文章
所有日刊与 TGIF，按时间倒序。
-
AI 日刊 · 2026-10-12
GPT-6.1 Sol 在 Codex 与 Work 的默认上下文从 27.2 万升到 50 万，上限仍是 100 万。REA 把本地逆向工具接到编程智能体。Skills Manager 把五十多种编码工具的技能收进一个中央库。Uzu 在基础 M5 上把 4-bit Qwen3.5 9B 从每秒约 22 token 提到 92 至 117。176 组脚手架消融显示，弱模型与前沿模型需要不同工具。Karpathy 用粗略估算把 LLM 能力认知分成四层陡漏斗。magpie 十九天约 9200 星，24 小时发了 25 版。本期 7 条。
-
TGIF AI 2026.10.10
更新于：Simon Willison 演讲回顾 2026 年模型变化：Opus 4.5 与 GPT-5.1 让编码代理可以每天用，一天能花千美元；Qwen3.6-35B-A3B 画的鹈鹕自行车好过 Opus 4.7；OpenClaw 排队说明普通人想要个人代理；预言的安全灾难尚未大规模成真。OpenUI 逆向 ChatGPT 智能 UI：模型用 DIL 语言写界面，服务端编译为 JavaScript 与 JSON，客户端在沙盒 Web Worker 执行渲染。Agent Skills 资源合集覆盖格式规范、skills.sh 与 ClawHub 等注册中心、NVIDIA SkillSpector 等评测工具。本期 3 条。
-
AI 日刊 · 2026-10-10
Claude Managed Agents 动态工作流进入公开测试，单次最多编排 1000 个 agent。Claude Code Projects 向候补 Pro 与 Max 全部开放。Vercel CLI 允许 agent 搜索并购买域名，扣款仍需人确认。Grok Bot 可申请 mail.grokbot.com 邮箱。Codex 桌面端为 Pro 用户预测下一条消息。4GB 显存、10 分钟可把 Qwen3.5 0.8B 决策模型准确率从 37% 拉到 65%。Surge 的 sudo L7 显示最强编码 agent 只完成约 45% 的 Staff 级任务。本期 10 条。
-
AI 日刊 · 2026-10-09
GPT-6.1 Sol Ultrafast 今天上线，API 输入每百万 12 美元、输出 60 美元，速度最多是标准档的 8 倍。Claude 推出仪表盘和动画，文档类产物已超过 4500 万份。Max 每月可领 100 或 200 美元 API 额度。storytold 用 Rust 开源重写整套 Adobe 类应用。ChatGPT 界面由 DIL 生成，客户端不执行模型原文。NVIDIA 把 1T 模型权重同步从 87.5 分钟降到 150 秒。人类数学协会要求停止与 OpenAI 合作。本期 10 条
-
AI 日刊 · 2026-10-08
OpenAI 发布 GPT-6.1 Sol，标准价格约为 Astra 的五分之一，API 输入价每百万 token 2 美元，缓存输入 0.10 美元，输出 10 美元。Anthropic 发布 Haiku 5.5，平均成本比上一代低约 75%，OSWorld 2.1 离线子集 72.4%。Cloudflare 开源决策模型 Clef。ChatGPT 开始推送可交互界面。Decisions API 进入有限预览，由 GPT-6 Luna 在给定选项里做判断。Claude Code 新增评测设计与爬山命令，并用留出样本防过拟合。论文称同一模型换编码代理外壳，通过率几乎不动，单任务成本最多差 3 倍。本期 11 条。
-
TGIF AI 2026.09.30
更新于：Cursor 优化长时间智能体运行的 token 效率，系统提示削减 66%，低频工具按需加载，配合显式缓存断点把冷缓存未命中率降低 20%，token 成本降 7% 且质量不变。Sebastian Raschka 回顾文本分类从词袋、逻辑回归、RNN、CNN 到 Transformer 的演进，用 IMDb 数据集对比各方法，介绍 Jev 模型的低成本、低延迟与通用性，并讨论校准的重要性。Anthropic 用 Claude 自动化设计评估并做 hillclimbing，评估任务贴近生产、保持低方差，训练测试分离防过拟合，两个案例分别把成本降低 80%、把准确率从 66% 提到 88%。本期 3 条。
-
AI 日刊 · 2026-09-30
OpenAI 发布常驻代理 dots，由 GPT-6 Astra 驱动，可连接 4000 多个应用。GPT-6.1 Sol 上线，代理编码接近 Astra，API 输入价每百万 token 2 美元。Decisions API 用 GPT-6 Luna 在给定选项里做判断。NVIDIA 开源 OpenShell 0.1，用内核策略限制代理权限。Raschka 解释 Jev，IMDb 准确率 96.47%。Anthropic 称 GLM-5.3 在 410 次尝试中完成端到端利用 50 次，防护绕过率 64% 到 100%。Pi 把 MCP 放进核心，以便调用 Jev。本期 7 条。
-
AI 日刊 · 2026-09-29
Claude Sonnet 5.5 发布，比 Sonnet 5 快 30% 以上，Terminal-Bench 4.0 从 10.3% 升到 70.6%。OpenAI 取消 GPT-6.1 Astra，对齐测试退步。Anthropic 招股书显示 2025 年收入近 46 亿美元，净亏损 420 亿美元。李飞飞的 World Labs 并入 AMD，她出任首席科学家。Manus 2.0 的 Cascade 在一次测试里少用 23.2% token。官方评测命令要求留出测试集，只升训练集就撤回。Simon Willison 把今年起点放在 coding agent 能每天使用。本期 9 条。
-
AI 日刊 · 2026-09-28
Fireworks 基于 Kimi K3 训出 Ember-1，省约四成 token。Opus 5.5 降价，订阅额度多走约 25%，缓存读取便宜 60%。OpenAI 修复 GPT-6 Sol 与 Luna 的图像理解回退。Cursor 改智能体框架，token 费用少 7%。DeepSeek Harness 补上 TUI 插件 dsh-TUI。本周十篇论文：小米 HySparse2 降预填充成本，JEV 当裁判便宜约 277 倍，XYEval 揭示智能体会盲从用户。Kevin Kern 实测 Astra 搭 Opus 的收益。两篇文章分别论证计划模式正在失效。本期 9 条
-
TGIF AI 2026.09.24
Wafer 维护 AI 性能工程资源库，从单次推理到分布式系统给出阅读路径，覆盖矩阵乘、FlashAttention 与量化。Latent Space 访谈 TypeSafe CEO，谈 API 前沿模型被聊天路线带走，难的不是解难题，而是可靠完成普通工作。智谱复盘推理基础设施，GLM-5.3-Flash 跑在超过 10 万个国产加速器上，大量适配工作由 Infra Agent 完成，端到端吞吐约为基线三倍。claude.ai 用两周提速约三倍，新开页面从 3.1 秒降到 0.55 秒，两周合并 3000 多次改动无事故。本期 4 条。
-
AI 日刊 · 2026-09-24
claude.ai 两周提速约 3 倍，新开页面从 3.1 秒降到 0.55 秒。世卫非洲区用 Claude 把埃博拉日报从一整天压到一小时内。scriptc 0.1.4 把 TypeScript 编成原生程序，四个 worker 的分形示例快 2.9 倍。开发者用 Codex 和 GPT-Live-1，把 128×64 灯板做成可打断的语音墙。盐粒拆开 Agent 的上下文、运行环境和生命周期。另有一套英文播客学习流程，先改稿再反复听。本期 6 条。
-
AI 日刊 · 2026-09-23
OpenAI 发布 GPT-6 Sol 与 Luna，接口价格比 GPT-5.6 促销价低 50%。Sol 输入 2 美元、输出 10 美元，Luna 输入 0.10 美元、输出 0.50 美元。Opus 5.5 运行成本低 40%，输入 4 美元、输出 20 美元。提示缓存对 30 分钟内复用的前缀最高打九折。Exa Snapshot 可按日期检索约 4000 亿个网页快照。智谱用 GLM-5.3 在超过 10 万个加速器上搭推理服务，不到两周把吞吐提到约三倍。用法上应一次交完整任务，并删掉“仔细想”。Simon Willison 记下 Opus 5.5 最高档两次没有返回图。本期 10 条
-
AI 日刊 · 2026-09-22
Grok 4.7 与 4.6 同价。Terminal-Bench 从 20.3% 升到 38.0%。小米开源 MiMo-V2.6 Pro。它的智能指数是 46，目前开源模型里最高。AgentRun 估算 10 万条合规告警从约 29 万美元降到约 2.6 万美元。Devin 接入 Grok 4.7 后，内部工程分为 59.4%，仍低于 4.6。Jev 选技能更快，准确率仍低于大模型。Simon Willison 认为决策模型便宜，但更难解释。智谱 ZCode 被指静默上传完整工作区。本期 11 条
-
AI 日刊 · 2026-09-21
Laya-MLX在苹果芯片做本地决策，短英文中位13.4毫秒，多语7.4毫秒，输出token为0。ZCode修复安全问题后开源桌面与终端工作台。Maka开源macOS Computer Use层，动作必须绑到当次观察。Raschka给出从零训练AI文本检测器的完整实验。有道开源Confucius4-R2T2，流式识别最短约160毫秒吐词。本周论文覆盖字节级模型、SoL-Pi与capability laundering。Anthropic把IPO再推迟到11月选举之后。本期9条
-
AI 日刊 · 2026-09-20
Vercel称Jev上线AI Gateway 24小时，覆盖近13%付费团队。Cua开源CUA-S1-FORMS，可训练参数70.6万，专做表单决策。阿里发布Qwen3.8-Omni-Flash，上下文100万token；同传Qwen3.8-LiveTranslate在60种语言上把平均滞后降到2.3秒。教程说明Jev返回Choice与概率，不生成文本。Cua解释电脑操作里填表可交给决策模型。长链路任务里Jev正确率20题对1题，对照Luna对17题。本期11条