜，小米模型的表现值得一试。
SpatialBench-Long：评估AI在空间生物学中的长程推理能力
空间生物学研究者终于有了衡量AI科学推理能力的硬核基准——SpatialBench-Long 要求智能体从复杂空间数据中推导真实结论，而非简单跑流程。做生物信息学或AI for Science的团队，值得看看当前模型的表现差距在哪里。
Anthropic 和 OpenAI 找到产品-市场契合点，企业 API 定价飙升
企业团队和重度 AI 用户需要了解 API 定价变化——你的账单可能正在飙升，而订阅计划仍是个人用户的最佳选择。建议检查你的企业合同，避免意外超支。
用好 Coding Agent 的关键：开头设计比写代码更重要
这篇经验贴把 Coding Agent 的坑和最佳实践讲透了——开头设计决定了最终质量，做 AI 编程的开发者看完能省下大量调试时间，建议直接收藏。