深度丨从独占61%企业开源账单到巨头分成，开源模型开始商业化下半场
11 月 5 日，OpenAI 前首席技术官 Mira Murati 创立的 Thinking Machines Lab（TML）交出了第二代模型 Inkling 2 Small。这家成立一年半、正以 400 亿美元投前估值洽谈 50 亿美元融资的硅谷明星实验室，急需用一款足够硬核的新模型向投资人证明自己。评测机构很快给出了“中国以外最高分开源权重模型”的头衔；但当同行翻开...
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。
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...
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...
“跑高分”不等于“能交付”：AI排行榜正在经历一场信用重估
旧榜跑分逼近满分，新榜实战却集体不及格。当大模型评测本身变成生意，企业选型正从看排名转向算成本账。
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....
我们能信任大语言模型来判断一项研究思路是否具有新颖性吗？
我们能信任大语言模型来判断一项研究思路是否具有新颖性吗？
Nace AI 推出用于搜索 AI 智能体的 Drex：在 BrowseComp-Plus 上的准确率为 92.05%，并进行了 12.6 次搜索调用
Nace AI 发布了 Drex for Search，将其 Drex 决策模型应用于 AI 智能体的文档搜索。Nace 在 BrowseComp-Plus 上取得了 92.05% 的成绩，仅需 12.6 次搜索调用，并且在 OfficeQA Pro 上实现了更少的智能体交互次数。该文章“Nace AI 为 AI 智能体发布 Drex for Search：在 BrowseComp-Plus 上取得 92.05% 成绩，仅需 12.6 次搜索调用”首发于 MarkTechPost。
Kimi 发布 K3.1 Pro，加量降价挑战 Opus 5.5
作者｜宇航猿 编辑｜靖宇 10 月 23 日上午，Kimi 官方在 X 和视频号上发了一段 24 秒的视频。 画面里是一台复古风格的老式电脑，屏幕上开着 Kimi Code，终端里一行行地写着 Three.js 代码，在生成一个复杂的 3D 场景。眼尖的网友很快在左上角的模型栏里找到了答案——「Model: Kimi K3.1」。 Kimi 官方发布的 K3.1 预热视频｜图片来源：X @Kimi_Moonshot 用一台老古董般的机器，跑一段今天最前沿的 3D 代码，这个反差本身就是月之暗面想说的话。 十几个小时后，10 月 24 日零点刚过，卡着程序员节，Kimi K3.1 Pro 正式上线，同步推出的还有一个速度快 2 到 3 倍的 Highspeed 版本。官方承诺，完整模型权重将在 11 月 4 日前放出。 距离上一代 K3 发布，过去了三个多月。这三个月里，月之暗面经历的事情，比大多数公司一年还多。 01 「加量不加价」的 0.1 先说清楚 K3.1 Pro 是什么。 它不是一个全新的模型。月之暗面明确表示，K3.1 Pro 是 K3 的后训练版本，底座没换——仍然是 2.8 万亿总参数、1040 亿激活参数的混合专家架构，仍然是 100 万 token 的上下文窗口，仍然原生支持图像和视频输入。 变的是后训练。官方的说法是投入了「大幅增加的后训练算力」，在数百个下游领域做了大规模联合强化学习，为此把强化学习框架、沙箱基础设施、长上下文推理这些底层工程都重构了一遍。 也就是时候，同一个大脑，被重新「教」了一遍怎么干活。 效果体现在榜单上。在考察编程智能体的 Terminal-Bench 4.0 上，K3.1 Pro 拿到 65.7%，超过 GPT-6 Astra 的 58.2%，和 Claude Opus 5.5 的 66.4% 只差不到一个点。上一代 K3 在