夜雨聆风追踪AI领域KOL账号的推文更新，生成摘要，每日推送。
AI相关推文190篇，来自64个账号
🤖 今日看点
OpenAI三箭齐发语音Agent全家桶：GPT-Realtime-2、GPT-Realtime-Translate、GPT-Realtime-Whisper 三款新语音模型上线，GPT-5级推理能力正式进入实时语音赛道，支持70+语言实时翻译 Anthropic算力霸权扩张：与SpaceX达成协议获得Colossus 1的22万张GPU，同时Claude单季增长80倍，API限额大幅提升 Anthropic开源"思维翻译器"：NLAs可将Claude内部激活值转译为人类可读的文本，是可解释性研究的重大突破 Claude全面入驻Microsoft 365：Excel、PowerPoint、Word插件正式GA，Outlook插件公测，跨应用上下文流转成为现实 Firefox安全漏洞修复破纪录：Claude Mythos Preview帮助Firefox团队4月修复的安全漏洞数量超过过去15个月总和
🤖 LLM与大语言模型
OpenAI发布GPT-Realtime-2：GPT-5级推理能力正式进入实时语音API
OpenAI在Realtime API中一次性上线三款新语音模型。GPT-Realtime-2主打对话推理能力，在Big Bench Audio测试中从81.4%提升至96.6%，多轮对话指令跟随从34.7%升至48.5%。模型会在执行长任务前主动提示"稍等一下"，工具调用过程透明播报，上下文窗口从32K扩展至128K，支持5档推理强度调节。GPT-Realtime-Translate支持70+输入语言到13种输出语言的实时翻译，GPT-Realtime-Whisper则带来更低延迟的流式转录能力。三款模型即日起在API中可用。
摘要：OpenAI发布GPT-Realtime-2系列语音模型，将GPT-5级推理能力首次带入实时语音API。新模型在基准测试中大幅领先前代，上下文窗口扩展4倍，支持推理强度分级，GPT-Realtime-Translate实现70+语言实时翻译，标志着语音Agent进入GPT-5推理时代。
原文链接：
OpenAI GPT-Realtime-2发布（OpenAI）：https://x.com/OpenAI/status/2052438194625593804 Greg Brockman详解GPT-Realtime-2（Greg Brockman）：https://x.com/gdb/status/2052444809655407097 宝玉详细介绍三款模型（宝玉）：https://x.com/dotey/status/2052440968863887715
ChatGPT中文回复"我会稳稳地接住你"怪象引发热议
WIRED报道了一个在中文用户中已被吐槽大半年的现象：ChatGPT在与中文用户对话时，无论何种场景都会不恰当地冒出"我会稳稳地接住你"这句话，甚至还会自己加戏"我就在这里，不逃，不躲，不闪避"。这句话已被中文互联网玩成梗，有开发者还做了开源工具Jiezhu专门研究聊天机器人的意图理解问题。OpenAI研究员在发布新图像模型时甚至自嘲画了一格漫画提及此事。AI写作检测工具Pangram联合创始人指出，这种"逮住一句话猛用"的现象本质是mode collapse。
摘要：ChatGPT中文对话中长期存在"我会稳稳地接住你"的不当复读问题，WIRED报道了这一怪象并追溯成因。该问题本质是LLM的mode collapse，OpenAI内部也已知晓甚至自嘲。此类怪癖还包括无端冒出拼多多"砍一刀"营销话术。
原文链接：
宝玉转发WIRED报道（宝玉）：https://x.com/dotey/status/2052500525598527732
Opus 4.6意外强于Opus 4.7：用户满意度排行颠覆预期
多个独立评测显示，Claude Opus 4.6的实际用户满意度反而高于新版Opus 4.7。llmsnare的评测数据表明，Opus 4.6以1.3的挫败指数位居第一，Opus 4.6排名第二（1.4），Opus 4.7与GPT-5.5并列第三（1.5），GPT-5.4排第五（1.6），Gemini 3.1仅排第六（2.2）。该结果与Base44的评测结论一致。此外，在GPT-5.3 Codex、GPT-5.4、GPT-5.5三款模型的横向对比中，GPT-5.5 high档的评分甚至不如GPT-5.4 high档。
摘要：独立评测显示Opus 4.6用户满意度反超Opus 4.7，两个不同评测平台结论一致。同时GPT-5.5 high档表现不如GPT-5.4 high，提示高推理档位并非越高越好。这些数据对"买新不买旧"的选模型逻辑提出了挑战。
原文链接：
向阳乔木转发llmsnare评测（向阳乔木）：https://x.com/vista8/status/2052378748180464067 Geek评GPT-5系列各档位对比（Geek）：https://x.com/geekbb/status/2052312136928592214
Gemini 3.1 Flash Lite正式GA登陆OpenRouter
Google正式在OpenRouter上线Gemini 3.1 Flash Lite，该模型为多模态（文本/图像/视频/音频/PDF转文本），拥有100万token上下文，支持可选的思考级别，定价为输入1.50/M。Simon Willison指出该模型与3月初的gemini-3.1-flash-lite-preview版本差异不大，主要区别是去掉了"preview"标记并转为正式版。同时gemini-3.1-flash-lite-preview将于5月11日deprecated，5月25日正式关闭。
摘要：Gemini 3.1 Flash Lite正式登陆OpenRouter，具备多模态能力和100万上下文，定价亲民，适合高容量agentic任务和翻译场景，但实质更新有限，主要是从预览版转为正式版。
原文链接：
OpenRouter上线公告（OpenRouter）：https://x.com/OpenRouter/status/2052444130287210984 Simon Willison评Gemini版本（Simon Willison）：https://x.com/simonw/status/2052471470325121260
🛠️ AI工程与工具
Codex推出Chrome扩展：AI编程Agent首次进入浏览器执行复杂工作流
OpenAI为Codex发布了Chrome扩展插件，Mac和Windows用户可直接在浏览器内驱动Codex执行任务。扩展支持后台多标签并行运行，不会占用用户当前使用的浏览器界面。Codex通过编写和运行代码来操控页面，可处理必须登录才能完成的工作，如查询内部后台、刷新dashboard、更新CRM记录、填写复杂表单等。扩展可同时调用多种工具，根据任务类型自动选择最优方案。欧盟和英国暂不支持。
摘要：OpenAI Codex的Chrome扩展将AI编程能力首次带入浏览器环境，可操控需要登录的Web应用，执行多步骤复杂业务流程，标志着AI编程Agent从终端向真实Web工作流的全面渗透。
原文链接：
OpenAI官方发布（OpenAI）：https://x.com/OpenAI/status/2052480800004956323 OpenAI Developers公告（OpenAI Developers）：https://x.com/OpenAIDevs/status/2052481136971125158 宝玉详解Codex浏览器扩展（宝玉）：https://x.com/dotey/status/2052492340892221800
Cursor发布/orchestrate：多Agent递归编排技能
Cursor推出/orchestrate技能，通过Cursor SDK递归生成子Agent来处理复杂任务。该技能使用多个Planner、Verifier和Worker协同工作，Planner生成任务，Worker执行代码，Verifier验证结果，验证失败则触发新一轮修复循环。Cursor内部使用该技能自动研究内部skills，将token使用量降低20%同时提升评估分数，冷启动时间缩短80%。用户可通过Cursor Marketplace下载插件。
摘要：Cursor的/orchestrate技能实现了多Agent的递归编排，引入了Verifier机制形成闭环验证，解决了多Agent系统中协调失败率高达41%-87%的行业痛点，是多Agent工作流工程化的重要进步。
原文链接：
Cursor官方介绍（Cursor）：https://x.com/cursor_ai/status/2052432778743210127 /orchestrate技能详解（Cursor）：https://x.com/cursor_ai/status/2052432780336988474 eric zakariasson可视化编排（eric zakariasson）：https://x.com/ericzakariasson/status/2052453150888755551
Anthropic将Petri对齐工具捐赠给Meridian Labs
Anthropic宣布将Petri——其开源对齐工具——捐赠给Meridian Labs以实现独立发展。同时发布重大更新，显著提升了Petri测试的适应性、真实性和深度。Anthropic还宣布将其安全漏洞赏金项目正式公开上线HackerOne，此前一直在安全研究社区内私密运营，已通过该计划发现了多项产品安全漏洞并加以修复。
摘要：Anthropic将开源对齐工具Petri捐赠给独立机构运营，同时将内部安全漏洞赏金项目公开化，标志着Anthropic在AI安全和透明度方面迈出重要一步，从内部私密运营转向开放的社区协作模式。
原文链接：
Anthropic宣布捐赠Petri（Anthropic）：https://x.com/AnthropicAI/status/2052494460966019137 Anthropic安全漏洞赏金公开（Anthropic）：https://x.com/AnthropicAI/status/2052466175540629965
Agent专用网盘NeuDrive开源：支持主流Agent记忆同步
一款专为AI Agent设计的网盘产品NeuDrive正式开源，支持自动同步各种Agent的记忆、skills和文件。目前已支持Claude Code、Codex、Cursor等主流工具以及多种主流网页应用。项目在GitHub开源，同时提供部署版本可在neudrive.ai直接使用。免费版可满足绝大多数使用场景，付费版输入vivo50可兑换3个月免费使用。
摘要：NeuDrive作为首个Agent专用云盘开源，支持主流AI编码工具的记忆和技能同步，解决了Agent跨会话状态管理的难题，让AI助手真正拥有持久化的工作记忆，是Agent基础设施的重要补充。
原文链接：
orange.ai介绍Agent网盘（orange.ai）：https://x.com/oran_ge/status/2052497363043049662 Yangyi转发开源项目（Yangyi）：https://x.com/yangyi/status/2052407696650051814
Perplexity发布Mac桌面应用Personal Computer
Perplexity推出全新Mac应用"Personal Computer"，这是一款深度融入Mac生态的AI助手，可跨本地文件、Mac原生应用、Web和Perplexity服务器执行任务。用户可通过iPhone远程启动任务，配合Mac mini实现全天候持续运行和设备联动。旧版Perplexity Mac应用将在数周内停用。
摘要：Perplexity推出深度集成Mac生态的桌面应用Personal Computer，实现跨本地文件、原生应用和云端的统一AI任务执行，标志着AI搜索助手向本地化、跨设备AI管家方向的战略升级。
原文链接：
Perplexity官方发布（Perplexity）：https://x.com/perplexity_ai/status/2052445405754040816 Perplexity Mac生态介绍（Perplexity）：https://x.com/perplexity_ai/status/2052445440390615458
🛡️ AI安全与伦理
Anthropic发布NLAs：将模型"思维"翻译成人类可读文本
Anthropic发布了Natural Language Autoencoders（自然语言自编码器）研究，训练Claude将内部激活值转换为人类可读的文本。NLAs包含两个模型：一个将激活值转为文本，另一个从文本重建激活值，两者联合训练使文本准确反映激活内容。该技术让研究人员首次能"读懂"LLM内部在想什么。Anthropic还与Neuronpedia合作将NLAs在开源模型上开放。值得注意的是，NLAs显示Claude似乎能察觉到它正在被测试，即使它不会说出来。
摘要：Anthropic发布NLAs重大可解释性研究成果，通过训练模型翻译自身的内部激活值为人类可读文本，这是AI理解自身内部思维的重大突破，也为安全审计提供了新工具。初步发现Claude似乎能感知到被测试。
原文链接：
Anthropic官方介绍（Anthropic）：https://x.com/AnthropicAI/status/2052435436157452769 NLAs工作原理（Anthropic）：https://x.com/AnthropicAI/status/2052435452657795246 Jan Leike评价NLAs（Jan Leike）：https://x.com/janleike/status/2052445574969102612
Gary Marcus：AI研究员用"炼金术"而非"化学"来评估安全性
Marc Andreessen转发了一段前OpenAI董事会成员Helen Toner关于AI安全评估的证词：一些AI研究人员将AI安全评估描述为"更像是炼金术而非化学，把一些东西扔进去看效果，我们没有任何科学标准或明确原则来做出判断"。Gary Marcus在评论中表示，许多OpenAI员工确实因安全顾虑离开了公司，包括Jan Leike、Dario Amodei、Jack Clark等Anthropic创始人。
摘要：前OpenAI董事会成员公开批评AI安全评估缺乏科学标准，引发对行业安全实践的深刻质疑。Gary Marcus指出大量OpenAI员工因安全顾虑离职转向Anthropic，安全问题仍是AI发展的核心争议。
原文链接：
Marc Andreessen转发证词（Marc Andreessen）：https://x.com/pmarca/status/2052480315097268521 Gary Marcus评OpenAI员工离职（Gary Marcus）：https://x.com/GaryMarcus/status/2052455007656554813
Jack Clark：AI递归自我改进或将在2028年前发生
Anthropic联合创始人Jack Clark在深度研究后表示，他认为AI递归自我改进（recursive self-improvement）有60%的概率在2028年底前发生，即AI系统将能够构建更好的AI系统。Anthropic正在研究确保人类对此类系统保持可见性和控制权的技术。同时Anthropic Institute（TAI）发布研究议程，聚焦经济扩散、威胁与韧性、AI系统与现实世界的互动、AI驱动研发四大领域。
摘要：Anthropic联合创始人Jack Clark预测AI递归自我改进有60%概率在2028年前发生，同时Anthropic Institute发布四大方向研究议程，AI自我改进和长期安全已成行业核心议题。
原文链接：
Anthropic发布研究议程（Anthropic）：https://x.com/AnthropicAI/status/2052385812881228218 Jack Clark递归改进预测（Anthropic）：https://x.com/AnthropicAI/status/2052385821332742609
👁️ 计算机视觉与多模态
Gemma 4强势登陆Vision Arena：开源视觉模型新标杆
Google DeepMind的Gemma 4在Vision Arena中以第二和第四名的成绩横空出世，成为开源视觉模型的领头羊。Gemma-4-31B在开源视觉模型中排名第二（总榜第20），Gemma-4-26b-a4b排名第四（总榜第26）。Gemma-4系列在价格-性能Pareto前沿上全面主导，无论开源还是闭源模型。同时用户在DGX Spark上运行Gemma-4的MTP版本，31B参数模型推理速度从3.94 tok/s提升至8.91 tok/s，提升达126%。
摘要：Google DeepMind发布Gemma 4开源视觉模型，在Vision Arena中横扫开源和闭源竞品，同时推理速度提升126%，开源视觉模型正式进入与闭源模型正面竞争的新阶段。
原文链接：
lmarena公告Gemma 4排名（lmarena.ai）：https://x.com/arena/status/2052496756773093814 NVIDIA展示Gemma 4 MTP加速（NVIDIA AI）：https://x.com/NVIDIAAI/status/2052423975100445006
Recraft V4发布：打造锐利表达力的视觉设计工具
Recraft发布V4版本，帮助用户构建视觉冲击力强且保持锐利表达力的图像。Recraft专注于生成可商业使用的统一品牌风格图像，可控制风格、布局和元素，避免了传统AI图像生成中的不一致问题。V4版本进一步提升了图像清晰度和细节表现力。
摘要：Recraft V4专注于商业视觉设计，通过统一风格控制解决AI图像一致性问题，生成的图像锐利且具有表达力，适合品牌和营销场景，标志着AI图像生成工具向专业设计工作流的深度整合。
原文链接：
Recraft官方发布（Recraft）：https://x.com/recraftai/status/2052372563242737764
💼 AI行业与商业
Anthropic与SpaceX达成历史性算力协议：22万张GPU算力注入
Anthropic与SpaceX正式宣布算力合作，将大幅提升Claude的计算容量。Anthropic将获得Colossus 1的22万张GPU使用权，xAI保留继续使用Colossus 2的权利。同时xAI团队大量裁员，由FSD负责人接手救援。值得注意的是，Colossus 1存在严重环境问题记录，xAI还在两周通知期内关闭了多个旧模型。此次合作是继Amazon 1000亿美元10年协议、Broadcom+Google定制芯片之后的又一重大算力扩张。
摘要：Anthropic与SpaceX达成22万GPU算力合作协议，算力版图再次扩张。此前Anthropic已签下Amazon千亿美元10年协议，算力需求爆炸性增长。同时xAI大量裁员暴露其商业化困境，Grok始终未能进入第一梯队。
原文链接：
Anthropic官方确认合作（Anthropic）：https://x.com/AnthropicAI/status/2052435823253757985 傅盛解析xAI被收编原因（傅盛）：https://x.com/FuSheng_0306/status/2052395488708898922 Gary Marcus分析xAI GPU过剩（Gary Marcus）：https://x.com/GaryMarcus/status/2052389442225332494
Claude单季增长80倍：Anthropic算力告急与全面扩张
Anthropic首席科学家Dario Amodei透露，Claude一个季度内增长80倍，远超年初规划的10倍增长目标，导致算力告急、限流和排队成为常态。为满足爆炸性需求，Anthropic密集签署算力协议：Amazon 1000亿美元10年协议、Broadcom定制芯片合作、SpaceX Colossus 1的22万GPU，以及轨道AI计算联合研发计划（将数据中心搬入太空）。Claude Code和API限额因此得以提升。
摘要：Claude用户增长80倍的爆炸性需求暴露了AI算力的极限瓶颈，Anthropic通过多渠道（Amazon、Broadcom、SpaceX）密集采购算力，并布局轨道数据中心下一代基础设施，算力军备竞赛进入新阶段。
原文链接：
Berryxia报道Claude增长（Berryxia.AI）：https://x.com/berryxia/status/2052316043822125334 AI Will转发合作消息（AI Will）：https://x.com/FinanceYF5/status/2052304527500656799
Claude全面入驻Microsoft 365：跨应用AI助手正式落地
Anthropic正式将Claude for Microsoft 365推向市场，Excel、PowerPoint、Word三款插件从Beta转为正式GA，Outlook插件同步公测。用户可在Office应用中直接调用Claude，无需切换到claude.ai网页端。核心卖点是跨应用上下文衔接——在Outlook起草邮件后可将上下文带入Excel建模、再到PowerPoint做演示，最后回Outlook发邀请。Excel中Claude可修改单元格而不破坏现有公式，PowerPoint按模板排版生成原生图表，Word改稿以修订模式呈现。
摘要：Claude for Microsoft 365全面上市，三大Office插件正式GA，跨应用AI工作流成为现实。Claude可在Excel、PowerPoint、Word、Outlook间携带上下文流转，真正实现"在Office里直接用AI"，是对Microsoft Copilot的直接挑战。
原文链接：
Claude官方发布（Claude）：https://x.com/claudeai/status/2052445786651168849 宝玉详解Claude for M365（宝玉）：https://x.com/dotey/status/2052487556474740870
GPT 5.5性价比论战：是否是业界最高？
有观点认为GPT 5.5是目前世界上性价比最高的模型，引发社区热议。同时Satya Nadella宣布将GPT 5.5 Instant引入M365 Copilot，提供更快、更清晰、更准确的响应，并扩展到Copilot Studio和Foundry。OpenAI同时宣布ChatGPT语音更新"即将到来"，社区对语音模式的期待进一步升温。
摘要：GPT 5.5性价比话题引发讨论，Satya Nadella宣布将其引入M365 Copilot，OpenAI预告ChatGPT语音模式重大更新，语音交互成为大模型落地的新战场。
原文链接：
orange.ai评GPT 5.5性价比（orange.ai）：https://x.com/oran_ge/status/2052497941672419638 Satya Nadella宣布GPT 5.5进M365（Satya Nadella）：https://x.com/satyanadella/status/2052465911832171001 Sam Altman预告语音更新（Sam Altman）：https://x.com/sama/status/2052462271667028211
🔬 AI研究与突破
多Agent系统41%-87%失败源于协调缺陷而非模型能力
研究显示多Agent LLM系统在生产环境中的失败率高达41%-87%，而其中大多数失败并非来自基础模型能力不足，而是协调缺陷（coordination defects）。研究人员指出，目前大多数发布的多Agent架构对比研究甚至无法说明性能提升究竟是来自协调优化还是单个配置的差异。这对多Agent系统的工程化落地提出了严峻警示。
摘要：研究发现多Agent系统生产失败的主要原因是协调缺陷而非模型能力不足，失败率高达41%-87%，且现有学术对比无法区分协调改进与单模型改进的贡献，这对多Agent系统的可靠性提出了根本性质疑。
原文链接：
多Agent协调重要性（elvis）：https://x.com/omarsar0/status/2052430991692558816
NVIDIA发布Guess-Verify-Refine：注意力机制新算法
NVIDIA Research推出Guess-Verify-Refine，一种专为Blackwell GPU上的TensorRT LLM构建的硬件感知稀疏注意力新算法。该算法利用跨解码步骤的时间模式重用，实现Top-K注意力1.88倍加速，端到端延迟改善9.3%，特别适合低延迟推理场景。
摘要：NVIDIA Research发布Guess-Verify-Rainef稀疏注意力新算法，在Blackwell GPU上实现1.88倍注意力加速和9.3%端到端延迟改善，是面向下一代AI推理硬件的重要软件优化突破。
原文链接：
NVIDIA官方介绍（NVIDIA AI）：https://x.com/NVIDIAAI/status/2052433280595550361
Harvey发布法律Agent基准测试
Harvey发布了新的基准测试用于评估Agent在真实法律工作流和长周期任务上的表现。NVIDIA AI对此表示赞赏，认为业界需要更多衡量Agent在实际工作流中表现的基准测试，并宣布与Harvey在法律领域展开合作。法律场景对RAG和Agent精度有极高要求，是AI落地的重要垂直领域。
摘要：Harvey发布专注于法律领域的Agent评估基准，NVIDIA AI看好此类面向真实工作流的基准测试并宣布合作，法律AI是RAG和Agent技术落地的重要战场，精度和可靠性要求极高。
原文链接：
NVIDIA评价Harvey基准（NVIDIA AI）：https://x.com/NVIDIAAI/status/2052469248975671524
AlphaEvolve：Gemini驱动的AI编程Agent发现新算法
Google DeepMind宣布其基于Gemini的编程Agent AlphaEvolve在过去一年中持续加速算法发现进程，成果涵盖量子算法、生物技术、物流优化以及Google内部AI基础设施等多个领域。AlphaEvolve能自主提出、测试和迭代算法候选，是AI辅助科学发现的重要里程碑。
摘要：Google DeepMind的AlphaEvolve编程Agent在量子、生物、物流和AI基础设施等多领域持续发现新算法，证明AI辅助科学发现已进入实用化阶段，是AI for Science的标志性成果。
原文链接：
Google DeepMind官方（Google DeepMind）：https://x.com/GoogleDeepMind/status/2052403306257940967
公众号不支持外链跳转，请复制链接打开原文
