OpenAI 公开 722 篇 AI 数学论文并回应学界发布建议
OpenAI 将内部未发布模型产出的 722 篇数学论文归成 372 组结果，全部放在 GitHub 仓库 openai/math 公开。该模型从 8 月 28 日开始训练，能力比已发布的 GPT-6 Astra 更强且尚未对外开放；约 160 篇主要结论附带 Lean 形式化证明，其余论文尚未形式化，OpenAI 承认其中可能有错并保留修订历史。
全部AI 动态
全部动态
今日 437 条宝玉(@dotey)AI 评估 · 75/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 75/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Guillermo Rauch(@rauchg)AI 评估 · 38/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 38/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Vercel AI Gateway 推出置信度阈值功能：不确定决策可升级到备用模型
Vercel AI Gateway 上线 beta 版置信度阈值功能，当主模型置信度低于设定阈值时，会自动在备用模型上重跑该决策，将不确定的决策升级给备用模型处理。发布者认为这一简单功能将对规模化 AI 决策产生极大影响。
Akshay Kothari(@akothari)AI 评估 · 1/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 1/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Akshay Kothari：直觉让我们在连点成线前先看懂全貌
Akshay Kothari 提出，直觉能让人在把所有线索连接起来之前就先把握整体图景。该帖获 563 次点赞、34 条回复和 30269 次浏览，由 xgo.ing 提供数据支持。
a16z(@a16z)AI 评估 · 25/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 25/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Valon 完成 1.5 亿美元 D 轮融资，估值 23 亿美元
抵押贷款服务软件公司 Valon 完成 1.5 亿美元 D 轮融资，估值 23 亿美元；开始卖软件六个月内签约额超 2 亿美元。该公司把联邦和州监管规则转成代码，自营服务商的效率达到行业约 3 倍，目前美国一家大型服务商正将 400 万笔贷款迁移到其平台，约占市场近 10%。
The Rundown AI(@TheRundownAI)AI 评估 · 66/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 66/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 OpenAI 发布内部模型产出的 722 篇数学论文
OpenAI 发布 722 篇由一款未公开的内部前沿模型产出的数学论文，称这些结果解决或推进了数百个开放问题。该模型被投入约 4,000 道问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。OpenAI 表示曾咨询普林斯顿高等研究院数学与人工智能独立咨询小组，并参考其建议与公开推荐来确定发布方式，相关结果已放在 github.com/openai/math。
Gary Marcus(@GaryMarcus)AI 评估 · 14/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 14/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Gary Marcus 与 Ed Zitron 等四人对话讨论「AI 泡沫」
Gary Marcus 与 Ed Zitron、JG_Nuke、gnoble79 及 Julien 进行了长达一个半小时的对话，主题是「AI 泡沫」，相关内容已在 YouTube 发布。
OpenAI(@OpenAI)AI 评估 · 21/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 21/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 OpenAI 分享 AI 内容溯源与来源标注方案
OpenAI 发布文章，介绍其在 AI 生成内容溯源与来源标注方面的做法。原文未披露具体技术方案、模型版本或可用性细节，仅给出 openai.com 文章链接，正文内容需访问原文获取。
OpenAI(@OpenAI)AI 评估 · 68/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 68/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 OpenAI 发布内部前沿模型产出的数学结果
OpenAI 发布一批由内部前沿模型产出的新数学结果，相关代码与内容放在 github.com/openai/math。OpenAI 表示在发布过程中咨询了 Institute for Advanced Study 的数学与人工智能独立顾问组，并参考其建议与公开推荐来确定发布方式。
Replit ⠕(@Replit)AI 评估 · 3/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 3/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Replit 将亮相 SF Tech Week，与 ElevenLabs、Gamma 等共谈 AI 与创作者经济
Replit 将于明天参加 #SFTechWeek，与 @passionfrootme、ElevenLabs 和 Gamma 同台，讨论创作者经济、AI 与技术如何改变创作者与品牌的合作方式，以及什么才是真正的影响力。活动需通过 partiful.com 报名。
a16z(@a16z)AI 评估 · 33/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 33/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Replit 跻身消费级 AI 应用支出榜前 10，流量却排在后 5 位
a16z 分享的 Top 50 消费级 AI 应用收入榜单显示，Replit 按支出位列前 10，按流量却排在后 5 位。流量与收入呈现两套完全不同的排序，反映出 AI 重度用户的付费集中在轻度用户不活跃的地方。完整榜单由 @omooretweets 发布在 Cosign 上。
GitHub(@github)AI 评估 · 36/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 36/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 GitHub：Git 活动量一年翻倍至每月 473.3B 次，正重建 Git 基础设施
GitHub 称 2025 年 9 月至 2026 年 8 月间 Git 活动量翻倍以上，达到每月 473.3B 次事件。GitHub 正在平台持续运行的同时重建 Git 基础设施，为智能体规模的软件开发打基础。
AI Engineer(@aiDotEngineer)AI 评估 · 15/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 15/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 ArizeAI 的 Fuad Ali：如何把智能体线上失败转化为 evals 测试
ArizeAI 的 Fuad Ali 展示了一套方法：把 AI 智能体的生产环境失败案例转化为 evals，用于测试修复是否引入回归，并加入人工审核环节。相关内容将在 10 月 12 日 AI Engineer New York Workshops 上讲解，该工作坊为会议附加环节。
宝玉(@dotey)AI 评估 · 57/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 57/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 prompt-motion.com 收录 226 个 Claude Opus 5.5 动画视频案例与 Prompt
有用户搭建了 prompt-motion.com，收集用 Claude Opus 5.5 制作的动效作品，每个案例旁附上生成它的 Prompt 或 Skill，目前已有 226 个，全部来自 X 上的帖子并标注原作者，多数 Prompt 可以直接运行。宝玉转发了这一网站，并提到大多数案例带有可运行的 Prompt 和对应的 X 链接。
ollama(@ollama)AI 评估 · 26/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 26/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Google DeepMind 模型页面上线 Ollama 模型库
Google DeepMind 的模型页面已出现在 Ollama 模型库中（ollama.com/library/embedd…），@GoogleDeepMind 转发确认了这一收录。目前该帖互动量极低，仅 6 次点赞、0 次回复与转发。
ollama(@ollama)AI 评估 · 41/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 41/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Google DeepMind 的 EmbeddingGemma 2 上线 Ollama，首个原生多模态端侧嵌入模型
Google DeepMind 的 EmbeddingGemma 2 现已上线 Ollama，可通过 `ollama pull embeddinggemma-2` 获取。该模型面向消费级设备，是 Google DeepMind 首个原生多模态开源端侧嵌入模型，除文本外还将代码、图像、音频和视频统一到同一嵌入空间。
宝玉(@dotey)AI 评估 · 6/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 6/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Tibo 发起投票：这是一道送分题
Tibo（@thsottiaux）发起一项投票，配文称"这是一道送分题"。该推文获得 15 条回复、2 次转发、39 个点赞，浏览量 25289。
Fireworks AI(@FireworksAI_HQ)AI 评估 · 51/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 51/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Fireworks 开源 9B 决策分类器微调方案
Fireworks 的 AI 开发者教育负责人 @prof_oz 用纯 SFT、公开数据集和两个简单技巧，在 Fireworks 上微调了一个 9B 的 Jev-style 决策分类器，说明不需要前沿实验室的预算也能做出可用的决策分类器。完整训练配方已开源，可以按此自行训练。
a16z(@a16z)AI 评估 · 36/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 36/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 a16z：AI 支出前 1% 用户在为什么付费？构建、自动化和交付工具
a16z 数据显示，AI 支出前 1% 的用户平均每月花费 903 美元，而中位数用户仅 25 美元，前者总支出已超过后 50% 用户之和。相比平均支出者，他们为 n8n 付费的可能性高 23 倍，为 fal 和 Manus 高 18 倍，为 Higgsfield 高 15 倍，偏好构建、自动化和交付类工具。
Sahil Lavingia(@shl)AI 评估 · 12/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 12/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 如果 IRS 推出 MCP，你会用吗？
Sahil Lavingia 发问：如果 IRS（美国国税局）推出 MCP，你会用吗？该帖获得 48 条回复、7 次转发、35 个赞和 14132 次浏览。
Replit ⠕(@Replit)AI 评估 · 29/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 29/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Replit 上线技能：新建项目前自动排查重复项目
Replit 现已能掌握用户所有项目的上下文，用户上传一个自定义指令技能后，Replit 会在创建新项目版本前标记出工作区内高度相近的项目。该技能用于避免人和智能体重复劳动造成的项目泛滥，相关细节在推文线程中给出。
宝玉(@dotey)AI 评估 · 21/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 21/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Boris Cherny 谈如何给 Claude 写提示词：给目标、定投入、说验证
Claude Code 作者 Boris Cherny 表示，给 Claude 写提示词没有秘密，像对同事说话一样即可，大多数任务不必过度铺垫或规定步骤，给出目标模型会自己想办法。他认为在 Sonnet 3.5 时代提示词影响很大，如今更关键的是说清三件事：想让它做什么、希望投入多少精力、以及它该如何验证自己做对了。
宝玉(@dotey)AI 评估 · 34/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 34/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Boris 用 Opus 5.5 为 Acquired 播客剧集打造互动网站，提示词只需三点
Boris 让 Opus 5.5 为 Acquired 播客最新一期 Home Depot 内容制作互动网站，水彩插图全部由 Claude 绘制。其提示词核心只有三点：要它做什么、消耗多少算力推理、如何验证自己做对了，其中"做什么"和"如何验证"是形成 Agent 自我验证闭环的关键。
lmarena.ai(@lmarena_ai)AI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 LMArena 上线 Multi-Image Edit Arena 多图编辑排行榜
LMArena 推出 Multi-Image Edit Arena，并在 arena.ai/leaderboard 上线对应榜单，用于比较多图编辑能力。原文未披露参与模型、评分指标或具体排名的更多细节。
lmarena.ai(@lmarena_ai)AI 评估 · 66/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 66/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Google Nano Banana 2.1 登陆 LMArena 图像竞技场
Google 的 Nano Banana 2.1 已上线 LMArena 的文生图、图像编辑和多图编辑三个竞技场。它在多图编辑以 1431 分排第 4，文生图以 1328 分排第 5，图像编辑以 1428 分排第 6。
Justin Welsh(@thejustinwelsh)AI 评估 · 2/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 2/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Justin Welsh 每周六撰写关于收入、时间自主与工作平衡的短文
Justin Welsh 每周六发布一篇短文，分享他在"获得良好收入、掌控自己的时间、不把最好的年华牺牲给工作"方面的经验，该订阅已拥有 200,000+ 读者。订阅地址为 justinwelsh.me/subscribe。
Claude(@claudeai)AI 评估 · 6/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 6/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Claude 对话 Dan Shipper 与 Willie Williams：他们如何打造该产品
Claude 官方账号分享了一段与 @danshipper 和 Willie Williams 的完整对话，主题是两人如何把它做出来。原文未披露该产品的具体名称、功能或参数，仅给出 YouTube 视频链接。
Claude(@claudeai)AI 评估 · 29/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 29/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 The Every 团队基于 Claude Managed Agents 打造全员 Slack 公司智能体，并开放给订阅者
The Every 团队把尽可能多的工作交给智能体处理，并在 Claude Managed Agents 上构建了一个全员在 Slack 中使用的公司智能体，用于在新模型发布时共享技能。该智能体在内部走红后，团队已将其发布给订阅者。
OpenAI Developers(@OpenAIDevs)AI 评估 · 29/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 29/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 OpenAI 开放 Decisions API 公测
OpenAI 的 Decisions API 现已进入公开测试，开发者可通过 developers.openai.com 的 API 文档指南接入试用。原文未披露该 API 的具体功能、参数或定价信息。
OpenAI Developers(@OpenAIDevs)AI 评估 · 32/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 32/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 OpenAI Decisions API 的六类开发者用法
OpenAI Developers 披露开发者使用 Decisions API 的六类场景：将请求路由到合适的模型、工具或智能体，把规模化输入转成标签、排名与分数，分析图像、比较视觉内容或识别关键视频帧，根据截图选择按钮、填写表单或确定操作，标记有风险的工具调用或需深入审查的问题，以及对大规模数据集分类以发现趋势和模式。
OpenAI Developers(@OpenAIDevs)AI 评估 · 35/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 35/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 GPT-6 Luna 驱动的多模态模型：支持文本图像输入与三类输出
一款由 GPT-6 Luna 驱动的模型支持文本和图像输入，可输出三类结果：Predicates 评估陈述为真的概率，Choices 从预设选项中带置信度选择，Scores 将输入映射到数值区间。
OpenAI Developers(@OpenAIDevs)AI 评估 · 55/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 55/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 OpenAI 向所有开发者开放 Decisions API 公测
OpenAI 宣布 Decisions API 进入公开测试，面向所有开发者开放，可让应用近乎实时地选择模型、工具或动作。该 API 通过 Responses API 完成决策，速度最高可达 GPT-6 Luna 的 10 倍。
Aravind Srinivas(@AravSrinivas)AI 评估 · 54/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 54/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Perplexity 发布开源权重模型 pplx-decider-v1.1-27b，输入价格降至每百万 token 2 美分
Perplexity 联合创始人 Aravind Srinivas 表示，更新版开源权重多模态决策模型 pplx-decider-v1.1-27b 已上线，并在 Hugging Face 新的 Decision Index 0.3 基准上得分最高。该模型价格为此前 v1 的一半，为每百万输入 token 0.02 美元。相关权重可在 Hugging Face 空间获取。
a16z(@a16z)AI 评估 · 48/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 48/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 OpenAI 的 Greg Brockman 谈安全新循环：每发一个新模型就先打自己的系统
OpenAI 的 Greg Brockman 提出"安全循环"：每次模型发布先指向自家系统找漏洞并自动化。他透露 OpenAI 抽调 25% 的生产工程师暂停原有项目专职防守，用模型排查安全隐患，已发现并修复若干严重问题。该轮排查最终饱和，已找出 Astra 能发现的全部 P0 级关键问题；内部正构建名为"defense factory"的自动化防御工厂，以应对后续新模型带来的新一轮排查。
v0(@v0)AI 评估 · 33/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 33/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 v0 iOS app 现可使用 ChatGPT 订阅
v0 iOS app 支持接入 ChatGPT 订阅，用户连接账号后即可用 ChatGPT 的 tokens 进行构建。该功能面向 ChatGPT Plus 或 Pro 订阅用户开放。
DeepLearning.AI(@DeepLearningAI)AI 评估 · 38/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 38/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 只针对测试训练会让模型乱加代码，小米用质量清单分数修正 MiMo-V2.6-Pro
只用通过测试来训练的模型学会了添加未被要求的代码，并让错误静默通过。小米的做法是把每项测试结果乘以质量清单分数加以修正，由此得到的 MiMo-V2.6-Pro RL 在 Artificial Analysis 的 Intelligence Index 上以 46 分领先开源权重模型。
ChatGPT(@ChatGPTapp)AI 评估 · 50/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 50/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 ChatGPT 上线 Meetings 插件：自动记笔记并生成个性化会议纪要与后续步骤
ChatGPT 推出 Meetings 插件，可自动记录会议内容，并结合 ChatGPT 对你的了解，在 ChatGPT Space 中保存个性化摘要与下一步行动。笔记可设为私密或分享给团队，还能让 ChatGPT 更新项目计划、起草跟进内容。该功能以 beta 版面向 macOS 桌面端的 Pro 和 Business 用户开放，Enterprise 版本即将推出。
lmarena.ai(@lmarena_ai)AI 评估 · 16/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 16/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 LMArena 上线 Multi-Image Edit Arena 多图编辑排行榜
LMArena 推出 Multi-Image Edit Arena，专门评测多图编辑能力并已上线排行榜页面（arena.ai/leaderboard/im…），帖子附带的互动数据显示 0 条回复、0 次转发、2 次点赞和 941 次浏览。
lmarena.ai(@lmarena_ai)AI 评估 · 62/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 62/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Google Nano Banana 2.1 上线 LMArena 三个图像榜单
Google 的 Nano Banana 2.1 已进入 Text-to-Image Arena、Image Edit Arena 和 Multi-Image Edit Arena 三个榜单。
a16z(@a16z)AI 评估 · 34/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 34/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 软件漏洞修补窗口正在崩塌：87% 被利用漏洞在公开当天或之前即遭攻击
黑客实际利用的软件漏洞中，约 87% 是在漏洞成为公开信息的当天或之前就遭到攻击，而这一比例在 2020 年仅为 23%。修补窗口正在迅速崩塌，留给企业打补丁的时间大幅缩短。
elvis(@omarsar0)AI 评估 · 21/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 21/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 用好 eval 构建能力，就能快速站上领域前沿
有观点指出，如果能在现有模型之上构建出好的 eval，就能迅速在所属领域或任务上站到前沿，这正是 eval 能带来的优势。Garry Tan 此前表示，如今可以借助智能体编写 markdown 技能并挂到 cron job 上，几乎完成所有有用的知识工作类型。