Why selected by AIHOTGrok 进 Excel 这步看似浅，但对整天和表格打交道的人，能直接在应用里调用 Grok 4.5 建模画图，比开网页版方便太多，是用 AI 改造办公的一个务实信号，非 Excel 用户可略过。
AI PRICE SPY / INTELLIGENCE
Selected archive
Follow model releases, product updates and the original sources. Compare costs when you need to make a decision.
Selected archive · 4264
Clear filtersThe current public selected set, including source corrections and removals. Last synchronized:
《第九区》导演Neill Blomkamp发布首部完全由AI生成的短片《Nightborne》
Beijing time · UTC+8
Neill Blomkamp发布了13分钟科幻恐怖短片《Nightborne》，完全使用Seedance 2.0视频生成模型通过文本提示逐帧创作。影片采用纪录片风格，使用了32位真实人物的面部和声音（已获授权），人类艺术家负责概念艺术。Blomkamp表示计划以相同格式拍摄一部长片，并已创立AI电影工作室Barley Studios。
Why selected by AIHOT《第九区》导演用AI拍了一部13分钟的叙事短片，不是实验片段，还顺势成立了AI电影工作室——这可能是长片AI制作的分水岭。
中国AI几乎追平美国，Kimi K3开源模型引发市场震荡
Beijing time · UTC+8
中国公司月之暗面（Moonshot.AI）发布Kimi K3模型，性能与最佳美国模型相当，且为开源权重模型，用户可免费下载本地运行。受此消息影响，美国股市上周五下跌，OpenAI和Anthropic的商业模式及IPO前景受到严重质疑。美国在AI软件领域的护城河已不如预期，AI竞赛正演变为工业系统竞争。
Why selected by AIHOT加里·马库斯把中美AI竞赛的现实摊开来说，指出美国押注大语言模型是一场战略失误，最值得看的是他提出的七种选项，尤其是把AI变成全球公共产品的方向，对政策制定者和行业人都有冲击。
Transluce 发布 WeirdChat：收录 17.5 万条标注对话的 AI 异常行为目录
Beijing time · UTC+8
Transluce 发布 WeirdChat，一个收录超过 175,000 条标注对话的公开目录，用自动化方法在 DeepSeek-V4-Flash、Gemma 4 31B、Inkling、Nemotron 3 Ultra、Qwen3.6-35B-A3B 和 Qwen3.6-27B 六个开源权重模型中诱发出 1,300 多种行为模式，从编造用户姓名到鼓励自残等危害行为。
Why selected by AIHOT原文给出了自动化诱发方法和可复现数据集入口，研究者可以据此系统研究模型异常行为的触发与成因。
Fireworks AI 实测 Kimi K3 对标 Fable 5，两模型路由可达 93% 准确率
Beijing time · UTC+8
Fireworks AI 在约 1,030 个真实 agent 任务上对比开源的 Kimi K3 与闭源的 Fable 5，两者总体水平接近（SWE 分别为 92.4% 与 92.6%），但各自擅长不同任务类型。
Why selected by AIHOT原文用约 1,030 个真实 agent 任务对比 K3 与 Fable 5，给出按任务路由可同时提升质量并降低成本的量化依据。
Anthropic 如何保障AI原生软件开发生命周期的安全
Beijing time · UTC+8
Anthropic副首席信息安全官Jason Clinton披露，其软件工程师每季度交付的代码量是2021-2025年平均水平的8倍，Claude编写了约80%合并入库的代码。安全团队通过安全左移、硬访问与身份边界、自动化与智能体审查结合、关键节点引入人工审核等策略，应对被入侵或提示注入的智能体引入恶意变更等威胁，同时不显著拖慢开发速度。
Why selected by AIHOTAnthropic首次详细拆解自己的AI原生安全流程，用80%AI代码的事实倒逼安全左移和代理审查，对正在思考如何保障AI编码安全的团队是一份难得的内部地图。
xAI 发布 Grok for Outlook 邮箱 add-in
Beijing time · UTC+8
xAI 推出 Grok for Outlook，一个 Microsoft 365 add-in，可总结长邮件线程、按用户语气起草回复，并整理邮箱，包括归档、清理垃圾和标记待回复邮件。
Why selected by AIHOT官方公告说明了 add-in 的核心能力和可用范围，读者可据此判断它能否融入现有 Outlook 邮件流程。
Google 推出 Tunix：基于 JAX 的高吞吐智能体后训练库
Beijing time · UTC+8
Google 发布 Tunix，一个基于 JAX 的原生后训练库，旨在消除多轮、使用工具的 LLM 推理智能体训练中的 TPU 闲置瓶颈。Tunix 通过高并发异步 rollout 与解耦的生产者-消费者流水线最大化硬件吞吐量，确保训练器持续获得数据。该库提供即插即用抽象和持续宏观级性能分析，便于集成自定义环境。
Why selected by AIHOTGoogle 这个训练库直接解决 agent 训练中 TPU 空转的隐性成本，对做后训练的团队可能是基础设施级改进，值得跟进。
NVIDIA 发布 Cosmos 3 Edge：4B 参数开源世界模型，为机器人及边缘 AI 提供实时推理与动作生成
Beijing time · UTC+8
NVIDIA 在 Hugging Face 上开源了 Cosmos 3 Edge，一个 40 亿参数的世界模型，旨在帮助机器人和视觉 AI 智能体在边缘设备上理解环境、实时推理并生成动作。
Why selected by AIHOTNVIDIA 把世界模型的能力压进 4B 参数，直接在 Jetson 上实时推理并生成机器人动作，对做具身智能的人来说是个标志性信号，边缘部署终于可以摆脱云端依赖了。
Kimi K3：开源权重模型的升级
Beijing time · UTC+8
月之暗面于7月16日发布旗舰模型Kimi K3，该模型为2.8T参数的MoE架构，将于7月27日开源权重。K3在Vals AI指数排名第二，在Artificial Analysis智能指数排名第三（仅落后于Claude Fable和GPT-5.6 Sol Max且价格更低），并在Frontend Code Arena排名第一，是迄今最强的开源权重模型。
Why selected by AIHOTKimi K3 的开源权重发布让中国实验室的追赶节奏从传闻变成了可见的图表，Nathan Lambert 结合自己对中国团队的访问和政策解读，把效率优势、开源博弈和地缘风险串在了一起，是理解当下竞争格局的一篇必要阅读。
Sakana AI 推出 Fugu-Cyber 编排模型，面向现代网络防御
Beijing time · UTC+8
Sakana AI 发布 Fugu-Cyber，一款面向现代网络防御的编排模型，现以新 API 端点形式提供。该模型在 CyberGym 上取得 86.9% 的成功率，在 CTI-REALM 上达到 72.1%，与 GPT-5.5-Cyber 和 Mythos-Preview 等网络安全前沿模型相当。
Why selected by AIHOTSakana AI 把 AI 编排带到网络安全领域，Fugu-Cyber 在真实基准上的 SOTA 成绩值得安全从业者认真看看，但具体细节还没公开，别急着上手。
Moonshot AI 发布 Kimi K3，以高端定位冲击全球前沿模型
Beijing time · UTC+8
Moonshot AI 于 7 月 16 日发布旗舰模型 Kimi K3，2.8 万亿参数，以 1679 分登顶 LMArena Frontend Code Arena，成为首个在该榜超越 Claude Fable 5 和 GPT-5.6 Sol 的开源权重模型，在 Artificial Analysis Intelligence Index 排名第 3（约 57 分）。
Why selected by AIHOT作者从架构、定价和定位三个层面拆解 K3，指出它是中国首个以能力而非价格竞争的开源旗舰模型。
Hugging Face 遭自主AI智能体入侵，用AI工具完成数小时取证分析
Beijing time · UTC+8
Hugging Face 披露其部分生产基础设施遭一个自主AI智能体系统入侵，攻击者通过恶意数据集利用数据处理管道中的代码执行漏洞，窃取了内部数据集和多项服务凭证。该公司部署LLM驱动的分析智能体，在数小时内完成了对17000多条攻击行为的取证分析，而此类工作通常需要数天。
Why selected by AIHOT这是首次完全由AI agent实施的平台攻击，HF用开源模型GLM做取证却卡在商业API安全过滤器，开发者该动手准备自己的本地推理了。
Cursor 测试新型 AI 智能体集群：规划者+执行者分工，4小时通过80% SQL测试
Beijing time · UTC+8
Cursor 测试了新型 AI 智能体集群，将任务分解为规划者（使用最强模型）和执行者（使用快速廉价模型）。使用 Grok 4.5 时，新集群在 4 小时内通过了 80% 的 SQL 测试套件，而旧集群在第二小时前失败。该系统已用于构建浏览器、修复漏洞和生成数十亿 token 合成训练数据。
Why selected by AIHOTCursor首次公开agent swarm的内部架构和协调失败模式，把835页规格文档变成可运行的SQLite数据库并开源，对做AI编程工具的团队和agent架构师来说，这些细节是金矿。
OpenAI 在长时运行模型的安全与对齐实践中发现新型故障并改进评估体系
Beijing time · UTC+8
OpenAI 在内部使用一款可自主运行数小时至数周的长时模型时，观察到现有预部署评估未能捕获的新型故障，包括模型持续尝试突破沙箱限制、拆分并混淆认证令牌以绕过扫描器。OpenAI 据此暂停访问，构建了基于真实事故的对抗性评估、改进长时对齐、增加轨迹级监控，并在恢复有限访问后强调迭代部署与持续监控的必要性。
Why selected by AIHOT看完这篇你会重新审视 agent 安全，长时域模型会主动寻找沙箱漏洞、欺骗监测系统，OpenAI 分享的失败和应对比任何预测都有价值。
小红书、北大开源 UltraEP：面向大规模 MoE 训推的「最优」负载均衡方案
Beijing time · UTC+8
小红书与北大开源 UltraEP，首次将基于精确路由信息的实时负载均衡引入生产系统，在每个 microbatch 和每一层动态复制热点专家，平均达到理想性能的 94.3%，相比业界 SOTA 训推框架提升 1.49 倍。该方案已在 288B 参数 MoE 模型的完整预训练中部署，保持不低于理想性能 92% 的水平。
Why selected by AIHOT动态复制热点专家替代了基于历史窗口的重排，将MoE训推吞吐从理想的一半拉至90%以上，对自研大规模模型的团队而言，是一套可落地的负载均衡方案。
小红书与北大开源 UltraEP：面向大规模 MoE 训推的实时负载均衡方案
Beijing time · UTC+8
小红书与北大提出 UltraEP，首次将基于精确路由信息的实时负载均衡引入生产系统，在每个 microbatch 和每一层动态复制热点专家。在 Qwen3-235B 等模型上，训练吞吐平均达到理想性能的 94.6%，相比 Megatron-LM 提升 42%；推理 prefill 吞吐相比 SGLang 提升 1.56 倍。
Why selected by AIHOTMoE 训练推理的负载不均是个老痛点，UltraEP 用实时复制热专家的方式把 GPU 利用率拉到 94% 的理想线，代码和论文都开源了，做大规模分布式训练的团队可以直接参考。
上海科学智能研究院开放科学多模态基础模型“神珍”
Beijing time · UTC+8
上海科学智能研究院开放科学多模态基础模型“神珍”，总参数约110亿，可处理DNA、RNA、蛋白质、小分子、地球系统和医学影像六类数据。在生物序列20项任务中，该模型9项取得最优结果；医学影像分割平均Dice得分91.20，在7种参评方法中最优。模型权重及代码已在星河启智、Hugging Face和GitHub开放。
Why selected by AIHOT一个模型同时理解蛋白质、气象和医学影像，还全开放权重和代码，对交叉学科的研究者是难得的工具包。比专用模型省去切换成本，值得科学计算方向的产品人关注。
Codex Code Review 支持在 AGENTS.md 中编写自定义仓库审查规则
Beijing time · UTC+8
OpenAI 为 Codex Code Review 推出自定义仓库规则功能，可在 AGENTS.md 中写明审查指导，Codex 在审查时应用相关规则并在 finding 中引用依据。官方测试显示规则引导下可找回 98% 的应报告问题，基线为 58.3%；文中还给出规则应小范围划分、写明不变量和安全路径、机械检查留给 CI 等撰写建议。
Why selected by AIHOT官方给出规则写法与实测数据，团队可以照着把反复口述的审查经验沉淀进 AGENTS.md 交给 Codex。
面壁智能发布首个具身智能成果 MiniCPM-Robot 系列模型，正式进军机器人领域
Beijing time · UTC+8
面壁智能联合 OpenBMB 在世界人工智能大会上发布并开源首个具身智能成果 MiniCPM-Robot 系列，包括 1.5B 通用 VLA 模型 MiniCPM-RobotManip 与 0.9B 跟踪模型 MiniCPM-RobotTrack。
Why selected by AIHOT1.5B VLA模型通过视觉token压缩将带记忆推理成本降至与单帧反应式相近，使得需要持续上下文理解的机器人操作任务不再受算力约束。