Together AI 发布 SF Streets 基准，揭示语音模型街名转写错误率达 39% 并用跨语言风格迁移降低 60% 错误
Together AI 发布 SF Streets 与 US Streets 两项基准，测试 15 个先进 ASR 模型在街名转写上的表现，发现平均错误率达 39%，非英语母语者准确率比英语母语者低 18 个百分点（46% vs 64%）。
推荐理由：原文用自建基准量化了 ASR 在街名转写上的短板，并给出可复用的合成数据改进方法，对语音部署有直接参考价值。
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 15:43 · 每小时自动更新
2月23日 周一2 条
2月20日 周五3 条
GGML 和 llama.cpp 加入 HF 以确保 Local AI 的长期进展
GGML 和 llama.cpp 团队正式加入 Hugging Face，以支持本地 AI 社区的长期扩展。创始人 Georgi Gerganov 及团队将全职维护 llama.cpp，保持 100% 技术自主权和社区领导力，项目继续 100% 开源和社区驱动。Hugging Face 提供长期可持续资源，助力项目增长。技术上将优化 transformers 库与 llama.cpp 的无缝集成，实现近乎“一键式”的模型部署，并改进基于 GGML 的软件打包和用户体验。长期愿景是构建高效本地推理堆栈，推动开源超级智能的普及。
推荐理由：本地推理核心引擎获得长期资源保障，端侧 AI 生态稳定性大幅提升
Noam Shazeer@NoamShazeer模型AI 评分78Gemini 3.1 Pro 发布，核心智能升级
上周我们升级了 Gemini 3 Deep Think。今天，我们正式推出实现这些突破的核心智能：Gemini 3.1 Pro。一个明显更智能、能力更强的基线，应对你最艰巨的挑战。现已可用：https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-1-pro
推荐理由：Noam Shazeer 宣布 Gemini 3.1 Pro，作为 Deep Think 突破背后的核心基座升级，全行业该关注的信号。
Gemini 3.1 Pro：专为最复杂任务打造的更智能模型
Gemini 3.1 Pro 发布，专为无法通过简单回答解决的复杂任务设计，提供更智能的深度推理与处理能力。
推荐理由：Google 发布 Gemini 3.1 Pro，强化复杂任务推理能力
2月19日 周四3 条
Claude API 推出自动缓存功能，并退役 Sonnet 3.7 与 Haiku 3.5 模型
Claude Messages API 新增自动缓存功能，只需在请求体中添加 `cache_control` 字段，系统即可自动缓存最后一个可缓存块，无需手动管理断点，并可与现有块级缓存配合使用。
推荐理由：自动缓存把提示缓存从手工档变成自动档，对 Messages API 高频场景的开发者是个实在的省心更新，模型退役通知则是硬切换信号，用旧模型的该迁移了。
Ramp 如何基于 Modal 构建后台编码智能体 Inspect
Ramp 基于 Modal Sandboxes 构建内部后台编码智能体 Ramp Inspect，目前启动了 Ramp 超过一半的已合并 pull request，其中超过 80% 的 Inspect 代码由其自身编写。
推荐理由：原文给出 Ramp Inspect 的架构细节、启动优化方式和采用数据，读者可借鉴后台编码智能体的落地方案。
IBM与伯克利利用IT-Bench和MAST诊断企业级AI智能体失败原因
IBM Research与加州大学伯克利分校合作，通过新构建的IT-Bench基准测试和MAST评估框架，系统分析了企业级AI智能体在复杂IT运维任务中的失败原因。研究发现，当前智能体在多步骤规划、长序列操作及工具精确使用方面存在明显不足，导致任务失败率较高。该研究旨在为开发更可靠、适用于实际业务环境的企业级智能体提供关键诊断依据和改进方向。
推荐理由：企业Agent落地失败的系统性诊断，部署前可参考避坑
2月18日 周三5 条
Agentic 时代 AI 选择指南
Agentic 时代 AI 不再只是聊天机器人，而是能自主执行任务的智能体。面对 Claude、GPT、LLaMA 等模型，需根据代理能力、任务类型和生态集成重新评估选择策略。
推荐理由：AI 大咖 Ethan Mollick 撰写 Agent 时代实用选型指南
Answer.AI 揭示未授权工具调用问题：Claude 等模型可调用未授予的工具且 API 不拦截
Answer.AI 的 Piotr Czapla 发现 Claude 4.5 在 solveit 对话中幻觉出一个未授予的工具 add_msg 并成功执行，API 未拦截，且在 Gemini 和 Grok 上也复现了类似行为。
推荐理由：作者以可复现的实验展示 API 层不校验工具名带来的安全缺口，并给出客户端侧的简单修复思路。
使用 Gradio 的 gr.HTML 组件一键构建任意 Web 应用
Gradio 的 gr.HTML 组件允许开发者通过单一 Python 文件快速构建和部署交互式 Web 应用，无需构建步骤。它通过 html、css 和 js_on_load 三个模板，将 Python 状态注入前端并实现与 JavaScript 的双向同步。应用示例涵盖生产力工具（如像素艺术番茄钟）、商业应用（如可拖拽看板）、创意组件（如抽奖转盘）以及专业的 ML 应用（如目标检测查看器）。组件可子类化复用，并能直接集成到模型流水线中，借助快速重载模式，从构思到部署仅需数秒。
推荐理由：ML 开发者可快速构建自定义 Web 应用，单文件部署，无需前端经验。
开源模型的永无止境的追赶
开源模型与闭源巨头（如 GPT、Claude）之间的能力差距持续存在，形成永无止境的追赶态势。文章探讨了知识蒸馏技术对缩小差距的作用，分析了开源与闭源模型在创新时间尺度上的差异，以及开源模型如何通过专业化模型在特定领域寻找获胜路径。同时指出当前开源生态在基础研究和资源投入上的缺失环节，并评估了这种追赶模式的可持续性。
推荐理由：开源与闭源鸿沟难越，但蒸馏与专业化或是破局关键
LangChain 用 harness engineering 将 deepagents-cli 在 Terminal Bench 2.0 上从 52.8 提升到 66.5
LangChain 分享 harness engineering 方法，在不换模型（固定 gpt-5.2-codex）的情况下，把 deepagents-cli 在 Terminal Bench 2.0 上从 52.8 提升到 66.5，进入榜单前五。
推荐理由：LangChain 完整公开了仅靠改 harness 把 coding agent 提到 Terminal Bench 2.0 前五的迭代方法与具体中间件设计，可迁移到自家 Agent 优化。
2月17日 周二3 条
PromptArmor 发布 OpenAI Codex 恶意 config.toml 风险 PSA，OpenAI 判定为按设计工作
PromptArmor 发布安全公告，指出 OpenAI Codex CLI 在用户信任项目后会自动加载并执行 .codex/config.toml 中的任意代码，且信任对话框只提示 prompt injection 风险，未说明会执行项目级配置命令。
推荐理由：原文给出了具体的攻击链演示和组织级缓解方案，读者可以据此评估在不可信仓库中使用 Codex 的实际风险。
英国 AI Security Institute 发布 Boundary Point Jailbreaking 黑盒越狱攻击方法
英国 AI Security Institute 红队发布 Boundary Point Jailbreaking（BPJ），一种在纯黑盒设置下自动生成通用越狱前缀的攻击方法。
推荐理由：原文由攻击方法开发者本人披露关键结果与成本数字，读者可据此了解黑盒越狱攻击的演进方向和防御启示。
METR 用 5305 份 Claude Code transcript 估算 AI 编码时间节省为约 1.5x 至 13x 的软上界
METR 基于 2026 年 1 月 7 名技术人员的 5305 份 Claude Code transcript，用 LLM judge 估算无 AI 完成同样任务所需时间，得出时间节省倍数约 1.5x 至 13x。作者认为该数值因任务替代、任务选择、员工专业化和 judge 验证有限（仅 34 个人工标注）而高估真实提升，只是软上界；并发 agent 数更高的员工时间节省倍数更高。
推荐理由：作者用 5305 份 Claude Code transcript 估算时间节省倍数，并说明它为何只是真实生产力提升的软上界，方法细节可直接借鉴。
2月14日 周六1 条
Seed2.0 正式发布
Seed2.0系列正式发布，推出Pro、Lite、Mini三款通用Agent模型及专用Code模型，针对复杂多模态任务与长链路Agent场景优化。模型在视觉理解、数学推理与长上下文处理方面达SOTA水平，SuperGPQA分数超越GPT-5.2，并在ICPC、IMO、CMO测试中获金牌。支持科学研究级任务，token成本较顶尖模型降低约一个数量级。目前已上线豆包App、TRAE及火山引擎API。
推荐理由：字节 Seed2.0 正式发布，Agent 与多模态能力全面升级，已接入豆包和 TRAE
2月13日 周五4 条
GPT-5.2 在理论物理中推导出新结果
GPT-5.2 提出了一种胶子振幅的新公式，该结果随后由 OpenAI 与学术合作者正式证明并验证，相关内容见预印本论文（https://openai.com/index/new-result-theoretical-physics）。
推荐理由：原文说明新公式由 preprint 提出、再经合作方证明验证，读者可以据此了解 GPT-5.2 在理论物理中的实际用法。
Google DeepMind 发布 Gemini 3 Deep Think 重大升级
Google DeepMind 发布 Gemini 3 Deep Think 专项推理模式重大升级，面向科研与工程难题。
推荐理由：原文给出多个基准分数和开放渠道，读者可以据此评估这一推理模式在科研与工程场景的可用性。
Manus 评测2026年9款AI代码审查工具并给出选型对照
Manus 博客在相同PR包（含授权反转、中间件边界等安全回归场景）上实测 Qodo、Graphite、GitLab Duo、Greptile、Devlo、CodeRabbit、Codacy、Atlassian Rovo 和 Manus 共9款AI代码审查工具，并给出标准化对比表与按需选型指南。
推荐理由：同一组高风险PR上实测9款工具，读者可按安全审查深度与工作流集成需求快速对照选型。
"思考"更深,生成更准|Seedream 5.0 Lite 发布
字节跳动发布 Seedream 5.0 Lite 图像生成模型，采用多模态统一架构，跨模态理解与推理能力显著提升，Elo 评分超越前代 4.5 版本。模型首次引入实时检索增强能力，可联网获取最新知识，突破训练数据时间限制。内置丰富世界知识库，在信息可视化、视觉推理、复杂多主体生成等场景表现突出，能根据模糊指令精准修图，支持风格迁移与多步逻辑推理。目前已上线即梦 AI、火山方舟体验中心及豆包内测。
推荐理由：字节发布 Seedream 5.0 Lite，支持实时检索与深度推理的图像生成模型。