Ling-2.6-1T 正式开源：面向复杂任务的万亿级综合旗舰模型
Ling-2.6-1T 于上周发布，今日正式开源。该模型定位为面向复杂任务的万亿级综合旗舰模型。
推荐理由：蚂蚁开源万亿参数模型 Ling-2.6-1T，虽然一个多月后才看到，但这是目前国内参数最大的综合性基座，做复杂多模态 agent 的团队可以直接拿来用，省去从头训练的麻烦。
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22日 18:45 · 每小时自动更新
4月30日 周四34 条
STARFlow-V：基于标准化流的端到端视频生成建模
研究团队提出了基于标准化流的视频生成模型STARFlow-V，旨在应对视频生成领域长期由扩散模型主导的局面。该模型具备端到端学习、鲁棒的因果预测和原生似然估计等优势，能够直接处理连续数据并建模复杂的时空动态。这一工作标志着标准化流在图像生成取得进展后，首次被系统性地扩展至计算成本更高、时空结构更复杂的视频生成任务中，为生成式模型的设计提供了新的技术路径。
推荐理由：扩散模型几乎垄断视频生成，Apple 这篇用正规化流做视频却是清奇思路，端到端学习和因果预测的优势值得研究员细看。
为智能时代构建计算基础设施：OpenAI 扩展 Stargate 以支撑 AGI 发展
OpenAI 正在扩展其代号为“Stargate”的计算基础设施项目，旨在为通用人工智能（AGI）的研发提供核心算力支持。该项目通过增加新的数据中心容量，以应对全球范围内持续增长的 AI 算力需求。这一举措标志着 OpenAI 在构建下一代大规模计算集群方面进入实质性推进阶段，旨在为未来 AGI 系统所需的巨大计算资源打下硬件基础。
推荐理由：这不是模型发布，但算力扩张才是 AGI 竞赛的真正底层，数据中心扩容直接关系到下一代模型能不能训出来，做基础设施的可以盯一下供应链。
OpenAI Developers@OpenAIDevs教程AI 评分63轻松构建网页应用
你完全可以构建网络应用
推荐理由：OpenAI开发者官方转发了这篇‘直接构建web应用’的文章，说明这可能是他们认可的实践路径，对想用AI快速搭应用的开发者算是个值得收藏的参考。
英国 AISI 评测 OpenAI GPT-5.5 网络攻击能力：Expert 任务通过率 71.4%
英国 AI Security Institute 发布对 OpenAI GPT-5.5 早期版本的网络安全能力评测，GPT-5.5 在 Expert 级 CTF 任务上平均通过率 71.4%，超过 Claude Mythos Preview 的 68.6%，并在 10 次尝试中 2 次端到端完成 32 步企业网络攻击模拟 The Last Ones，成为第二个做到的模型。
推荐理由：英国 AISI 公布了对 GPT-5.5 网络攻击能力的独立评测数据，并给出与 Claude Mythos Preview 的直接对比和任务细节。
谷歌研究团队应用实证研究辅助工具的四个领域
自去年秋季推出实证研究辅助（ERA）工具以来，谷歌研究团队已将其应用于多个科学领域以解决实际问题。在流行病学中，它助力流感与新冠预测；在宇宙学里，协助分析星系数据以探究暗能量；在大气监测方面，提升了二氧化碳排放的追踪精度；在神经科学领域，则用于解析大脑活动数据。这些实践表明，ERA能帮助科学家生成专家级的实证软件，其成果超越了黑箱模型，可发现兼具可解释性与机制准确性的解决方案，从而有效加速科学发现进程。
推荐理由：Google 把自家 ERA 工具在流行病学、宇宙学、气候监测、神经科学四个方向的实战案例摊开讲，虽然不是新模型发布，但对做 AI for Science 的人来说，这是一份难得的「AI 科研助手到底能干嘛」的全景参考。
OpenAI Developers@OpenAIDevs产品AI 评分64Codex通过Figma插件实现方案可视化
通过Figma插件，Codex现在可以将实施计划转化为可视化的FigJam白板。
推荐理由：Codex 这次更新不是小功能补丁，它把 Figma 从设计师专属变成了开发者的白板，generate_diagram 直接画架构图，做系统设计的可以扔了 Lucidchart 了。
使用BioMysteryBench评估Claude的生物信息学研究能力
Anthropic团队开发了BioMysteryBench生物信息学基准测试，用于评估Claude在分析真实数据集、解决开放式研究问题上的能力。测试发现，Claude的生物学科学能力正快速迭代，当前模型表现已与人类专家相当，最新模型甚至解决了部分专家小组未能破解的问题，且有时策略迥异。该基准旨在应对科学评估的固有挑战，如生物学研究中存在多种合理的“正确”方法，以及研究决策的高度主观性。
推荐理由：Anthropic 用 99 道真实生物信息学题测 Claude，发现最新模型在人类解不出的难题上也能答对 30%，而且解题策略和人类完全不同。做生物信息的同行值得看看这个 benchmark 的设计思路，比刷分数字有意思得多。
OpenAI Developers@OpenAIDevs产品AI 评分62响应API引入WebSocket提升代理效率
⚙️ 我们通过 Responses API 中的 WebSockets 让代理循环运行得更快 随着 Codex 速度提升，瓶颈从推理转移到了低效的 API 调用 WebSockets 在工具调用之间保持响应状态活跃，帮助工作流程端到端运行速度提升高达 40% https://openai.com/index/speeding-up-agentic-workflows-with-websockets
推荐理由：这不是颠覆性更新，但对依赖 Responses API 搭 agent 的开发者是个实打实的好消息，loop 加速 40% 意味着延迟和成本双降，官方推荐的最佳实践值得直接套用。
ClaudeDevs@ClaudeDevs产品AI 评分62Claude Code内置Claude平台协作技能
Claude Code 内置一项用于操作 Claude Platform 的技能。 适用于模型迁移、使用 API 功能（例如提示缓存），或接入较新的 API 如 Claude Managed Agents。
推荐理由：Claude Code 终于把平台操作集成进命令行，模型迁移和 prompt caching 现在一条命令搞定，做 agent 开发的省了大把配配置文件的时间。
Rohan Paul@rohanpaul_ai观点AI 评分71AI迷雾：预见能力崩溃与短期化未来
《哈佛商业评论》文章指出，AI的首要经济影响并非自动化，而是制造了巨大的不确定性“迷雾”，导致“预见能力的崩溃”。这动摇了现代资本主义依赖未来“可读性”的根基，使得个人对教育投资、企业对长期雇佣与资本开支、金融市场对终值的评估均陷入犹豫。其结果是行为模式迅速转向短期视野：更倾向于模块化、可调整的投入，而非长期、不可逆的重大承诺。
推荐理由：HBR这篇文章点明了一个被忽视的效应，AI先动摇的不是就业而是经济决策的可见性。当远期现金流变得不可读，学位、招聘、投资都得重新算账，管理者和投资者的时间窗正在被动缩短。
秒级更新万亿参数——大规模分布式强化学习中的点对点权重传输技术
LMSYS团队针对SGLang中的强化学习工作负载，提出了一种基于RDMA的点对点权重更新机制，作为传统NCCL广播方法的补充。该设计利用源端CPU引擎副本和Mooncake TransferEngine进行P2P RDMA传输，将拥有1T参数的Kimi-K2模型的权重传输时间从53秒大幅缩短至7.2秒，提速7倍。其代价是每个训练等级需在CPU内存中额外占用一个32G的推理引擎副本。此优化最大限度地减少了网络冗余，允许推理服务器更快恢复rollout过程，且兼容所有主流开源模型。
推荐理由：LMSYS 把分布式 RL 训练的权重同步从 NCCL 广播改成 RDMA P2P，1T 参数模型传输快了 7 倍，做大规模 RL infra 的团队该认真看看这个工程方案。
企业级部署指南：如何利用Claude Cowork推动全员AI协作
Anthropic发布《企业级Claude Cowork部署指南》，旨在帮助非技术岗位员工规模化应用AI。该指南基于内部团队及Thomson Reuters等客户实践，提供了从试点到全面推广的完整路径。核心内容包括一个五级成熟度模型、试点用例评估方法以及为期六个月的组织级部署路线图。Claude Cowork作为桌面应用，能深度集成本地文件、Slack、Google Drive及浏览器，并结合Claude for Excel/PPT实现跨文档工作流，适用于金融、法律、销售等多行业的生产场景。
推荐理由：Claude Cowork 把 agent 能力从开发者命令行搬到全公司桌面，配了五级成熟度模型和六个月落地路线图，企业 IT 负责人和产品经理值得拿这份指南当部署参考。
Claude API技能现已集成至CodeRabbit、JetBrains、Resolve AI及Warp
Claude API技能现已扩展集成至CodeRabbit、JetBrains、Resolve AI和Warp四款开发工具中，使开发者能在其常用环境中直接获得生产就绪的Claude API代码支持。该技能能自动捕获API最佳实践细节，如适配的智能体模式、参数变更与提示缓存规则，从而减少错误并简化模型迁移。开发者可在工具内直接指示Claude执行“提高缓存命中率”或“升级至最新Claude模型”等任务。此开源技能会随SDK更新自动同步，帮助团队更快采用新功能，避免因API知识过时导致的生产问题。
推荐理由：Anthropic 把 claude-api skill 从自家 IDE 扩散到 JetBrains、Warp 等主流开发工具，本质是用「内置专家知识」抢开发者心智，做 Claude API 集成的产品人值得看看它覆盖了哪些坑。
Ant Ling@AntLingAGI模型AI 评分72旗舰指令模型快速高效执行的秘诀：可靠基础设施与优化
SGLang团队（隶属于LMSYS Org）揭示了其旗舰指令模型实现快速、高效、大规模执行的关键在于可靠的基础设施与针对性优化。团队宣布对AntLingAGI发布的Ling-2.6-1T万亿参数模型提供Day-0支持。该模型采用快速思考方法，在保持质量的同时，成本可比同类模型降低约4倍，并在AIME26和SWE-bench基准测试中达到SOTA水平。它专为高级编码、复杂推理和大规模智能体工作流设计，具备万亿参数能力与即时模型延迟。团队正持续进行优化，以进一步提升性能。
推荐理由：万亿参数做到即时延迟和4倍成本优势，还有SWE-bench SOTA，这份承诺如果兑现，会改变大规模Agent部署的性价比计算。值得去cookbook跑一下验证。
Ant Ling@AntLingAGI产品AI 评分61Ling-2.6-1T 发布并获 vLLM 即时支持
AntLingAGI 开源了 Ling-2.6-1T 模型，这是一个面向现实世界智能体工作流程的新旗舰模型。作为 1T 参数规模模型的先驱，团队强调了硬件、软件与 LLM 协同设计的重要性。vLLM 项目从发布首日（Day-0）起即提供支持，体现了顶尖工程生态系统的协作。这种合作旨在实现最佳的优化效果与用户体验，共同推动技术进步。
推荐理由：vLLM 对 1T 模型的 Day-0 适配，说明开源推理栈对大尺寸模型的跟进速度越来越快，做私有化部署的可以直接参考官配 recipe 跑起来。
AI评估正成为新的算力瓶颈
AI评估成本已突破关键阈值，正重塑其可及性。Holistic Agent Leaderboard花费约4万美元运行了2万多次智能体推演，单次前沿模型测试成本可达2829美元。研究显示，相同任务成本差异可达33倍，脚手架选择是核心成本驱动因素。虽然静态基准可通过压缩技术实现百倍成本缩减，但智能体评估因轨迹长、噪声大而压缩有限。高支出未必带来更好结果：例如在GAIA测试中，2828美元方案准确率28.5%，而1686美元方案反达57.6%。当评估包含模型训练时，成本将完全超越常规API框架。
推荐理由：这篇把分散的评估成本数据拉通了算总账，曾经便宜的评测现在动辄上万美元，独立评估正被价格挤出牌桌，做Agent的人必须意识到排行榜的代价。
Reiner Pope – 大语言模型训练与服务的数学原理
文章揭示了支撑大语言模型（如GPT、Claude、LLaMA）训练与服务的核心数学框架。通过剖析关键方程，可以逆向推导出顶尖AI实验室在模型规模扩展、计算资源分配及服务优化方面的核心策略与实践。这些数学原理不仅解释了模型性能随参数和数据量增长的规律，也量化了训练成本与推理效率之间的权衡，为理解当前大语言模型的发展路径提供了底层逻辑。
推荐理由：Reiner Pope 把训模型背后的数学摊开讲，听完能反推出大厂在做什么，做训练的人不可多得的一课。
OpenAI@OpenAI行业AI 评分68OpenAI开发者大会重返旧金山
OpenAI DevDay 再次回归。 旧金山 9月29日
推荐理由：OpenAI DevDay 今年定在 9 月 29 号，去年在旧金山连发 GPT-5 和实时 API，想去的开发者和产品人现在就可以安排行程了。
Mistral 发布 Mistral Medium 3.5，并在 Vibe 与 Le Chat 推出云端远程编码智能体和 Work 模式
Mistral 发布 128B 开源权重模型 Mistral Medium 3.5，并在 Mistral Vibe 与 Le Chat 推出云端远程编码智能体及新的 Work 模式，支持并行异步执行长时任务。
推荐理由：官方完整发布说明给出模型规格、基准分数、价格和功能入口，读者可以据此评估它对现有编码工作流的适用性。