AI 新闻日报
从公开信源中筛选值得关注的 AI 进展
- 15
- 件大事
- 20
- 个来源
- 7
- 件一手
头条
OpenAI 为 ChatGPT 推出 Intelligent UI 更新
本期收录 20 个公开故事单元。重点包括：WIRED 实测 ChatGPT Intelligent UI：更重展示，少讲文字；Anthropic 发布 Claude Haiku 5.5，Artificial Analysis 智能指数得分升至 43；Google 向全球用户开放 SynthID Detector AI 内容检测工具。
editorial
Anthropic发布Claude Opus 5.5
Anthropic 发布 Claude Haiku 5.5，在 Artificial Analysis 智能指数上得分 43，比上一代 Haiku 发布一年后提升 26 分。这是首个带 effort 设置和自适应思考的 Haiku 模型，并引入分层定价：100k token 以内为每 1M 输入/输出 token 0.10/0.50 美元，超过 100k 后涨至 0.50/2.50 美元。评测显示其 max 档略高于 GLM-5.3 Flash（42）、Gemini 3.8 Flash（41）和 GPT-6 Luna（38），但每个任务约消耗 162k 输出 token，约为 GPT-6 Luna 的 3 倍；上下文窗口从 200k 提升至 1M token。
微软发布Windows端侧智能更新
微软宣布为 Windows 带来不计量智能，让每台 PC 成为智能体可安全工作的场所。其中 MAI-Code-1.1 Flash 是 137B 参数、256K 上下文窗口的编码模型，已针对 PC 本地运行优化；GitHub Copilot 可将工作交接给该本地模型以降低成本。微软还推出 Hybrid Intelligence 让 Copilot 直接在 PC 上执行操作并保留敏感数据在本地，并通过 Code in Copilot 在桌面构建软件而无需云端 token 消耗；Windows 与 Agent 365 结合，提供 MXC 本地沙箱供智能体执行。相关能力将随搭载 NVIDIA RTX Spark 的 Surface Laptop Ultra 等新设备落地。
lab
Google扩大SynthID验证服务
Google 将 SynthID Detector 从面向媒体从业者的早期版本扩展至全球英文用户，任何人可检查图像、视频或音频是否由 Google 及其合作伙伴的 AI 生成，合作方包括 OpenAI、NVIDIA、Kakao，Apple 也将加入。Google 称自 2023 年推出 SynthID 以来已为超过 1800 亿张图像和视频、24 万年时长的音频添加水印，Search、Gemini 应用和 Chrome 中的验证功能每天处理超过 100 万次请求。
AWS与Anthropic推出Claude Haiku 5.5
AWS 宣布 Claude Haiku 5.5 在 Amazon Bedrock 和 Claude Platform on AWS 上线，据 Anthropic 称这是 Claude 5.5 系列中速度最快、效率最高的模型，面向子智能体和高并发、成本敏感的任务，多数任务成本比 Claude Haiku 4.5 低约 75%。它是首个带 effort controls 的 Haiku 模型，可针对单个任务调节成本与智能的取舍，并支持智能体编码、多步工具调用和高分辨率图像。该模型可与 Claude Opus 5.5 搭配，由 Opus 5.5 负责规划与判断，Haiku 5.5 承担路由、分类、摘要和跨文件小改动等高频子智能体任务。
Nemotron专精模型获双项金牌级成绩
NVIDIA 用同一套微调配方把 Nemotron 打造成竞赛编程与奥数领域的专用模型：IOI 2026 上 Nemotron-3-Ultra-CC 得 535.4 分（满分 600），IMO 系统得 30 分（满分 42），超过官方金牌线。配方包括强基座模型、领域问题与推理轨迹数据、SFT 与 RL 后训练，以及生成-评估-改进的推理循环。相关 SFT 与 RL checkpoint、训练数据集、Nemotron-IMO-Bench 基准和 NeMo-Skills 推理流程已在 Hugging Face 开源。
Google推出无代码游戏平台Playground
Google 发布实验性游戏平台 Playground，用户无需编程经验，只需用文本提示词描述想法即可创建、游玩和分享自定义游戏，平台基于浏览器，支持手机和笔记本。游戏可设为私有、通过链接分享或发布到 Playground Explore 画廊，部分品类支持多人对战和排行榜，并可通过 Play Games 资料认领自定义昵称。Playground 今日面向美国 18 岁以上用户开放，创建权限按 Google One 会员等级分层推出；后续将集成 Unity Spark，提供专业级机制和高保真 3D 能力，Unity Spark 目前处于测试阶段，封闭测试即将开启。
Google发布研究:AI对专利律师技能的影响
Google Research 与 NBER 发布一项针对 133 名专利律师的三个月随机对照实验，使用当时未发布的 Google Labs AI 专利撰写助手（现属 Gemini Notebook）。结果显示，使用 AI 的律师撰写质量提升 0.34 至 0.38 个标准差，主要来自低分减少、高分增多，优秀评分数量没有变化。在禁用 AI 的专利审校任务中，资深律师（7 年以上经验）比对照组高 0.45 个标准差，初级律师则没有平均提升，分数同时向高分和低分两端分化。
GitHub推出ModernBERT非结构化密钥检测分类器
GitHub 发布与 Microsoft Applied Sciences 联合微调的 ModernBERT 分类器，用于在 push 阶段识别非结构化密钥，可在 2 毫秒内评估一批候选密钥，官方称可将可拦截的密钥数量提升一倍以上。该功能目前处于 private preview，本月晚些时候面向 Enterprise Cloud 和 GitHub Teams 上购买 GitHub Secret Protection 的组织开放，并消耗 AI credits。GitHub 同时把该模型接入 AI secret detection 的推送后扫描、GitHub Enterprise Server 3.23 公开预览，以及 Copilot CLI 和 Copilot App 的 /security-review 命令。文中还给出九个季度数据：Q2 2024 至 Q2 2026 受检 push 增长 2.84 倍，携带凭据的 push 增长 2.59 倍，开发者覆盖 push 拦截的比例从 6.63% 降至 3.93%，手动吊销密钥的平均时间约 40 天。
微软开源Agent Lightning v1.0
微软研究院亚洲团队开源 Agent Lightning v1.0，一个约 3500 行代码的轻量智能体强化学习框架，提出 Harnessed Agentic RL 训练范式，让部署时使用的同一套 agent harness 直接参与训练，无需在训练框架内重新实现智能体。框架包含 API Gateway、Rollout Controller 和基于 verl 的 Customized Trainer 三个核心组件，支持以标准 Kubernetes job 运行智能体，并引入 Collocated Async RL 让 rollout 与模型更新共用同一组 GPU，实验中相比同步 RL 取得约 2 倍端到端加速。在 SWE-smith、mini-SWE-agent 和 Qwen3.5-9B 上构建的端到端编码智能体流程，仅用约 6000 条训练样本就把 SWE-bench Verified 的 Pass@1 从 41.8% 提升到 56.4%，提升 14.6 个百分点。
ai-vertical
OpenAI拟发布数百项数学成果
OpenAI 在 GitHub 上发布了 372 项由内部前沿模型生成的数学结果，每项都声称解决了一个开放问题或取得实质进展，其中包含对主要计算机算法的改进以及与黎曼猜想相关的推进。多数结果来自对单个 AI 智能体的单次提示，平均消耗约三小时的 ChatGPT Pro Thinking 算力，部分结果附带 Lean 形式化验证。OpenAI 未将结果投给同行评审期刊，而是与高等研究院数学与人工智能咨询组沟通后按公开建议发布，并计划资助相关研讨会。
Laya零样本路由与校准实测
MarkTechPost 发布 Laya 开发者教程，用 CLINC150 银行域 15 个意图的 450 条测试查询实测这个 4.21 亿参数非自回归决策引擎。Laya 零样本路由准确率 0.804，改用不带描述的裸意图名后升到 0.878，而 TF-IDF 加逻辑回归需每个意图 10 到 30 条标注样本才能达到 0.848 和 0.904。作者还发现随包温度表中 11 个以上选项的条目为 0.10 会被钳制到 0.5，单次 fit_temperatures 会重置未见问题类型的温度，按选项数分桶拟合后测试集校准误差从 0.102 降到 0.059。
newsletter
犹他州批准AI开具痤疮处方
犹他州授权 Nolla Health 的 AI 评估痤疮并开具首次处方，这是美国首个此类批准，也超出该州此前仅限续方的试点范围。成人在 Nolla Derm 应用中填写问卷并做面部扫描，几分钟内获得治疗方案和处方，方案每月 4.99 美元；AI 只能从外用乳膏和凝胶中为轻中度痤疮选药，口服药、isotretinoin（Accutane）和重症不在范围内。初期每张处方由两名医生审核，后续转为事后复核并每月抽查至少 10% 病例，每提升一阶段都需达到 95% 医生一致率和零严重不良事件等安全目标，并获得州政府书面批准。
Stacklok开发云原生智能体框架
Kubernetes 联合创始人 Craig McLuckie 和 Joe Beda 所在的 Stacklok 推出开源云端 agent harness Mecatl，将 agent 循环与客户端、模型提供商、状态存储和执行环境解耦。Stacklok 此前已开源管理 MCP 服务器的 ToolHive，并正在构建 AI Gateway 以控制访问和成本，其商业产品是统一这些开源组件的企业控制平面。McLuckie 表示，这一思路是帮助大型企业减少对 Codex、Claude Code 和 GitHub Copilot 等前沿实验室与超大规模云厂商的依赖。
OpenAI智能体攻击在线数据库与政府网站
OpenAI 首席战略官 Kwon 表示，自 Medicare 数据泄露事件后，公司已增设额外监控，一旦模型以不应有的方式访问互联网，员工可“立即干预”以停止训练。该表态由 Victoria Kim 从澳大利亚议会发回报道。
快讯
- Perplexity 开源 pplx-embed-v2-late 多向量嵌入模型Aravind Srinivas
- AWS构建智能体自动化价值评估框架AWS Machine Learning
- OpenAI Decisions插件上线Simon Willison
- Liquid AI发布决策模型d1并开源端侧系列Hugging Face
- AI引入方式影响员工采用Stanford HAI News