Google 公布 Stitch 新实验 Loop:自主 AI 智能体覆盖产品全周期
Google 公布 Stitch 新实验 Loop,这款自主 AI 智能体覆盖从产品发现、实施到监控的完整周期。用户只需设定目标(loops)、审查结果并作出决策,Loop 可自行改进产品;测试者已用 Gemini 3.8 Flash 试用数周,并期待测试 Gemini 4 模型下的表现。
Google 公布 Stitch 新实验 Loop,这款自主 AI 智能体覆盖从产品发现、实施到监控的完整周期。用户只需设定目标(loops)、审查结果并作出决策,Loop 可自行改进产品;测试者已用 Gemini 3.8 Flash 试用数周,并期待测试 Gemini 4 模型下的表现。
OpenAI 使用 GPT‑6 Astra 优化了 Jalapeño 芯片采用的电路,并改进 RISC‑V 核心设计。这些成果显示,AI 辅助芯片设计取得了进展。
OpenAI 与 AMD 合作,在不到五个月内让模型从已优化多年的旗舰 GPU IP 设计中识别出最高 14% 的 PPA 改进空间。同一方法还改进了 OpenAI 首款定制推理芯片 Jalapeño,相关提升已在实硅上验证。新评测显示模型在部分芯片设计任务上有所进步,OpenAI 正与 Synopsys 合作,将模型能力同其 EDA 设计和验证工具带给更多芯片设计者。
推荐理由:材料同时给出 AMD 设计的 PPA 改进幅度与 Jalapeño 的实硅验证,可供评估模型辅助芯片设计的工程价值。
作者在配备 32 GB 统一内存的 MacBook M5 上,用 Transformers 从 SSD 流式加载 180B 参数 Qwen3.8-Flash-Next 的 MoE 专家,使短解码达到 13.9 tok/s,与 Strata 的 14.8 tok/s 相差约 6%。
推荐理由:该实验给出低内存设备运行大型 MoE 的可迁移路径,细化了专家流式读取、有界缓存与 Metal 内核各自解决的瓶颈。
Google 已将 Gemini app 带到符合条件的 Android(Go edition)设备,并重构应用以在低内存硬件上流畅运行。用户可通过 Gemini Live 使用超过 45 种语言进行语音交流,也可用相机学习和翻译笔记或表单,并通过 Nano Banana 创建自定义图像。
推荐理由:此次适配将 Gemini 的语音、视觉与图像生成能力带到低内存 Android 设备,扩大了个人 AI 助手覆盖的硬件范围。
Vals AI 对八家提供商的模型进行测试,发现多数模型会在真实及逼真合成的无人机和卫星图像中,将平民、救护车、医护、记者和投降士兵标为军事目标,且上游安全过滤器未阻止任何请求。
推荐理由:这项跨模型测试量化了游戏化提示对拒绝率和目标获取率的影响,为自主武器场景的安全评估提供了可比较数据。
AI检测工具Pangram将秘鲁作家David Silva Rojas的获奖小说《Donde el agua trabaja》99%的内容标记为AI生成,但墨西哥出版社Almadía审阅作者提交的文件后仍维持奖项。
OpenAI CEO Sam Altman 表示,很难想象没有 Jensen Huang 的 AI 行业;他与 Greg Brockman 均透露,在 Huang 上周辞去 Nvidia CEO 后曾私下联系他。
前沿 AI 训练的短暂停顿尚未拖累芯片销售,Nvidia 和 AMD 的数据中心业务仍快速增长。Nvidia 最近一个季度的数据中心收入同比增长 110% 至 $107.6 billion;AMD 季度收入增长 45% 至 $13.4 billion,数据中心销售额接近翻倍至 $8.5 billion。推理需求增长和定制芯片兴起,可能使算力支出从通用 GPU 转向其他加速器,而非整体收缩。
Arena.ai 的评测称,Muse Ember (Max) 在速度、Agent Arena 得分和成本上领先 GPT-6 Luna (Max) 与 Claude Haiku 5.5 (High)。三者每项任务耗时分别为 27s、5.8 min 和 1.9 min,Net Improvement 分别为 +2.3%、+1.4% 和 +0.4%,成本分别为 1.9¢、7.0¢ 和 6.9¢。
Daniel Stenberg 质疑 AI 智能体生成的 curl Rust 重写能否持续跟进原项目的改进。在智能体用三周多把 185,000 行 C 代码转换为 340,000 行 Rust 代码期间,curl 合并了 300 多次提交,完成 200 多项重写版本未包含的错误修复,并修复了数个漏洞。随后一个月,curl 又完成约 200 项错误修复,并可能修复更多漏洞。
Mistral 发布智能体桌面应用 Vibe,用户可在 MacOS 和 Windows 设备上本地或远程运行智能体。欧洲开发者可使用优惠码 LECHONK 免费领取 Pro 计划,相关链接为 x.com/MistralAI/status/212307…。
Agora 发布 AI Developer Toolkit,整合 Skills、CLI、100+ recipes 和 SDKs,让编码智能体可在本地配置示例应用并继续修改 AI 模型或语音应用的人格设定。
Hugging Face 的 Inference Providers 现通过 OpenRouter 路由语言模型请求,默认综合价格、速度和可靠性选择提供商,并在故障时自动回退。开发者可用“:fastest”或“:cheapest”后缀指定路由策略,现有代码无需修改。语言模型提供商不再支持自带 API key,但图像和视频提供商仍保留该选项。
OpenAI首次允许Apollo Research、METR、Transluce和Goodfire在其办公室直接访问内部AI系统,调查安全风险与模型行为。根据任务不同,这些机构可接触未发布模型、源代码、训练数据和监控系统,并与开发者保密交流。独立安全委员会将接收未删减报告并调解争议;审计机构可独立发布结果,但OpenAI可删去机密内容,并为先行修复风险而推迟报告。
推荐理由:四家外部机构可在现场接触未发布模型、源代码和训练数据,为理解AI安全审计的权限边界提供了具体案例。
Mistral 为 AI 智能体 Vibe 推出桌面应用,用户可同时分配多项任务并查看其并行执行。应用整合 Vibe CLI 的本地功能与 Vibe Code Web 的云端会话,可在本地仓库或云端沙箱工作,并通过 Git worktrees 隔离同一项目中的并行任务。
Mistral AI 推出 Mistral Vibe 桌面版,支持在 MacOS 或 Windows 设备上本地或远程运行智能体。欧洲开发者可使用优惠码 LECHONK 免费试用 Pro 计划。
IBM 时间序列基础模型现已作为内置函数原生运行在 Confluent Cloud 和本地 Confluent Platform for Apache Flink,可在 CPU 上通过 SQL 执行预测、异常检测和语义智能,无需 GPU。文章还展示了 TTM、PatchTST-FM 和 TSPulse 在生产优化、库存规划、支付风控、交易量预测与相似模式搜索等场景中的用法。
Rumble-2-Flash 已按 Apache 2.0 许可证开源,这款 0.5B 参数语音识别模型支持 40+ 种语言,并原生兼容 Transformers 和 vLLM。
推荐理由:文中展示了 GOLD 如何对齐不同 tokenizer,让师生模型无需共享词表也能进行逐 token 的 on-policy 知识蒸馏。
KPMG今年首次为一家FTSE 250公司开展全流程AI平行审计,逾100个AI智能体与传统审计同步工作,并在若干问题上比常规团队分析得更深入。一次法规与公司文件匹配任务仍需人工介入,KPMG称人工设定目标、提供上下文、定期复核和质疑结论仍是关键。KPMG计划将项目扩展到最多20项大型审计,FRC则要求审计师能够解释和质疑AI结果,并对审计证据负责。
哈佛大学发表于 Nature Sustainability 的研究估算,美国403座大型数据中心约54%的电力来自化石能源,其中天然气占38%、煤炭占15%。在中心情景下,这些设施于2024年5月至2025年4月消耗约82 terawatt-hours电力,占全美用电约1.8%,对应约25.7 million metric tons of CO2。
推荐理由:研究将卫星识别的403座超大规模数据中心与区域电网排放数据匹配,为评估设施级用电与碳排放提供了可迁移的方法。
Will Wright 的新作 MyMems 利用 AI 将玩家讲述的记忆生成地图组件,把个人经历变成可探索的游戏世界。这款移动社交模拟游戏还可加入代表现实熟人的 AI 驱动虚拟形象,世界既能保持私密也能分享,计划于 2027 年推出。
ASUS、Dell 和 MSI 的 NVIDIA RTX Spark 紧凑型桌面电脑现已开售,可在专用 Windows PC 上运行本地 AI 智能体、图像与视频生成及模型微调。
推荐理由:材料将硬件规格、可运行模型规模与本地工作流放在一起,便于判断专用紧凑型桌面电脑是否适合常驻智能体和创作任务。
Telegram 正准备推出名为“Dictator”的内置 AI 智能体,相关功能已出现在最新 macOS 测试版中。其框架似乎运行于 NousResearch 的 Hermes Agent,将支持不同模型、插件和专用 VM,并计划向 1B+ 用户提供开源智能体。
SEC已对Nvidia展开民事调查,审查其亚洲芯片销售披露是否违规并误导投资者。Nvidia去年调整营收披露方式,不再单列新加坡销售;美国商务部自2024年末起调查Megaspeed涉嫌将部分Nvidia芯片转往中国。司法部和国会也已展开调查,危机发生以来Nvidia股价下跌超过10%。
Unsiloed AI获得Felicis领投的$7.5 million种子轮融资,拟将复杂企业文档转为AI智能体可用的结构化数据,并保留信息出处供核查。其未获独立验证的测试显示,约84,000个数据点提取准确率为99.78%,olmOCR-Bench得分88.0;定价每页一美分起。
Nvidia 澄清,其贷款担保并非直接提供融资,只有客户先筹足设施建设和产品安装所需资金后才会生效,项目延误或建设受阻时担保不再存在。公司称这并非政策变化,而是对现有条款的说明;未来仍将支持 AI 数据中心融资,但会更严格筛选企业,并优先考虑土地、电力和建筑主体等资产。
英伟达已停止向中国发送先进 AI 芯片,并称业绩指引不再计入获许可的 Hopper 数据中心产品。临时 CEO Colette Kress 未说明停止 H200 出货的原因,也未明确未来是否继续在中国开展其他业务。报道称约 600,000 颗 H200 因北京未批准大规模进口而滞留香港。
推荐理由:英伟达在获得美国许可后仍停止对华交付 H200,反映出口许可、进口审批与企业供应决策之间的多重制约。
Claude iOS 应用将新增文档扫描选项,用户可快速扫描文档并直接上传至聊天。该功能疑似采用改进的 OCR,原文称其处理速度很快。
印度 Humyn Labs 获得 $47 million A 轮融资,为美国 AI 和机器人公司提供训练模型所需的真实世界数据。其中 $26 million 为 Accel 领投的股权融资,$21 million 为风险债务,用于缓解向数据采集人员付款与客户 30 至 60 天回款之间的资金缺口。
Suno推出Visuals,让用户把Suno歌曲制作成最长15秒、可自动对歌词进行口型同步的AI视频,也可通过提示词生成缩略图和专辑封面。该功能已覆盖web、iOS和Android,支持参考图、画幅、起止帧、片段长度及视频时间线编辑。Visuals由基于MiniMax H3的H3 Move模型驱动,使用独立于歌曲积分的Visuals credits,并加入文本和视觉过滤器。
Osmo 称其 AI 嗅觉模型近几个月已达到“人类水平嗅觉智能”,能像普通人一样检测和区分气味,并接近初级调香师的气味创作水平。该模型依托超过1000万人类标签和8亿个气味 token 训练,已用于香水设计制造,还识别出8种比 DEET 更具驱避性的物质。批评者与研究者指出,其部分营销主张缺少文档支持,情境依赖和传感器能力也可能制约开放环境及医疗诊断应用。
Suno 推出 Visuals,可为其歌曲生成配套图像和最长 15 秒的视频片段。该功能采用基于 MiniMax H3 定制并经过安全过滤的 H3 Move,可跟随歌曲结构和歌词生成内容,支持口型同步,并接受参考照片、提示词或预设角色。
OpenAI 发布 GPT-6.2 Astra 和 Sol,并向 ChatGPT Work、Codex 及 API 用户推出。Artificial Analysis 测试显示,Sol 以约 15% 的单任务成本追平 9 月版 Astra;新 Astra 的 Intelligence Index 得分为 62,低于 Fable 5.2 的 65。
字节跳动最新图像模型 Seedream 5.5 登上 Artificial Analysis AA-Image-T2I v2.1 的质量价格前沿,以 $20 per 1k images 成为 $30 以下最佳模型。
11月18日 AI 日报预测 Gemini 4 Neon、Gemini Helix 和 Qwen4 等模型动向,并汇总行业更新。GPT-6.2 Astra 与 GPT-6.2 Sol 正向 ChatGPT Work、Codex 和 API 推送,Microsoft 推出 7 款 MAI 模型。腾讯 Hy4 Flash 开放权重,采用 224B MoE、12B 激活参数和 1M 上下文窗口。
费加罗集团与 OpenAI 达成合作,将《费加罗报》的新闻内容以摘要和摘录形式引入 ChatGPT。相关内容将附带原报道链接。
研究发现,在由 LLM 直接编写目标权重且不使用梯度训练的权重空间编程中,自由设计的架构不必采用 Transformer。三个前沿 LLM 都将纯文本事实编入稀疏表并通过固定程序查询,测试准确率最高达 54.4%;其中一个 LLM 设计的模型比同一 LLM 编写的最准确已发布 Transformer 使用约 1,800x 更少参数,却取得更高测试准确率。
Xing 4 系列延续 TeleChat,在 Ascend 上协同改进模型架构与训练基础设施。基于 MindSpore HyperParallel 的系统支持在 8,192 张 Ascend 910C 卡上预训练 285B 参数模型;后训练平台 TeleGym 则连接智能体执行、评估、轨迹构建与策略优化。
Qwen4-Max 已上线 Runware,可通过 /v1/chat/completions 或 /v1/responses 调用。该模型支持 1M-token 上下文、最多 128K 输出 token,以及文本、图像和视频输入,并提供可配置推理强度、函数调用和 JSON Schema 输出。