人工智能资讯 第33页
聚合当前分类下的最新内容，按时间顺序查看第 33 页精选文章。
OpenAI的GeneBench-Pro：基因测试题真正难在脏数据
OpenAI公开了GeneBench-Pro的10个案例题，材料包括原始prompt、数据集和支撑材料，但没有公布模型成绩、排名或通过率。它的重点不是证明AI能做临床决策，而是把模型推到基因组学里最麻烦的地带：混杂因素、伪影、校准和不确定性。对AI生物医药团队和计算生物学研究者来说，接下来要看的不是模型会不会说术语，而是能不能少犯危险的确定性错误。
OpenAI GeneBench-Pro：31.5%之后，AI科研卡在判断力
OpenAI 发布 GeneBench-Pro，用 129 个合成但贴近真实的计算生物学任务，测试 AI 在基因组学、生物学和科研分析中的高阶判断。GPT-5.6 Sol Pro 最高通过率为 31.5%，比 GPT-5 起初低于 5%进步很快，但仍不到三分之一。真正的变化不是 AI 会不会跑流程，而是它开始被拿来考“能不能做研究判断”。
The AI Compass：AI 圈有了政治罗盘，但别把标签当能力
Simon Willison 推荐了 The AI Compass：一个由 bambamramfan 制作的 AI 立场测试，29 道题后把用户归入 30 种原型之一。它好玩，但不是严肃量表；真正有意思的是，它把 AI 圈的分裂压成了两条轴：GOOD/BAD 与 OVERHYPED/TRANSFORMATIVE。我的判断很简单：标签可以帮人看清分歧，但不能替代把模型接进真实工作流的能力。
Claude Science 公测：它不是新模型，而是 Anthropic 想塞进实验室的 AI 工作台
Claude Science 是 public beta app，不是新的 Claude 模型；它使用用户计划内已有模型，面向 macOS 和 Linux，开放给 Pro、Max、Team、Enterprise 用户。真正的变化在工具层：连接科学数据库、Python/R、HPC/SSH、Modal 和结果溯源。对生命科学团队来说，它更像一个待验证的科研工作台，而不是能替代专业工具和专家判断的万能助手。
Netflix《Wonka’s The Golden Ticket》用 AI 复刻 Gene Wilder 声音：授权之后，边界才开始
Netflix 真人竞赛节目《Wonka’s The Golden Ticket》将于 9 月 23 日首播，9 月 30 日播出两集结局；预告片旁白使用 ElevenLabs 生成的 Gene Wilder AI 声音，Netflix 称已获其家属同意。 这件事的关键不只是声音像不像，而是经典 IP 真人秀化和逝者声音复刻被放进同一个商业包装。 授权能解决一部分法律问题，但观众是否接受、平台是否充分披露、合同如何限制二次使用，才是更难的部分。
Anthropic 没发科学大模型，它在抢实验室工作流
Anthropic 发布 Claude Science，但它不是新模型，也不是更强的生物专用模型，而是把现有 Claude 包进科研计算工作台。真正的变量是工作流入口：数据库、工具链、多智能体协作、可复现输出，谁能嵌进实验室日常，谁就更靠近科研 AI 的预算和权限。
Google 推出 Nano Banana 2 Lite：图像模型竞争开始拼速度和成本
Google DeepMind 发布 Nano Banana 2 Lite，称其为最快、最高效的 Gemini Image 模型，入口已开放到 Google AI Studio，模型参数为 gemini-3.1-flash-lite-image。它的核心价值更像是降低图像生成与编辑的等待时间和调用成本，而不是宣称图像质量全面领先。对开发者和内容团队来说，这类 Lite 模型的意义在于让批量试稿、A/B 素材和快速编辑更容易进入日常流程。
Google 把 Nano Banana 2 Lite 和 Omni Flash 连成了一条低价视频生产线
Google DeepMind 同时推出 Nano Banana 2 Lite 图像模型，并向开发者开放 Gemini Omni Flash 视频生成/对话式编辑模型。关键不是多了两个模型，而是 Google 把低价出图、图生视频、多轮编辑和平台入口接成了一条生产线。开发者该看 API 成本和限制，内容与电商团队该看改稿效率、审核成本和平台依赖。
OpenAI 修掉的不是模型问题，是 AI 基础设施的隐蔽裂缝
OpenAI 工程师批量分析 Rockset 过去一年的生产 core dump，把一组诡异 C++ 崩溃拆成两类根因：一台 Azure 物理宿主机的静默硬件错误，以及 GNU libunwind 中潜伏 18 年的竞态 bug。 这事的重点不在模型能力，而在可靠性方法：大规模 AI 产品已经不能只靠工程师盯单个 core dump 破案，必须把崩溃样本做成可查询、可归因的数据资产。 对 SRE、后端和基础架构团队来说，真正该补的不是口号里的“稳定性”，而是 crash 数据留存、标签体系、硬件相关性分析和开源依赖边界。
OpenAI Signals 数据：ChatGPT 增长正在从尝鲜转向日常使用
OpenAI Signals 显示，ChatGPT 个人用户注册 6 个月后，日均消息数比注册初期高 50%，尝试任务数量翻倍。更有意思的是，增长不只发生在英语和高收入市场：非英语为主用户已超过活跃用户一半，非洲、亚洲和低 HDI 国家相对增速更快。需要看清口径：地区数据是相对 2023 年 7 月的增长，不是绝对用户规模排名；性别相关结论来自姓名推断，不是用户自报。
特斯拉无方向盘 Cybercab 上路：Robotaxi 的账，终于要当街算
特斯拉开始在奥斯汀测试量产版 Cybercab：两座、无方向盘、无踏板，但车内仍有安全监控员。这还不是无人 Robotaxi 商业化，而是把多年承诺推到监管、成本和公众视线前。真正要看的不是车有多科幻，而是它能不能稳定、低成本、可解释地跑起来。
通用 AI 到企业里，账多半要靠专业化来结
Dharma AI 解读 Goldfeder、Wyder、LeCun、Shwartz-Ziv 2026 年论文，核心判断是：AI 在算力、数据和研发时间有限时，会被推向领域专精。通用 AI 未必失败，但通用性进入企业采购后，必须接受成本、可靠性和边界的审计。最受影响的是企业采购负责人和押注单一通用助手的产品团队。
Libby 准备过滤 AI 书籍，但选择权卡在标签是否诚实
Libby 准备上线 AI 内容控制，用户可选择是否显示 AI 生成或参与制作的内容。它保护的是读者的知情权和筛选权，不是自动识别 AI 图书的技术系统。最大软肋在源头：出版方、作者平台和内容供应商是否如实标注。
AWS拿10亿美元做FDE：企业AI竞争开始拼交付能力
AWS成立新的企业AI FDE内部组织，承诺投入10亿美元内部资源，不是对外投资、新基金或合资融资。工程师会临时嵌入客户企业，在客户AWS环境中部署定制化AI代理，并把工作流、AI技能和可复用模式留下来。我的判断是，企业AI竞争正在从模型参数和价格，转向谁能进流程、扛交付、帮客户把系统跑起来。
X 上线托管版 MCP：AI 工具接入更省事，但权限没放宽
X 推出托管版 MCP 服务器，Claude、Cursor、Grok Build 等兼容 MCP 的 AI 工具，可以通过用户自己的 X 账号权限连接 X API。 这次变化不是新增搜索、读帖、查用户或趋势分析能力，而是把过去开发者要自建的接入层交给 X 托管。 开发者会少做一段基础设施活，但仍要面对 API 套餐、速率、权限和反垃圾规则。
让 Claude 少说废话：企业开始按 token 抠 AI 成本
Caveman 让 Claude Code、Codex、Gemini 等编程代理少写寒暄和铺垫，创作者评估可减少约 65%–75% 输出 token，404 Media 测试约省 5800 个 token、65%。这件事的重点不是“让 AI 像穴居人说话”，而是企业 AI 使用正在从包月体验进入 token 核算。采购和开发团队接下来要管的，不只是买哪个模型，还包括默认模型、推理档位、输出长度和员工配额。
AI奇花种子涌入电商：假种子老骗局被生成式图片放大
eBay、Amazon、Etsy 上出现大量用 AI 奇异植物图兜售种子的商品，紫色巨型 teddy bear 向日葵、彩虹玫瑰、蝴蝶形和猫头形植物都在其中。假种子骗局早就存在，生成式 AI 改变的是造假成本和铺货速度。对买家来说，损失不只是一笔退款，还包括错种、搜索误导和未知植物进入环境的风险。
Lumo 2.0 上线：Proton 要证明隐私 AI 不是低配替代品
Proton 本周发布 Lumo 2.0，补上图像分析、图像编辑、图像生成、Projects 记忆和 thinking mode，并称多数查询最高提速 76%。 这次升级的重点不是超越 ChatGPT 或 Gemini，而是把隐私 AI 推到一场硬考试：少拿用户数据，体验还能不能跟上。 对隐私敏感用户，可以试；对重度团队迁移，最好先等第三方评测和更清楚的验证材料。
Every Eval Ever 打通 Hugging Face：模型分数开始补“出处链”
Every Eval Ever 的评测记录现在可以转换成 Hugging Face Community Evals 所需 YAML，提交到模型仓库的 .eval_results/ 目录，并显示在模型卡和对应 leaderboard 上。关键变化不是多了一个榜，而是分数能回链到完整 EEE JSON，读者可以追到来源、模型访问方式、生成设置和指标含义。限制也很明确：目前只支持 MMLU-Pro、GPQA、HLE、GSM8K 四个官方基准，提交仍依赖 PR、人工审阅和模型仓库治理。
OKX AI 开放给开发者：AI Agent 会付钱，交易所想抢机器经济入口
OKX AI 周二向开发者开放，试图让 AI Agent 拥有钱包、链上身份、信誉和稳定币支付能力。它现在还不是面向普通用户的大规模产品，更像一次开发者生态押注。真正的看点是：加密交易所能不能把稳定币、身份和分发网络，变成机器经济的金融入口。
AI 没一刀切掉初级岗位，但公司分层已经开始
Ramp 与 Revelio Labs 基于近 2.2 万家公司数据称，高强度 AI 采用者员工数增长 10.2%，初级岗位增长 12%。这不能证明 AI 创造就业，只能说明“AI 必然消灭年轻岗位”的说法太粗。更关键的变化是：会把 AI 嵌进业务的公司在扩张，只会买订阅和做试点的公司还在原地打转。