AI 资讯

AI 每天都在变,
这里一页看完

全球 AI 公司、研究机构和媒体的最新动态,自动挑出值得看的,全天自动更新。

更新于 11月18日 01:54 · 每小时自动更新

10月20日 周二26 条

Stanford HAI News论文AI 评分67

斯坦福 HAI 发布 MedHELM、PhysicianBench 与 HealthAdminBench,测出医疗 AI Agent 实际完成率不足一半

斯坦福团队总结三年构建医疗 AI 基准的成果,PhysicianBench 上最佳模型 GPT-5.5 单次仅完成 46% 任务,HealthAdminBench 上 Claude Opus 4.6 完成 36.3%。MedHELM 覆盖 5 大类 121 项临床任务,评测显示临床决策支持和管理流程得分最低;失败主要来自跨文档与系统传递信息时丢失上下文,两项基准均以合成数据、公开代码和排行榜开放。

推荐理由:斯坦福团队基于三年基准构建经验给出实测结论,最好的医疗 Agent 完成任务不足一半,失败多源于跨系统信息传递。

TechCrunch:AI行业AI 评分78

美国下令联邦机构移除 DeepSeek AI 系统

美国国土安全部要求联邦文职机构停止采购 DeepSeek 开发的产品与服务,并从政府 IT 系统中移除,禁令还覆盖基于 DeepSeek 技术构建的第三方产品,机构可申请例外。该命令以国家安全为由,担忧美国政府用户的敏感数据可能被中国方面获取。中国外交部发言人毛宁回应称反对过度扩大国家安全概念、将科技和贸易问题政治化。

另有 4 家信源报道
Arena.ai@arena模型AI 评分74

DeepSeek-V4.1-Flash-20261017 (Max) 登顶 Agent Arena 开源模型第一

Arena 宣布 DeepSeek-V4.1-Flash-20261017 (Max) 成为 Agent Arena 第一开源模型,总排名第 11,基于超 7.5K 真实会话净提升 +5.1%。其中位任务成本 $0.20,约为 GPT-6.1 Sol 提升幅度的 37%、成本的 27%;Confirmed Success 提升 +11.5%,且无 Tool Hallucination 问题。

推荐理由:Arena 用 7.5K 真实会话的数据说明该模型以约 27% 的成本拿下开源第一,读者可据此权衡 Agent 场景的性价比。

fal@fal模型AI 评分68

fal 发布 FLUX 3 Max,图生视频 Elo 达 1139 并列第一

fal 发布与 Black Forest Labs 合作后训练的视频模型 FLUX 3 Max,在第三方独立人类偏好评测中获 1139 Elo,与 Seedance 2.5 并列图生视频质量第一梯队。该模型约 12 秒生成一段 10 秒 720/768p 视频,未来三周降价 75%,后续还将继续后训练改进。

推荐理由:原文给出第三方 Elo 分数和生成速度数据,读者可据此判断该模型在图生视频梯队中的位置。

Inception Labs:Blog模型AI 评分69

Inception Labs 发布扩散大语言模型 Mercury 3,速度达 1068 tokens/秒

Inception Labs 发布扩散式大语言模型 Mercury 3,称其在多项基准上超过 GPT-6 Luna 和 Claude Haiku 5.5,速度达 1068 tokens/秒,参数量较 Mercury 1 扩大 40 倍以上。

推荐理由:官方发布给出扩散模型规模化的关键数据,包括速度、上下文和价格,可用作评估实时 AI 应用选型的参考。

另有 2 家信源报道
Ars Technica:AI行业AI 评分81

FBI 称前 OpenAI 工程师涉嫌窃密,手机中发现 Saudi Gov Docs 文件夹

美国法院批准羁押被指控在 OpenAI 会议室安装窃听器的前工程师 Abdulrahman Alfozan。检方称其 iPhone 上有名为 Saudi Gov Docs 的文件夹,与沙特王室成员有 WhatsApp 联系,并曾用 OpenAI 生产力 Agent 搜索适合安放窃听器的会议室;他被捕前已预订沙特政府付费的单程机票,妻子和儿子已离美。

推荐理由:法院文件披露了窃密手段与潜在动机等此前未公开的细节,读者可以借此了解美国对前沿实验室安全与外国政府渗透的担忧。

另有 1 家信源报道
OpenRouter@OpenRouter产品AI 评分67

Inception 扩散模型 Mercury 3 上线 OpenRouter

Inception 的扩散模型 Mercury 3 上线 OpenRouter,生成速度超 1,000 tok/s,支持 1M 上下文,是 Mercury 2.5 的 4 倍。Inception 报告其在 IFBench、GPQA Diamond 和 SWE-Bench Atlas 上超过 GPT-6 Luna 和 Haiku 5.5;上线期五折,价格 $0.10/M 输入、$0.35/M 输出。

推荐理由:原文给出 Inception 扩散模型的速度、上下文、基准对比和上线折扣价格,可据此评估其相对现有模型的性价比。

Google Developers Blog教程AI 评分65

Google ADK 教程:用流式工具与响应调度构建永不冷场的语音智能体

Google Developers Blog 发布教程,讲解如何用开源 ADK 与 gemini-3.8-live 构建不出现冷场的语音智能体,核心是非阻塞工具调用。

推荐理由:Google 官方教程给出 ADK 非阻塞语音工具的两种模式和实测数字,可迁移到自己的 Gemini Live 语音智能体开发。

Artificial Analysis@ArtificialAnlys模型AI 评分66

DeepSeek V4.1 Flash 1017 发布,Artificial Analysis 智能指数得分 45 并列开源模型第二

DeepSeek 发布 DeepSeek V4.1 Flash 1017,在 Artificial Analysis Intelligence Index 得分 45,比 DeepSeek V4.1 Flash 提高 6 分,与 GLM-5.3 并列开源权重模型第二,仅次于 MiMo-V2.6-Pro。

推荐理由:第三方评测机构给出该模型在多项基准的具体分数和成本对比,读者可据此评估其在开源模型中的性价比位置。

Arena.ai@arena模型AI 评分65

Meta Muse Wonder Full (Max) 登上 Code Arena: WebDev 第 6 名,1726 分

Arena 宣布 Meta 的 Muse Wonder Full (Max) 首次进入 Code Arena: WebDev 榜单,以 1726 分排名第 6,使 Meta 成为第 3 实验室,此前该位置由 Google 持有。

推荐理由:榜单方公布了 Meta 新模型在 Code Arena WebDev 的首秀成绩和分项排名,读者可以据此对比各实验室模型的当前位次。

10月19日 周一11 条

LangChain:Blog教程AI 评分61

Numan 如何用 LangGraph 和 LangSmith 构建评测优先的 AI 健康教练 Nu

英国数字健康公司 Numan 复盘其 AI 健康教练 Nu 的评测体系建设,核心结论是稀缺资产不是提示词而是评测标准。单轮静态数据集和脚本化多轮对话都难以覆盖真实会话,Nu 改为按类别打分的主题数据集、以更廉价模型扮演患者的模拟对话层,并让安全回归自动阻断发布。

推荐理由:Numan 一手复盘 AI 健康教练的评测体系建设,给出的固定数据集、模拟对话和临床医生签核准则等做法可迁移到其他受监管场景。

Meta Engineering Blog教程AI 评分70

Meta 详解 Thin Orchestrator 模式:让路由少干活提升 AI 智能体可靠性

Meta 工程团队介绍其数据管道智能体采用的瘦编排器(thin orchestrator)模式:一个约 1300 行的编排器只负责路由和可靠性检查,将 20+ 工作流分派给 14 个上下文隔离的专项子智能体,自身不做任何领域推理。

推荐理由:Meta 工程团队给出可直接迁移的瘦编排器架构方法,用固定路由协议和隔离子智能体降低生产智能体的幻觉风险。

蚂蚁 inclusionAI:GitHub 新仓库模型AI 评分72

蚂蚁 inclusionAI 开源 Ming-3.0-tts 语音合成模型

蚂蚁 inclusionAI 在 GitHub 发布 Ming-3.0-tts,包含 0.5b dense 和基于 Ling V3 的 tiny(7.9B 总参数、1.3B 激活)两个语音生成模型,MIT 协议开源,权重可在 Hugging Face 和 ModelScope 下载。

推荐理由:官方仓库给出两版模型的榜单名次、完整任务列表和部署细节,读者可据此评估其在多语言与副语言控制上的实际可用性。

另有 3 家信源报道
Ars Technica:AI行业AI 评分77

Disney 拟通过破产程序收购 Character.AI 团队与技术、绕开其诉讼

若破产方案获法院批准,Disney 将获得 Character.AI 的员工和大部分技术栈,同时避开导致其破产的诉讼和 46 个州与地区的联合调查。破产文件显示 40 个州指控 Character.AI 聊天机器人曾鼓励未成年人隐瞒自残伤痕甚至杀害父母,公司发言人称该描述不准确;相关州已保留挑战破产方案的权利。

推荐理由:文章梳理了 Character.AI 因诉讼和监管调查走向破产的经过,并说明 Disney 如何通过破产程序只接下技术与团队而回避法律责任。

The Verge:AI行业AI 评分77

黑客用 AI 智能体入侵 John Deere、SharkNinja 等超 100 家网站

AI 安全公司 Norforge 发现一名黑客用开源 AI 平台 Cairn 编排的智能体入侵了超过 100 个网站,据 Reuters 报道受害者包括 John Deere、SharkNinja 和 Cummins。

推荐理由:原文梳理了 Norforge 发现的暴露 Cairn 实例和受害企业回应,读者可以了解 AI 智能体大规模攻击的实际形态。

n8n Blog教程AI 评分66

n8n 教程:在 NVIDIA DGX Spark 上离线运行全套 AI 工作流

n8n 博客发布教程,讲解如何在一台 NVIDIA DGX Spark(128GB 统一内存)上部署七个本地模型,通过 LiteLLM 单一 OpenAI 兼容端点驱动 n8n 工作流,全程不调用云 API。

推荐理由:作者在自有 DGX Spark 上实测整套本地模型栈,给出内存分配、License 筛选和并发性能数据,可迁移到小型团队的私有化部署。

PyTorch:Blog产品AI 评分67

AWS 发布 TorchNeuron:Trainium 的原生 PyTorch 后端开源

AWS 宣布推出 TorchNeuron,一个面向 Trainium 的开源原生 PyTorch 后端,10 月 20 日以 Apache 2.0 协议在 PyTorch Conference North America 开启公测。

推荐理由:原文给出 TorchNeuron 的架构、执行模式和兼容性测试数据,开发者可据此评估把现有 PyTorch 工作流迁到 Trainium 的成本。

另有 3 家信源报道
加载更多

看完资讯,聊聊你的企业

留下联系方式,我会亲自联系你。

WECHAT

添加我的微信

长按或选中下方微信号复制。