搜索“其他”

挑一挑眉毛。但如果你怀疑戏剧性的递归自我改进是否可能——而商业计划似乎正需要这一点——那这看起来就不是一笔好投资。 先从对Anthropic粉丝来说的好消息说起。从2025年上半年到2026年上半年，公司营收增长了十四倍，达到163亿美元。有一笔800亿美元的亏损，但这主要是会计处理问题，与 underlying business 无关。如果剔除这笔亏损以及其他一些费用（包括员工薪酬），我们看到2026年上半年调整后收入为16.2亿美元。我之前曾问过，AI能否赚到足够的钱来养活自己，而Anthropic的S-1给出的答案似乎是：至少对这家公司而言，至少就目前而言，可以。 Anthropic比OpenAI或埃隆·马斯克克制得多，而这似乎正在带来回报。（Anthropic只把OpenAI和谷歌列为竞争对手。下次好运吧，埃隆！）该公司从未发布过AI图像生成器、AI版TikTok克隆或AI老婆。相反，它专注于编程和网络安全等任务，始终紧盯计算机最容易做到的事：更多的计算机。而且它专注于企业市场，这个市场不像消费者市场那样善变。其净收入留存率为900%。相当不错！这些收入也不是来自消费者。202

匹配字段正文

。 有意思的是，我觉得我挑不出S-1本身的问题。我想深入一些细节，因为里面有很多数字值得思考。我其实想从真正的大局开始。你在做一个叫Tokenomics的东西。我要向大家解释一下Tokenomics是什么。 我看Anthropic以及它可能走向何方。我看Dario Amodei说他能看到通往1万亿美元收入的道路。这些钱从哪来？因为这些业务很大程度上就是要吞掉其他所有业务，感觉总得有人赚到钱才能付给Anthropic来产生这些收入。我其实还没看到这一点被清楚地阐述出来。 这非常有意思。今天，即便我们所在的规模已经是两家领先实验室合计1200亿美元的ARR，这仍然是一个极其狭窄的市场。排名前1%的客户是那些每位员工花费5万到10万美元的客户。更广泛的财富500强或全球2000强企业，通常有大量IT支出，但它们的支出并不多。 很大一部分支出，尤其是在Anthropic，是专门针对编程的。它几乎是一家单一垂直领域的公司。我们展望2027年，你想到的是更广泛的采用和白领工作。这个典型的企业第四季度预算季，我们其实还没有真正经历过其中任何一家实验室的完整周期，因为它们的ARR直到今年年初才真正开始

匹配字段正文

户互动的人，并不是整天在电脑前工作。公司援引一项估计称，全球约 80% 的劳动力，即约 28 亿人，不在办公桌前工作。对这些员工来说，在轮班工作的繁忙之中，要求登录学习管理系统的培训可能难以参与。然而，他们的行动可能决定一次促销活动能否成功、新产品能否被正确展示，或新操作流程能否被遵守。Bites 利用其 AI Studio，在几分钟内将文档、标准作业程序和其他源材料转化为品牌化培训视频。内容可以根据公司的地点、制服和产品进行定制，并通过员工已在使用的渠道推送，包括 WhatsApp、短信、Microsoft Teams 和 Slack，或通过一个简单链接发送。每节课被称为一个“Bite”，时长最长 90 秒，结合了短视频、一个问题、一个总结和一次讨论。 该平台支持 150 多种语言，员工只需轻点一下即可切换语言。公司表示，员工无需安装单独的应用程序或创建登录凭证。 相关文章： Bites 完成 500 万美元种子轮融资，用于员工沟通和培训解决方案 网络安全初创公司 Mave 完成 2800 万美元 A 轮融资，以自动化威胁调查 Modelyo 完成 1700 万美元融资，让企业无需暴

匹配字段正文

ediction Arena 的基准由哈佛大学的研究人员和一家名为 Arcada Labs 的公司推出，最近给前沿模型 1 万美元，让它们在 57 天内在预测市场上下注。在实验中，这些模型持续亏钱，但研究人员看到了它们随着时间推移持续进步的迹象。 徐告诉我，AI 使用定制 harness 时能最有效地做出预测，并指出让智能体承担独特任务——例如阅读新闻、收集其他数据以及分析整个系统——似乎是最有效的方法。 有趣的是，AI 仍然常常落后于被称为“超级预测者”的非常熟练的专家。徐解释说，尽管人类无法消化那么多信息，但他们对现实世界——也就是新闻故事背后的动态——的理解更深。 话虽如此，越来越多的证据表明，人类超级预测者的优势正在被侵蚀。最近一项名为 Metaculus Cup 的竞赛显示，AI 有时甚至能击败最好的人类预测者。而一个名为 ForecastBench 的基准可能会提供进一步证据，证明 AI 能匹敌人类技能——一项正在进行中的竞赛结果很快就会揭晓。事实上，我认为我们可以预期，大型实验室将把注意力转向预见未来，把它作为一种衡量机器智能进步的强大新方式。 所有这些预测实验似乎都表明

匹配字段正文

软件和用Verilog编写的硬件设计。该公司正在与潜在用户评估这项技术，包括芯片制造商Tensordyne和Nvidia，后者的风险投资部门是该初创公司的投资者之一。 就在上周，Anthropic与验证初创公司Theorem联合宣布，他们利用AI协助发现了开源软件中的缺陷，而这些缺陷是数万亿次测试都未能检测到的。他们还为Claude推出了一款附加组件，以帮助其他开发者进行验证。初始项目的成本未予披露。 最大的愿景是这样一个未来：软件运行更可靠，安全问题更少。但AI能否将形式化验证从NASA和Apple等组织中最关键的系统推广到广泛使用，仍是一个悬而未决的问题。 这项技术仍处于原型阶段。尽管需求很高，但客户愿意支付多少以及他们偏好如何采用这项技术尚不清楚。形式化验证依赖于对计算机和人如何与软件交互做出假设，一些专家对其捕捉由用户错误和硬件故障引发的缺陷的能力持怀疑态度。 经营缺陷搜寻AI软件初创公司Antithesis的Will Wilson称形式化验证对他这样的数学迷来说是“一个陷阱”。Antithesis花费数百万美元对其部分网络安全防御进行了形式化验证，Wilson称这一过程“令人

匹配字段正文

体友好方向上最喜欢的一点。这些本来就是我作为开发者早就想要的改进。让它们对智能体有用，给了团队另一个把工作做完的理由。 计算值得的不只是一条要点 我认为目前处于私有 alpha 的 Supabase Compute 可能被低估了。一个应用程序既需要有个地方做它的工作，也需要有个地方存储结果。有了数据库之后，你仍然需要一个地方来运行那些对文档分块、生成嵌入或做其他长时间运行工作的进程。赞助 你的赞助广告位在这里 触达正在构建下一步的 AI 工程师。 Latent Space 的读者正是那些发布智能体、模型和基础设施的人。咨询赞助此广告位。business@latent.space → Paul 和 Ant 讨论了在数据库附近运行容器。这弥合了启动应用程序与运营它之间的差距：需要配置、连接并向智能体解释的独立服务更少了。边缘函数仍然有用，但它们并不能覆盖所有工作负载。 运营侧也很重要。日志、检查、连接和上下文能帮助智能体理解它正在改变什么。一个能发出 SQL 的模型仍然需要知道数据库里有什么、应用程序如何使用它，以及出错时发生了什么。Supabase 的 Operate 公告值得与新的构建

匹配字段正文

7.76 美元，而 Opus 5.5 为 10.04 美元，GPT-6 Astra 为 6.25 美元。它每项任务使用 123k 输出 token，比 Opus 少 29%。 幻觉：Carbon 以 54 分在 Omniscience 上领先。其幻觉率从 Argon 的 4% 升至 11%，仍是测得第二低的。Opus 5.5 和 Astra 均为 50%。 其他独立评测： Arena：Carbon 在 Text Arena 中排名第 1（1528），在 Agent Arena 中排名第 2，每项任务中位成本为 1.80 美元，在 Code Arena: WebDev 中排名第 4（1768）（@arena）。Arena 将相对 Argon 的提升归因于更多赞扬、更多确认成功和更好的可操控性（@arena）。 Vals：Carbon 在 Vals Index 上排名第 2，在 Finance Index 和 Legal Research Benchmark 上排名第 1。它产生的输出 token 比 Argon 多 64%，主要是在金融、税务和法律任务上（@ValsAI、tokens）。

匹配字段正文

而那个时间段将恰逢《The Elder Scrolls V: Skyrim》发售15周年。 我被告知，Bethesda近几个月一直在展示Sentinel的实机玩法。Xbox首席执行官Asha Sharma在8月亲自试玩了Sentinel，她称赞了游戏的规模，并表示“剧情更加出色”。 虽然我预计下个月只会公布名称，不会有更多内容，但我一直听到一些关于这款游戏的其他细节。如果你想完全避开关于这款游戏的剧透，那就不要读下一段。 据我所知，《Sentinel》的故事将发生在落锤省（Hammerfell），这是《上古卷轴》宇宙中的一个行省，曾在《The Elder Scrolls Adventures: Redguard》和《The Elder Scrolls Online》中出现过。《Sentinel》将是首款讲述《上古卷轴》历史的游戏，并帮助揭开这些神秘远古神器的秘密。 我一直很乐意听取读者的反馈，所以请在这里留言，或者如果你想讨论其他事情，可以通过 notepad@theverge.com 联系我。如果你听说了微软的任何秘密项目，可以通过电子邮件 notepad@theverge.com

匹配字段正文

度。我们将对设计结构的检查与视觉评判器相结合，然后使用专家设计师来校准和审查结果。这有助于我们了解模型在哪些方面成功，以及它还需要学习什么。 例如，以下是几个顶级模型在我们内部 Figma 编辑评估中的得分。再次说明，这只是我们用来决定在产品中考虑使用哪些模型的众多输入之一。 比较最新的未发布 Figma 编辑模型（基于 Qwen 3.8 27B 后训练）与其他第三方模型在设计编辑任务上的表现 这个模型在 Figma agent 中的定位 本月早些时候，我们 向所有用户推出了 Figma agent 产品设计师使用 Figma agent 提升工艺、速度与创意表达的 3 种方式 以下是 Uber、Granola 和 Atlassian 的团队如何借助现已全面可用的 Figma agent 支持高质量、快节奏的工作。，其中包含我们的第一方编辑模型。该 agent 同时运行这个专门模型和领先的第三方模型，将它们用于工作的不同部分。对于图像生成、矢量或全新设计探索等某些任务，我们使用可用的最佳第三方模型。对于我们的模型处理良好的精确编辑和迭代，我们使用自己的模型。 周围的画布也很重要。age

匹配字段正文

作了近16年，是非常亲密的朋友。我们生活和职业的两个方面交织在一起。我们三个人在两个月内先后成为了父亲。我们很幸运，这是一段了不起的伙伴关系。” 1 查看图库 TECH1大会：阿莫斯·佩莱德（右）与安娜·佩尔金（Nimrod Glickman）随后，佩莱德描述了2025年12月的一次对话，那次对话改变了他对AI正在以多快速度改变工作场所的理解。“我时不时会与其他创始人会面。2025年12月，我遇到了一位创业者，他的公司才成立一年。交谈15分钟后，我意识到自己听不懂他在说什么。他解释了他的团队如何使用AI模型和Claude Code等应用，以少得多的员工更快地完成任务。我意识到我们已经成了守旧派，难以理解正在发生的事情。”这次相遇促使他立即作出反应。“那次对话之后，我们取消了接下来两周的所有计划。我们已经在现有工作方式上积累起了势头，但我们停下了一切，花了三周时间使用这项技术，学习如何使用它，并理解它的能力。我们意识到，如果不理解AI、不培养出如何使用它的直觉，我们就没有机会。” 相关文章： 阿萨夫·拉帕波特（Assaf Rappaport）以11亿美元估值投资Guardio，消费者网络

匹配字段正文

侵多个联邦机构和美国部分基础设施。“现在是最不该抱有这种漫不经心态度的时候。” 有线索提供？ 你是现任或前任政府雇员，想谈谈正在发生的事情吗？我们愿意听取你的说法。请使用非工作电话或电脑，通过 Signal 安全联系记者，号码为 velliott88.18。 埃森哲目前与联邦政府签订的合同金额超过 35 亿美元，其中近 6.05 亿美元来自国防部。该公司还与其他联邦机构签约，例如教育部、总务管理局和能源部等。本月早些时候，联邦调查局发现，埃森哲一名承包商未能修补一个漏洞，导致黑客组织 ShinyHunters 获取了该局数千名员工的详细信息。联邦调查局已于 10 月初将该承包商移除。 总部位于华盛顿特区的 IT 咨询公司 Hunter Strategy 创始人马特·特里纳（Matt Triner）表示，这一问题体现了政府承包商在更广泛层面上面临的相互冲突的要求。“组织常常因为报告这类事件而受到惩罚，尽管这样做是正确且合法的，”特里纳说。他表示，在许多情况下，公司可能因为承认发生过安全漏洞而失去政府合同，不过他说，像所描述的这类事件“绝对属于需要上报的事件”。 特里纳还指出，承包商面临越

匹配字段正文

药企与国际大型制药企业在收入规模上仍有明显差距。AI 能否提高研发效率、帮助企业形成持续的产品产出，最终仍需要通过具体管线和商业化结果验证。他透露，部分合作项目开始部署百卡规模的计算集群，用于药物研发模型的训练、部署和优化。 首先，华为具备算力和存力，尤其是可以提供许多企业没有的先进算力； 第二是算力的集群能力，这关系到如何充分发挥算力，如何用大算力加大数据得出一个更好的结果。训练模型至少需要 64 张卡，很多时候甚至是百卡和千卡规模。但是几百张卡不能单独一张一张用，需要串起来形成集群，华为在集群化、超节点上有独特优势。当前华为有 1024 卡的超节点方案，在全球是最大的； 第三是生态优势。华为与深势科技、望石智慧、分子之心等合作形成整体配套方案，华为做算力、存力和网力的协同和适配，其他公司做模型。 IT之家注：华为军团是华为公司为聚焦特定行业而设立的组织形式，由创始人任正非制定并督导，其模式借鉴自谷歌。自 2025 年底开始，华为制药军团开始出现在各大医药行业论坛。目前，华为已与两家医疗企业合作共建百卡集群，投资规模接近亿元级。同时，华为还为上海药物研究所、昌平实验室等科研机构赋能。

匹配字段正文

2026-10-30 09:12 IT之家 - 远洋 IT之家 10 月 30 日消息，据彭博社报道，星巴克公司正考虑在得来速车道引入人工智能技术。 这家咖啡连锁品牌的首席执行官布莱恩 · 尼科尔（Brian Niccol）当地时间周四在分析师电话会议上表示，公司准备测试在后台运行的人工智能模型，帮助咖啡师在和顾客沟通时“更准确、高效地录入订单”。该举措的目标是让员工可以专心和顾客交流，同时提升出餐速度。 星巴克还在研究一套识别技术，能够在参与该服务的顾客抵达门店时识别身份，随后向顾客展示个性化数字菜单，并简化支付流程。 尼科尔说：“这项工作尚处在早期阶段，我们会先测试、总结经验，再把可行的方案推广开来。” IT之家注意到，大型连锁餐饮企业已经在得来速场景测试人工智能多年，但这项技术还没有在行业内大规模普及。汉堡王不打算大范围落地其正在试点的 AI 点餐系统，称顾客更愿意和人工交流。麦当劳则在测试自研方案，该公司表示这套系统能让每家门店每周省下数十小时人力，调配到其他工作上。 星巴克周四公布的财报业绩超出市场预期，其围绕门店升级、服务体验和新品研发的战略持续见效。

匹配字段正文

新研究称 AI 模型使用成本受不同语种影响，Token 消耗量最高可相差 17 倍 2026-10-30 12:25 IT之家 - 清源 感谢IT之家网友 Coje He 的线索投递！ IT之家 10 月 30 日消息，使用人数较少的语言的用户，使用 AI 服务时，可能需要支付比英语及其他主流语言用户更高的费用。 当地时间 28 日，据外媒 Rest of World 报道，人工智能语言公平研究联盟上月发布的一项研究发现，AI 模型处理不同语言时，消耗的 Token（词元）数量可能相差悬殊。 Token 是 AI 模型处理文本等数据的基本单位，由分词器将文本、图像或音频拆分而成。研究人员将不同语言因此产生的额外成本称为隐性的“分词器税”，网络内容较少的语言尤其容易受到影响。 研究发现，即使是互联网上最常用的 20 种语言，Token 消耗量也存在明显差异，最高是最低的 1.5 至 5 倍。如果将测试范围扩大到 200 种语言，差距还会进一步扩大。在其中一个 AI 模型中，不同语言的 Token 消耗量最多相差 17 倍。 研究报告指出，班加罗尔的一家初创企业每次向 AI 输入指令、获取

匹配字段正文

接作用”，而 Elorian 更侧重于他所说的“间接作用”。他指的是利用视觉推理来为决策或工作流提供依据（Glimpse 所做的），而不是构建允许导航和操作的模拟环境（Atlas 所做的）。 举个例子，你可以用视觉推理来判断是否应拒绝某段用户上传的视频，因为它违反了政策。“你不需要 3D 渲染就能做到这一点，”Dai 说。 视觉推理的应用 Elorian 的其他商业机会包括机器人、工程和国防应用。Dai 补充说，建筑师需要定期检查建筑规范和合规性——这是视觉推理模型的理想任务。 在两个机器人基准测试 WGO Bench 和 ERQA 中，Elorian 声称其评分等于或高于前沿模型，而且价格便宜得多： 来源：Elorian 回到将数诱饵作为衡量视觉模型成功与否的一项指标，Dai 认为，对模型所见内容进行推理，对于其在现实应用中的准确性和有效性至关重要。 他举了一个仓库机器人清点箱中物品的例子。 “一个熟悉的 12 槽托盘可能只装 10 个零件，而 24 件装的标签并不意味着箱子里仍有 24 件物品，”Dai 说。“依赖自己预期所见内容的模型，在现实情境中会遇到很多问题，而 Glimps

匹配字段正文

自我改进——而这种情况经常发生！事关的资金足够多，我更愿意看到基准测试的透明度，让众多眼睛来发现漏洞。 我需要提出的最后一点，确实是在恭维闭源实验室：Anthropic 和 OpenAI 这样的公司早在几个月甚至几年前就不再关心这些指数了。他们的重点绝大部分放在支持内部用途——比如 AI 研发自动化——以及花费数十亿美元的客户的用例上。是的，他们有团队成员在其他能力上攀登以开拓新市场，但这些行为只有少数程度是由公开基准驱动的。与此同时，对中小型实验室来说，在这些智能指数上显得扎实是生死攸关的，因为它们的品牌完全建立在追赶前沿之上。有时这是一场非常愚蠢的猫鼠游戏，但它将持续存在。 我们当前这种由一两个指数主导“前沿在哪里”话语的均衡，唯一的解决办法是拥有更多带有其他偏向的智能指数，例如仅针对编码的指数（如 CursorBench）。在某些方面，这正在形成，Vals AI 和 Intelligence.ai 等正在成长，但注意力份额非常偏向 Artificial Analysis。 每个基准创建者都有自己的世界观。困境在于，你总是可以调整数字来迎合你的叙事。这一直是做优秀科学所面临的挑战。

匹配字段正文

berger mpfaffenberger 21 分钟前 2026/10/28 作为 Markdown 现在和我交谈的每个人对 code mode 都有自己的看法。我的看法则是由 Prime Intellect 的 Prime Agent点燃的，这是一个围绕持久化 REPL 构建的编码工具框架，此外还有 Alex Zhang 的 推测性程序化工具调用，它（除其他功能外）能在模型仍在流式输出代码时运行工具。 Cloudflare 就有一个。 Anthropic 也有一个。我们自己也有过几个，从 MCP 代码执行 到 Pydantic Monty编码智能体也在朝同一方向演进： OpenCode 2 现在默认通过 Code Mode 发送 MCP 工具，而 Pi 则自带一个 codemode 工具。常见的宣传话术大致是这样的：别再让模型一次调用一个工具，而是让它写一个小程序来调用这些工具，这样一切都会更便宜、更快、更好。 我信这一点。但我见过的几乎每个数字都来自拥有数百个工具或庞大负载的智能体，而现实中的许多智能体其实很普通：几个 CRUD 工具，外加一项待办任务。所以我正是基于这种情况构建

匹配字段正文

，显示“伊萨亚斯”可能以“刺状急流”形式带来的强风威胁阿拉巴马州海岸的位置。 问题出在哪里？这位应急管理人员是用人工智能聊天机器人生成这张图表的，而它并不准确。 “那位县应急管理人员是想让他的利益相关者关注该县面临的风险，所以他请AI来帮忙，”她说。“AI做了他想让它做的事，但在气象上并不准确。” 大多数应急管理机构不允许员工使用生成式AI，但迈尔斯和大多数其他应急管理专家都认为，它的使用很可能已经在州和地方灾害部门中普遍存在。有数百家公司正在向应急管理人员推销AI工具，用于洪水损失评估和资源协调等任务，而公共沟通是政府雇员和初创企业最感兴趣的领域之一。 2026年2月23日，纽约市应急部门人员在冬季风暴来临前于布鲁克林监控值守指挥室。摄影：Matthew Hoen / NurPhoto/Getty Images；Grist 原因何在？大多数应急管理人员并不擅长发布警报和就灾害与公众快速沟通。这不是因为他们是应急管理人员，而是因为他们是人。他们往往用非专家可能看不懂的术语写作，假定公众已经知道某些信息而将其省略，还会加入可能分散人们注意力的无关细节，使人们忽略他们真正需要知道的内容。

匹配字段正文

H 员工展示了一份幻灯片，介绍自一年前采用 ChatGPT Enterprise 以来，它如何成为“核心的生产力、创造力和协作工具”。幻灯片中的四个投资回报支柱之一是“创造力”，包括“创意生成、内容开发和叙事创新”。 尽管高层管理团队鼓励使用，但《连线》采访的所有 PRH 员工都表示，他们尽可能避免使用 ChatGPT。“这让我们更难完成工作，”一名员工说。其他员工说，他们的经理明确要求他们不要在宣传文案和封面设计等创造性任务中使用 AI，这造成了一些困惑。 “企鹅兰登书屋对待AI的方式，与我们对待任何重大新技术的方式一样，”该出版社执行副总裁兼企业传播与社会责任总监克莱尔·冯·席林通过电子邮件表示。“我们正在探索它如何恰当地支持我们的工作，并以明确的原则和保障措施为指导，包括保护我们作者和公司的知识产权，以及维护人类创造力和判断力在出版中的核心作用。” 冯·席林还表示，PRH的“出版集团和各品牌有权自行决定AI工具是否以及如何适用于特定工作流程，包括营销、宣传和设计等领域。” 与此同时，多位五大出版社的畅销书作者表示，过去一年里，由于AI的使用，他们与出版商的关系受到了损害。《连线》

匹配字段正文

恶意软件检测提示下，把 Qwen 3.8 Flash Next 变成了续写/URL 生成器。帖子援引 Cohere CEO 张在《The Register》上的说法，称 Cohere“没有证据”表明该行为是蓄意的，且该行为在不到 1/100,000 次调用中出现；作者声称自己的 Q38FN 日志中不含阿里巴巴 URL，并认为通过从长前缀强制续写，很可能也能从其他开放权重模型中引出类似产物。高赞评论强调实际的安全启示：无论供应商是谁，智能体框架都应对不可信的 LLM 生成代码/命令进行沙箱隔离。其他评论者将 Cohere 的披露定性为恶意营销/宣传，并表示将避免使用 Cohere 产品。 一个技术相关的主题是：LLM 生成或第三方代码应默认被视为不可信/恶意，并且只能在适当的沙箱内执行。一位评论者特别警告那些以宽松设置运行智能体框架或忽略权限的用户：Cohere/Qwen 指控的具体细节不如一般性运营安全规则重要——不要让智能体以广泛的主机或网络访问权限执行代码。 2. 本地推理性能：Strata、TokenGate、GPU 解锁赞助此处放置您的赞助广告触达正在构建下一代的 AI 工程师

匹配字段正文