AI 每天都在变，
这里一页看完

如何用 LM Studio 在本地运行 gpt-oss

OpenAI 发布 Cookbook 教程，讲解如何在本地硬件上用 LM Studio 运行 gpt-oss。LM Studio 是一款在本地硬件运行大语言模型的桌面应用，教程将引导用户完成本地运行 gpt-oss 的步骤。

推荐理由：OpenAI 官方 Cookbook 给出在本地硬件用 LM Studio 运行 gpt-oss 的完整步骤，可作为离线部署的操作参考。

GPT-5 已在 OpenRouter 上线

GPT-5 现已登陆 OpenRouter 平台，具备长上下文能力，专为复杂推理和代码工作流设计。

推荐理由：GPT-5 是 AI 史上的分水岭，长上下文和推理能力直接催生了一整代 agent 工具，哪怕过了快一年回头看，仍然值得搞清楚它改变了什么。

GPT-5 现已上线

OpenRouter 平台已发布 GPT-5，该模型支持长上下文，专为复杂推理与代码工作流构建。

推荐理由：这是 GPT-5 首次以大上下文和推理能力亮相，1M token 上下文让 code agent 直接从 demo 变成可用，现在看虽是旧闻，但节点意义不减。

GPT-5 现已上线

GPT-5 已在 OpenRouter 平台正式推出。该模型具备长上下文处理能力，专门针对复杂推理任务与代码工作流进行了优化。此次发布标志着新一代大语言模型开始接入开放路由网络，为开发者与用户提供更强大的多步骤逻辑处理和编程辅助功能。

推荐理由：OpenRouter 上架 GPT-5 本身不算新闻，但对用 OpenRouter 做多模型路由的开发者来说，这是终于能切到最新旗舰的信号，值得第一时间跑一遍自己的 benchmark。

OpenAI 介绍 GPT-5 的 safe-completions 输出中心安全训练方法

OpenAI 发布文章，介绍 GPT-5 采用的 safe-completions 方法，用以输出为中心的安全训练取代硬拒答。该方法针对双用途提示词给出更细致的回应，兼顾安全性与有用性。

推荐理由：原文介绍了 GPT-5 用以输出为中心的安全训练取代硬拒答，读者可了解双用途提示下兼顾安全与实用性的思路。

英国 AISI 开源 Inspect Sandboxing Toolkit 用于安全的 AI 智能体评估

英国 AI Security Institute 开源 Inspect Sandboxing Toolkit，一套用于安全运行智能体 AI 评估的沙箱插件。

推荐理由：原文给出三个沙箱插件和三层隔离协议，并说明架构如何分离推理与工具执行，读者可据此选择评估隔离方案。

OpenAI 与美国 GSA 合作向全体联邦行政部门员工提供 ChatGPT Enterprise

OpenAI for Government 宣布与美国总务管理局（GSA）达成新合作，未来一年内 ChatGPT Enterprise 将以几乎零成本向美国联邦行政部门全体工作人员开放。

推荐理由：原文是官方公告，明确了服务范围和为期一年的免费安排，可了解联邦政府采用 AI 工具的动向。

Claude Opus 4.1 发布：性能增强的增量更新

Anthropic 推出 Claude Opus 4.1，作为 Claude Opus 4 的增量更新，具备增强的能力和性能改进。该版本不允许同时指定 temperature 和 top_p 参数，用户应仅使用其中一个。

推荐理由：Claude Opus 4.1 是 Opus 4 的增量升级，官方发布无夸张数据，但参数限制这个细节对开发者是实操提醒，用高端模型的团队值得重新评估一下效果。

OpenAI 发布开放权重模型 gpt-oss-120b 与 gpt-oss-20b

OpenAI 发布 gpt-oss-120b 和 gpt-oss-20b 两款开放权重语言模型，采用 Apache 2.0 许可证。两款模型在推理任务上优于同等规模的开源模型，具备较强的工具使用能力，并针对消费级硬件的低成本高效部署做了优化。

推荐理由：原文说明两款开放权重模型的推理表现、工具使用能力和消费级硬件部署定位，可帮助读者评估是否引入自建流程。

OpenAI 发布开源权重推理模型 gpt-oss-120b 与 gpt-oss-20b

OpenAI 发布 gpt-oss-120b 和 gpt-oss-20b 两个开源权重推理模型，采用 Apache 2.0 许可证，并遵循其 gpt-oss 使用政策。

如何用 Ollama 在本地运行 gpt-oss

OpenAI 开发者发布教程，讲解如何用 Ollama 在本地硬件上部署 gpt-oss-20b 或 gpt-oss-120b 并选择合适的推理设置。

推荐理由：来自 OpenAI 开发者官方的实操指南，读者可按步骤在自己硬件上用 Ollama 跑通 gpt-oss 两个规格模型。

OpenAI Cookbook 教程：用 Hugging Face Transformers 微调 gpt-oss

OpenAI 开发者 Cookbook 发布教程，讲解如何结合 gpt-oss 与 Hugging Face Transformers 进行微调。文章由 Edward Beeching、Quentin Gallouédec 和 Lewis Tunstall 撰写，并从大型推理模型（如 OpenAI o3）通过生成思维链提升准确性的背景切入。

推荐理由：官方 Cookbook 教程给出用 Hugging Face Transformers 微调 gpt-oss 的具体路径，适合需要本地定制推理模型的开发者参考。

通过特征交互追踪注意力计算

研究团队提出“QK归因”方法，将Transformer注意力头的关注模式解释为查询侧与键侧特征激活的双线性函数，并将其整合至原有的归因图中，从而弥补了原有方法忽略注意力计算关键信息的缺陷。案例研究验证了此前在归纳提示、反义词任务等场景中假设的特征交互机制，并发现了如“一致性头”用于合理性检查等新计算模式。该方法实现了对模型前向传播过程更完整的可解释性因果图描述。

推荐理由：Anthropic补齐可解释性方法论的关键拼图，有助于理解大模型内部推理机制

OpenAI 推出 Stargate Norway，为其在欧洲的首个 AI 数据中心计划

OpenAI 宣布推出 Stargate Norway，这是其在欧洲的首个 AI 数据中心计划，隶属 OpenAI for Countries 项目。Stargate 是 OpenAI 的整体基础设施平台，是其让所有人受益于 AI 的长期愿景的关键组成部分。

推荐理由：原文由 OpenAI 官方发布，读者可了解其通过 OpenAI for Countries 在欧洲布局 AI 数据中心的动作。

智谱发布 GLM-4.5 系列模型并原生支持 SGLang

智谱发布旗舰模型 GLM-4.5（355B/32B 激活）与 GLM-4.5-Air（106B/12B 激活），含 FP8 量化版本，即日起原生支持 SGLang 框架。采用 MoE 架构与 128k 上下文，在 12 项基准测试中分列第 3 与第 6。GLM-4.5 在 BrowseComp 网页浏览任务中以 26.4% 准确率超越 Claude 4 Opus，工具调用成功率达 90.6%，编程与数学推理能力突出。

推荐理由：国产大模型Agent与编码能力跻身第一梯队，为开发者提供Claude/GPT之外的高性价比替代方案

ChatGPT 推出 study mode 学习模式

OpenAI 在 ChatGPT 中推出 study mode 学习模式。该模式通过提问、脚手架引导和反馈，帮助学生逐步解决问题，实现更深入的学习。

推荐理由：官方宣布了新学习模式的核心交互方式，读者可以据此了解它与学生自学场景的匹配度。

上海AI实验室开源 Intern-S2-Preview-397B 与 Intern-S2-Preview-35B 科学多模态模型

上海人工智能实验室 InternLM 团队发布 Intern-S2-Preview-397B，定位面向科学智能与长程智能体的最强多模态基础模型，通过新的视觉语言预训练范式、20 多个领域的大规模多任务强化学习以及沙盒环境中的智能体强化学习提升通用推理与科学能力。

推荐理由：官方仓库同时给出 Intern-S2 两档新模型与 S1 系列的架构细节和基准对比，便于读者评估科学场景下的开源选型。

Anthropic 开发并评估三个自动执行对齐审计的智能体

Anthropic 发布三个自主执行对齐审计任务的智能体，并用含植入缺陷的模型环境进行评估。调查智能体在真实条件下以 13% 的胜率解开 Marks et al. 审计博弈，多智能体聚合后提升到 42%；评估智能体在 88% 的运行中能区分有/无植入行为的模型；广度优先红队智能体发现 10 个植入行为中的 7 个。

推荐理由：Anthropic 报告了三个对齐审计智能体在植入缺陷模型上的可复现成绩，并公开部分代码与提示词，读者可以了解自动化审计的实际能力与局限。

Modal 实测：用开源 ASR 模型将批量语音转写提速 100 倍、成本降 100 倍

Modal 工程团队在平台上部署 NVIDIA parakeet-tdt-0.6b-v2 与 canary-1b-flash 开源 ASR 模型，对约一周（7×24 小时）ESB 基准音频做批量转写，结果比所测专有 API 快 112 倍或便宜 200 倍，且错误率略低，实现了一分钟内以 1 美元转写一周音频。

推荐理由：原文给出可复现的批量转录优化方法与端到端实测数据，读者可以据此在自己的语音转写服务中权衡成本与吞吐。

Anthropic 等机构研究揭示大型推理模型的测试时计算反向扩展现象

Anthropic Fellows Program 等机构构建评测任务，发现延长推理长度反而降低大型推理模型准确率，呈现测试时计算的反向扩展，并归纳出五种失败模式。

推荐理由：研究给出五类测试时计算反向扩展的失败模式，并附带安全含义，可帮助读者理解长推理并非总是增益。