Karpathy 用 Claude 一个周末做出视频推荐站 HackerTube
Andrej Karpathy 用 Claude 的 Opus 5.5 模型在一个周末做出 HackerTube,从 20 年 Hacker News 的 4300 万条评论中筛选出 6454 个视频进行推荐。
Andrej Karpathy 用 Claude 的 Opus 5.5 模型在一个周末做出 HackerTube,从 20 年 Hacker News 的 4300 万条评论中筛选出 6454 个视频进行推荐。
阿里巴巴与多所亚洲高校的研究者用真实用户变更请求构建了编码智能体基准 Co-Design Bench,要求智能体基于图像、音频、视频或文档等输入改造现有 Web 应用。
Anthropic Institute 研究员 Andy Hall 在 Substack 复现并扩展了 METR 的研究,测试 GPT-5、GPT-5 nano、GPT-6 Astra、Opus 4.8 和 Gemini 3.8 Flash 能否像人类审核者一样发现智能体违规。
Vals AI 的 CyberOffense 基准让 AI 智能体在隔离的 Kali Linux 机器上独立攻击模拟企业网络,OpenAI 受限网络项目 Daybreak 中的 GPT-6 Sol 取得 80.8% 的目标完成率,开源权重模型 Deepseek V4.1 Flash 1017 以 72.8% 紧随其后,单次运行成本约 3 美元而非约 22 美元。
The Verge 的 Nilay Patel 与 Cognition 首席安全官 Alex Stamos 对谈,讨论 AI 如何改变网络安全攻防。Stamos 称开源权重模型已能自动化攻击链条的大部分环节,可下载的 ARTEX 工具配合 GLM-5.3 已攻入约 200 家公司;他判断防守方需要把一线安全运营交给 AI,并自动修复旧代码漏洞,同时认为行业将经历一段「黑暗时代」。
一项论文基准让 Claude Opus 4.8、Claude Opus 5、Claude Fable 5、Claude Opus 5.5、GPT-5.6 Sol。
GitHub 发布开发者指南,提出智能体工程需覆盖 Plan、Build、Verify、Observe 四个阶段。GitHub 单周提交量已超 12 亿次,同比增长逾 400%;Faros AI 研究显示团队 AI 采用率从低升到高后,PR 评审耗时增加 441%。
Perplexity 推出常驻 AI 智能体 Teammates,可独立推进持续性项目,每个智能体运行在带桌面和浏览器的独立虚拟机上,用户可在 Perplexity 应用的专属线程中跟踪进度,并通过 Slack 与智能体交互。
OpenAI 推出 BioBasicsBench,一个包含 100 项任务的基准,用于衡量 AI 智能体解读原始实验数据和处理日常湿实验室科学的能力。
示例项目 sample-remote-coding-agent 将 Claude Code 作为远程智能体运行在 Amazon Bedrock AgentCore 上,每个任务在独立 AgentCore runtime 会话的 microVM 中执行,最终返回 GitHub pull request 供审阅合并。
Taxbit 在 Amazon Bedrock AgentCore 上构建了嵌入仪表盘的 AI 助手 Taxbit Assist,回答均带可打开的引用来源,并按用户角色与组织权限过滤内容。
Greenlight Financial 基于 Amazon Bedrock AgentCore 构建了自主安全运营中心 Luna,每月可无人工介入处理 3,000–4,000 起安全与风险事件中的 90% 以上。
Okta Cross App Access(XAA)与 Amazon Bedrock AgentCore 组合,在 IdP 侧决定哪个智能体可代表哪个用户访问哪个应用。
AWS 发布教程第二部分,在 Amazon Bedrock AgentCore 上引入 Gateway 作为统一入口,由 Gateway 统一兑换 Okta 的授权,替代第一部分中每个 MCP 服务器各自校验的模式。
亚马逊 NASC 团队在 Amazon ECS Fargate 上构建了无服务器 MCP server,作为 AI 智能体访问企业数据湖的集中式网关。新增数据集只需一个 JSON 元数据文件,由服务在下次管道同步时自动发现,无需为每个数据集编写集成代码。该架构支持任意 MCP 兼容客户端调用同一套工具,并在 MCP server 层集中执行权限控制,测试中端到端交互延迟保持在 15–20 秒。
AWS Quick 团队提出一套智能体原语分类体系,用 When、What、Who、How 四个问题拆解智能体工作,对应触发器、智能体与能力三层结构。触发器分人类发起、智能体委派、定时和事件驱动四类;智能体被定义为持久学习型执行者,由指令、能力和学习上下文构成。能力涵盖工具、技能和工作流,按智能体自主程度与确定性程度排列。
在旧金山,是否使用或从事 AI 已成为约会软件上的新筛选条件,Hinge 上有人直接写明"你用 AI 就别约我"。AI 安全研究者 Kyle 因认为人类有 10% 概率因 AI 灭绝而难以规划长期关系,而一位前沿 AI 公司员工则认为 AI 与恋爱完全无关,只承认"AI 致富"是加分项。
Meta 允许用户在 Muse AI 助手中构建类似应用的定制体验,新功能名为 spaces,可生成购物中心、学校看板、音乐追踪、问答游戏等,并直接在应用内交互。
Meta 为 Muse 智能体推出 Spaces,用户可按度假规划、礼物追踪、婚礼筹备等具体项目建立独立对话空间,Muse 在其中代为推进目标。Meta 表示用户只需在聊天中描述想法,Muse 就会生成追踪表、计划表或项目看板,Spaces 还能接入第三方应用并在后台自动更新演出日期、价格变化等信息。
安全公司 Censys 扫描发现,超过 800 个 Artex 部署实例无需密码即可从公网访问。Artex 是一款开源自主渗透测试工具,自 7 月发布以来已被关联到多起网络攻击,包括 9 月针对韩国金融业的攻击和 10 月对 ConnectWise 的攻击。
The Decoder 的 Frontier Radar 第五期盘点了 27 家由大厂离职研究者创办的研究型 AI 公司,按持续学习、语言之外的世界模型、专有数据、算力效率、自动化科研和模型可控性六类技术押注分组。
Thinking Machines 发布第二代模型 Inkling 2 Small,这是一个 MoE 模型,总参数 594B、激活参数 17B,支持文本与图像输入,并可调节思考深度。
Amazon 为 Alexa for Shopping 新增短信购物功能,用户可通过短信描述商品或发送照片,Alexa 会搜索匹配商品、回复推荐并代为下单。该功能今日起向美国小部分用户开放,未来几周将推广至数百万用户,可处理每周杂货采购、礼物推荐、找同款等请求,并会记录偏好、追踪降价。
亚马逊宣布推出新功能,让部分美国用户通过短信与 Alexa AI 智能体对话完成购物,支持搜索商品、加入购物车和下单。该功能还支持管理清单、跟踪价格、跨网站搜索、比较商品和查询订单状态,用户也可发送图片搜索相似商品。
Anthropic 为 Claude 推出 Personal Finance 功能,用户可连接银行账户并向 Claude 询问自己的资金情况。该功能通过 Plaid 建立连接,Claude 只获得只读权限,无法转账、管理或投资资金,也看不到用户的银行密码。
Palo Alto Networks 正洽谈以 5 亿美元现金加里程碑付款收购 Clutch Security,后者专注管理 AI 智能体对企业系统的访问权限。
Airbnb 计划在 2027 年上半年推出一款 AI 智能体,帮助用户规划并预订旅行。该智能体不采用传统聊天窗口,而是从包含地图、照片、对比、日历、行程等数百个旅行专用界面元素的库中实时组合界面,围绕用户的问题构建体验。Airbnb 称其房东房客匹配经验和现有预订角色构成优势。
Perplexity 发布面向工作场景的常驻 AI 智能体 Teammates,可在同一工作区内承担多个角色,并调用已有项目、技能和记忆。Teammates 建立在 Perplexity Computer 之上,支持同时执行不同任务,用户可在 Perplexity 应用的独立线程中查看进度,也能在 Slack 中与其交互。
Airbnb 在第三季度股东信中宣布,其自研 AI 旅行智能体将于 2027 年上半年面向消费者推出。该智能体不采用纯聊天界面,而是从地图、照片、对比、日历、行程等数百个旅行专用界面组件中实时组合出个性化界面,并能在预订之外协助改签、退款、重新预订和 24 小时安全支持。
OpenAI 推出专为挖掘软件安全漏洞训练的 GPT-6 Cyber,能发现缺陷、构建可用利用代码并建议补丁。OpenAI 称其在无额外安全指令时 99.93% 的测试未越界,前代为 94.49%;ExploitGym 得分 48.5%,前代 GPT-5.6 Cyber 为 32.1%。
AWS 宣布 Amazon Bedrock AgentCore 上的 Web Answer 正式可用,智能体只需一次工具调用即可获得带来源引用的合成答案,无需自建搜索、检索、合成与引用抽取管线。
NVIDIA 发布 Vera CPU,称在 100 兆瓦数据中心对比中,单颗 Vera 同时优于最快的 x86 CPU 和最节能的 x86 CPU。相比最快的 x86 CPU,Vera 每瓦可支持 1.6 倍智能体数量;相比最节能的 x86 CPU,智能体速度提升 2 倍。
Meta 宣布 Muse Voice 功能已向美国所有用户开放,用户可与消费级 AI 智能体 Muse 进行语音通话和视频聊天。
SemiAnalysis 发布 GDPx 基准,把 AI 智能体放进模拟知识工作环境,206 项任务覆盖芯片设计、生物、量化交易、网络安全和法律等 11 个领域,没有模型总分超过 12%。
微软研究院联合 GitHub Next 和 RiSE 组发布研究原型 PDD Kit,把开发者的自然语言意图转成 Verus 形式规约,证明智能体生成的代码对每个输入都满足规约,证明覆盖不到的部分则回退到测试。
OpenAI 发布 GPT-6 Cyber,这是一款用于发现可利用漏洞并开发修复方案的网络安全模型,训练目标是让模型始终在授权范围内行动。
Anthropic 推出 Personal Finance 功能,通过 Plaid 把 Claude 连接到用户的银行和信用卡账户,本周以 beta 形式向美国 Claude Pro、Max 和 Ultra 订阅用户开放。
Meta CEO Mark Zuckerberg 宣布,Muse AI 智能体现在支持实时语音对话,头像会随说话内容同步动画。该功能已在美国的 iOS 应用上线,Meta 称将很快登陆其 AI 眼镜,并会支持今年计划发货的 Muse Charm 设备。The Verge 记者实测发现语音响应较快,但在查询信息时会偶尔停顿,用户可通过对话或头像设置调整语音语气。
Anthropic 周四宣布 Claude 新增 Personal Finance 工具,用户可通过 Plaid 连接银行和信用卡账户,并就自身财务状况向 Claude 提问。
Meta 收购 AI 编码初创公司 Conductor,该公司让开发者同时控制多个 AI 编码智能体,交易金额未披露。Conductor CEO Charlie Holtz 在博客中确认了这笔交易,Conductor Cloud 将于 11 月 20 日关停,桌面应用将在 2027 年初停止获得新模型。