Aravind Srinivas@AravSrinivasAI 评分5858pplx-decider-v1.1-27b, our updated open weights multimodal decision model, is now available. It scores the highest on the new @huggingface Decision Index 0.3 benchmark. pplx-decider-v1.1-27b costs half as much as v1, at $0.02 per million input tokens. https://huggingface.co/spaces/multimodalart/jev-decision-index
🚨 AI News | TestingCatalog@testingcatalogAI 评分2525
🚨 AI News | TestingCatalog@testingcatalogAI 评分6262
lauren@potetoAI 评分4646
一项独立审查挑战公开了一份早于 Meta 在 2026 年 9 月 8 日发布 Muse/Sentinel 的专利文件 PCTIB2026-055615，邀请技术评审自行比对其中 85.B2「Agent Sandbox Egress Finality Gate」等架构与 Meta Muse/Sentinel 的异同。
Unreal Agent 发布上下文压缩机制，并在 SWE-Marathon 上与 Codex 取得相同的 69/160、43.125% pass@1 成绩，总推理成本为 $445.75，较 Codex 的 $850.52 低 48%。
The Verge 评论认为，Apple、Google 等公司探索不保存原始音视频、只由 AI 生成文字片段或摘要的硬件，正在重新界定什么算录制。
一份宣言提出，人类与 AI 正进入 Phase Lock，应通过脑机接口（BCI）实现 alignment-by-integration，以保留人类对机器的控制。文章认为 BCI 正接近 AI 约十年前经历的拐点，非侵入式消费设备可产生大规模神经数据并形成发展飞轮。
犹他州将允许医疗初创公司 Nolla Health 在无直接人工监督下提供 AI 诊察和处方服务，试点为期 1 年，仅面向轻中度痤疮患者。用户支付每月 $4.99 后扫描面部，AI 会结合病史生成痤疮严重程度评分，并从 8 种获批外用治疗方案中推荐药物。前 100 张处方需医生事前审核，随后 400 名患者由 AI 提交处方并每周回顾，最终阶段医生每月至少抽查总处方量的 10%。
马里兰大学主导的学术合作提出 IdeaLens，通过把文档压缩为保留观点、弱化措辞的角色标注大纲，判断想法来自人类还是 AI。系统在 100 万份网页文档大纲上训练，并提供在线 demo 与 GitHub 仓库。
Hacker News 用户 microflash 发帖询问如何应对职场中笃信 AI 的领导层，征集有效与无效的做法。发帖者希望了解如何在持续被“温和鼓励”使用 AI 的情况下保持理智、避免倦怠。
TOD 发布 v1 通用决策模型，约 400M 参数，基于开放的 Gemma 4 12B 模型训练，可读取文本与图像、提取事实并对可用动作排序，再按置信度直接执行或交给现有 LLM。
经济学家 Daron Acemoglu 认为，AI 全面替代工作仍受可靠性、组织重组和最后一公里问题制约，当前路线若追求自动化可能既难提升生产率又扩大不平等。他重申此前估计，10 年内 AI 可能自动化美国约 20% 的简单办公和认知任务，但考虑扩散速度实际仅约 5% 的人类工作被替代，对应 10 年 GDP 增加约 1.5%。
Aravind Srinivas@AravSrinivasAI 评分4848Perplexity Decision Model（开放权重）在 @huggingface Decision Index 上得分最高
🚨 AI News | TestingCatalog@testingcatalogAI 评分5252Ampersand 宣布完成由 Bessemer Venture Partners 领投的 1500 万美元 A 轮融资，Lauri Moore 将加入董事会，同时其集成平台正式可用。
Your AI is vaporware without deep integrations with your customers’ systems of record. Introducing @WithAmpersand: integration infrastructure for enterprise agents. We power 11x, Orb, and Square's ability to take agentic action in systems of record like Salesforce, SAP, NetSuite, and Workday. Ask anyone serious about building AI and they’ll tell you: - The SaaSpocalypse didn’t happen. The world depends on CRMs, ERPs, HRISs, and ITSMs. - Your customers customized their deployments beyond recognition. - Systems of record companies are basically monopolies. They never had to make their APIs and MCPs user-friendly. - Docs don't explain half the weird edge cases you'll hit. - One bad write can blow up your pilot or renewal. - Once you finally get it working, someone changes a field and it breaks again. The world's data lives in structured databases. AI needs a translation layer to work with it. So, for your AI to truly transform the way enterprises work, you'll need deep integrations built for: - scoped permissions - bi-directional actions - real-time speed for agents - custom objects, fields, and workflows for each of your customers We built Ampersand to power the future of software. AI didn't trivialize writing integrations. It made them the critical path. I believe that deeply, so I didn't make a launch video about Ampersand. Instead, it's the best builders I know explaining just how big of a challenge this is.
Microsoft Research 合伙人研究经理 Jennifer Neville 在播客中讨论 AI 系统在真实工作环境中的评测、失败与改进方向。她的团队研究多轮交互、协作环境和长周期任务，发现 LLM 在任务要求经多轮逐步澄清时性能会明显下降，长流程文档编辑中未被发现的错误还会累积。
Atlassian 与 OpenAI 扩大合作，GPT‑6 家族前沿模型将接入 Atlassian 平台和 Rovo，为跨产品的 AI 智能体提供能力。
QA Wolf 复盘其 AI 智能体基础设施，从短生命周期云任务改为为每个智能体会话分配独立隔离云机器，机器内提供测试仓库、shell、git、gh、node、浏览器和 QA Wolf CLI。
arXiv 论文提出 TasteVal 基准，用 8 个开放式前沿 AI 研发任务评测模型在固定问题下迭代设计实验并解读结果的能力。基准将实验研究品味定义为计算效率，模型担任 Researcher，固定 Coder agent 负责实现，预算为 40 H100 hour 或 120 wall-clock hour，并以 24 名人类专家的最佳尝试作为基线。
推荐理由：论文把研究品味操作化为实验计算效率，并给出模型与人类专家的对比基线，可用于理解 AI 科研能力的评价口径。
旧金山初创公司 Mirror Particle 正从零构建预测消费者行为及其动因的「世界模型」基础模型，认为依赖 LLM 角色扮演的现有路线存在根本缺陷。该模型综合客户数据、时事、流行文化与社交媒体，聚焦真实行为而非问卷自述，已完成天使轮并即将关闭首轮风险融资。公司将于下周参加 TechCrunch Startup Battlefield，首批面向市场调研及品牌与产品策略场景。
《纽约时报》报道，中国近两年推出科学家签证和高额研究资助以吸引国际 AI 研究人员，但卡内基国际和平基金会研究显示，2025 年美国每有 30 名中国 AI 研究人员，中国仅对应吸引 1 名反向流动者。
美国围绕 AI 是否应纳税的讨论正在升温，比尔·盖茨主张替代人工的机器人或 AI 也应向社会保障基金缴费。多名民主党议员已提出针对 AI 公司、数据中心、token 使用、数字广告、超额利润或股权的征税方案，但相关立法目前进展有限。
elvis@omarsar0AI 评分3636Your AI is vaporware without deep integrations with your customers’ systems of record. Introducing @WithAmpersand: integration infrastructure for enterprise agents. We power 11x, Orb, and Square's ability to take agentic action in systems of record like Salesforce, SAP, NetSuite, and Workday. Ask anyone serious about building AI and they’ll tell you: - The SaaSpocalypse didn’t happen. The world depends on CRMs, ERPs, HRISs, and ITSMs. - Your customers customized their deployments beyond recognition. - Systems of record companies are basically monopolies. They never had to make their APIs and MCPs user-friendly. - Docs don't explain half the weird edge cases you'll hit. - One bad write can blow up your pilot or renewal. - Once you finally get it working, someone changes a field and it breaks again. The world's data lives in structured databases. AI needs a translation layer to work with it. So, for your AI to truly transform the way enterprises work, you'll need deep integrations built for: - scoped permissions - bi-directional actions - real-time speed for agents - custom objects, fields, and workflows for each of your customers We built Ampersand to power the future of software. AI didn't trivialize writing integrations. It made them the critical path. I believe that deeply, so I didn't make a launch video about Ampersand. Instead, it's the best builders I know explaining just how big of a challenge this is.
elvis@omarsar0AI 评分5050
lauren@potetoAI 评分5252
Krea@krea_aiAI 评分4949Nano Banana 2.1 现已在 Krea 上线。 提示词理解更好、编辑更精准、主体一致性更强，现支持最高 4K 生成。 立即体验 👇
Connector 是一个面向可执行真实动作的 AI 智能体的开源控制平面，为智能体提供身份、显式授权、逐动作准入、运行时强制执行、操作员停止控制和证据记录。它在智能体发送请求、修改数据、调用工具、花钱或联系其他智能体前，通过 PATE 判断该动作可 Proceed、Ask、Defer、Quarantine 或 Block；Cease 可隔离当前生成、作废上下文并停止后续准入。
Ed Zitron 在 Market Talk with George Noble 的视频中称，Microsoft 持有价值 $80B 的 AI 芯片却无法接入。该视频发布于 Oct 5, 2026，已有 395,577 次观看，座谈还讨论 AI 热潮是否构成史上最大规模资本错配。
Docusign 内部智能体编排平台 Krew 已支撑 220 多个 Krewmates，数月内为工程师节省数千小时。员工无需代码或基础设施配置，通过系统提示词、技能文件、内置工具和触发器即可创建智能体。Krew 涵盖触发、编排、执行与结果持久化，可扫描错误日志、审查 feature flag、检查 pull request 并处理值班交接。
Google AI Edge Gallery 相关页面提供多语言支持，涵盖英语、德语、西班牙语、法语、印尼语、巴西葡萄牙语、俄语、简体中文、日语、韩语。页面关联 Google Developer Program、Google AI Studio、Google Cloud、Android、Chrome、Firebase 等开发者资源，并设有 Chat API 信息入口。
作者用 GateBolt 对 Claude Sonnet 5.5 在 Claude Code 中修复同一 Hono Content-Type 大小写 bug 的过程做了 11 次公开实验，11 次都通过维护者编写的 6 项测试，但 6 次提交包含智能体未声明也未提及的 .ts-E 备份文件。
openTPU 是一个由 AI 参与开发的开源 AI 加速器项目，仓库包含 SystemVerilog 硬件设计、指令集、位精确模拟器、内核语言与编译器及 PCIe 主机软件。
SPrav Job AI 是一款 100% 客户端运行、零遥测、永久免费的隐私优先求职工具，采用 WebGPU 并直连 ATS 查询。它覆盖 622 个雇主招聘板、402 家直接雇主的 3.5M+ 经验证职位，支持简历匹配度分析、1-Click 定制简历与直接投递、ATS X-Ray、Socratic 面试准备等功能。
作者认为 vibecoding 会把乐趣前置，快速原型带来即时多巴胺，但重构、维护和理解代码时的满足感明显下降。文章区分想法成真、艰难完成、学习和解决自身问题等多种成就感，并列举野火预警、Kobo 数据库迁移助手、实时音高训练应用等用 AI 完成的项目。作者承认 vibecoding 能让原本不会动手的项目落地，却也让人与代码和现实隔了一层，难以获得手写代码经过挫折后的长期满足。
保险公司正准备应对 AI 智能体失控引发的数百万美元索赔，OpenAI 的 Sam Altman 和 Anthropic 的 Dario Amodei 等高管的个人责任也成为关注点。
一项盲评实验比较 Haiku 4.5、GPT-5 mini、GPT-5.2、Opus 4.5、GPT-6 Astra 和 Fable 5.1 的原创笑话能力，62 名完成者各评 48 个笑话。
AI Circuit Breaker 是一款可直接接入的反向代理，用于拦截 AI 智能体的无限工具调用循环，并按每小时 $2.00、每天 $10.00 的上限控制 API 支出。它基于 Python 和 FastAPI 构建，目标开销低于 35ms，请求检测使用易失性内存且不保存 payload；示例中可在第 3 次重复尝试时终止循环。
Google DeepMind 发布 EmbeddingGemma 2，这是一个 740M 参数的端侧多模态嵌入模型，可将文本、代码、图像、视频和音频映射到统一嵌入空间。
推荐理由：文章给出参数量、上下文、内存占用和部署工具链，可帮助判断端侧多模态检索与本地 RAG 的落地边界。
Hacker News 有提问指出，新模型发布仅数小时后，就有评论者断言其毫无价值或堪称重大突破，质疑这些人尚未充分测试模型。提问者怀疑评论者盲目相信易被操纵的 benchmark，并询问究竟该如何衡量一个模型优于另一个模型。
Evalyze 推出由 Eva 支持的融资外联工具，可生成个性化邮件草稿、经用户批准后从其收件箱发送，并追踪回复与后续跟进。平台按阶段、行业、地点、支票规模和投资历史为初创公司匹配投资人，还提供覆盖六个维度的 Startup Analyzer 评分，以及 0-100 的演示文稿逐页评分与反馈。