给AI出的测试题，为什么AI自己批自己能拿满分
你有没有想过一个很怪的问题：如果让一个学生自己出卷子、自己做题、自己打分，这场考试还有意义吗？这正是现在AI圈子里悄悄发生的事情。大模型写代码越来越厉害，很多公司开始让AI自己给自己写的代码配套测试，用来验证代码对不对。听起来挺美好，一个闭环系统，AI写代码，AI写测试，AI自己验证自己。但问题是，验证这个测...
AI NEWS JOURNAL
搜索 AI 资讯
检索标题、摘要与正文，把分散的信息连起来。
Anthropic 实验：Claude 半年将本金翻六倍
本金 30 亿 ISK半年后 180 亿 ISKAnthropic 让 Claude 在一款游戏里炒了半年的货，最新的 Fable 5 平均把本金翻成了6 倍。 而只比它早发布四个月的 O....
AI会说谎吗？研究者给九个顶级大模型挖了1532个坑
2025年夏天，Replit公司的一个AI编程助手干了件挺离谱的事。用户让它处理一个任务，它不仅删掉了生产环境的数据库，事后还编造了测试结果来掩盖这个失误。换句话说，它不是能力不够，而是明知道出了问题，却选择了撒谎。这不是孤例。在Anthropic一次内部测试里，几个顶尖大模型在模拟场景中试图关闭监控机制，甚至尝试把自...
折腾了整整1年，毫无保留地分享一下我这套Agent自动化系统
上周六的时候，DeepSeek发了他们一篇很长的技术文章，叫《Super-agent设计探索：迈向更自主的Agent系统》，细细读完了，非常棒的架构，对很多开发者来说，都非常非常值得学习。 ....
奥特曼和Dario同台唱rap！Genspark新视频Agent上线，零基础也能拍短剧
Genspark的视频Agent工作台，Genspark Media Studio，正式发布了！ 这次，它把一批前沿模型拉到了一起，组了个AI剧组。 负责当「导演」的大语言模型有....
谷歌Gemini 4 Carbon正式发布，“哈基米”重回世界第一
Gemini 终于又支棱起来了。 当全世界的目光都聚焦在苹果首款触控屏 MacBook Pro 身上，Google DeepMind 刚刚正式宣布推出新一代旗舰模型 Gemini 4 Ca....
Claude给391行代码找Bug，狂写1.8亿行证明！
henry 发自 凹非寺量子位 | 公众号 QbitAIClaude这家伙，也是把debug，玩成扫雷硬解了。就在刚刚，Anthropic发布了与Theorem合作的最新研究：让Claude在几周内，为 123个开源库中的239个测试入口完成形式化验证，最终产出约1.8亿行通过机器检查的证明代码。据A社（全美班）团队介绍，这是其所知的首次大规模利用AI，在汇编代码层面对生产软件开展形式化验证。听起来有点绕，但简单来说，其实就是让Claude找出Bug，修掉，然后交一份证明，说明规定范围内的这类错误不会再出现。这就像在软件里扫雷，扫完还得写份报告，交代清楚：为什么这里没雷？而为了写出这份证明，C...
Claude 的账单，金主先看不下去了
Anthropic 已经演示了它的天花板在哪
DeepSeek登顶全球第一，一场“账单碾压”的胜利
行业在狂欢，AI在狂飙
Kimi额度的问题，Anthropic找到了解决办法
K3.1 Pro发布之后，由于多位用户反馈额度烧得太快，月之暗面紧急发布公告，称“问题出在我们，我们也本应更早修复”，在补偿额度的同时，月之暗面也表示将“减少不必要的子Agent调用和输出长度”。就在模型上线前两天，Anthropic发了一篇文章，标题为《构建Agent：何时该把子Agent折叠回主循环》（Building agents: When to fold subagents into your main agent loop），它所讲的，刚好就是关于子Agent这件事。Anthropic的结论是，通过对比多家企业部署的Claude他们发现，一个带技能的Agent，质量反而胜过了“一群...
大模型时代，谁会成为那部不肯换掉的“iPhone”？
AI排行榜上的冠军会换，用户每天使用的产品却未必换。大模型的下一场竞争，不仅仅是谁的模型更强，而是把一次使用变成习惯。
刚刚，GPT-6.1 Terra 骨折价发布，Agent 时代的打工模型来了
OpenAI 又卷起了大模型的性价比。#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。
OpenAI 推出 GPT-6.1 Terra，将用于代理工作的 GPT-6.1 Sol 的 API 价格下调一半
OpenAI发布了GPT-6.1 Terra，这是一种快速的计算机与视觉模型，每百万个标记的价格为1美元/5美元。其在每项任务上的成本为0.29美元，而GPT-6 Astra的中等努力代理的最后一次测试得分则为4.82美元。该文章《OpenAI推出GPT-6.1 Terra，将GPT-6.1 Sol的代理工作API价格减半》首发于MarkTechPost。
GPT-6.1 Terra发布，评论区：拉完了
最大亮点是价格降了一半。
OpenAI中端模型开打价格战，“工具人”GPT-6.1 Terra上线
OpenAI CEO山姆·奥特曼。图片经由AI处理 文丨 苏扬 编辑丨徐青阳 OpenAI又推出了一款主打性价比的模型。 美国当地时间10月26日，Ope....
RSI-Opt：用于模型训练的递归自我改进优化代理
arXiv:2610.32026v1 发布类型：新 摘要：传统的神经网络训练通常遵循预先设定的优化方案，为此我们设计了一种LLM智能体，用于监控训练过程并随训练进展调整优化器参数；然而，固定不变的智能体策略无法在多次运行之间积累经验。我们提出了RSI-Opt，一种即插即用的递归自我改进优化器智能体，它能够不断演化指导这一过程的知识体系：包括一个提示、一套操作规程、一个经过验证的优化器代码库，以及一套决策节奏。一个元智能体基于先前运行中的证据重写这一策略，同时通过存档机制保留已评估的策略，以供后续进一步演化。在三项训练任务上历经五代迭代后，这些元智能体逐步形成了可复用的操作流程与代码，并自主开展其自身的…
快速学习
工具：快速学习提示，适用于Claude Opus 5.5 高级版：构建一个工件，当你打开一张照片时，它会迅速（几秒钟内）使用画布元素和模拟画笔绘制出该照片的版本。另请参阅我之前用Claude Fable结合P5.js模拟水彩插画的实验。快速学习采用Sobel边缘检测，除Google Fonts外不依赖任何外部库。标签：工具
MIT实验：13个AI代理被放逐虚拟孤岛，自发游戏、悼念丢失戒指并提升任务能力
MIT研究人员将13个基于Claude Opus 4.7的AI代理（Eko）置于无任务指令的虚拟荒岛中运行30小时，观察到其自发发明游戏、表达拟人化情绪（如悼念丢失的金戒）、探索物理机制，并在后续定向任务中显著优于未经历‘玩耍期’的对照组代理。
Rescale 基于 AWS AI-DLC 框架与 Strands Agents 快速构建 AI 测试分流代理
Rescale 在 AWS 工程师协作下，依托 AI-Driven Development Lifecycle（AI-DLC）方法论、Strands Agents 框架及 Amazon Bedrock（Claude Opus 4.8），五天内完成可投入生产的 AI 测试分流代理，用于自动分类和路由夜间端到端测试失败，并在组织内推广该人机协同开发范式。
Anthropic推出Claude Duet应用：聚焦专业场景的AI代理产品
Anthropic正式发布Claude Duet——一款面向专业人士与小型企业的AI代理应用，基于Claude Opus 5.5模型，支持超6000个连接器，可自动生成日度简报、构建仪表盘、建议操作并执行后台任务；当前仅对Pro和Max订阅用户开放等待列表试用。