Know AI. See What’s Next.
第 1 张，共 5 张：MiniMax M3.1 Flash来了：Opus 5.5刷屏的绝活，它也能做
最新资讯流
Arm造了颗AGI CPU，火山引擎首批智能体沙箱先上车（在新窗口打开）
以后手机GPU渲染游戏画面，不用再吭哧吭哧把每个像素都算出来了。
独家｜DeepSeek今年将扩招到1000人（在新窗口打开）
9月8日，DeepSeek Harness团队负责人崔添翼在社交平台放出约150个招聘名额，岗位涉及大模型研究平台方向、Agent框架组件方向、研发效率基建方向、数据工程方向等工程师。
GPT-6 Astra为何如此惊艳？S-Space透视多模态模型内部的空间智能（在新窗口打开）
最近，GPT-6 Astra 的三维建模与空间理解 demo 引发关注。它能在 Blender 中搭建带家具和庭院的住宅，再将场景转入 Unreal Engine 5，让人能走进房间、打开柜门，甚至操作咖啡机。
2 万亿美元的 Anthropic 值不值得买？（在新窗口打开）
今年 4 月，有买家给 Anthropic 开出约 6000 亿美元的估值，到了 8 月，部分投资人预计，Anthropic 上市时的估值可能达到 2 万亿美元甚至更高。事实上，要支撑这样的估值，Anthropic 需要在未来几年持续保持高速增长，但 OpenAI 的追赶给这一预期再次增加了不确定性。
谁在批量生产你刷到的 AI 短剧？｜十字路口实测（在新窗口打开）
模型定上限，Agent 定下限。 在刚刚过去的 2026 WAIC 上，智象未来（HiDream.ai）正式发布了内容创作智能体——vivago R1，这款产品已经在昨天全球上线，国内版本「够搭」 全新升级发布，其核心定位是 3 到 5 分钟完整视频的稳定生成。 该产品的推出，刚好对应了目前 AI 视频技术的快速进步。 从最新的 Artificial Analysis 盲测榜单来看，基础模型的竞争非常激烈，海内外头部科技大厂与 AI 独角兽纷纷入局，在画面质感、运动幅度与生成效率上各展所长。 Foundation Model 的效果越来越好，但模型的画面与最终成片之间的工作流仍有断裂，而这就是
GPT Image 2.5来了，OpenAI开始抄Banana的作业（在新窗口打开）
GPT Image 2.5凌晨突发，把改图能力端了出来。
北大博士团队杀回来了，要做「游戏界的红果」！AI造梦片场永不加赋（在新窗口打开）
手搓AI开放世界的北大哲学博士，刚刚又杀回来了！
一文带你看懂，GPT-6 Astra推理等级怎么选才最省Token。（在新窗口打开）
这几天，大家应该都用GPT-6 Astra了吧。
难评！OpenAI刚官宣的NS方程大突破，被数学家手撕了…（在新窗口打开）
数学史级别的大新闻，愣是被OpenAI整成了一出连续剧。
OpenAI放大招，一句话生成网站革了SaaS的命！（在新窗口打开）
就在刚刚，OpenAI又进化了。 现在，备受瞩目的ChatGPT Sites正式开启公测！ 哪怕你一行代码都不会写，只需几句自然语言提示或上传一张草图，就能像写Google文档一样，在十几分钟内生成一个高度专业、功能复杂的交互式网站。 只用自然语言就能完成前端开发，传统的建站SaaS行业正遭受巨大的颠覆。 而且，还有一个新消息传出。 在底层技术侧，GPT-6展现出了惊人的跨模态能力。 在无音频播放、完全断网的状态下，仅凭一张Mel频谱图（声音的波形可视化图像），GPT-6就能认出深海蓝鲸的叫声，甚至还能认出《星球大战》中的光剑音效。 这就显示着，AI的多模态理解，已经彻底打破了人类的感官壁垒。
实测全球上线的 vivago R1，我用它打造了一部赛博西游记短片（在新窗口打开）
上周，《后西游记》在湖南卫视黄金档时段上映。
Milvus HNSW 量化索引选型指南：从 SQ、PQ、PRQ 到 Refine 实测（在新窗口打开）
在 Milvus 里，HNSW 通常用于追求较高 Recall 的向量检索。
134亿！美国AI编程独角兽Cognition完成E轮融资（在新窗口打开）
该公司曾做出“全球首个AI软件工程师”。
大模型手语翻译新进展：CAPO-SLT拿下中文三项最高分 | EMNLP'26（在新窗口打开）
自动手语翻译中，一直存在一个隐蔽难题：模型即使已经较好地对齐了视觉与文本，也可能在逐词生成时，被某个局部合理、却缺少视觉证据支持的词带偏。
深度｜Seedance宇宙，和它的裂痕（在新窗口打开）
MiniMax H3 的开源，可能比外界看到得更仓促。
中国首个！清华「龙虾老师」登上联合国讲台，GitHub暴涨3万星（在新窗口打开）
打造出圈级AI「龙虾老师」的清华团队，这一次，在联合国的讲坛上开坛授课了！现场，来自清华大学教育学院的张羽教授、助理教授于济凡，完成一场90分钟的AI教育实战——用一个开源项目，从零做出一门课。
揭开多智能体决策的隐形不公，结果指标相同也未必可靠 | EMNLP'26（在新窗口打开）
当多个大语言模型（LLM）组成「招聘委员会」，共同筛选简历、讨论候选人、打分并投票时，我们通常会用最终录用率来判断系统是否公平。
办公 Agent 大乱战，新势力 TeleAgent 凭什么坐上牌桌（在新窗口打开）
办公 Agent 下半年开启了大乱战模式。
GPT-6 Astra 实测，Blender 刷屏之后还能怎么玩（在新窗口打开）
模型正在接手更多复杂工具。 GPT-6 Astra 发布后的这几天，各个平台几乎都被它刷屏了。 新模型刚出来时，大家总喜欢找一些看起来足够难的任务去试探边界，这次画风变了，不少人开始主动寻找那些原本需要学习专业软件才能完成的事情。 尤其是Blender，在官方案例宣传之后，网上很快冒出了一大批类似尝试。 小编也跟着试了两次，第一次做的是一个月球探月机器人，参考图比较简单，主体是一台带履带的探测车，车身有机械结构和设备模块。 不需要任何提示词工程，把参考图交给 Astra，让它直接在Blender里完成建模就好。 一次生成的完成度已经足够高了，车身、履带和顶部结构基本都在合理的位置，虽然细节和参
Agent驱动的模型训练，基元律动做了一次迈向RSI的实验（在新窗口打开）
Agent 完成任务后，学到的经验去了哪里？