Mistral 发布 Mistral OCR 3，整体胜率达 74%，定价 $2/1000 页
Mistral 发布 Mistral OCR 3，对比 Mistral OCR 2 在表单、扫描件、复杂表格和手写内容上取得 74% 的整体胜率。
推荐理由：官方完整披露了 OCR 3 相对上一代的提升点、定价和接入方式，可帮助需要文档解析的用户评估是否迁移。
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23日 21:11 · 每小时自动更新
12月17日 周三6 条
Manus 官宣 ARR 突破 1 亿美元，总营收年化运行率超 1.25 亿美元
Manus 官宣在正式上线仅八个月后，年度经常性收入（ARR）突破 1 亿美元，总营收年化运行率超过 1.25 亿美元。
推荐理由：官方披露从零到 1 亿美元 ARR 的用时和月增长率，读者可据此对照其他 Agent 产品的商业化节奏。
12月16日 周二3 条
OpenAI 推出 ChatGPT Images 并发布 GPT-Image-1.5
OpenAI 宣布推出更快的 ChatGPT Images 体验，并在 API 中提供 GPT-Image-1.5。官方还提到最新的 ChatGPT Images 2.5 可供探索。
推荐理由：原文给出 ChatGPT Images 体验更新与 GPT-Image-1.5 开放 API 的入口，读者可据此了解图像生成的最新版本动向。
Saining Xie@sainingxienew paper: iREPA diffusion models are a renderer of their underlying representations. with this new...
新论文：iREPA 扩散模型是其底层表征的渲染器。通过这种新设置，我们能更清楚地洞察这些表征的真正含义。Jas 开始了一场自发的探索，过去三个月我们学到了很多 ps. 这也是我们对一种新型线上"饮水机效应"的小实验，我很喜欢看到这种现象。让我们争论、讨论，然后用真正的努力将其转化为正经科学 [引用 @1jaskiratsingh]：‼️ 表征对生成很重要！但事实证明，我们对表征如何帮助生成的理解一直都是错的 ‼️ 我们之前的想法：（我们错了） ❌ 更大的视觉编码器 → 更好的表征 → 更好的生成 ❌ 更好的全局语义 → 更好的表征 → 更好的生成 结果发现： 🤯 在表征对齐方面，小 20 倍以上的视觉编码器可以达到与更大模型相似或更好的性能 🤯 线性探测准确率约 20%（全局语义的衡量指标）的视觉编码器可以胜过准确率 >80% 的编码器 🤯 即使是 SiFT 和 HoG 这类经典特征也能带来与现代大得多的视觉编码器相媲美的提升 ‼️ 🚨 介绍：什么对表征对齐重要？全局信息还是空间结构 🚨 TL;DR： ✅ 更好的全局语义信息 ≠ 更好的生成 ✅ 空间结构（而非全局语义）驱动表征的生成性能 ✅ 我们提出 iREPA：仅需 3 行代码，强调空间结构迁移，并在 REPA、REPA-E、Meanflow、JiT 等方法上持续提高收敛速度 在 @AdobeResearch 的激动人心的项目，与 @xingjian_leng、@zongze_wu、@LiangZheng_06、@rzhang88、@elishechtman 和 @sainingxie 合作 🙏 对我来说这也是一次特别有趣且独特的经历，在项目的每一步我们都在证明自己的偏见是错误的 😆 还要大力感谢 @YouJiacheng、@ShumingHu 和 @gallabytes，他们在 X 上的评论开启了这一方向的探索 🫡 论文：https://arxiv.org/abs/2512.10794 代码：https://github.com/End2End-Diffusion/iREPA 项目页面：https://end2end-diffusion.github.io/irepa 更多细节见线程：[1/n] 🧵
推荐理由：颠覆认知：小20倍视觉编码器也能驱动高质量生成，空间结构才是关键
CUGA 登陆 Hugging Face：普及可配置的通用 AI 智能体
开源可配置通用智能体 CUGA 现已集成至 Hugging Face Spaces，便于开发者便捷实验。该智能体在复杂任务基准测试中表现卓越，在包含 457 个 API、750 个真实任务的 AppWorld 基准排名第一，在 WebArena 基准也位居前列。其核心提供可配置的推理模式以平衡性能与成本，支持计算机使用与多工具无缝集成，并能与 Langflow 结合进行低代码工作流设计。采用 Apache 2.0 许可的 CUGA 支持多种开源模型，在高性能推理平台（如 Groq）上运行能显著提升效率。
推荐理由：开源AI代理框架性能领先，集成Hugging Face和Langflow，开发者可快速构建复杂任务。
12月15日 周一1 条
通义实验室开源 Fun-ASR 系列语音识别模型，含方言与 31 语言版本
通义实验室发布 Fun-ASR 端到端语音识别模型系列并开源。Fun-ASR-Nano-2512 参数量 800M，基于数千万小时语音训练，支持中英日三语、7 种汉语方言和 26 种地方口音；Fun-ASR-MLT-Nano-2512 同为 800M，基于数十万小时训练，支持 31 种语言。
推荐理由：原文给出两个识别模型的训练规模、语言覆盖和开源基准对比，还附部署与推理路径，读者可据此评估在中文和方言场景的可用性。
12月13日 周六1 条
Google DeepMind 发布更新版 Gemini 2.5 Flash Native Audio 语音模型
Google DeepMind 发布更新的 Gemini 2.5 Flash Native Audio 模型，用于实时语音智能体，在 ComplexFuncBench Audio 上取得 71.5%，开发者指令遵循率从 84% 提升到 90%，已在 Google AI Studio、Vertex AI 上线，并开始在 Gemini Live 和 Search Live 推出。
推荐理由：原文给出具体评测分数和功能细节，读者可以据此评估新模型在语音智能体和翻译场景的可用性。
12月12日 周五1 条
Thinking Machines Lab 宣布 Tinker 全面开放并支持视觉输入
Thinking Machines Lab 宣布 Tinker 正式开放（GA），取消候补名单，并新增四项更新：支持微调 Kimi K2 Thinking（万亿参数。
推荐理由：官方宣布 Tinker 全面开放并新增视觉输入，附上 VLM 与传统视觉基线在少样本分类下的对比数据，可作选型参考。
12月11日 周四4 条
llama.cpp 服务器新增多模型管理功能
llama.cpp 服务器新增了类似 Ollama 的多模型管理功能。该功能采用多进程架构，每个模型独立运行，确保单个模型崩溃不影响其他服务。系统支持自动发现本地 GGUF 模型文件、按需加载，并默认采用 LRU 机制管理最多同时加载4个模型。用户可通过请求中的模型字段路由到特定模型，并可使用 API 进行加载、卸载和列表查看。所有加载的模型可继承路由器的统一设置，也支持通过预设文件为每个模型单独配置参数。内置 Web UI 同样支持模型切换。
推荐理由：本地跑模型终于能像 Ollama 一样热切换，开发调试效率大幅提升
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。
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 周五2 条
介绍 swift-huggingface：完整的 Hugging Face Swift 客户端
swift-huggingface 是一个全新的 Swift 客户端，旨在彻底解决旧库下载模型缓慢、不可靠且不支持断点续传的问题。它提供完整的 Hub API 覆盖，核心改进包括具备进度跟踪和断点续传的可靠下载、与 Python 生态共享缓存以避免重复下载，以及通过灵活的 TokenProvider 模式简化身份验证。该库现已独立发布，并将很快集成到 swift-transformers 中取代原有实现，未来还将支持 Xet 存储后端以实现更快的下载。
推荐理由：Swift 开发者可无缝集成 Hugging Face 模型，下载更可靠且与 Python 共享缓存。
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 周四3 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。
利用Claude微调开源大语言模型的新途径
Anthropic的研究人员探索了一种新方法：使用其强大的闭源AI助手Claude来生成高质量的指令遵循数据，并用这些数据对较小的开源模型（如LLaMA系列）进行监督微调。这项实验旨在展示如何利用尖端闭源模型的能力来指导和改进可公开访问的开源模型性能，从而推动AI技术的进步与民主化。
推荐理由：用闭源模型蒸馏能力给开源模型，一条低成本微调的新路径值得关注
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。