标签 | 大模型
OpenAI 自己拆台！考场里的 AI 和干活时的 AI，根本不是同一个
OpenAI 对齐团队实测，6 个模型在安全评测里的表现和真实生产环境差出 10.2 到 37.4 个百分点。根子不在能力，在模型考场里猜题，猜错方向满盘皆输。
- 大模型
- AI
- AI研究
- +1
DeepSeek开源Super-agent！人最多盯5个AI窗口，它让AI自己端菜上桌
DeepSeek 公开 Super-agent 架构，Router 像前厅只接单，Worker 像后厨各炒各的。它想解决的是人最多盯 3 到 5 个 AI 窗口的注意力瓶颈，也学会了修不出来就不说话。
- 大模型
- AI Agent
- AI
- +2
千问进 iPhone，豆包上特斯拉！同一台硬件，换个国家就换个大脑
苹果在 iPhone 里给千问留了三处入口，特斯拉车机里的豆包能聊天却不能开空调。大模型住进了硬件，钥匙还在房东手里，模型公司只好一边租房、一边盖房。
- 大模型
- 手机AI
- AI
- +3
谁来给AI的证明盖章？Axiom、OpenAI、Ai2同周揭开科研质检难题
Axiom 用 24 天让 AI 重写人类最长的数学证明，OpenAI 请 ETH 提出者亲自核查 AI 的结论，Ai2 发现 AI 裁判改几个字就翻判。AI 的产量翻了百倍，验货的还是那几个人。
#AI 工具- 大模型
- Claude
- OpenAI
- +3
最强AI拿真实工作考核65分！Epoch曝光：GPT把自己的bug写成研究发现
Epoch 把自家真实工作交给 6 个模型考核，最强的 Claude Fable 5.1 和 GPT-6 Astra 平均只拿 65 分；同一周 GPT-6.1 Terra 价格砍半。能写进手册的活越来越便宜，丢分的全是没写进手册的判断力。
#AI 工具- 大模型
- Claude
- OpenAI
- +3
AI找漏洞按天算，人类修漏洞按月算！PHP2Shell暴露全网修补赤字
一扇二十年的老门，AI几天推开，人类修了两个月。PHP2Shell漏洞暴露的不是AI有多强，而是修补跟不上；Anthropic给出另一条路，少开一扇门。
#AI 工具- 大模型
- Anthropic
- OpenAI
- +3
造火箭的SpaceX成了AI公司？AI收入占比52%，航天业务季度亏700万美元
SpaceX第三季度财报里，超级智能业务收入75.6亿美元，占总收入52%，大头来自出租算力，Anthropic和Google都是租客。航天业务反亏700万美元，每收1块租金要往机房砸2.2块。造火箭的公司，正在变成地上和天上的算力房东。
#AI 工具- 大模型
- Anthropic
- AI
- +2
英伟达128GB AI笔记本抢空！37999元，把大模型搬回家
37999元、128GB统一内存，搭载英伟达RTX Spark的笔记本为何开售几分钟就被抢空？从卡兹克的现场记录和使用体验，看本地AI的成本账，也看看大内存背后的带宽、速度与使用门槛。
#AI 工具- 大模型
- 端侧AI
- AI
- +1
Anthropic员工自曝：75%的活AI都能干，却预计公司扩招66%！
Anthropic调查1万多名美国人和自家员工，发现两群人对AI现在能干什么看法几乎一致，分歧全在速度上。做AI的人像住在前面一个时区，而时差是用出来的，也会在用的过程中慢慢倒过来。
#AI 工具- 大模型
- Anthropic
- AI
- +1
Gemini 4 Argon跑出97.5%！同一模型另一张成绩单只有49.8%
同一个Gemini 4 Argon，在厂商适配框架和标准框架下分别得到97.5%与49.8%。记忆机制有何不同，API故障又如何影响解读？高分之外，还得看模型带着什么装备进考场。
#AI 工具- 大模型
- OpenAI
- Agent 工程化
- +2
AI终于学会了「记住自己在想什么」
GPT-5.6 推理持久化让 Agent 从反复失忆变成持续思考。两行配置改动，ARC-AGI-3 分数涨 188%，BrowseComp 成本降 25 倍。Agent 的军备竞赛进入新阶段，比的不再只是模型更聪明，而是谁更早让 AI 记住自己在想什么。
#AI 工具- 大模型
- OpenAI
- Agent 工程化
AI 说不出的随机数,成了套壳大模型的照妖镜
布拉格研究员发现,让 AI 反复说一个 1 到 100 的随机数,就能生成独一无二的行为指纹,用来验证 API 中转站有没有偷换模型。而这背后藏着一个更底层的问题,AI 为什么永远掷不出真正的骰子。
#AI 工具- 大模型
- AI
- API中转站
- +1
一个199块的模型,把自己给挤爆了
月之暗面 Kimi K3 上线48小时就因算力挤兑暂停新订阅。一个开放权重、便宜到人人都想用的模型,反而被自己的成功噎住。这背后是杰文斯悖论,是模型可以开源、算力永远不能开源的残酷真相。
#AI 工具- 大模型
- 算力
- Kimi
- +1
我们给AI出的考试，可能全错了
两份不相干的报告指向同一件事，AI学会了应付考试，而不是真的具备能力。当分数越来越高、可信度越来越低，验证的价值正在超过信任。
#AI 工具- AI知识
- 大模型
- AI Agent
- +1
梁文锋们排队敲钟的这个夏天，我看到的是一场窗口期赛跑
可灵30亿美元、月之暗面20亿、阶跃25亿、DeepSeek 500亿，中国大模型五虎为什么都挤在这个夏天冲刺资本市场？一场关于窗口期的集体焦虑，和估值机器暴露出的悖论。
#AI一周记- 大模型
- IPO
- AI一周记
AI公司正在失去定义自己边界的能力
OpenAI主动送5%股权，Anthropic被五角大楼逼拆护栏。看似截然不同的选择，底层逻辑一样：AI公司的独立性窗口正在关闭。互联网公司走了二十年的路，AI只用了四年。
#AI 工具- 大模型
AI的账单到了
花旗限制旗舰模型、扎克伯格承认Agent不如预期、谷歌用电量超新西兰——三条新闻串起同一个转折：从不计代价追求能力到在成本约束下找最优解。免费午餐阶段结束了。
#AI 工具- 大模型
给 AI 注入品味：当编码工具性能趋同，审美成了新战场
Emil Kowalski把十年前端经验打包成Skill文件注入AI编码工具、Kimi K2.7成为GitHub Copilot首个开源权重模型、Senior SWE-Bench评估高级工程师任务——当性能不再是瓶颈的时候，品味就成了新的战场。
#AI 工具- AI知识
- skill
- 大模型
Agent 嵌入一切：从支付宝到群聊，AI 正在吞噬 App
支付宝阿宝开放公测、Skywork Tags让Agent加入工作群聊、千问Agent工程方法论——三件事串在一起看，2026下半年Agent的主旋律已经很清楚了：Agent的终局不是做一个新App，而是消失在你已有的工作流和生活流里。
#AI 工具- 大模型
- AI Agent
一家AI安全公司做了一件最不安全的事
Anthropic发布最强中端模型Sonnet 5的同时，被发现在Claude Code中植入隐写术追踪中国用户。一面递刀一面藏刀，AI安全公司的透明度悖论。
#AI 工具- 大模型
- AI Agent
AI Agent的信任链断裂
从美军AI轰炸伊朗学校、Claude Code被DNS攻击攻破、到Cursor和OpenClaw把Agent放进手机，三件事串在一起揭示了同一个结构性盲区：Agent不会质疑输入数据的可信度。信任基础设施的滞后，才是Agent时代最危险的短板。
#AI 工具- 大模型
- AI Agent
理解大模型：训练上下文 vs 推理上下文 vs 有效上下文这三个概念
模型标称支持100万上下文，不代表它用100万长度训练。实际上训练上下文、推理上下文、有效上下文是三个完全不同的概念。这篇文章从Llama 3、GPT-4、Gemini的真实技术细节出发，聊聊这三者的区别，以及为什么你的AI在长文档中间会开始胡编。
#AI 工具- AI知识
- 大模型
- Context Engineering
苹果涨价只是冰山一角
苹果全线涨价20%、谷歌算力不够分拒绝Meta、韩国股市33次熔断、全球科技股暴跌。这些看似无关的事件串在一起，讲的是同一个故事：AI的算力饥渴正在重塑整条芯片供应链，从上游资本市场到下游消费者，无一幸免。
#AI 工具- 大模型
Claude Tag 不是重点，重点是所有人都在赌 AI 该住在哪里
Anthropic 发布 Claude Tag，一个住在 Slack 里的 AI 同事。但这不是一个产品新闻，而是一场关于 AI 如何融入工作流的路线之争的最新表态。嵌入派 vs 独立入口派，各家选择的背后是完全不同的生存逻辑。
#AI 工具- 大模型
- AI Agent
上下文窗口：为什么 AI 会「忘事」
上下文窗口就是AI的工作桌面。从4K到1M，桌子扩大了250倍，但AI真正能「看见」的只有开头和结尾那一小块。这篇文章聊聊Lost in the Middle现象，为什么即便有百万token的窗口，AI还是会忘事，以及你能怎么应对。
#AI 工具- 大模型
- RAG
- Context Engineering
豆包开始收费了，但真正的悬念不是价格
字节跳动上线豆包专业版三档定价（68/200/500），但最值得聊的不是贵不贵，而是一个被数亿人当玩具的产品如何转型专业工具，以及字节内部豆包、TRAE、扣子三个Agent产品的「三体问题」。
#AI 工具- 大模型
- AI Agent
如何判断一个AI产品是不是在忽悠你
AI行业色素水浓度有点高。四层鉴伪框架教你识别：看技术在哪里、看有没有护城河、看它怎么说话、看它敢不敢让你试。知识不是用来炫耀的，是用来防身的。
#AI 工具- AI知识
- 大模型
- AI Washing
Prompt Engineering，用自然语言给AI编程的技术
Prompt Engineering不是那些满天飞的万能模板，而是一种用自然语言给AI编程的能力。五个核心原则、Context Engineering的进化、以及为什么你说话的方式决定了AI能帮你到什么程度。
#AI 工具- AI知识
- 大模型
- Prompt Engineering
- +1
AI Agent，当AI学会自己搞定一整件事
AI Agent是Fine-tuning、Function Calling、MCP三大技术的集大成者。这篇文章从聊天机器人和Agent的本质区别讲起，拆解Agentic Loop的工作机制，坦诚讨论复合错误率的现实挑战，最终回答一个问题：当AI学会独立完成任务，什么能力变得更重要了？
#AI 工具- AI知识
- 大模型
- AI Agent
MCP，给AI一个通用的万能接口
MCP（Model Context Protocol）是AI世界的USB-C，解决了模型和工具之间N×M碎片化问题。这篇文章从USB-C类比讲起，带你理解这个正在重塑AI生态的开放协议。
#AI 工具- AI知识
- MCP
- 大模型
- +1
Function Calling，让AI学会动手干活的技术
AI什么都知道却什么都做不了？Function Calling让大模型从只会说话变成能动手干活。这篇文章用大白话聊透这个让AI Agent成为可能的核心技术。
#AI 工具- AI知识
- 大模型
- Function Calling
- +1
Fine-tuning，让AI学会「成为某个人」的技术
微调到底是什么？跟RAG和prompt有什么区别？LoRA和QLoRA又是什么？这篇文章用大白话聊透Fine-tuning，从概念到成本到实际应用场景。
#AI 工具- AI知识
- 大模型
- Fine-tuning
- +1
Embedding，AI世界的隐形地基
之前一直知道embedding这个概念但没深入了解过，这次认真研究了一下。从one-hot编码的致命缺陷到Word2Vec的惊人发现，从当前主流模型选型到五大应用场景，用大白话聊透向量嵌入这个AI世界的底层基建。
#AI 工具- AI知识
- 大模型
- RAG
RAG，一个让AI学会翻书的技术
之前一直听说过RAG但没有深入了解过，今天花了一整天时间研究，用大白话聊透它的概念、原理、使用场景和最新进展。如果你跟我一样对RAG只停留在听说过的阶段，这篇应该能帮到你。
#AI 工具- AI知识
- 大模型
- RAG