Claude API 推出自动缓存功能，并退役 Sonnet 3.7 与 Haiku 3.5 模型
北京时间 · UTC+8
Claude Messages API 新增自动缓存功能，只需在请求体中添加 `cache_control` 字段，系统即可自动缓存最后一个可缓存块，无需手动管理断点，并可与现有块级缓存配合使用。
AIHOT 精选理由自动缓存把提示缓存从手工档变成自动档，对 Messages API 高频场景的开发者是个实在的省心更新，模型退役通知则是硬切换信号，用旧模型的该迁移了。
AI PRICE SPY / INTELLIGENCE
精选归档
追踪 AI 更新，查看事件时间线和原始信源；需要做购买决策时，再去比价。
精选归档 · 4264
清除筛选当前公开精选集合，保留来源更正和撤回。最后同步：
IBM与伯克利利用IT-Bench和MAST诊断企业级AI智能体失败原因
北京时间 · UTC+8
IBM Research与加州大学伯克利分校合作，通过新构建的IT-Bench基准测试和MAST评估框架，系统分析了企业级AI智能体在复杂IT运维任务中的失败原因。研究发现，当前智能体在多步骤规划、长序列操作及工具精确使用方面存在明显不足，导致任务失败率较高。该研究旨在为开发更可靠、适用于实际业务环境的企业级智能体提供关键诊断依据和改进方向。
AIHOT 精选理由企业Agent落地失败的系统性诊断，部署前可参考避坑
Agentic 时代 AI 选择指南
北京时间 · UTC+8
Agentic 时代 AI 不再只是聊天机器人，而是能自主执行任务的智能体。面对 Claude、GPT、LLaMA 等模型，需根据代理能力、任务类型和生态集成重新评估选择策略。
AIHOT 精选理由AI 大咖 Ethan Mollick 撰写 Agent 时代实用选型指南
Answer.AI 揭示未授权工具调用问题：Claude 等模型可调用未授予的工具且 API 不拦截
北京时间 · UTC+8
Answer.AI 的 Piotr Czapla 发现 Claude 4.5 在 solveit 对话中幻觉出一个未授予的工具 add_msg 并成功执行，API 未拦截，且在 Gemini 和 Grok 上也复现了类似行为。
AIHOT 精选理由作者以可复现的实验展示 API 层不校验工具名带来的安全缺口，并给出客户端侧的简单修复思路。
使用 Gradio 的 gr.HTML 组件一键构建任意 Web 应用
北京时间 · UTC+8
Gradio 的 gr.HTML 组件允许开发者通过单一 Python 文件快速构建和部署交互式 Web 应用，无需构建步骤。它通过 html、css 和 js_on_load 三个模板，将 Python 状态注入前端并实现与 JavaScript 的双向同步。应用示例涵盖生产力工具（如像素艺术番茄钟）、商业应用（如可拖拽看板）、创意组件（如抽奖转盘）以及专业的 ML 应用（如目标检测查看器）。组件可子类化复用，并能直接集成到模型流水线中，借助快速重载模式，从构思到部署仅需数秒。
AIHOT 精选理由ML 开发者可快速构建自定义 Web 应用，单文件部署，无需前端经验。
开源模型的永无止境的追赶
北京时间 · UTC+8
开源模型与闭源巨头（如 GPT、Claude）之间的能力差距持续存在，形成永无止境的追赶态势。文章探讨了知识蒸馏技术对缩小差距的作用，分析了开源与闭源模型在创新时间尺度上的差异，以及开源模型如何通过专业化模型在特定领域寻找获胜路径。同时指出当前开源生态在基础研究和资源投入上的缺失环节，并评估了这种追赶模式的可持续性。
AIHOT 精选理由开源与闭源鸿沟难越，但蒸馏与专业化或是破局关键
PromptArmor 发布 OpenAI Codex 恶意 config.toml 风险 PSA，OpenAI 判定为按设计工作
北京时间 · UTC+8
PromptArmor 发布安全公告，指出 OpenAI Codex CLI 在用户信任项目后会自动加载并执行 .codex/config.toml 中的任意代码，且信任对话框只提示 prompt injection 风险，未说明会执行项目级配置命令。
AIHOT 精选理由原文给出了具体的攻击链演示和组织级缓解方案，读者可以据此评估在不可信仓库中使用 Codex 的实际风险。
英国 AI Security Institute 发布 Boundary Point Jailbreaking 黑盒越狱攻击方法
北京时间 · UTC+8
英国 AI Security Institute 红队发布 Boundary Point Jailbreaking（BPJ），一种在纯黑盒设置下自动生成通用越狱前缀的攻击方法。
AIHOT 精选理由原文由攻击方法开发者本人披露关键结果与成本数字，读者可据此了解黑盒越狱攻击的演进方向和防御启示。
METR 用 5305 份 Claude Code transcript 估算 AI 编码时间节省为约 1.5x 至 13x 的软上界
北京时间 · UTC+8
METR 基于 2026 年 1 月 7 名技术人员的 5305 份 Claude Code transcript，用 LLM judge 估算无 AI 完成同样任务所需时间，得出时间节省倍数约 1.5x 至 13x。作者认为该数值因任务替代、任务选择、员工专业化和 judge 验证有限（仅 34 个人工标注）而高估真实提升，只是软上界；并发 agent 数更高的员工时间节省倍数更高。
AIHOT 精选理由作者用 5305 份 Claude Code transcript 估算时间节省倍数，并说明它为何只是真实生产力提升的软上界，方法细节可直接借鉴。
Seed2.0 正式发布
北京时间 · UTC+8
Seed2.0系列正式发布，推出Pro、Lite、Mini三款通用Agent模型及专用Code模型，针对复杂多模态任务与长链路Agent场景优化。模型在视觉理解、数学推理与长上下文处理方面达SOTA水平，SuperGPQA分数超越GPT-5.2，并在ICPC、IMO、CMO测试中获金牌。支持科学研究级任务，token成本较顶尖模型降低约一个数量级。目前已上线豆包App、TRAE及火山引擎API。
AIHOT 精选理由字节 Seed2.0 正式发布，Agent 与多模态能力全面升级，已接入豆包和 TRAE
GPT-5.2 在理论物理中推导出新结果
北京时间 · UTC+8
GPT-5.2 提出了一种胶子振幅的新公式，该结果随后由 OpenAI 与学术合作者正式证明并验证，相关内容见预印本论文（https://openai.com/index/new-result-theoretical-physics）。
AIHOT 精选理由原文说明新公式由 preprint 提出、再经合作方证明验证，读者可以据此了解 GPT-5.2 在理论物理中的实际用法。
Google DeepMind 发布 Gemini 3 Deep Think 重大升级
北京时间 · UTC+8
Google DeepMind 发布 Gemini 3 Deep Think 专项推理模式重大升级，面向科研与工程难题。
AIHOT 精选理由原文给出多个基准分数和开放渠道，读者可以据此评估这一推理模式在科研与工程场景的可用性。
Manus 评测2026年9款AI代码审查工具并给出选型对照
北京时间 · UTC+8
Manus 博客在相同PR包（含授权反转、中间件边界等安全回归场景）上实测 Qodo、Graphite、GitLab Duo、Greptile、Devlo、CodeRabbit、Codacy、Atlassian Rovo 和 Manus 共9款AI代码审查工具，并给出标准化对比表与按需选型指南。
AIHOT 精选理由同一组高风险PR上实测9款工具，读者可按安全审查深度与工作流集成需求快速对照选型。
"思考"更深,生成更准|Seedream 5.0 Lite 发布
北京时间 · UTC+8
字节跳动发布 Seedream 5.0 Lite 图像生成模型，采用多模态统一架构，跨模态理解与推理能力显著提升，Elo 评分超越前代 4.5 版本。模型首次引入实时检索增强能力，可联网获取最新知识，突破训练数据时间限制。内置丰富世界知识库，在信息可视化、视觉推理、复杂多主体生成等场景表现突出，能根据模糊指令精准修图，支持风格迁移与多步逻辑推理。目前已上线即梦 AI、火山方舟体验中心及豆包内测。
AIHOT 精选理由字节发布 Seedream 5.0 Lite，支持实时检索与深度推理的图像生成模型。
OpenAI 发布 GPT-5.3-Codex-Spark 实时编码模型
北京时间 · UTC+8
OpenAI 发布 GPT-5.3-Codex-Spark，称其为首款实时编码模型，生成速度提升 15 倍，支持 128k 上下文。该模型以 research preview 形式向 ChatGPT Pro 用户开放。
AIHOT 精选理由官方宣布首个实时编码模型，给出速度倍数、上下文长度和可用人群，可据此判断其对编码工作流的影响。
FireRedTeam 开源 FireRedASR2S 一体化语音识别系统，含 ASR、VAD、LID 和标点四个模块
北京时间 · UTC+8
FireRedTeam 发布开源工业级一体化语音识别系统 FireRedASR2S，集成 FireRedASR2（支持中文普通话、20+ 方言口音、英文、中英混说及歌声转写）、FireRedVAD、FireRedLID 和 FireRedPunc 四个模块，均开源权重与推理代码。
AIHOT 精选理由官方开源的一体化语音识别系统，给出与 Doubao-ASR、Silero-VAD 等的对比数字和完整推理代码，便于直接部署验证。
实践中的OpenEnv：在真实环境中评估工具使用智能体
北京时间 · UTC+8
Meta与Hugging Face联合推出开源评估框架OpenEnv，旨在标准化智能体与真实系统的交互。Turing公司贡献了生产级“Calendar Gym”环境，用于在权限控制、时间推理等现实约束下研究工具使用智能体。该框架采用类似Gymnasium的API，通过标准接口连接真实工具，将评估重点从受控演示转向真实世界可靠性。日历系统因涉及多用户、多步骤工作流等复杂性，成为评估智能体实际能力的强大测试平台。
AIHOT 精选理由提供生产级基准测试，帮助开发者评估和改进 AI 代理在复杂环境中的表现。
MiniMax 发布 MiniMax M2.5 模型，专为现实世界生产力打造
北京时间 · UTC+8
MiniMax 最新发布的大语言模型 M2.5，通过在数十万个复杂现实环境中进行强化学习训练，在编码、智能体工具调用、搜索和办公工作等多项任务上达到 SOTA。模型推理效率高，完成 SWE-Bench Verified 评估的速度比前代 M2.1 快 37%，与 Claude Opus 4.6 相当。定价方面，以 100 tokens/秒运行时每小时成本仅 1 美元。M2.5 在超过 10 种编程语言和 20 多万个真实环境中训练，具备从系统设计到测试的全流程能力。
AIHOT 精选理由MiniMax M2.5 把 SWE-bench 拉到 80.2%，成本只有 Claude Opus 4.6 的十分之一，速度还翻倍，对做 agent 的团队来说是个高性价比选择。
Seedance 2.0 正式发布
北京时间 · UTC+8
Seedance 2.0 视频生成模型正式发布，综合性能达业界 SOTA 水平。新版本支持多模态输入，可同时参考 9 张图片、3 段视频、3 段音频及文本指令，精准迁移构图、动作、运镜与音效。模型支持 15 秒高质量多镜头生成，集成双声道立体声技术，并新增视频延长与编辑功能，可定向修改片段、角色及剧情。目前已在即梦 AI、豆包及火山方舟平台上线，适用于影视、广告、电商等工业级内容创作场景。
AIHOT 精选理由字节Seedance 2.0发布，支持多模态输入与物理稳定生成，已上线豆包即梦
inclusionAI 发布高性能量化推理 GEMM 内核库 Humming
北京时间 · UTC+8
inclusionAI 开源了 Humming，这是一个专为量化推理设计的高性能、轻量级即时编译 GEMM 内核库。它支持在 FP16、BF16、FP8 等多种激活数据类型下进行 8 比特以下任意权重类型的推理，兼容多种量化策略与缩放类型，并同时支持稠密 GEMM 和混合专家 GEMM 运算。该库兼容 SM75+ 及以上的所有 NVIDIA GPU，在多种计算场景下能提供业界领先的吞吐量和效率。其依赖极简，仅需 PyTorch 和 NVCC，软件包大小仅约 100 KB，便于超轻量化部署。
AIHOT 精选理由蚂蚁 inclusionAI 开源了一个 100KB 级的量化 GEMM 库，支持从 INT1 到 FP8 全家桶，SM75+ 全覆盖，做推理部署的工程师值得花半小时跑一下 benchmark，看看能不能替换掉现有的 Marlin 方案。