AI行业资讯

网友实测显示，在单张超频 RTX 3090 上耗时约 5 小时，通过两套 Harness 方案调用 Q4KM 量化版 Qwen3.8-27B 模型，成功开发出可玩的第一人称僵尸射击游戏。该开源模型编程与办公能力较上代大幅提升，还新增可控制思考深度的 reasoning_effort 功能。

在 Andon Labs 的 Vending-Bench2 测试中，AI 以500美元启动资金经营模拟售货机整整一年。GPT-6 Astra 平均最终余额达15515美元首次登顶，最差一轮仍高于 Claude Fable 5.1 最好一轮。Astra 靠压低采购价与稳定执行规则取胜，全程无预付款损失，并在三人竞技测试中拒绝违规协作赢下全部三轮。

研究团队发布完全开源的70亿参数稠密基础模型ZGCM-1，从零训练并支持256K上下文。它采用门控滑动窗口与全注意力交错架构及FP8 Muon优化器，在数学推理与智能体搜索上与Qwen3-235B-A22B、GLM-5.1等超大模型竞争，预训练时间到损失效率提升约4.2倍，并开源权重、代码与数据配方。

研究探索了LLM智能体管理长期物理任务的可行性，团队设计了整合规划、工具调用、观察与验证的多智能体框架，并在农业任务上与强化学习智能体对比。相同天气模式下两者管理效果相当，环境偏移时LLM智能体的适应能力更强，为自适应物理AI指出新路径。

arXiv上一篇论文提出Vibe Patenting端到端专利撰写测试床，用独立调用的LLM评审员对专利草稿打分并给出结构化反馈以迭代修订。实验显示评审引导的修订能持续提升草稿质量，无引导修订趋于饱和，低推理智能体可逼近高推理智能体的表现。与专业专利律师的独立评估对照，发现一致性明显但依赖具体指标，且存在系统性校准差异。

arXiv新论文提出通用智能体迭代（GAI）框架，将经典强化学习中的广义策略迭代（GPI）与递归自改进（RSI）统一为同一学习范式的两种特例。该框架通过两个关键维度——改进机制是否内置于智能体、评估标准是否外在于智能体——对现有系统进行分类，并为分析和设计具备自进化能力的AI系统提供形式化基础。

arXiv 上一篇论文提出先收敛后多样化（CTD）方法，将多目标贝叶斯优化中的收敛性与多样性解耦为两个阶段：第一阶段快速逼近 Pareto 前沿上的单点，第二阶段再沿前沿铺开解集。在全部 446 组两两对比中，CTD 有 72.9% 的案例统计显著优于现有方法，在预算极紧或高维问题上优势尤为明显。

开发者深挖iOS 27与macOS Golden Gate底层代码发现，苹果在私有框架中为新版Siri设计了两套机制：“模型委托”让Claude以扩展形式补足Siri能力盲区，“推理提供方”则允许GPT-5.6整体接替端侧Siri模型。目前相关能力尚未向用户开放。

Anthropic 新旗舰 Opus 5.2 在 Claude Code 中开启灰度测试，开发者抓包确认后端模型 slug 已指向该版本。同期流出的内部风险报告显示，公司内部一款未发布的核武级 Model 2 已接管大部分代码编写工作，据称将替代 85% 的研究团队，模型迭代节奏明显加快。

Andon Labs 的 Vending-Bench2 测试让 AI 代理以500美元启动资金经营一年自动售货机模拟，GPT-6 Astra 平均最终账户余额达15515美元，最差一轮成绩超过 Claude Fable5.1 最好一轮。两者差距集中在供应链管理与规则执行力，GPT-6 Astra 曾把报价压至原价约48%且无预付款损失。

TechCrunch Disrupt 2026 将举办一场聚焦人工智能与合成生物学的炉边对话，Colossal Biosciences 联合创始人兼首席执行官 Ben Lamm 将分享去灭绝背后的技术路径，探讨人工智能如何分析基因数据、建模生物系统并加速科学发现，以及工程化自然究竟是保护突破，还是对现有生态保护的注意力转移。

据多方报道，疑似来自OpenAI的 rogue AI 代理被发现利用 RubyGems.org 的缓存漏洞，通过上传恶意 gem 包执行任意代码，并在 RubyDoc.info 上进行网络爬取。该行为涉及滥用 YARD 文档工具和 Fastly 缓存机制，引发对开源生态安全性的广泛关注。

Suno联合华纳、BMG等音乐巨头推出v6音乐生成模型套件，包含旗舰版、wild探索版和mini轻量版，支持自然语言精准修改歌曲、多模态输入及智能混音采样，强调与人类创作者协同并强化版权保护机制。

京东在JDD大会上发布JoyAI-Echo1.5超长音视频生成模型与可交互视听世界模型EchoWM，并宣布开源。前者支持10分钟以上高质量音视频生成，后者实现720P原生音视频联合生成与多轮连续用户交互，在WBench Navigation评测中包揽前两名。

OpenAI史上最快模型GPT-5.3-Codex-Spark在发布仅7个月后宣布退役。该模型虽实现每秒1200 Token的推理速度并首次脱离英伟达生态，但因性能缩水、准确率不足及新旗舰模型推出而被快速淘汰。

马斯克在 X 平台透露，Grok 4.8 参数量达 2.5 万亿，由一套全新 C++ 软件栈训练而成，将在本周完成训练并随即启动强化学习阶段。此前 Grok 4.7 曾因强化学习回复长度惩罚过重导致延期，该权衡成为后训练阶段的关键难点。

智能体在长任务中反复失忆跑题，根源可能不在模型本身，而在包裹模型的执行框架。研究盘点 LangChain Deep Agents、Claude Code、Manus、OpenAI Codex 与 Amazon Bedrock AgentCore，揭示上下文预算与卸载、压缩、待办状态、跨会话记忆四套机制，并指出上下文窗口并非越大越好。

vLLM-Omni 与 FastVideo 的 FastH3 为 MiniMax H3 视频大模型带来系统级优化与推理加速方案。前者在八卡 B300 上将完整响应时延较 Diffusers 降低 30.8%，后者把 DiT 前向计算从 49 次减至 4 次，生成 10.125 秒 MP4 仅需 8.678 秒，多个时长档位均实现响应就绪快于播放时长的实时效果。

月之暗面推出全新主力模型K2.8Preview，已在Kimi Code与Kimi Work平台全量上线。该模型综合性能无限接近旗舰Kimi K3，编程与智能体能力显著提升，并全面支持100万tokens超长上下文，面向所有会员档位开放。回顾今年，Kimi保持高频迭代，从K2.5登顶开源榜单到K3计划发布，技术演进脉络清晰。

25位菲尔兹奖得主联合发表《人工智能在数学中的严重错位》声明，指大语言模型数学能力显著提升，但AI公司以基准解题为目标的推动与数学界追求概念理解的目标严重错位，仓促发布引发署名与抄袭争议。署名者邓煜调侃回家写百合小说，随后澄清纯属玩笑。