AI 每天都在变，
这里一页看完

Cognition 发布 Devin 的 SWE-bench 技术报告

Cognition 发布 Devin 在 SWE-bench 上的技术报告，Devin 在随机抽取的 570 个测试集中解决 79 个问题，成功率 13.86%，高于此前最强的辅助设定基线 Claude 2 的 4.80% 和无辅助设定的 1.96%。

推荐理由：Cognition 公开了评测方法和 Devin 的代码编辑结果，读者可以对照复现并理解智能体在真实仓库上解题的边界。

LlamaIndex 推出 GenAI 原生文档解析平台 LlamaParse，新增自然语言解析指令与 JSON 模式

LlamaIndex 发布 LlamaParse 正式版，定位为首个 GenAI 原生文档解析平台，公测 3 周内已有超过 2000 名用户解析超过 100 万页。

推荐理由：官方宣布 LlamaParse 正式版上线，解析指令、JSON 模式和定价等细节齐全，做文档 RAG 的读者可据此评估是否采用。

Cognition 发布 AI 软件工程师 Devin，SWE-bench 端到端解决 13.86% 问题

Cognition 发布 AI 软件工程师 Devin，可规划并执行需要数千次决策的复杂工程任务，配备 shell、代码编辑器和浏览器等沙盒开发环境，并能实时汇报进度、接受反馈与用户协作。

推荐理由：官方宣布 Devin 并给出 SWE-bench 13.86% 的成绩与具体能力示例，读者可据此评估智能体在真实工程任务中的可用性。

Mistral AI 发布对话助手 Le Chat 并推出企业版 Le Chat Enterprise

Mistral AI 发布对话助手 Le Chat，作为与 Mistral 各模型交互的入口，底层可使用 Mistral Large、Mistral Small 或原型模型 Mistral Next。产品提供可调节的系统级审核机制，并同步推出支持自部署和细粒度审核的 Le Chat Enterprise；目前 beta 用户可注册试用，但 Le Chat 尚无法联网，可能给出过时信息。

推荐理由：官方首发公告说明了可切换的底层模型与企业版能力，读者可据此了解 Mistral 产品入口的初步形态。

Mistral 发布旗舰模型 Mistral Large，并通过 Azure 提供服务

Mistral 发布最新旗舰模型 Mistral Large，称其在常用基准上仅次于 GPT-4，是通过 API 普遍可用的全球第二大模型。Mistral Large 原生支持英法德西意五种语言，具备 32K token 上下文窗口、function calling 和 JSON 输出模式，可在 la Plateforme 与 Azure 使用。

推荐理由：官方发布公告给出基准对比、多语言能力、API 与 Azure 获取方式，读者可据此评估两个新模型在性能与成本间的取舍。

Google 开源大语言模型 Gemma 发布，Hugging Face 发文欢迎

Hugging Face 发文欢迎 Google 新的开源大语言模型 Gemma。正文抓取失败，仅有标题可用，具体模型规格和细节以原文链接为准。

LlamaIndex 发布 LlamaParse 与 LlamaCloud 托管解析及数据管线服务

LlamaIndex 发布 LlamaParse 和 LlamaCloud，为 LLM 与 RAG 应用提供托管解析、摄取和检索服务。

推荐理由：官方发布新解析与托管数据管线服务，给出公共预览的用量限制、试用方式与存储伙伴集成，读者可据此评估是否引入现有 RAG 工作流。

LlamaIndex 发布 LlamaParse 及托管摄取与检索服务

LlamaIndex 推出面向 LLM 与 RAG 应用的托管解析、摄取与检索服务套件 LlamaParse。LlamaParse 专注解析含表格和图表的复杂文档，已进入公开预览，当前聚焦 PDF 并对公开用户设用量上限；托管摄取与检索 API 处于私有预览，支持通过 LlamaHub 接入超过 150 个数据源和 40 多种数据存储方案。

推荐理由：LlamaIndex 官方公告，列出 LlamaParse 的解析能力、公开预览状态和配套托管 API 的开放范围，便于评估是否引入 RAG 工作流。

OpenAI 发布 Sora 视频生成模型，提出视频模型可作为世界模拟器

OpenAI 发布视频生成模型 Sora，可生成一分钟高保真视频。模型基于 Transformer 架构处理视频和图像潜在编码的时空 patch，在可变时长、分辨率和宽高比的视频与图像上联合训练文本条件扩散模型。OpenAI 认为扩展视频生成模型是构建物理世界通用模拟器的一条有前景的路径。

推荐理由：原文给出 Sora 的技术路线与能力边界，读者可以据此理解视频生成模型作为物理世界模拟器的思路。

OpenAI 破坏国家关联威胁行为者对 AI 的恶意使用

OpenAI 发布题为 Disrupting malicious uses of AI by state-affiliated threat actors 的公告，说明其采取了破坏国家关联威胁行为者恶意使用 AI 的行动。正文抓取失败，更多细节以原文链接为准。

OpenAI 为 ChatGPT 测试记忆功能与新的控制选项

OpenAI 正在测试让 ChatGPT 记住用户讨论内容的能力，以便在未来对话中提供更有帮助的回应。用户可以控制 ChatGPT 的记忆。

推荐理由：OpenAI 官方宣布 ChatGPT 正在测试记忆功能，读者可以据此了解该功能的用途和用户控制方式。

LlamaIndex v0.10 发布：拆分 llama-index-core 与集成包并弃用 ServiceContext

LlamaIndex 发布 v0.10.0，是其 Python 包迄今最大更新。核心变化包括：拆出精简的 llama-index-core 包，数百个集成（150+ 数据加载器。

推荐理由：官方发布说明了包拆分、导入路径变化和迁移工具，正在迁移或维护 LlamaIndex 项目的开发者可以直接对照升级。

LlamaIndex 讲解 Agentic RAG：用多文档 Agent 构建可扩展的 RAG 架构

LlamaIndex 博客介绍 Agentic RAG 架构：将最多 100 篇文档拆分后，为每篇文档创建具备嵌入搜索与摘要能力的文档 Agent，再由顶层 meta-agent 通过工具检索和 CoT 回答用户问题，并用 Rerank 端点对文档按相关性排序。

推荐理由：原文拆解了多文档 Agent 与顶层 meta-agent 的编排结构，并给出可运行的 Colab 示例，读者可据此理解 Agentic RAG 的扩展方式。

LlamaIndex 发布 RAG 命令行工具 llamaindex-cli，无需写代码即可本地检索问答

LlamaIndex 推出 llamaindex-cli 命令行工具，随 pip install llama-index 安装，底层使用 Chroma 向量数据库，可不经写代码完成 RAG。

推荐理由：官方发布零代码 RAG 命令行工具，给出完整上手步骤和可换本地模型的自定义路径，读者可以直接照着试。

LlamaIndex 教程：用 LlamaIndex、Qdrant 和 Render 构建可学习的 Slack 机器人

LlamaIndex 发布分步教程，教读者用 LlamaIndex、Qdrant 和 Render 构建并部署一个监听 Slack 对话、存储事实并回答问题的 Slackbot。

推荐理由：LlamaIndex 官方教程从零搭建一个能监听 Slack 消息、用向量索引存储记忆并用 Qdrant 持久化的机器人，步骤完整可复现。

OpenAI 推出 GPT Store

OpenAI 宣布推出 GPT Store。原文正文抓取失败，仅标题可用，详情以官方公告为准。

OpenAI 推出面向团队的新 ChatGPT 订阅方案 ChatGPT Team

OpenAI 推出面向各种规模团队的新 ChatGPT 订阅方案 ChatGPT Team，提供安全、可协作的工作区，帮助团队在工作中更好地使用 ChatGPT。

推荐理由：OpenAI 官方宣布面向团队的新订阅方案，读者可以借此了解其在工作场景协作功能上的布局。

Licklider 1960《人机共生》评述

Licklider 1960年论文《人机共生》提出"智能增强"(IA)是通向AI的过渡阶段，预测人机能力互补——计算机处理机械工作、人类负责思考，这一范式延续64年直至LLM打破界限。他预见云计算雏形，但误判技术路径：当时看好的逻辑推理AI成死胡同，而因缺乏数据被忽视的统计方法（LLM）终成主流。对交互预测也偏离现实：设想的多人协作大屏未普及，键盘鼠标仍是主导；对语音识别"5年实现"的乐观估计，实际耗时64年未成熟。

推荐理由：Karpathy 借 1960 年文献反思人机共生与 AI 发展路径，历史洞察深刻

真希望有人早告诉我这些

Sam Altman 分享17条创业与管理建议：以乐观、信念和人际网络启动项目，用凝聚团队和长期主义推动落地；集中资源押注高信念项目，设计好激励机制，保持快速迭代；警惕官僚作风，重视人才招聘与复利效应，与优秀的人共事。

推荐理由：OpenAI CEO Sam Altman 的创业管理核心原则

LlamaIndex 教程：用 Ollama 本地运行 Mixtral 8x7b 并构建 RAG 应用

LlamaIndex 发布教程，讲解如何用 Ollama 在本地运行 Mixtral 8x7b 并结合 LlamaIndex 使用。Mixtral 是 Mistral AI 发布的八专家混合模型，各含 7B 参数，博客称其在多项基准上匹敌或超过 GPT-3.5 和 Llama2 70b。

推荐理由：原文提供从安装到建 API 的完整本地 Mixtral 流程，含代码和硬件要求，读者可以直接照做搭建本地 RAG。