> 英伟达最新发布的1200亿参数开源模型Nemotron3Super，凭借首创的混合架构实现推理速度的三倍跃升。该产品在多项权威基准测试中表现亮眼，正以前所未有的算力性价比冲击闭源巨头的市场防线。

## 极致架构瘦身 攻克长上下文协同难题

大模型在多智能体协同场景中，常常面临随着对话轮次增加而出现的“目标跑偏”或“上下文爆炸”等底层技术痛点。英伟达此次推出的Nemotron3Super正是为了解决这些行业顽疾而生。

该模型破局的关键在于引入了创新的Mamba-MoE混合架构。在总计1200亿的庞大参数规模下，其激活参数被极致压缩至仅120亿。这种“以小博大”的动态调度机制，不仅使得模型的单次推理速度相比传统架构暴增三倍，整体吞吐量更是实现了五倍的跨越式增长。更重要的是，系统能够稳定支撑高达1M的超长上下文处理，为复杂的高端多智能体协作提供了坚实的基础底座。

![22.png](https://static.downly.cn/images/5a859ca8ff565c69baa86e0e9b84bdb6.png) <center>图源备注：图片由AI生成</center>

## 测评成绩亮眼 逼近顶级闭源水准

算力指标的突破迅速在应用端转化为了卓越的实战能力。在近期公布的多项全球权威性能测评中，Nemotron3Super展现出了远超同级别开源模型的统治力。

该模型一举登顶了效率与开放性双料榜单，并作为底层大脑驱动了英伟达自研的AI智能体，在权威双榜单中成功霸榜。而在业内公认难度极高的热门智能体任务测试中，其任务成功率达到了惊人的百分之八十五以上。这一数据不仅刷新了开源阵营的历史记录，更在核心指标上无限逼近了业界公认的顶级闭源大模型水准。

## 软硬生态协同 顶级云厂商集体入局

作为底层算力霸主，英伟达在发布新模型的同时，也完成了从硬件到软件生态的深度闭环。为了最大化释放自研芯片的潜力，该模型在常规格式之外，率先针对最新的Blackwell架构实现了特殊训练格式的支持，这一举措将显著压降训练成本并拉升算力转化率。

得益于开源免费的零门槛策略与顶尖的性能表现，Nemotron3Super的发布在科技圈引发了强烈的连锁反应。目前，该模型已被多家跨国科技巨头火速集成于核心业务流中，并同步登陆了全球三大主流云服务平台。在开源与闭源的路线之争中，英伟达正通过提供极具性价比的替代方案，悄然重塑整个AI产业的版图。

英伟达开源新一代智能体模型 混合架构刷新推理效率极限

> **导语**
> 编程不再是人与代码的独角戏，而是人与智能体的交响乐。OpenAI 正式推出适配 macOS 的 Codex 桌面应用，通过深度整合 GPT-5.2-Codex 模型与多智能体协作逻辑，试图重新定义专业开发者的工作流，并对标 Claude Code 等新兴竞争对手。

## 超越对话框的深度整合

当地时间周一，OpenAI 发布了全新的 Codex 桌面应用，这标志着 AI 编程工具从单一的“聊天窗口”向系统级“开发环境”的跨越。这款应用并非简单的问答机器人，而是深度整合了“智能体化软件开发”逻辑，支持多智能体并行作业。

用户可以通过该应用调用不同专长的 AI 智能体，协同处理复杂的开发流程。例如，一个智能体负责架构设计，另一个负责代码实现，还有一个负责测试与调试。这种分工协作的模式，被视为 OpenAI 对当前编程效率瓶颈的直接突围。

![Google_AI_Studio_2026-02-03T02_08_38.458Z.png](https://static.downly.cn/images/cd21fcb87ebfbc5b644c1ef52166bfc2.png) <center>图源备注：图片由AI生成</center>

## 极致效率与用户体验定制

新版 Codex 搭载了两个月前发布的 GPT-5.2-Codex 模型，将尖端的代码生成能力封装在极简的交互界面中。OpenAI 首席执行官萨姆・奥特曼表示，工具的核心目标是让软件开发速度仅受限于用户的创意输入速度。

在功能上，应用支持自动化任务设定，允许智能体在后台自主运行并将结果存入队列，开发者无需时刻盯着屏幕等待响应。此外，用户还可以定制智能体的交互风格，从严谨的逻辑分析到通俗的解释说明，均可灵活切换，以适应不同开发者的工作习惯。

## 开发者争夺战进入白热化

尽管 GPT-5.2 模型在基准测试中表现优异，但在处理现实世界复杂的软件漏洞修复时，与 Claude Opus 和 Gemini 3 相比并未形成绝对碾压之势。因此，OpenAI 此次发布桌面端应用，意在通过更深度的系统整合与工作流优化来构建护城河。

随着编程智能体的竞争焦点从单纯的模型算力转向综合体验，谁能更好地融入开发者的本地环境，谁就能在这场技术变革中占据主导地位。

OpenAI 发布 macOS 版 Codex，桌面端编程迈入“智能体”时代

> 月之暗面（Moonshot AI）旗下产品 Kimi 近期实现里程碑式突破，其海外收入首次超过国内市场。这一增长主要得益于 K2.5 模型的强劲表现，推动全球付费用户数激增 4 倍，并在 Openrouter 等权威榜单中跻身世界前三。

## 墙内开花墙外香

中国 AI 独角兽月之暗面传出重磅利好。在与投资者的最新沟通中，公司透露 Kimi 的海外营收已实现对国内市场的反超。这一数据标志着中国大模型产品在出海商业化上取得了实质性突破。

驱动这一增长的核心引擎是最新发布的 **K2.5 模型**。数据显示，自 K2.5 上线后的短短几天内，Kimi 的全球付费用户数量实现了 **4 倍** 增长。在第三方模型聚合平台 Openrouter 上，K2.5 的排名迅速攀升至第三位，紧随 Claude Sonnet 4.5 和 Gemini 1.5 Flash 之后。这一排名直接证明了其在国际市场上与硅谷顶尖模型同台竞技的实力。

![Google_AI_Studio_2026-02-02T03_05_48.308Z.png](https://static.downly.cn/images/c0a2655f874d184dcba5d28b38890100.png) <center>图源备注：图片由AI生成</center>

## Agent Swarm：以协作破瓶颈

在 1 月 29 日的 Reddit AMA 活动中，月之暗面创始人杨植麟分享了公司在技术路径上的新思考。面对高质量数据增长赶不上算力提升的行业难题，Kimi 正在探索 **“Agent Swarm”（智能体蜂群）** 策略。

这种方法不再依赖单一模型的“单打独斗”，而是通过并行处理子任务的方式，让多个 AI 智能体协作完成复杂任务。杨植麟透露，通过这种协作模式，K2.5 在大规模信息处理场景下的效率提升了 3 到 10 倍。这种架构创新，为 AI 处理更复杂的逻辑推理和生产力任务打开了新的想象空间。

## 对标国际先锋的战略野心

Kimi 目前的战略布局正逐渐向“Anthropic + Manus”的混合模式靠拢：

* **技术开源** 自 K2 起，Kimi 坚持开源模型权重和工具链，支持开发者在本地或云端部署，意在构建类似 Llama 的技术生态。
* **产品定位** 在 C 端市场，Kimi 明确将自己定位为“生产力工具”，而非单纯的聊天机器人。

通过“卷”智能极限与“卷”实际应用并行，Kimi 正在全球激烈的 AI 竞速中，通过快速迭代和精准的市场适应能力，逐步建立起自己的护城河。

Kimi海外营收反超国内 K2.5模型驱动全球用户激增

<video src="https://static.downly.cn/images/13-Steps-to-High-Efficiency-by-the-Creator-of-Claude-Code.mp4" controls width="50%">
 Your browser does not support the video tag.
</video>

> 在 AI 辅助编程领域，我们通常只把 AI 当作一个更聪明的自动补全工具。然而，Claude Code 的创造者 Boris Cherny 展示了一种完全不同的维度：他通过构建一套严密的系统工程，将自己从“代码撰写者”转变为“AI 军团指挥官”，实现了月产 4 万行高质量代码的惊人效率。

本文将基于 Boris Cherny 的实战演示，详细复盘他的 13 步工作流，并补充我们对于高阶技能定制的第 14 步实践，深入剖析这套范式背后的技术哲学。

------

## 01. 并发多线程 (Parallelization)

### 🎥 Boris 的实战现场

Boris 的终端界面就像一个繁忙的指挥塔。他通常会同时开启 5 个并行的 Claude 会话（Tabs 1-5），每个 Tab 都有明确的职责划分：

- Tab 1：专注于数据库层面的重构任务。

- Tab 2：处理前端组件的视觉调整。

- Tab 3：运行单元测试并修复回归错误。

 为了解决“等待 AI 生成”的时间浪费，他利用系统的“通知铃声”功能。当后台某个 Tab 完成任务时，会发出提示音，他便立即切换上下文进行确认。这种方式消除了人类在等待 AI 思考时的闲置时间。

### 🧠 技术视点：工程师的“调度器化”

> 这标志着工程师的核心能力正在发生代际转移。

过去，我们的核心能力是“专注力”和“手速”；而在 Boris 的模式下，核心能力变成了**任务架构拆解（Architecture Decomposition）\**与\**上下文切换（Context Switching）**。如果不具备良好的架构思维，无法将一个大需求拆解为 5 个低耦合的子任务，那么开启 5 个窗口只会带来 5 倍的混乱。**并发的前提，是解耦。**

------

## 02. 端云协同 (Teleport)

### 🎥 Boris 的实战现场

Boris 演示了如何打破“本地终端”与“云端网页”的物理隔阂。他使用 `teleport` 命令配合后台任务符 `&`，将本地正在进行的终端会话“瞬移”到浏览器端的 Claude 界面。

- **场景切换**：当需要处理复杂的长文本阅读、查看图表或进行更自然的对话交互时，他切换到网页端。
- **状态同步**：在网页端确认好思路或生成文案后，所有的上下文和结果又能反向同步回本地终端，继续执行代码命令。

### 🧠 技术视点：交互模态的流动性

> 未来的开发环境将不再固守单一的 IDE，而是“数据流”的载体。

CLI（命令行）适合执行和精确控制，GUI（网页）适合阅读、规划和视觉反馈。Boris 的实践告诉我们：**上下文（Context）应当像流体一样**，根据开发者的认知需求，在不同的容器之间自由流转，而不是被锁死在某个软件窗口里。

------

## 03. 慢思考 (Thinking Models)

### 🎥 Boris 的实战现场

在处理复杂的逻辑重构时，Boris 并没有选择响应最快的模型，而是强制指定带有思维链（Chain of Thought）的 Opus 4.5 模型。

尽管这需要等待数分钟才能看到结果，但他强调，对于核心逻辑，必须让 AI 像人类高级工程师一样进行深度的推理。他宁愿花时间等待一个准确的方案，也不愿快速得到一个充满 Bug 的代码块。

### 🧠 技术视点：算力换人力的经济账

> 这是一个关于“信噪比”的决策。

在软件工程中，**生成速度 $\neq$ 开发效率**。修复一个由快速模型产生的幻觉 Bug，其耗时（定位、调试、修改）往往是生成时间的 10 倍以上。这里的策略是典型的“慢即是快”：用昂贵的推理算力，去置换昂贵的人类调试时间。**准确率（Precision）远比延迟（Latency）重要。**

------

## 04. 共享大脑 (CLAUDE.md)

### 🎥 Boris 的实战现场

Boris 展示了他在项目根目录维护的核心文件：CLAUDE.md。

这不是给人类看的 Readme，而是给 AI 看的“宪法”。文件中定义了：

- **架构规范**：如“本项目使用 MVC 模式，Service 层不应直接返回 DTO”。

- **编码细节**：如“日期必须使用 ISO8601 格式”、“禁止使用 `eval` 函数”。

- 路径映射：解释项目特有的黑话和目录结构。

 每次启动 Claude，它都会预加载这份文件，从而让一个通用的 AI 瞬间变成最懂该项目的“资深员工”。

### 🧠 技术视点：隐性知识的显性化

> 这是文档工程（Documentation Engineering）在 AI 时代的复兴。

传统团队中存在大量“部落知识（Tribal Knowledge）”，它们只存在于老员工的脑子里。`CLAUDE.md` 迫使我们将这些隐性知识显性化。这本质上是一种**轻量级的 RAG（检索增强生成）**，它解决了 LLM 的无状态问题，让项目具备了可传承的“记忆”。

------

## 05. 复利工程 (Compounding Engineering)

### 🎥 Boris 的实战现场

当 Claude 犯错（例如引入了一个被禁用的库）时，Boris 的做法令人印象深刻：他不仅仅是纠正代码，而是直接在 GitHub 评论区 @claude 下达指令：“你犯了一个错误，请把这条新规则更新到 CLAUDE.md 中，以后不要再犯。”

通过这种方式，每一次错误都转化为了文档中的一条新规则，确保 AI 不会在同一个地方跌倒两次。

### 🧠 技术视点：错误的资产化

> 我们正在目睹一种全新的“资产积累”方式。

在传统开发中，踩过的坑容易被遗忘；而在这种模式下，**错误被提炼成了系统的“养料”**。随着项目推进，`CLAUDE.md` 越来越完善，AI 越来越聪明。这不仅仅是在写代码，更是在训练一个不断自我进化、不断增值的数字资产。

------

## 06. 计划模式 (Plan Mode)

### 🎥 Boris 的实战现场

Boris 通过双击 Shift+Tab 进入一个特殊的“计划模式”。在此模式下，AI 被禁止写一行代码。

他和 AI 像两个在白板前的架构师一样，纯粹通过自然语言反复推演：“如果我们要改这个 API，会影响哪些文件？”、“数据库 Schema 需要怎么变？”。只有当计划被彻底确认无误后，他才会切换回执行模式让 AI 动手。

### 🧠 技术视点：决策层与执行层的分离

> 这解决了新手使用 AI 最容易犯的错：过早陷入细节。

Plan Mode 强行将**设计（Design）\**与\**实现（Implementation）** 剥离。这不仅通过思维链（CoT）降低了 AI 的幻觉风险，更重要的是，它强制人类保持在“决策层”。**AI 是手，你是脑，动手之前先动脑。**

------

## 07. 斜杠命令 (Slash Commands)

### 🎥 Boris 的实战现场

Boris 演示了他自定义的 /commit-push-pr 命令。

只需输入这一个指令，Claude 就会在后台自动执行一系列复杂的动作：检查 Git 状态 -> 分析变更内容 -> 生成符合规范的 Commit Message -> 推送到远程分支 -> 调用 GitHub API 创建 PR。原本需要敲击十几次键盘的流程，被压缩成了一次指令。

### 🧠 技术视点：流程的“模糊自动化”

> 这是对传统 Shell 脚本的降维打击。

传统的脚本是僵化的，参数必须精确匹配。而挂载了 AI 的 Slash 命令是**基于意图（Intent-based）**的。开发者只需要发出意图，AI 负责填充参数、处理异常。我们正在从“自动化（Automation）”向“自主化（Autonomy）”过渡。

------

## 08. 子智能体 (Sub-agents)

### 🎥 Boris 的实战现场

在处理特定任务时，Boris 会调用专门的“子智能体”。例如：

- `code-simplifier`：这是一个被设定了极强约束的 Agent，它只负责简化代码语法，绝不修改业务逻辑。

- verify-app：专门负责按照测试手册运行端到端测试的 Agent。

 主 AI 负责攻坚，子 Agent 负责扫尾，分工明确。

### 🧠 技术视点：单一职责原则 (SRP) 的 AI 实践

> 我们写代码遵循 SRP 原则，使用 AI Agent 也应如此。

一个通用的“全能 Agent”往往表现平庸。通过构建专门的 Sub-agents，我们可以针对特定任务（如安全审计、性能优化、文档生成）微调 Prompt 和工具集。这是**多智能体协作（Multi-Agent Systems）** 的实战雏形。

------

## 09. 钩子 (Hooks)

### 🎥 Boris 的实战现场

Boris 配置了严格的 Pre/Post-execution Hooks。每当 AI 生成代码准备写入文件之前，系统会自动触发 Prettier 或 Linter。

无论 AI 生成的代码格式多么混乱，在写入磁盘的那一刻，它都会被强制格式化为团队标准风格。

### 🧠 技术视点：最后一道防线

> 这是防御性编程在 AI 时代的必要延伸。

我们不能无条件信任 AI 的输出质量。Hooks 建立了一个**不依赖于 AI 自身道德约束的外部质量门禁**。这不仅解决了 AI 代码“能跑但很难看”的顽疾，更守住了代码库整洁度的底线。

------

## 10. 权限管理 (Permissions)

### 🎥 Boris 的实战现场

Boris 并没有让 AI 处于完全的“裸奔”状态（`dangerously-skip-permissions`）。相反，他精心设置了白名单：

- 读取类命令（`ls`, `cat`, `git status`）：默认允许，无需人类确认，保证交互流畅。
- 破坏类命令（`rm`, `upload`, `deploy`）：必须弹窗询问，且高危操作会被钩子拦截。

### 🧠 技术视点：基于行为的零信任架构

> 信任，但要验证（Trust but Verify）。

在 AI 能够自主执行命令的时代，安全架构必须从“基于身份”转向“基于行为”。这种配置既保证了探索性任务的效率，又锁死了破坏性操作的风险。

------

## 11. 万物互联 (MCP)

### 🎥 Boris 的实战现场

通过 Model Context Protocol (MCP)，Boris 让 Claude 连接到了 IDE 之外的世界。

他展示了 AI 如何直接读取 Slack 中的讨论记录来理解需求背景，或者直接查询 BigQuery 数据库来验证业务逻辑，甚至连接 Sentry 查看线上的实时报错日志。

### 🧠 技术视点：打破 IDE 的“数据孤岛”

> 当 AI 开始感知业务数据时，它才真正成为了“全栈”。

这预示着 **AIOps** 的到来——AI 不再仅仅处理代码文本，而是能够感知线上状态、用户反馈和业务数据。它正在从一个“编码工具”进化为一个能够感知上下文的“业务伙伴”。

------

## 12. 长任务管理 (Ralph Wiggum)

### 🎥 Boris 的实战现场

对于那些极度耗时的任务（如全项目大规模重构、运行数小时的回归测试），Boris 使用了一个被称为 "Ralph Wiggum" 的后台挂机插件。

他将任务扔给这个后台进程，配置好“完成强提醒”，然后就去处理其他事情，甚至睡觉。在这些隔离环境中，他给予 AI 更高的自主权。

### 🧠 技术视点：异步生产力的解放

> 人类的时间是线性的，但算力是可以并发的。

通过将长耗时任务剥离给后台 AI，工程师实现了**算力与人力的解耦**。你不再需要盯着进度条发呆，这是对人类注意力的极致保护。

------

## 13. 反馈闭环 (Feedback Loop)

### 🎥 Boris 的实战现场

这是 Boris 演示中最精彩的部分：赋予 AI 眼睛。

当 AI 修改了前端代码后，它会自动启动一个浏览器实例，像真实用户一样点击按钮、输入表单、截图并分析控制台报错。如果发现页面崩溃或报错，AI 会根据错误信息自动修正代码，直到通过验证。

### 🧠 技术视点：从“开环”到“闭环”

> 这不仅仅是自动化测试，这是“自主纠错”。

目前的 AI 编程多是“开环”的（AI 写完 -> 人去测 -> 人反馈）。Boris 构建的是**闭环系统**（AI 写 -> AI 测 -> AI 改）。只要有了可靠的反馈机制（视觉验证、测试套件），AI 就能在不断的试错中收敛到正确结果，这才是 AI 能够独立完成任务的关键。

------

## 14. claude Code Skills 进阶实践

### 🚀 超越脚本的终极形态

Boris 展示了如何用 Slash Commands 和 MCP 连接工具，但这依然是零散的。通过研究 Anthropic 最新的官方规范，我们发现 Claude Code 真正的杀手锏其实是：**Agent Skills（代理技能架构）**。

这不是简单的写个脚本，而是定义了一种**标准化的能力封装协议**。如果说 `CLAUDE.md` 是公司的“宪法”，那么 Agent Skills 就是 Claude 的“岗位技能手册”。

### 🛠️ 我们的实践：构建标准化的 Skill 目录

我们不应满足于散落在各处的 Prompt，而应按照官方规范，构建可复用的 **Skill 文件夹**结构：

#### 1. 采用“三位一体”的目录结构

一个标准的 Skill 不是一个文件，而是一个目录：

- **`SKILL.md` (大脑)**：核心指令文件。包含 YAML Frontmatter（元数据）定义 `name` 和 `description`，以及 Markdown 格式的操作指南。这是 Claude 唯一“必读”的部分。
- **`scripts/` (肢体)**：存放 Python/Bash 脚本。用于处理需要精确执行、容错率低的逻辑（如数据清洗、格式转换）。这比让 LLM 自己写代码执行要稳定得多。
- **`references/` (海马体)**：存放 PDF 规范、API 文档或模版。这些是 AI 按需查阅的知识库。

#### 2. 利用“渐进式披露”机制 (Progressive Disclosure)

这是该架构最精妙的技术设计，旨在解决上下文窗口（Context Window）的限制：

- **静默态**：Claude 启动时，只加载所有 Skills 的 `name` 和 `description`（约 100 tokens），极度节省资源。
- **激活态**：只有当 Claude 判定当前任务需要该技能时（例如你提到“处理这个 PDF”），它才会动态加载该技能完整的 `SKILL.md` 指令。
- **执行态**：只有在真正执行细节时，才会去读取 `scripts/` 或 `references/` 中的具体文件。

#### 3. 设定“自由度” (Degrees of Freedom)

我们在编写 `SKILL.md` 时遵循“窄桥原则”：

- **低自由度**：对于发布生产环境的操作，我们提供固死的 `scripts/`，不给 AI 自由发挥的空间，确保 100% 的一致性。
- **高自由度**：对于“代码优化建议”类技能，我们只提供 Markdown 文本指导，让 Claude 发挥它的创造力。

### 🧠 技术视点：AI 的“Docker 化”时刻

Agent Skills 的出现意味着 **AI 能力的标准化和模块化**。

- **可移植性**：你可以把一个写好的 `data-analysis` Skill 文件夹打包发给同事，他的 Claude 瞬间就学会了如何分析公司特有的数据格式，无需任何 Prompt 调试。
- **程序性记忆**：以前我们通过 RAG 给 AI **陈述性记忆**（知识），现在我们通过 Skills 给 AI **程序性记忆**（方法）。

------

**结语**

Boris Cherny 的 13 步工作流，配合最新的 Agent Skills 架构，本质上是将程序员从**代码的实现者**，升级为了**代码生产系统的设计者与监督者**。

拒绝“聊天式”编程 - 深度解析 Claude Code 之父的系统化开发流

> 导语
> 
> 本期资讯迎来重磅更新，OpenAI推出了针对科研优化的GPT-5模型并上线了教师专属工具，谷歌NotebookLM新增PPT生成功能强势挑战传统办公软件，腾讯发布HunyuanVideo1.5大幅降低视频创作门槛。与此同时，Elastic与Meta分别在多智能体协作协议与训练框架上取得突破，而维基百科则发布了针对AI文本的深度鉴别指南，旨在规范内容生态。

---


## 谷歌NotebookLM大更新 一键变身PPT制作神器

谷歌旗下的AI笔记助手NotebookLM迎来功能大跃进，新增了名为 Slide Decks 的演示文稿生成功能。用户只需上传相关资料，AI即可自动提取核心内容并转化为排版专业的演示文稿。这一功能的表现被业界评价为惊艳，直接成为了PPT和Canva的有力竞争者，将极大提升办公与学习效率。

![image.png](https://static.downly.cn/images/024cf0dfac696c51f653f3d358fbbf59.png)

<center>图源备注：图片由AI生成</center>

---

## 腾讯混元视频模型升级 10秒高清视频生成不再是梦

腾讯推出了基于DiT架构的轻量级视频生成模型——HunyuanVideo1.5。该模型拥有83亿参数，通过 元宝 平台即可体验。它不仅支持文生视频，还支持图文结合生成，能够快速产出5至10秒的高清视频。这一更新显著降低了视频创作的技术门槛，让普通用户也能轻松制作高质量的视频内容。

![image.png](https://static.downly.cn/images/5e267565a47867bc0bdf3e827ba9aeaa.png)

<center>图源备注：图片由AI生成</center>

---

## Elastic推出多智能体协作标准 打造AI版数字新闻室

Elastic正式发布了名为Agent2Agent（A2A）的多智能体协作标准。该协议利用JSON-RPC技术实现了智能体之间的任务精细拆分与状态同步，最大的突破在于无需共享内存即可协作。Elastic还通过开源一个 数字新闻室 的示例，生动展示了六大AI代理如何像乐队一样配合，流畅完成从选题到发布的新闻生产全流程。

![image.png](https://static.downly.cn/images/5f9aac1b130a82be18fcab4a647911cd.png)

<center>图源备注：图片由AI生成</center>

---

## 维基百科发布鉴别指南 揭秘AI写作的语言指纹

为了应对日益泛滥的AI生成内容，维基百科发布了《AI写作识别指南》。这份指南基于其内部的 AI清理计划 总结而成，旨在系统性地揭示大语言模型在文本生成中留下的 行为指纹 。指南强调，识别AI文本不能仅靠简单的高频词判断，而应关注其特定的句式结构与逻辑特征，为内容审核提供了可操作的鉴别方法。

![image.png](https://static.downly.cn/images/101f52dd1956c3075fa4af4a6bb4d178.png)

<center>图源备注：图片由AI生成</center>

---

## OpenAI赋能教育 推出教师专属ChatGPT且承诺隐私安全

OpenAI宣布为美国K-12认证教师免费提供 AI工具 ChatGPT for Teachers，该福利有效期将持续至2027年6月。为了消除教育界的顾虑，该工具提供了一个安全的工作环境，并默认承诺不使用用户数据来训练模型以保障隐私。此举旨在帮助教师在数字化时代更好地指导学生适应AI技术的发展，同时减轻教学负担。

![image.png](https://static.downly.cn/images/30c515c3475ee180f66a17f41f20218a.png)

<center>图源备注：图片由AI生成</center>

---

## Meta发布DreamGym框架 模拟强化学习破解训练难题

Meta联合高校研发并推出了DreamGym框架，旨在解决大语言模型训练成本高昂和反馈机制不可靠的行业痛点。该框架利用模拟的强化学习环境，通过动态调整任务难度，像健身房训练一样循序渐进地提升模型能力。这种方法不仅提高了训练效率，还增强了模型的可靠性与安全性。

![image.png](https://static.downly.cn/images/d3fa042390d520290392fcd2717db907.png)

<center>图源备注：图片由AI生成</center>

每日AI资讯1122：谷歌一键生成PPT，腾讯视频模型升级

> **导语** 本期AI资讯涵盖了多个领域的突破性进展。专业级AI编码助手TRAE SOLO正式发布，为开发者带来实时多智能体协作新模式；OpenAI推出GPT-5.1更新，通过“自适应推理”技术显著提升了模型的速度与成本效益；在AI音频领域，ElevenLabs与好莱坞明星合作，开创了明星语音授权市场；谷歌DeepMind则在通用机器人研究上迈出重要一步，发布了性能翻倍的SIMA 2预览版；同时，谷歌NotebookLM也上线了强大的“深度研究”功能，实现了自动化在线调研；此外，AI创作的音乐首次登顶全球榜单，预示着其对传统音乐产业的深刻影响。

## TRAE发布SOLO正式版，引领AI编码进入实时多智能体新纪元

TRAE公司近日正式发布了其面向专业开发者的响应式编程助手SOLO。该工具主打实时可控和多任务并行的AI编程体验，旨在革新传统的编码模式。SOLO的国际版本已经上线，并提供限时免费使用。值得一提的是，其早前发布的Beta版中已内置了SOLO Builder智能体，该智能体具备强大的多模态需求理解与任务分解能力，能够显著加速从概念到应用的端到端构建过程，为开发者提供前所未有的编码效率。

![image.png](https://static.downly.cn/images/cb004cf6564a8af6fb0023c57701439f.png)
图源备注：图片由AI生成

## OpenAI发布GPT-5.1更新，“自适应推理”模式实现速度与成本双赢

OpenAI为开发者带来了期待已久的GPT-5.1更新。此次更新的核心是引入了全新的“自适应推理”模式，该模式能让模型智能地判断问题的复杂度，并相应地调整其处理速度和资源消耗。对于简单直接的问题，模型能快速响应；而对于复杂深入的分析，模型则会投入更多资源以确保回答的质量。这一创新显著提升了模型的综合性能，在优化速度和成本效益方面取得了巨大突破，从而大幅缩短了开发者的等待时间，实现了真正的“双赢”。

![image.png](https://static.downly.cn/images/73069e43b5b677f3a8be62c1a6c13172.png)
图源备注：图片由AI生成

## ElevenLabs携手好莱坞巨星，推出“标志性声音市场”

AI音频领域的领军企业ElevenLabs宣布与奥斯卡影帝马修·麦康纳（Matthew McConaughey）和迈克尔·凯恩（Michael Caine）等重量级明星达成合作，将其标志性的声音引入公司全新的“标志性声音市场”（Iconic Voice Marketplace）平台。该平台目前已收录了超过25位名人的声音，并为用户提供合法、正规的语音授权。此举不仅为内容创作开辟了新的可能性，也为名人IP的商业化提供了新途径。值得注意的是，麦康纳本人也以投资人的身份深度参与了此次合作。

![image.png](https://static.downly.cn/images/4f49e6da03280c93888cfa8a6e864029.png)
图源备注：图片由AI生成

## 谷歌DeepMind发布SIMA 2预览版，机器人通用性实现翻倍性能

谷歌DeepMind在通往通用机器人的道路上又迈出了坚实一步，正式发布了SIMA 2的预览版。这款基于Gemini 2.5 Flash-lite的多模态智能体，在任务成功率上实现了大幅提升。SIMA 2不仅能在完全陌生的环境中准确执行复杂的指令，更具备了通过自生成数据循环来进行自我改进的强大能力。此次以研究预览形式发布，旨在探索实现通用人工智能（AGI）所需的世界理解与顶尖推理能力，展示了其在机器人领域的巨大潜力。

![image.png](https://static.downly.cn/images/5863523b727f82022963bb417d6f9b7a.png)
图源备注：图片由AI生成

## 谷歌NotebookLM迎来“深度研究”功能，自动在线调研一键生成报告

谷歌为其AI笔记工具NotebookLM推出了名为“深度研究”（Deep Research）的重磅新功能。该功能赋予了NotebookLM自动进行在线调研的能力，能够处理包括Google Sheets、Drive文档、PDF及Word在内的多种文件格式。用户可以选择两种模式 “快速模式”可提供即时简要的回复，而“深度模式”则会在后台进行深入分析，并生成一份带引用来源的完整报告。用户还可以灵活添加额外的来源以丰富报告内容，并能一键将报告和引用保存至笔记本中。据悉，这项强大的功能将于一周内向所有用户全面上线。

![image.png](https://static.downly.cn/images/5b1de6ebf5bb4d4d002b00c3ed84b4cd.png)
图源备注：图片由AI生成

## AI音乐创作登顶全球榜单，传统音乐产业迎来新挑战

本周，人工智能在音乐创作领域的实力得到了市场的有力证明。三首由AI创作的歌曲在Spotify和Billboard等主流音乐榜单上取得了令人瞩目的成绩。其中，《Walk My Walk》和《Livin' on Borrowed Time》两首歌曲成功打入Spotify“病毒50”榜单前列，并一度位列全球榜单前五。更令人惊讶的是，一首荷兰反移民歌曲《We Say No, No, No to an Asylum Center》更是成功登顶Spotify全球榜单。这一现象标志着AI音乐正从实验走向主流，并开始对传统音乐产业的创作和发行模式构成冲击。

![image.png](https://static.downly.cn/images/79f5d83b5bee1c3a6a99665c3bba5113.png)
图源备注：图片由AI生成

每日AI资讯1115：AI编码迎变革，GPT-5.1提速，谷歌多款AI工具更新

> 今日AI界风起云涌：清华与东北大学联手推出UltraRAG 2.0，以50行代码简化RAG系统构建；Perplexity对Chrome的收购意向撼动浏览器市场格局。腾讯连发两款开源神器，单图生成3D世界的HunyuanWorld-Voyager与开箱即用的Youtu-Agent框架。谷歌、即梦AI、通义实验室、微软等巨头也纷纷亮剑，从网页内容理解、多模型服务到智能体开发框架，技术革新正以前所未有的速度，重塑我们的数字生活与开发范式。

## 清华联手东北大学发布UltraRAG 2.0：50行代码定义RAG新范式

清华大学与东北大学等机构联合发布了UltraRAG 2.0框架，它基于创新的模型上下文协议（MCP）架构，允许开发者通过简单的YAML文件来配置和构建复杂的检索增强生成（RAG）系统。该框架支持串行、循环、条件分支等多种逻辑，极大地降低了高性能RAG应用的开发门槛，让复杂的AI系统搭建变得前所未有的简单。

![插图：代码流与神经网络的抽象结合](https://static.downly.cn/images/71866b30d3bd8cb39ead10556f95a395.png)
图源备注：图片由AI生成

## AI浏览器战争升级 Perplexity欲收购Chrome

AI搜索公司Perplexity对谷歌Chrome浏览器提出高达345亿美元的收购报价，此举震惊业界，标志着AI对传统浏览器市场的颠覆性冲击正式拉开序幕。与此同时，Anthropic公司也推出了针对Chrome的Claude扩展，AI与浏览器的深度融合已成大势所趋，一场围绕下一代智能浏览体验的战争已然爆发。

![插图：两个科技巨头的Logo在浏览器窗口中对峙](https://static.downly.cn/images/a185998c7389e0d433c242b8a11a9cfb.png)
图源备注：图片由AI生成

## 腾讯再亮王牌 HunyuanWorld-Voyager实现单图生成3D世界

腾讯AI研究团队开源了其最新的研究成果HunyuanWorld-Voyager。这一模型堪称“神器”，仅需一张普通的2D图像，就能即时生成与之完全一致的3D点云世界。凭借其卓越的原生3D重建能力，在相机控制、内容对齐和3D一致性上表现出色，成功登顶WorldScore全球排行榜，为3D重建和图生3D领域带来了革命性突破。

![插图：一张风景照片悬浮在空中，下方延展出一个完整的、可供探索的3D立体世界]![image.png](https://static.downly.cn/images/8e0e6ffc6db2b93dfa1938d503f47f9d.png)
图源备注：图片由AI生成

## 人人都是开发者 腾讯优图开源Youtu-Agent智能体框架

腾讯优图实验室正式开源Youtu-Agent智能体框架，主打“开箱即用”的便捷理念。开发者无需进行复杂的模型训练，只需从GitHub上获取代码，通过编写简单的YAML配置文件来定义智能体的具体行为，便能迅速搭建并运行个性化的智能体应用，极大地降低了技术门槛。

![插图：一个即插即用的模块化机器人，用户可以轻松更换代表不同功能的模块](https://static.downly.cn/images/e6fa2a42972d2771714972f5728f325c.png)
图源备注：图片由AI生成

## 谷歌Gemini API添新翼 AI可“阅读”并理解整个网页

谷歌为其Gemini API增加了一项名为URL Context的全新功能。这项技术使得AI不再局限于抓取网页摘要或部分信息，而是能够像人类一样深入、完整地理解和解析整个网页的内容。这一重大进展意味着开发者可以构建出更精准、更智能的应用，实现对网络信息的深度利用。

![插图：一个AI大脑正在扫描一个网页，网页中的文字和图片转化为结构化的数据流](https://static.downly.cn/images/dca8e3de45333203759164411c551201.png)
图源备注：图片由AI生成

## 即梦AI模型全面开放API 提供一站式图像视频生成服务

即梦AI与火山引擎达成合作，将其旗下包括文生图、图生图、视频生成、数字人等在内的一系列先进AI模型，通过API的形式向企业级用户和开发者全面开放。此举旨在提供一个一站式的图像与视频生成解决方案，开发者可以轻松接入并利用这些经过市场验证的强大功能，创造高质量的视觉内容。

![插图：一条API数据流从一个服务器流向多个不同的终端设备，每个设备上都显示着由AI生成的不同风格的图像和视频](https://static.downly.cn/images/8f7698019e45a7460e2534eb9e4357f2.png)
图源备注：图片由AI生成

## Cherry Studio携手硅基流动 免费开放Qwen38B模型

为了提升用户体验，AI桌面客户端Cherry Studio宣布与硅基流动达成深度合作，向所有用户免费提供通义千问Qwen38B模型。该模型以其出色的推理能力、指令遵循和多语言支持而广受好评。此次合作将进一步丰富Cherry Studio的多模型生态，让跨平台用户能更便捷地享受到顶级AI模型的强大功能。

![插图：一个樱桃形状的工作室Logo与一个芯片Logo握手，背景是流畅运行在不同操作系统上的AI界面](https://static.downly.cn/images/3131fa6c37fb1c342cc9be32e62576d8.png)
图源备注：图片由AI生成

## 通义实验室发布AgentScope 1.0 打造一站式智能体开发平台

通义实验室正式推出新一代开源智能体开发框架AgentScope 1.0。该框架以开发者为核心，致力于解决多智能体从开发、构建到运行和管理的全生命周期难题。通过其三层技术架构（核心框架、Runtime和Studio），AgentScope 1.0为开发者提供了灵活且强大的解决方案，让构建安全、高效的智能体应用变得更加简单。

![插图：一个开发者在一个可视化的工作台上拖拽不同的智能体模块，构建出一个复杂的多智能体协作系统](https://static.downly.cn/images/c1287b323739b9d5ca266dcec2ca7d27.png)
图源备注：图片由AI生成

## 微软Copilot能力升级 免费用户也可多文件推理

微软宣布对其AI助手Copilot进行重要更新，免费向所有网页版和Windows 11版用户开放多文件分析功能。现在，用户可以一次性上传最多三个文件，让Copilot进行跨文档的理解和推理。这一此前仅限付费用户的功能将极大提升Copilot的实用性，例如可以同时分析简历和招聘启事，为求职者提供精准建议。

![插图：三份不同的文档被一只机械手同时送入一个Copilot大脑中进行分析和比较](https://static.downly.cn/images/baaf1ea28902e437966fb6921c6d1b56.png)
图源备注：图片由AI生成

## Google发布Nano Banana AI图像编辑进入“一句话”时代

Google旗下Gemini 2.5 Flash Image团队推出了革命性的AI图像引擎Nano Banana。这项新技术颠覆了传统的图像编辑流程，用户只需用一句话描述想要进行的修改，AI即可精准完成操作。这项功能的推出，极大地降低了图像处理的门槛，让专业级的图像编辑变得像日常对话一样简单便捷。

![插图：一个人对着麦克风说话，旁边屏幕上一张复杂的图片根据语音指令实时发生改变](https://static.downly.cn/images/2c672eaf942f6300b1fe1c0499d7f87d.png)
图源备注：图片由AI生成

每日AI资讯0903：未来科技浪潮，人工智能重塑数字世界


# 每日AI资讯：360引领多智能体蜂群革命，Anthropic与OpenAI“分手”

> **导语** 本期AI快讯为您带来多项业界重磅消息。360公司在多智能体技术上取得突破，推出了全球首个L4级别“蜂群”系统。在投融资领域，新加坡AI初创公司SixSense成功获得新一轮融资，以推动其在半导体行业的缺陷检测技术。同时，科技巨头间的竞争日益激烈，Anthropic已正式切断OpenAI对其先进Claude模型的访问。最后，我们关注到前美国联邦贸易委员会主席对Figma独立上市的积极评价，这反映了监管层对科技创新的态度。

## 360纳米AI进化 L4级别“多智能体蜂群”重新定义协同作业

360集团近日宣布，其旗下纳米AI（NANO AI）已完成重大升级，正式进化为全球首个达到L4级别的“多智能体蜂群”系统。这一创新性的系统通过其独特的蜂群协作框架，能够组织超过五万个L3级别的智能体进行大规模、多层次的动态协同工作。该技术成功攻克了传统多智能体协作中的核心难题，目前已在视频制作和内容创作等多个应用场景中展现出强大的“群体协同”交付能力，为用户的创意与想象力提供了前所未有的技术支持。该系统现已全面上线并开放给用户下载体验。

![image.png](https://static.downly.cn/images/696e95cdb75f921eb8fd2ffb3af475d2.png)

## 新加坡AI新星SixSense获850万美元融资 加速半导体缺陷检测创新

新加坡AI初创公司SixSense宣布成功完成850万美元的A轮融资，使其总融资额达到了1200万美元。该公司专注于为半导体制造业提供一个由人工智能驱动的实时缺陷预测与检测平台。该平台允许工艺工程师在无需编写任何代码的情况下，轻松实现芯片缺陷检测、根本原因分析以及故障预测。据悉，该技术已在全球知名的半导体制造商GlobalFoundries等多家公司得到应用，并显著提升了生产效率与产品质量。SixSense计划利用这笔新资金进一步拓展其在美国的市场份额。

![image.png](https://static.downly.cn/images/baba22f128fc5e071c8ee8883e351000.png)

## Anthropic釜底抽薪 切断OpenAI对Claude模型的访问权限

人工智能领域的两大巨头竞争升级。Anthropic公司已正式停止向其主要竞争对手OpenAI提供其强大的Claude系列AI模型。此举被视为一次战略性的“分手”，旨在切断OpenAI获取其核心技术支持的途径，从而在激烈的市场竞争中巩固自身优势。这一决定凸显了顶级AI模型作为关键战略资源的稀缺性与重要性。
![image.png](https://static.downly.cn/images/f1da40b1de14a41b6f34e9f2d5aece26.png)

## Figma成功上市获赞 监管层肯定初创企业独立发展价值

前美国联邦贸易委员会（FTC）主席莉娜·汗（Lina Khan）在社交媒体上对设计软件公司Figma的成功首次公开募股（IPO）表示祝贺。她指出，Figma的独立上市有力地证明了反垄断审查在保护市场竞争中的积极作用，即“允许并鼓励初创企业成长为独立的成功企业”，而不是过早地被行业巨头并购。这一表态被解读为监管机构对维护健康科技生态、鼓励创新的明确信号。

![image.png](https://static.downly.cn/images/d1b1d122252e84fe3275a6154a048203.png)



搜索结果: 智能体协作