OpenAI 发布 GPT-5.2，主打科学与数学能力
OpenAI 发布 GPT-5.2，称其是迄今在数学与科学上最强的模型，在 GPQA Diamond 和 FrontierMath 等基准上取得新的 SOTA 结果。原文还展示这些能力如何转化为实际研究进展，包括解决一个开放理论问题和生成可靠的数学证明。
推荐理由：原文给出了GPT-5.2在GPQA Diamond和FrontierMath上的新成绩及研究落地示例，读者可据此评估其在科研场景的可用性。
AI 资讯AI 每天都在变，
AI 每天都在变，
这里一页看完
全球 AI 公司、研究机构和媒体的最新动态，自动挑出值得看的，全天自动更新。
更新于 10月18日 00:11 · 每小时自动更新
12月11日 周四3 条
OpenAI 发布 GPT-5.2 前沿模型
OpenAI 发布 GPT-5.2，称其为面向日常专业工作的最先进前沿模型，具备推理、长上下文理解、编码和视觉能力。用户可在 ChatGPT 和 OpenAI API 中使用，以支持更快、更可靠的智能体工作流。
推荐理由：官方发布说明明确了模型定位与可用入口，读者可据此判断在 ChatGPT 和 API 中的使用方式。
迪士尼与 OpenAI 达成协议，超 200 个角色将登陆 Sora
迪士尼与 OpenAI 达成协议，将超过 200 个迪士尼、漫威、皮克斯和星战角色引入 Sora，供粉丝生成短视频。协议强调娱乐领域的负责任 AI，并包含迪士尼全公司使用 ChatGPT Enterprise 和 OpenAI API。
推荐理由：原文给出了合作规模和迪士尼内部使用 ChatGPT Enterprise 的细节，读者可以了解这桩授权协议的具体范围。
12月9日 周二3 条
OpenAI 联合发起 Agentic AI Foundation 并捐出 AGENTS.md
OpenAI 宣布在 Linux Foundation 下联合发起 Agentic AI Foundation，并捐出 AGENTS.md，以支持面向安全智能体 AI 的开放、可互操作标准。
推荐理由：OpenAI 官方宣布在 Linux Foundation 下共建 Agentic AI Foundation 并捐出 AGENTS.md，可据此了解智能体开放标准的新动向。
Mistral AI 发布 Devstral 2（123B）与 Devstral Small 2（24B）编码模型及 Vibe CLI
Mistral AI 发布开源编码模型 Devstral 2（123B）与 Devstral Small 2（24B），分别在 SWE-bench Verified 上取得 72.2% 和 68.0%。
推荐理由：官方公布了两档参数规模、SWE-bench Verified 分数和后续 API 定价，读者可以据此评估本地部署与成本收益。
Anthropic调研：2026年企业AI智能体应用趋势
Anthropic与Material调研500余位技术领导者显示，57%企业已将AI智能体用于多阶段工作流，16%实现跨职能部署。编码是核心场景，90%用于开发辅助，86%用于生产代码，平均节省近六成时间。80%受访者称投资已产生可衡量回报，如Thomson Reuters将法律检索从数小时缩短至分钟级。2026年81%企业计划处理更复杂用例，但面临系统集成、数据质量和变革管理三大挑战。
推荐理由：Anthropic发布企业AI Agent深度调研，揭示2026年应用趋势与头部企业实战案例
12月5日 周五1 条
ARC Prize 2025 结果公布：NVARC 摘得桂冠，Grand Prize 仍无人认领
ARC Prize 发布 2025 年结果与分析，NVARC 以约 24% 的 ARC-AGI-2 私有集得分（$0.20/task）夺得 Kaggle 竞赛冠军，Grand Prize 连续第二年无人认领。
推荐理由：官方复盘给出 2025 年获奖方案、成本数字与 refinement loop 框架，读者可借此理解当前 AI 推理的真实边界。
12月4日 周四2 条
PromptArmor 披露 vLex Vincent AI 屏幕接管钓鱼攻击，vLex 已修复
PromptArmor 披露法律 AI 工具 Vincent AI（所属公司 vLex 上月被 Clio 以 10 亿美元收购）存在提示词注入漏洞。
推荐理由：PromptArmor 原创披露 vLex 提示词注入可导致屏幕接管钓鱼，读者可借三步攻击链理解上传文档类 AI 工具的注入风险。
英国 AI Security Institute 联合多校研究：AI 模型说服力更多取决于后训练而非模型规模
英国 AI Security Institute 与牛津、LSE、Stanford、MIT 合作在 Science 发表研究，通过三项实验让 76000 余名参与者与 19 个模型就 707 个议题对话，检验 AI 说服力的来源。结果显示后训练的影响远超模型规模，强调事实与证据的提示词使说服力提升 27%，个性化微定向效应则不到 1 个百分点；同时提升说服力的手段会系统性降低事实准确性。
推荐理由：研究基于 76000 多人实验，指出后训练和信息密度比模型规模更能提升说服力，且说服力提升伴随事实准确性下降。
12月3日 周三1 条
蚂蚁集团开源AState：面向强化学习的高性能状态管理系统
蚂蚁集团开源了AState，这是一个专为强化学习设计的高性能通用状态数据管理系统。它旨在解决RL训练与推理中的I/O效率低下、权重同步性能不足及状态恢复不鲁棒等核心挑战。系统采用三层架构：提供张量原生接口的API层、支持多种部署模式的服务层以及具备高效可扩展传输能力的基础层。其关键特性包括统一的张量级API、高性能权重同步和拓扑感知设计。在万亿参数规模下，AState能在约6秒内完成权重同步，远低于业界常见的分钟级延迟，目前已作为ASystem的关键组件在蚂蚁内部生产环境部署。
推荐理由：蚂蚁把万亿参数 RL 训练的权重同步从分钟级压到 6 秒，这套 AState 系统是真刀真枪的工程解法，做大规模 RL infra 的团队值得拆一拆它的 RDMA P2P 架构。
12月2日 周二2 条
大规模验证代码的实用方法
研究团队训练并部署了一个专为高精度和实际应用优化的AI代码审查智能体。该智能体旨在对自主生成的代码进行有效监督，使代码审查能力能够与自动化代码生成的规模同步扩展。通过优化智能体的精确度，该方法致力于解决大规模代码生成中的质量控制难题，为AI辅助软件开发提供了可落地的规模化监督方案。
推荐理由：OpenAI 把对齐研究落到了代码审查这个具体场景，不是空谈 alignment 理论，而是训了个高精度 review agent 来给 AI 写的代码做质检。做 coding agent 的团队该看看，这可能是未来安全合规的标配。
Mistral 发布 Mistral 3 系列：Mistral Large 3 与 Ministral 3 全线开源
Mistral 发布 Mistral 3 模型系列，包含 41B 激活、675B 总参数的稀疏 MoE 模型 Mistral Large 3，以及 3B、8B、14B 三种规模的 Ministral 3 小模型，全部以 Apache 2.0 许可开源。
推荐理由：原文来自 Mistral 官方发布，给出了模型规格、开源许可、性能定位和部署路径，读者可据此评估不同规模的选用方案。
12月1日 周一1 条
DeepSeek-V3.2 及 DeepSeek-V3.2-Speciale 发布
DeepSeek 将 deepseek-chat 和 deepseek-reasoner 均升级为 DeepSeek-V3.2，分别对应非思考模式与思考模式。同时非正式部署 DeepSeek-V3.2-Speciale 的 API 服务，价格不变，仅支持思考模式对话，不支持工具调用，最大输出长度默认 128K，服务截止至北京时间 2025-12-15 23:59。
推荐理由：我觉得DeepSeek V3.2的亮点不是参数，而是思考模式正式接入主力API，意味着推理能力常态化，Speciale那个128K输出更像压力测试，做长文档的可以抓住窗口期探上限。
11月26日 周三2 条
Prime Intellect 发布 INTELLECT-3：106B 参数 MoE 模型，大规模 RL 训练并全栈开源
Prime Intellect 发布 INTELLECT-3，一个 106B 参数的 MoE 模型，在 GLM-4.5-Air 基座上经 SFT 和大规模 RL 训练，在数学、代码、科学和推理基准上达到同规模最先进水平。
推荐理由：原文给出了完整的模型权重、训练框架与 RL 环境开源清单，读者可以据此复现大规模强化学习后训练。
为长时运行智能体设计有效约束方案
为解决AI智能体在跨越多上下文窗口执行长期任务时的“记忆丢失”与进展不一致问题，Anthropic为Claude Agent SDK开发了一套双重方案。该方案包含一个初始化智能体，负责在首次运行时建立基础环境并生成功能清单；以及一个编码智能体，负责在后续会话中进行增量开发并提交清晰可合并的代码。通过结构化的进度日志和Git历史等机制，引导智能体避免“试图一次性完成所有功能”或“过早宣布完成”的失败模式，从而实现跨会话的持续有效协作。
推荐理由：Anthropic 把 Claude Agent SDK 跑长任务踩过的坑全摊开了，初始化 agent + 增量进度文件这套方案不复杂但极实用，做 Agent 产品的团队可以直接抄作业。
11月25日 周二3 条
Together AI 上线 Black Forest Labs 的 FLUX.2 多参考图生图模型
Together AI 将 Black Forest Labs 的 FLUX.2 图像模型接入 Model Library，面向 100 万以上开发者提供多参考输入、hex 色号颜色匹配和文本渲染能力。
推荐理由：原文列出了多参考输入、hex 色号匹配和三个型号的具体参数，读者可据此判断是否接入现有生成工作流。
LlamaIndex 发布 LlamaSheets Beta，将杂乱电子表格转为 AI 可用数据
LlamaIndex 发布 LlamaParse 新 API LlamaSheets（Beta，免费），把任意 .xlsx 电子表格语义化结构为 Parquet 文件，供 Agent 或下游应用使用。
推荐理由：原文介绍了将杂乱表格转为 Parquet 的多阶段处理方法与接入方式，读者可据此评估是否嵌入自己的表格自动化流程。
音乐创作的新篇章 · Suno 联合创始人兼首席执行官 Mikey Shulman · 2025年11月25日 Suno 与华纳音乐集团合作，共同构建交互式音乐的未来 公告
Suno宣布与华纳音乐集团达成合作。Suno已拥有近1亿音乐创作者社区，此次合作旨在推出更强大的创作功能、提供与WMG旗下艺术家互动的机会，并基于授权音乐构建新一代Suno模型，其性能将超越v5。未来，部分同意授权的WMG艺术家声音与形象可用于新的AI生成音乐创作体验，为其开辟新收入渠道。同时，歌曲下载功能将调整为仅限付费用户使用，而Suno Studio作为专业工具将保持现有功能并持续更新。
推荐理由：Suno和华纳的牵手，意味着AI生成音乐终于拿到了正版内容的通行证，从此不用再躲躲藏藏，对音乐创作者和听众都是质变信号。
11月24日 周一4 条
OpenAI 发布指南：什么样的 ChatGPT 应用才算好应用
OpenAI 在 DevDay 推出 ChatGPT Apps 后发布开发者设计指南，说明 ChatGPT 应用本质是模型可调用的一组明确定义的工具，而非产品缩略版。
推荐理由：OpenAI 给出判断 ChatGPT 应用价值的 know/do/show 框架和设计清单，开发者可据此决定移植哪些能力、如何命名工具。
Claude Opus 4.5 发布：最强模型登场，支持编程工具调用与 effort 参数
Anthropic 发布 Claude Opus 4.5，定位为最智能模型，在视觉、编程和计算机使用能力上实现阶跃式改进，价格低于前代 Opus 模型。
推荐理由：Opus 系列首次把价格降到「实用」区间，同时编码和视觉有阶跃提升，这对做软件工程和 Agent 的开发者是实打实的利好，配套的工具调用更新也补上了多步骤工作流的效率短板。