AI HOT 日报 (morning)
商业与人事
OpenAI 启动 IPO 进程，Anthropic 紧随其后
WSJ 报道称，OpenAI 已秘密提交 IPO 草拟文件，正式启动上市流程；Anthropic 也于上周提交秘密 IPO 文件。此举标志着头部 AI 实验室间的竞争正从模型研发延伸至资本市场，以筹资下一代 AI 基础设施。
AI 模型成本趋势：80% 负载将用便宜模型
Brian Armstrong 分享 AI 模型成本优化趋势，预计 12-18 个月内 80% 工作负载将使用成本降低 99% 的模型，而仅 20% 需最新代模型。他指出 DeepSeek V4 价格仅为 Opus 的 1/30，且开源模型可解决企业 API 成本问题，强调企业需调整策略。
字节跳动团队详解 AI 时代设计工程师五角色
字节跳动豆包手机团队设计工程师笑林基于 8 年经验，借助 ChatGPT 分析了 AI Design Engineer、Product UI Craft Engineer、Design Systems Engineer、Creative Technologist/Motion & Graphics Engineer、AI Design Workflow Architect 五种设计工程师角色画像。
模型发布
Xiaomi MiMo-V2.5-Pro-UltraSpeed 开源，实现 1000 tokens/s
Xiaomi MiMo 与 TileRT_AI 联合发布并开源 MiMo-V2.5-Pro-UltraSpeed 模型权重与 checkpoint。该 1T 参数 MoE 模型在单台标准 8-GPU 节点上实现了超过 1,000 tokens/s 的输出速度，采用 FP4 量化和 DFlash，API 版宣称约 3 倍价格可获 10 倍体验提升。
Nex AGI 开源 Nex-N2 agentic 模型系列
Nex AGI 开源 Nex-N2 agentic model series，包括 Nex-N2-Pro (397B total, 17B active) 和 Nex-N2-mini (35B total, 3B active)。mini 版相比 forced thinking 节省约 20% token 成本，性能持平或略高。在 Terminal-Bench 2.1 达 75.3，SWE-Bench Verified 达 80.8，Apache 2.0 许可证。
MiniMax-M3 评测：Intelligence Index 得分 55
Artificial Analysis 公布 MiniMax-M3 评测结果，该模型 Intelligence Index 得分 55，暂时领先开源同类 Kimi K2.6 (54) 和 MiMo-V2.5-Pro (54)。M3 相比 M2.7 在 HLE、GPQA Diamond、AA-LCR、IFBench 和 CritPt 等多项指标上均有提升。
Ideogram 4.0 发布：9.3B Diffusion Transformer
Ideogram 发布技术博客介绍 Ideogram 4.0，这是一个从头训练的 9.3B Diffusion Transformer 模型，搭配一个冻结的 8B VLM 作为文本编码器。其 nf4 checkpoint 可在 24GB 消费级 GPU 上运行，目标是提升创新和创造力。
DeepMind Gemma 4 推出 4x 分量化格式
DeepMind 的 Gemma 4 模型推出 4x 分量化设置，E2B 版本达到 1GB 模型大小，并提供新的 QAT 分量化格式，支持无损分量化转换而模型性能完整保持。
研究突破
MIT 研究：AI 编码工具未大幅提升代码产出
MIT 研究分析 GitHub 开发者使用 3 代 AI 编码工具后发现，尽管提交数显著增加（自主代理提升 180%），但项目数仅增加 50%，实际发布量只增长 30%。新增应用数量上升但总使用量未增，弹性替代率为 0.25，表明 AI 提升效率后仍需大量人类工作。
Anthropic 发现 LLM 可加速 N-day 漏洞利用
Anthropic 团队评估大语言模型对 N-day 漏洞利用开发的加速效果，发现 Claude Mythos Preview 在 18 个 Firefox 安全补丁上自主构建了 8 个可工作的代码执行 exploit，并在 21 个 Windows kernel 补丁上生成 8 条完整 exploit chain，将低权限用户提升至 `SYSTEM` 控制。
Anthropic：Agent 在生物学检索中准确率低
Anthropic 研究指出，AI agents 在生物学检索任务中（如 Ebola 序列任务）存在准确率低的问题，例如 Claude Sonnet 4 返回序列数不一致，导致溯源错误。研究发现，加入可重复的检索工具后，agents 的准确率和一致性都显著提高。
论文：Agent 上下文文件或降低编码成功率
一项大规模实证研究评估 AGENTS.md 等上下文文件对编码 Agent 的影响。LLM 生成的 context file 在 8 组测试中有 5 组成功率下降，平均在 SWE-bench 上为 -0.5%。开发者手写平均提升 4%，但成本更高，显示 context file 使用需谨慎。
CL-BENCH：简单记忆在连续学习中表现更优
研究者提出 CL-BENCH 基准测试，涵盖编程、数据库、预测等 6 个领域，发现简单全上下文记忆（如 Claude Sonnet 4.6）在连续学习任务中表现优于专门化记忆系统，挑战了当前内存密集型 AI 代理的设计思路。
AutoLab 基准：Agent 持久性重于初始想法
斯坦福等机构提出 AutoLab 基准，包含 36 项任务。实验显示，Agent 的首次想法质量并非成功主预测因子，持续测试与及时利用反馈才是关键。Claude Opus 4.6 凭借此特质在基准中领先，其他模型常提前退出或超时。
AdaCoM：通过小型 LLM 管理 Agent 上下文
论文提出 AdaCoM，通过一个独立的、不重新训练主 agent 的小型 LLM 在每一步动作前编辑 agent 的工作上下文。该方法将上下文管理外置为一个训练过的 manager，在 web search 和 deep research 任务上，平均 web search 性能提升 39%。
大型模型学习能力更强：稀有任务保留与干扰少
Stanford 等机构论文解释大型模型学习能力更强的原因，在于其不易遗忘稀有技能，且梯度干扰更少。研究在 toy task 和 OLMo 语言模型 (4M-4B) 上验证，结果显示更大模型在低频任务上学习更优，保留更多任务特征。
MMAE：音频编辑基准揭示 AI 技术缺口
Tencent Hy 与 SJTU 等机构发布 MMAE 音频编辑基准测试，旨在评估 AI 根据自然语言指令精准修改音频的能力。该基准包含 2,000 个高保真样本和 17,741 个评估项，结果显示当前模型的 Exact Match Rate (EMR) 低于 5%，揭示该领域重大技术缺口。
产品更新
ChatGPT 上线图表生成功能，对话即出图
ChatGPT 更新图表生成功能，用户只需在对话框中一句话指令即可生成可交互的专业图表，包括柱状图、折线图和圆环图等。该功能已全量上线手机网页版，可将制作图表时间从 10 分钟缩短至 3 秒。
Apple Siri 整合 Google Gemini，增强跨应用能力
Apple 通过 Google Gemini 模型重构 Siri AI 助手，实现屏幕感知语义分析、跨应用动作链接和隐私人数据处理。此外，还新增空间图像重构、网页实时监控等功能。该功能需 iPhone 16 或 Vision Pro 支持，欧盟和中国市场因监管限制将推迟上市。
Kimi Work 发布本地 AI 智能体桌面应用
月策能源 (Kimi) 发布 Kimi Work 桌面应用，支持最多 300 个本地 AI 智能体并行运行，并集成 WebBridge 浏览器扩展实现网站自动化操作。该应用内置全球市场数据工具，支持 PPTX、Word、PDF、Excel 输出格式，适用于 macOS (Apple Silicon) 和 Windows。
微信发布 AI 生态指引，小程序将可被 AI 控制
微信发布《开发者接入微信 AI 生态的指引》，旨在引导小程序开发者接入微信 AI 生态系统，使微信的 AI 能够控制小程序，为未来引入更多 AI Agent 能力铺平道路。
开发者工具
Kimi Code 重大升级：CLI 安装，支持视频上下文
Kimi Developers 发布 Kimi Code 的重大升级，改进为一行 CLI、零配置快速安装。新增将视频拖入作为编码上下文的能力，支持多种插件（股票、财务报告、学术论文）并引入 ACP 协议，可与 JetBrains、Zed 等 IDE 结合使用，并提供自定义工具和工作流挂钩。
Cognition 发布 FrontierCode 编码评测
Cognition 发布 FrontierCode 编码评测，每个任务由领先开源维护者投入 40+ 小时完成，总计 1000+ 小时验证的软件工程工作。该评测包含 3000+ rubric，防范 reward hacking，其中 FC Diamond 难度高，Opus 4.8 得分仅 13.8%。
Hugging Face 与 mecadoinc 发布 CADGenBench
Hugging Face 与 mecadoinc 发布 CADGenBench，一个用于 CAD 生成与编辑的基准。它包含根据工程图生成 3D CAD 模型和编辑模型的两项任务，支持工具无关提交，兼容多种 CAD 栈，按几何准确性、拓扑正确性、接口兼容性等指标评分。
Browser Use 重写架构：Rust 实现完整浏览器控制
Browser Use 团队宣布将 Browser Use 从头用 Rust 重建，新版本 0.13.0 保持相同接口但架构完全重写。采用 Custom Rust harness + TUI、Direct CDP control 和 Full browser action space，并加入失败自恢复能力，模型可获得完整浏览器控制权。
Turboflare Alpha 发布，Cloudflare 远程缓存服务
开发者 vaish 发布 Turboflare Alpha 版，是基于 Cloudflare Workers 和 R2 的 Turborepo 远程缓存服务。功能包括一键部署、R2 制品存储、作用域令牌和分支缓存策略。用户报告 CI 构建时间从约 95 秒缩短至约 2 秒。
基础设施
NAVER 扩建数据中心至千兆瓦级，基于 NVIDIA DSX
NAVER 通过 NVIDIA DSX 平台扩建 GAK Sejong 数据中心，规划从 55 兆瓦提升至千兆瓦级，旨在支持物理 AI 模型、代理和企业工作负载，覆盖韩国及更广地区。
NVIDIA 与 SK 海力士合作开发 AI 工厂下一代内存
NVIDIA 与 SK 海力士宣布在多年合作中共同开发 AI 工厂用下一代内存。双方将利用 Omniverse 库、CUDA‑X 和 PhysicsNeMo 等技术加速半导体设计与制造流程。