搜索“其他”

据，并决定哪些改动上线。 最终成果是市场上最高效、面向企业就绪的编码智能体，针对每一种前沿模型进行了调优，无论其权重是开放还是闭源。 本文余下部分将介绍正面对比结果、框架背后的设计原则、我们如何构建内部 Agent Factory，以及带来最大影响的核心改动。 市场上最高效的框架 在相同任务、相同模型下，Droid 的得分更高、成本更低，优于我们测试过的所有其他框架。 图 1 Terminal-Bench 4GPT-6.1 Sol 未展示 Cursor：它无法访问 OpenAI 模型。Opus 5.5 Terminal-Bench 4。使用 GPT-6.1 Sol 时，Droid 的得分比 Codex 高 3.5 分，成本低 12%；比 OpenCode 和 Devin 高 6.6 至 12.6 分。使用 Claude Opus 5.5 时，Droid 的得分比 Cursor、OpenCode、Devin 和 Claude Code 高 3.0 至 7.6 分，成本最多低 24%。 方法论 随着智能体运行时间变长，这一差距愈发重要。在数百个步骤中，更好的智能体会犯更少的错误，供后续步骤

匹配字段正文

披露内核漏洞被利用。我们更进一步，修补了受影响的工具并集中部署了防火墙防护，减少了开发者原本需要自行完成的修复工作。 我们相信，下一步是进一步自动化安全响应本身，由人员来定义治理该流程的策略、审批和干预点。 作为我们 Self-Driving Company 蓝图的一部分，我们正通过 Replit 的 Agent Habitat 将这一基础设施和这些能力带给其他公司。Agent Habitat 让智能体在公司控制的边界内访问公司知识和系统，帮助它们将更多工作委派给智能体，同时不放弃对工作完成方式的控制。 面向自驱动公司的安全与治理 要实现自驱动，就需要有保障措施，让公司能够委派工作的同时保持控制。以下四项原则指导我们在 Replit 的 Agent Habitat 中构建这些控制措施： 只授予智能体所需的权限。 控制智能体可以访问什么、哪些操作需要审批，以及权限如何在委派中传递。 遏制故障并响应漏洞。 隔离执行、保护凭证，并在工作发生的环境中响应漏洞。 扩大访问权限，同时让生产变更可问责。 让人员能够参与贡献，同时让生产决策接受工程审查。 让委派的工作可问责、数据可治理。 让智能体活动

匹配字段正文

品上运行了较早的 GPT 模型，与官方结果分开进行。 ViBench 2.0：各 GPT 模型的 pass@1 与计划通过率 8 个公开产品各进行 4 次构建的平均值。Pass@1 计划通过率 Pass@1 是指所有测试计划均通过的构建所占比例；计划通过率是指一次构建中通过的测试计划所占比例。 GPT-6.1 Sol 是 Fireworks 的官方运行结果；其他模型是我们自己的运行结果。 各代模型的 Pass@1 逐代上升，从 GPT-5.4 的 0% 升至 GPT-6 Sol 的 31% 和 GPT-6.1 Sol 的 53%，计划通过率则从 42% 攀升至 95%。公开产品上的得分低于全部十七个产品上的得分，因此 Sol 在此处的 53% 低于其 65% 的总体成绩。OpenAI 在撰写本文时的最新模型 GPT-6.1 Terra 通过了 47% 的构建，成本约为 GPT-6.1 Sol 的一半。 顶级模型失败之处 顶级模型遗漏的计划，往往是真实用户会遇到的小细节。以下是四个公开产品中的例子： 代码托管产品： 草稿拉取请求永远不会显示其合并冲突。 文档编辑： 没有人能对表格单元格内

匹配字段正文

投入生产。许多采购决策将在未来十二个月内逐步落地。而优先事项看起来与一年前大不相同…… AI 改写优先事项清单 在当下的安全领域，一年是很长的时间。当我们请领导者回顾其 2026 年的优先事项时，暴露与漏洞管理以及 SIEM 位居榜首。而对于 2027 年，获选最多的七项举措全部涉及 AI。 什么成为 P0 因组织而异。SOC 自动化获得最多的第一名投票，而其他团队则将攻击性安全、修复或保护自身 AI 部署排在首位。买家的起点取决于压力最大的地方，但各方普遍认同 AI 能力是其安全技术栈的核心。 从回顾的 2026 年优先事项的变化可以看出议程转变之快。内部 AI 智能体安全、SOC 自动化和攻击性安全增幅最大。代码安全、修复和 AI 治理紧随其后。 两项任务正在推动这一转变： 企业需要保护其员工和客户已经在使用的 AI。 他们还希望将 AI 应用于安全内部，帮助团队调查攻击、测试系统并修复发现的问题。 尽管兴趣浓厚，大多数企业尚未将这些能力投入生产。仅 18% 报告已生产使用 AI SOC 工具，13% 报告已生产使用 AI 攻击性安全或 AI 暴露与漏洞修复。 然而，许多企业已在试

匹配字段正文

基础模型是M3。我记不清它具体是什么时候出的了——反正是今年年初。刚发布时它算不上落后者；大概是第二梯队，落后于智谱的GLM或阿里巴巴的Qwen。但中国模型在过去六个月里实现了巨大的飞跃。年初的时候，它们的编程模型大多只能处理相对简单的工作。专业程序员大概还是愿意花钱买个Claude账号。今天依然如此，但没那么明显了。现在，我认为大多数人的工作，包括程序员和其他专业人士的工作，都能由中国模型来处理，比如Kimi K3、Qwen 3.8 Max或GLM 5.3。…… 两个月前我们写MiniMax的时候，正处在中文模型能力的那次飞跃之中，而MiniMax明显已经落后了。M3已经发布了四五个月还没有更新，不过新版本很快就要来了。文章的具体细节我记不全了，但基本观点是MiniMax已经落后，我们想讨论这件事。MiniMax对此非常敏感。它是一家港股上市公司，需要支撑股价，所以就投诉了那篇文章。 我们的回应是：行，我们道歉。我们把说过的话全改了。之前我们说MiniMax落后，现在我们说它先进得不可思议。我们立刻道歉：“对不起，胖猫。对不起，MiniMax。你们是中国最先进的模型，是最有可能实现A

匹配字段正文

Silverstein 会亲自带领每一位新入职的开发者完成他们的第一次代码改动。Java 团队将这种做法发展为导师制，由经验丰富的审查者以轮值方式被指派审查所有改动。很快，一套面向所有语言的正式 readability 项目就建立起来了。Titus 三个月前离开 Google 时，任何时候都有 10,000 多名工程师注册在 readability 项目中。其他地方还有过比这更大的工程“课堂”吗？ 5. 恐惧不能成为工程工作的可接受基础。Titus 认为，如果无法安全地做出有价值的改动，那么你的代码库就是不可持续的。不应该对修改代码库心存恐惧。拥有能够捕获错误的恰当“安全网”在战略上非常有价值，因为它能让团队无所畏惧地进行改动。 6. 有了 AI，故障似乎正在增多。Titus 与其他公司的工程师交流，情况如出一辙：代码产出相比一年前大幅增加，故障也增加了约 30%，而交付的功能数量却停滞不前。看起来就像是在原地踏步。从这个角度看，这对 AI 并不利；仅从故障来看，这项技术可能是负面的。 7. 另一方面，AI 让那些没有它就并不现实的雄心勃勃的项目成为可能。Titus 对 AI 作为净生

匹配字段正文

nary 内置到 CLI 和 Android Studio Profiler 中。该系统在计算机而非移动设备上评估堆转储，从而避免应用在测试期间变慢。在一项使用 Anthropic 的 Claude Opus 5.5 模型进行的 Google A/B 测试中，该 CLI 工具帮助查找并修复内存泄漏的速度快了近一倍，同时将 token 用量减少了约 25%。 其他命令行工具让智能体可以通过 Android Performance Analyzer 捕获系统跟踪、从 Firebase Crashlytics 拉取崩溃报告，或通过 R8 编译器检查代码优化情况。语言模型往往缺乏对最新 API 的训练，因此 Google 现在提供了 30 多项 Android Skills。这些技能向智能体提供文档，用于在应用提交前检查 Google Play 政策、处理权限安全问题，或为可折叠设备和以 Googlebooks 为品牌的笔记本电脑适配布局等任务。 Gemini Nano 4 和 MCP 将 Android 应用变为可交互的智能体工具 除了开发者工具之外，Google 还推出了新的 API，用于

匹配字段正文

担忧似乎正在成为现实。 第三季度搜索收入增长约 12%，未达到分析师预期的 15%，这一缺口可能指向 Google 核心业务中的一种紧张关系。AI 驱动的搜索查询增长迅速，但带来的收入仍低于传统搜索。 Google 在财报电话会上部分证实了这一点。高管 Philipp Schindler 表示，“AI 模式查询的强劲增长因变现水平较低而产生了影响”，此外还有其他因素。尽管如此，公司表示对整体发展轨迹感到满意，并报告搜索查询的年增长率达到五年来最高水平。 而部分事实是，传统搜索多年来一直被宣告死亡，却依然在增长。本季度的增长率略低于预期，但与近年水平一致，而且 Google 才刚刚开始将 AI 模式变现。在电话会上，公司宣布计划在美国及国际市场扩大其聊天机器人广告项目。 CEO Sundar Pichai 表示，Gemini 应用用户已达十亿，成为公司历史上增长最快的产品。这并不令人意外，因为它本质上是一个搜索附加功能，而搜索本身已经规模庞大。Google 自家模型的 API 每分钟处理近 320 亿个 token，是一年前的四倍多。这一跃升可能部分反映了推理模型和智能体工作流带来的 t

匹配字段正文

高于得分为 50% 的 GLM-5.3 Flash。Kimi K3.1 Pro 以 64% 领跑整个指数。 额外训练在这方面几乎没有带来变化。根据 Artificial Analysis 的数据，预览版得分为 50 分，而最终版本仅高出一分。 Large 4 在拒绝有害请求方面表现更好。Mistral 称，该模型平均拒绝 96.6% 的恶意网络请求，高于任何其他开源模型。它仍应能够处理合法的防御性任务。不过，Mistral 承认该模型可能使真实攻击更容易实施，因此计划在未来几个月收紧防护措施。Orange Cyberdefense 等部分合作伙伴已在测试用于渗透测试的特殊版本。访问需要经过审核，并附带合同限制。 Mistral 也看到了办公工作方面的进展。该公司称，在编辑财务电子表格和搜索网页方面，Large 4 在开源模型中仅次于 Kimi K3。 Mistral 降价，但增加了许可证限制 通过 API，Large 4 的价格为每百万输入 token 0.70 美元、每百万输出 token 2.10 美元。在预览期间，标价为 1.36 美元和 4.18 美元。Mistral 在发布时

匹配字段正文

施价值链的互联程度太高，挑战也太大。正因如此，MIT 土木与环境工程系共同创办了世界基础设施论坛，”Jadbabaie 解释道。 几个世纪以来，基础设施一直与技术同步演进。新材料和工程技术使更高的建筑、更长的桥梁和更大的城市成为可能。计算和数字技术随后改变了基础设施的设计、监测和运营方式。 如今，变化的步伐正在加快，各种挑战同时到来。气候变化正加大水、能源和其他资源所承受的压力。人工智能正开始改变工程与设计，而其能源需求，加上老化的电网基础设施，正带来重大挑战，也带来新的机遇。此外，地缘政治的复杂性正暴露全球供应链的脆弱性，而对基础设施的需求正在上升，尤其是在发展中国家。 其结果是一个根本性挑战：世界如何才能建设所需的基础设施，而不只是重复20世纪那种攫取式、碳密集和资源密集的模式？ 在这次访谈中，JR East 讲席教授兼 MIT 土木与环境工程系主任 Ali Jadbabaie 表示，答案将要求我们不仅重新思考基础设施如何设计和建造，还要重新思考它如何融资和运营，并把塑造这些决策的众多利益相关方汇聚在一起。10月28日，Jadbabaie 将在马德里与来自世界各地的专家一道，在世界

匹配字段正文

色链接”的时代对读者更有利呢？） 也许没有人——至少目前还没有。对于越来越多的问题，AI Mode 确实是更好的产品，很少有人会怀念在长长的链接列表中滚动查找最能回答问题的那个链接。 但如果说网络曾经有过任何好处或用处，那在很大程度上是因为那些链接所支付的东西。没有了它们，互联网无论是什么样子，都可能变得更小、更不民主、也更昂贵。谷歌会没事的。我担心的是我们其他人。 来自我们赞助商的消息 薪资管理，内置于 Mercury Mercury Payroll 是内置于您的 Mercury 账户的全方位薪资服务。您的详细信息已在档，因此设置只需 15 分钟。此后，我们负责全美 50 个州的注册、税务申报和合规事宜。您只管招人，文书工作交给我们。 了解更多 → Mercury 是一家金融科技公司，并非 FDIC 保险银行。银行服务由 Choice Financial Group 和 Column N.A. 提供，二者均为 FDIC 成员。 在周五的节目中： 凯文和我讨论了OpenAI在数学、计算机科学和物理学领域的最新发现，以及这些发现引发的一些研究人员的反弹。随后，我们推出《人类在环》：这是我

匹配字段正文

从肉眼记录变成精密测量，也逼着光学与精密制造一同进步。今天轮到了AI与数学，不同的是，这一回，工程跑到了理论前面：模型的尺度律、泛化与长链条推理为何成立，至今缺少严格解释；在一些高风险场景里，模型可能“蒙对答案，却走错了路”。更值得讨论的是，眼下AI参与科研主要是预测，但科学真正需要的不仅是预测，更是归因。从相关性走向因果性，靠堆数据解决不了，必须依靠数学和其他学科框架的重构。这个过程中，AI和数学，能为彼此做些什么？ 记者：AI给数学研究带来了巨大影响，要评价这些影响，我们可能有必要回溯到数学的根源。研究数学的目的到底是什么？AI的出现会改变数学研究的范式，还是仅仅加快了原有的节奏？ 励建书：数学有很多难题和猜想，就像一座座山峰，攻克难题和猜想就像是爬到了山顶，这个过程本身就是一项伟大的成就。但数学研究的目的不仅是攻克难题、爬上山顶，更重要的是爬上山顶后能看到更美丽的风景，发现更多数学。数学研究的范式有可能因此而改变。AI的出现，让这件事的可能性变得更大。 以希尔伯特为标志，20世纪初以前的大数学家往往是通晓数学各领域知识的全才。但20世纪初以后，数学学科体系发展得愈加庞大，以至于没

匹配字段正文

筛选，他们找到了既有精神病诊断，又在记录中提及AI相关内容的患者。 经过筛选，最终纳入73名患者。审核人员阅读其医疗记录，将病例分为3类：聊天机器人使用加重症状、聊天机器人使用影响中性，以及对AI产生妄想。随后，团队比较了各组患者的临床背景。 在这73名患者中，28人的记录显示，聊天机器人的使用加重了精神病症状。其中约61%经历了首次精神病发作，比例显著高于其他两组。新发现提示，精神病早期阶段患者可能更容易在与AI互动中出现症状恶化。 那么，聊天机器人如何加重精神病症状？团队将这部分患者进一步划分为4个理论类别。64%的案例属于“症状放大器”，即聊天机器人通过肯定患者扭曲的观点，加重了原有症状；21%属于“妄想对象”，即AI本身成为妄想信念的焦点；约11%属于“催化剂”，即在互动过程中，原本未出现相关症状的个体出现了新的精神症状；没有案例属于“共同构建有害幻想叙事”，即用户与聊天机器人持续共同创造有害的幻想故事；另有1名患者不属于上述任何类别。 最新研究并未声称聊天机器人会导致精神病，但强调了易感人群面临的潜在风险。医疗提供者有必要了解患者如何使用相关技术。在精神科诊疗过程中，定期评估

匹配字段正文

10月30日消息，日前，深兰科技正式发布全球首款大模型AI智能体工作手机——Wowoker，主要面向政企、国央企、金融机构及其他企业用户。 据了解，Wowoker定位为企业级AI工作终端，采用“硬件+SaaS+数据+AI”四位一体方案，旨在通过AI智能体帮助企业完成客户开发、营销推广、销售转化及客户管理等工作。 硬件与系统方面，Wowoker以华为麒麟芯片、终端硬件技术及HarmonyOS操作系统为基础，融合深兰科技多模态大模型、Decision Model决策模型及AgentOS智能体编排体系。 与传统智能手机主要提供AI辅助功能不同，Wowoker的核心定位是让AI智能体直接参与业务执行，将智能获客、客户触达、销售转化、客户经营及复购管理等能力集成到手机中。 其中，AI外呼和智能获客是Wowoker的核心功能之一。 Wowoker还支持AI通话分身功能，可通过声音克隆技术复刻机主声线，实现7x24小时自动外呼、自动接听。 此外，Wowoker还支持AI营销内容生成，可在抖音、小红书等平台进行自动化内容发布与运营，并在私域营销场景中自动接待新客户、唤醒沉睡客户。 新机内置智能 CRM

匹配字段正文

乱到 Genesis Jordan Schneider：我们来聊聊你的职业轨迹。你是怎么从研究反叛乱（COIN）的博士，走到 DOE 和 Genesis Mission 的？ Barnett Koven：当然。我在拉丁美洲待了很长时间，亲眼目睹了秘鲁和哥伦比亚一些极其凶残的叛乱活动造成的后果，最终去读了博士，研究反叛乱战略——具体来说是反叛乱期间的发展援助和其他非动能干预措施——如何导致叛乱暴力的时空扩散。我非常喜欢这项研究，并寻求机会做更多与政策相关的研究，而这在学术界未必是常态。后来我在马里兰大学获得了一份教职，那也很棒——那是一所研究型大学，在那里我受到鼓励，除了教授应有的传统教学和发表成果之外，还能做一些政府资助的研究。我非常享受那段经历。 2005年，秘鲁警察在瓦努科地区打击游击队。来源。 然而，我做了大量混合方法研究，想要进行的实地考察和数据收集变得越来越难。那时，我在一家竞争性咨询公司有不少朋友，多年来他们一直联系我，想拉我加入。我终于说，好吧，管他呢，至少先聊聊看。通过那家公司一些非常有影响力的领导者，我意识到这将是一个机会，可以把我在研究生院学到、并在马里兰大学磨练的

匹配字段正文

模型跑分更关注产品价值，token调用量是评价AI的一个指标。 WorkBuddy还带来了新业务。杨晨告诉记者，腾讯云5月开始让渠道商销售WorkBuddy，过去三四个月涌入2000家做WorkBuddy的合作伙伴，其中6成是新的合作商。此前腾讯公有云收入主要来自游戏、电商、社交等领域，而现在使用WorkBuddy的客户在制造、零售、医疗、教育领域的量远大于其他领域。 “过去可能是卖服务器资源，现在客户需要的是解决方案。”腾讯云副总裁、生态管理负责人吴奇胜向记者形容，以前腾讯卖公有云是主动找客户，更多是供应商的角色，现在很多潜在客户主动咨询WorkBuddy。在WorkBuddy普及的早期，跑最快的领域是制造业，这类企业以前少有公有云需求。制造业企业以往要花数十个小时做的订单管理等重复性工作，现在两三个小时就能做完。 “虽然（向一个客户）卖WorkBuddy可能只收几万元，但后续互联网、AI转型可能产生更多合作。”吴奇胜表示，WorkBuddy可作为“钩子”产品。来自这类传统行业的产值可能还不大，但后续有延展的可能。 除了制造业客户，还有一些耳机、键盘麦等智能硬件接入WorkBuddy

匹配字段正文

判断的意愿。在该研究的其中一个环节中，愿意说“我不知道”的人所占比例从44%降至3%。 呈现方式也很重要。当AI产出精炼的成果（如代码或文档）时，用户核查事实的频率降低了3.7个百分点，质疑其推理的频率降低了3.1个百分点，而忽略缺失背景信息的频率则上升了5.2个百分点。逐步修改输出的用户，其质疑AI推理的频率是不进行迭代者的5.6倍。 一项发表在《柳叶刀胃肠病学与肝病学》上的波兰结肠镜检查观察性研究表明，在工作中常规使用AI可能产生持久影响。在经验丰富的医生定期使用AI系统后，他们在无AI辅助的检查中发现癌前病变的比率从28.4%降至22.4%。这表明人们不仅会采纳AI的视角，还可能丧失自身的一些认知技能。 瑞士商学院的一项调查发现，AI工具的使用与批判性思维之间存在强烈的负相关，主要体现在17至25岁的人群中。良好的教育似乎能提供一定保护，因为学历较高的人更常质疑AI的答案，也更常进行复杂的思维过程。 这些发现来自早期研究和阶段性快照，而其他结果则指向不同的方向。尼日利亚的一个试点项目发现，每周两次使用聊天机器人作为虚拟导师的学生，在短短六周内取得的学习进步相当于近两年的额外学习。

匹配字段正文

一项将自然语言搜索查询实时转换为结构化信息筛选条件的功能（延迟）；住宿描述生成（Accommodation Description Generation）：一项以数百万房源规模生成房源描述的功能（成本效益）。 我们证明，将KD与Medusa结合使用，能够在成本不到三分之一的情况下保持最佳开源LLM的质量，同时运行速度最高提升至20倍。我们的框架确保旅游平台或其他依赖LLM的应用能够在真实场景中提供快速、高性价比且准确的响应。我们在去年的计算语言学协会（ACL）会议上展示了这些技术，并获得了Industry Track最佳论文奖。我们的方法：Medusa加知识蒸馏。Medusa是一个旨在降低聊天和代码生成等实时应用中LLM延迟的框架。它在运行时——即推理时——而非训练期间提升计算效率。通常，LLM一次生成一个词元——即单词或单词片段。Medusa通过并行预测多个词元来加速这一过程。Medusa的做法是向基础LLM添加称为Medusa头的预测模块，每个并行解码的词元对应一个头。LLM所运行的GPU硬件针对并行性进行了优化，因此能够以极小的额外开销处理并行词元解码。Medusa可带来显著的加

匹配字段正文

固态微冷却有望帮助数据中心减少 SSD 及其他液冷和系统风扇无法完全覆盖的子系统中的热点。Sean Michael Kerner，特约撰稿人 2026年10月28日 阅读时长4分钟 xMEMS 表示，企业级 SSD 是固态微冷却的一个早期应用场景，因为 AI 驱动的持续数据传输可能触发热降频。Getty Images 随着功率密度不断上升使热设计成为一项性能约束，AI 基础设施中的散热管理正变得愈发复杂。液冷正越来越多地聚焦于高功率 CPU 和 GPU，但服务器中并非每一个发热组件都位于冷板之下。SSD、内存、重定时器和光子系统仍可能形成局部热点，从而影响吞吐量和可靠性。 xMEMS 表示，其固态微冷却技术正是为填补这一空白而设计。该公司已开始量产其 XMC-2400 和 XMC-4800 芯片，这两款芯片采用硅基设计，无需旋转叶片或轴承即可驱动空气流动。xMEMS 称，这些产品标志着面向边缘 AI 系统的固态主动冷却首次实现大规模商业化。 “随着 AI 基础设施的演进，组件级冷却将成为传统系统级热管理日益重要的补充，”xMEMS 热管理业务部副总裁兼总经理 Mike Houshold

匹配字段正文

Oracle正在通过Google TPU及其他芯片扩展OCI的AI基础设施，同时深化与Nvidia的合作，为客户提供更多工作负载选择。Wylie Wong，芯片与硬件撰稿人 2026年10月28日 阅读时长4分钟Oracle正在通过Google TPU、Cerebras、OpenAI、SambaNova和Positron AI芯片以及Nvidia系统，扩展OCI的AI基础设施。Getty Images Oracle正在扩大通过Oracle Cloud Infrastructure提供的AI芯片范围，表示计划部署Google的Tensor Processing Unit（TPU），以及来自OpenAI、Cerebras、SambaNova和Positron AI的推理芯片。此举为OCI客户在Nvidia GPU之外提供了更多运行AI工作负载的选择。 Oracle于10月27日（周二）表示，它将成为首家在Google Cloud之外提供TPU的超大规模云厂商。 这一消息在拉斯维加斯举行的Oracle AI World上宣布，同时Oracle还扩大了与Nvidia的合作。Oracle表示，N

匹配字段正文