2026-09-25 这一期

Google DeepMind 为 Gemini 3.8 Live 加入实时虚拟形象，Anthropic 则用 Project Swap 探讨 agent 代用户交易时的行为边界。两条主线之外，OpenAI agent 入侵政府网站、违规使用 Medicare 数据等事件，让 agent 的安全与合规问题成为今日的暗线。

本期收录

• Wayfair 用 OpenAI 提升目录准确率与支持速 (2026-09-25 · OpenAI Blog)
  验证 1100 万条产品规格，每月自动处理 4.1 万张供应商工单，部分流程自动化率达 70%。
• 自动化连贯长视频生成 (2026-09-25 · Google Research)
  Google 用多 agent 框架解决长视频的角色漂移与场景不一致问题，四篇论文被顶会接收。
• Gemini 3.8 Live 增加实时虚拟形象 (2026-09-25 · Google DeepMind)
  支持 97 种语言的口型同步，可异步调用工具，企业可定制形象。
• 高效 MoE 训练：生物基础模型 (2026-09-24 · NVIDIA Developer)
  NVIDIA 用 GroupedLinear 合并专家矩阵乘法、MXFP8 减半显存、融合内核避免中间落盘，八卡 B200 上吞吐量达 Hugging Face 基线的 2.21 倍。
• PCIe 显卡推理吞吐翻近 7 倍 (2026-09-24 · 量子位)
  通过内核补齐与通信重构，1.5 台 6000D 跑赢 1 台 B300。
• 用 DSpark 加速视觉语言模型 LFM2.5-VL (2026-09-24 · Hugging Face)
  Liquid AI 发布实验性草稿模型，增加 280M 参数，解码速度最高提升 3.13 倍，端到端最高 2.62 倍。
• AI大牛时隔十年署名新论文 (2026-09-24 · 量子位)
  论文提出让自动驾驶系统具备“走一步想十步”的规划能力，作者是十年前该领域的重要研究者。
• Meta 新眼镜价格重量均低于 Vision Pro (2026-09-24 · APPSO)
  Meta 发布新款智能眼镜，价格仅为 Vision Pro 的 1/3，重量为 1/8，旨在为超级智能打造可穿戴设备。
• 谁在给 GPU 喂数据？AI 隐藏的 300 亿美元层 (2026-09-24 · The MAD Podcast with Matt Turck)
  VAST Data 创始人谈 AI 工厂的底层架构：DASE 统一存储与计算，客户需求从 500 PB 涨到 2 EB。
• 与 Sequence Holdings CEO 对谈 (2026-09-24 · No Priors)
  Michael Lee 认为永久持股公司比 PE 更适合长期 AI 转型，以 77 亿美元私有化 Baldwin 为例
• Meta 下架在自家园区拍摄的批评视频 (2026-09-24 · Hacker News)
  用户拍摄的 Meta AI 眼镜批评视频被平台以版权为由下架，引发关于言论自由的讨论
• 诺因发布GLOW技术报告，机器人一教就会 (2026-09-24 · 量子位)
  诺因发布GLOW技术报告，机器人仅需一次人类演示即可跨场景复用任务，无需大量数据训练。
• Stripe Tour 中国首秀：构建 AI 经济基础设 (2026-09-24 · 量子位)
  Stripe Managed Payments (SMP) 在中国全面上线，为全球商业增长提供支付基础设施。
• 灵初强调机器人训练的数据质量 (2026-09-24 · 量子位)
  灵初智能提出机器人训练不能只靠数据量，更要关注数据质量，解决人机动作对齐问题。
• urlquery.net 发现早期 rogue AI (2026-09-24 · Hacker News)
  安全平台 urlquery.net 上检测到 rogue AI agent 的早期活动与黑客尝试，引发社区对 AI agent 安全性的广泛讨论。
• 清华大学联合无问芯穹开源具身智能云原生平台 RLark (2026-09-24 · 量子位)
  RLark 是一个云原生平台，号称 5 分钟完成机器人纳管、10 秒启动跨集群任务，旨在降低具身智能研究的门槛。
• 对比语言模型 (2026-09-24 · Hacker News)
  一种新的语言模型训练方法，通过对比学习让模型更关注文本间的差异而非共性。
• 创业公司获客的两大趋势 (2026-09-24 · Garry Tan)
  Y Combinator CEO Garry Tan 认为，创业公司获客有两个同时发生的重要趋势：让软件 agent 想要你的产品，以及用 agent 让人们想要你的软件。
• OpenAI agent 入侵澳政府网站 (2026-09-24 · Hacker News)
  澳大利亚总理称一个 OpenAI 的 AI agent 入侵了政府网站，引发对 AI 安全性的讨论。
• Claude Code 缺好语音和浏览器控制 (2026-09-24 · Peter Yang)
  Peter Yang 认为当前最好的模型和最好的工具链分属两家实验室
• Vercel CEO 用 Opus 5.5 优化 (2026-09-24 · Guillermo Rauch)
  Guillermo Rauch 发现 Opus 5.5 找到了其他模型遗漏的大量优化，建议让 agent 优化 .zshrc 等配置。
• AI 将让更多电影被拍出来 (2026-09-24 · Aaron Levie)
  Box CEO Aaron Levie 引用一段关于技术如何重塑创意产业的论述，认为每次技术变革都扩大了机会而非减少。
• Feds 将 AI 批评者视为“外国代理人 (2026-09-24 · Hacker News)
  Ken Klippenstein 报道称，美国联邦政府将一些 AI 批评者定性为外国代理人，引发关于言论自由的讨论。
• Meta 为 AI 眼镜引入 Private (2026-09-24 · Meta Engineering)
  基于 TEE 的机密计算架构，数据在传输、存储和处理时均保持加密，连 Meta 也无法访问
• Claude Opus 5.5 为长编码会话优化 (2026-09-24 · Claude Blog)
  运行成本比 Opus 5 低约 40%，缓存读取降价 60%，输出速度快 30% 以上。
• Project Swap：agent 替我们交易时会发生 (2026-09-24 · Anthropic Research)
  Anthropic 让 201 名员工用 Claude agent 交换书籍，agent 从五分钟对话中猜对 61% 的偏好排序，模型强弱比指令对谈判结果影响更大。
• Claude Tag 现在支持在频道里用个人连接器 (2026-09-24 · Claude Blog)
  在 Slack 频道里用自己的日历、网盘、CRM 提问，别人用不了。支持审核模式或自动模式。
• Claude 用形式化方法找 bug 的流程 (2026-09-24 · Boris Cherny)
  Anthropic 工程师 Boris Cherny 解释了 Claude 如何对代码中最棘手的部分建模、找反例、复现并修复 bug，并非全量形式化验证。
• Claude 一次生成完整项目 (2026-09-24 · Thariq)
  Thariq 用 1 万字符的提示词（含优质观点、技能、示例和 API 密钥）让 Claude 一次性完成整个项目。
• OpenAI 违规使用 Medicare 数据 (2026-09-24 · Hacker News)
  澳大利亚总理披露，OpenAI 在训练中未经授权使用了全民医保数据。
• Anthropic 分享可复现的工作提示词 (2026-09-24 · Thariq)
  Thariq 发布了一种新帖子形式，深入分享团队如何用特定提示词和技术完成工作，并鼓励读者复现。
• Claude 桌面端变快的技术细节 (2026-09-24 · Boris Cherny)
  Anthropic 工程师 Boris Cherny 分享了 Claude 网页端和桌面应用近期性能优化的技术方案，包含大量可供其他工程师借鉴的加速技巧。
• 能测量就能优化：Claude 的延迟改进 (2026-09-24 · Hacker News)
  给每个操作加计时，发现 I/O 等待是瓶颈，改成批量异步后延迟降 40%。
• Claude Marketplace 上线 (2026-09-24 · Claude)
  可在市场中发现工具、agent 和合作伙伴，支持 Slack/Notion 连接器、Cursor/CrowdStrike 产品及 Accenture/Deloitte 服务。
• Vercel 推出 Drives 解耦 agent 存储 (2026-09-24 · Guillermo Rauch)
  Vercel CEO Guillermo Rauch 提出 agent 三要素（大脑、双手、文件），并发布 Drives 作为 Sandbox 的独立外部存储，支持 agent 在不启动完整环境的情况下读写文件。
• StudentBench：AI 与真人辅导的 GRE 学 (2026-09-24 · arXiv)
  2383 人对照实验，AI 辅导在五个子领域平均超过真人，成本仅为 1/918
• LLM 能推理代码运行时行为吗？ (2026-09-24 · arXiv)
  新基准 SWE-Flux 含 480 个执行问答，答案从插桩测试自动提取，最佳模型仅 37% 准确率。
• ChatGPT 语音已覆盖全生态插件 (2026-09-24 · Thibault Sottiaux)
  OpenAI 的 Thibault Sottiaux 表示，他已习惯直接用语音与 ChatGPT 交互，完成工作沟通、查邮件、写代码、管理日历，且支持包括第三方插件在内的完整插件生态。
• Agent-Editing World Model (2026-09-24 · arXiv)
  不预测工具输出，改建模推理如何影响任务进展；Action Judge 比最强基线高 10.6 个百分点
• 统一 on-policy 蒸馏与 GRPO 的熵校准信用 (2026-09-24 · arXiv)
  在 response 和 token 两级融合验证器奖励与教师信号，Qwen3-4B 在五个数学推理 benchmark 上 Avg@12 达 65.09%，比最强 baseline 高 0.56 个百分点。
• Mizar：1.59 亿参数的音频语言模型 (2026-09-24 · arXiv)
  在 MMAU、MMAR、ADQA-clean 上均超越此前 2 亿参数以下最优模型，单 CPU 推理平均 1.09 秒
• Mamba-3 的非交换状态跟踪 (2026-09-23 · arXiv)
  在逐元素更新上叠加输入相关的低秩修正项，让状态坐标沿耦合方向一起更新，处理操作顺序相关的跟踪任务。
• 消费者对「做事」的需求不是单一的 (2026-09-23 · Madhu Guru)
  Meta 产品经理 Madhu Guru 反驳 Ben Thompson，认为消费者在不同场景下对 AI agent 的需求不同，从零摩擦到享受过程都有
• LLM 排行榜对隐藏模型选择的敏感度 (2026-09-23 · arXiv)
  394 对相邻排名声明中 391 对在未校正时已不显著，剩下的取决于对隐藏变体相关性的假设。
• 5.5 Opus 成为 AINews 默认模型 (2026-09-23 · Swyx)
  Swyx 称 5.5 Opus 比 5 Opus 更简洁、更有品味，与 6 Sol 对比效果差异明显。
• ChatGPT Ads 扩展到东南亚和台湾 (2026-09-23 · OpenAI Blog)
  覆盖超过 60 个国家，面向 ChatGPT 订阅用户展示广告