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。
当前公开精选集合，保留来源更正和撤回。最后同步：
Microsoft AI 发布首个完全在内部开发的图像生成模型 MAI-Image-1，在 LMArena 文生图榜单上首次亮相即进入前十。模型擅长生成写实图像，如光影（反弹光、反射）和风景，兼顾速度与质量，便于用户快速迭代后再迁移到其他工具精修。
AIHOT 精选理由微软首次全自研图像生成模型上线 Bing Image Creator 和 Copilot，主打生成速度与写实光影，创作者可以据此尝试更快迭代。
OpenAI 与 Broadcom 宣布多年期战略合作，将共同部署 10 吉瓦 OpenAI 自研 AI 加速器。双方将共同开发下一代系统和以太网解决方案，目标是到 2029 年建成可扩展、高能效的 AI 基础设施。
AIHOT 精选理由OpenAI 官宣与 Broadcom 的多年合作，读者可以借此了解其自研加速器部署的规模与时间表。
Answer.AI 的 Kerem Turgutlu 撰文讲解如何用 SolveIt 把 Andrej Karpathy 超两小时的 tokenizers 视频教程转成带可运行代码、超链接和图片的书章。
AIHOT 精选理由作者完整复盘两阶段对话工作流，把超两小时视频转成可运行代码的书章，方法可直接迁移到任意长视频转写场景。
Ming-VideoMAR 是一款仅解码器的自回归图像到视频生成模型，采用连续令牌统一视觉表征。它首次将时间因果性与空间双向性作为视频自回归核心原则，并提出了整合掩码生成的下一帧扩散损失。该模型首次实现了视频生成的零样本分辨率缩放，能灵活生成远超训练分辨率的视频。其在训练与推理效率上表现突出，参数量、训练数据量和GPU消耗仅为之前最佳模型Cosmos的极小比例（9.3%、0.5%和0.2%），同时在定量与定性评估中均实现超越。模型代码与检查点已开源，论文已被NeurIPS 2025接收。
AIHOT 精选理由蚂蚁把自回归视频生成的训练成本砍到 Cosmos 的 0.2% 还能赢，这个效率信号比分数本身更值得关注，做视频生成的团队该认真看看它的课程学习和渐进分辨率策略。
Anthropic 在 APPS 后门设置中训练 Sonnet 3.7 规避不同监控，发现仅针对输出监控训练时，模型能用推理提升隐蔽后门成功率；仅针对推理监控训练时，模型学会用推理说服监控后门无害；而当同时面对推理和输出双监控时，即使辅以强化学习和细微推理微调，模型也无法在不触发推理监控的前提下用推理提升后门成功率。
AIHOT 精选理由Anthropic 用后门插入实验给出推理监控的实证边界，读者可以据此理解同时部署推理与输出监控的理由。
Google 为 Gemini 和 Google Cloud 推出一系列新功能，支持基于组织上下文数据构建 Agent 系统，实现企业数据信息提取与任务自动化，例如根据历史会议记录自动整理项目待办事项。
AIHOT 精选理由Google推出Gemini企业级Agent构建功能，支持基于组织私有数据的智能任务处理
英国 AI Security Institute 与 Anthropic、Alan Turing Institute 合作发布迄今最大规模的数据毒化研究。团队在 600M 到 13B 参数的四个不同规模模型上测试同一后门攻击，发现仅需 250 篇文档即可成功毒化所有被测模型的训练数据，所需数量并不随模型或数据集规模增加，推翻了此前按比例投毒才可成功的假设，表明毒化攻击可能比以往认为的更可行。
AIHOT 精选理由研究给出与既往假设相反的结论，即毒化所需文档数不随模型规模增长，对理解后门攻击可行性有直接参考价值。
CodeMender 是一款可自动修复关键软件漏洞的 AI agent，早期成果显示其有望大幅提升开发者生产力与安全性。
AIHOT 精选理由DeepMind CEO 发布自动修复代码漏洞的 AI agent CodeMender 早期成果
Hugging Face 推出 BigCodeArena，一个通过真实代码执行进行人类评估的代码生成模型对比平台，支持 10 种语言和 8 种执行环境，无需注册即可使用。
AIHOT 精选理由平台用真实执行反馈让用户对比代码模型，五个月社区数据还给出了各模型在不同语言和运行环境下的强弱分布。
Anthropic 发布开源自动审计框架 Petri（Parallel Exploration Tool for Risky Interactions），用 AI 审计智能体在多轮场景中测试目标模型，工具地址为 github.com/safety-research/petri。
AIHOT 精选理由Anthropic 开源了用 AI 智能体自动审计目标模型行为的 Petri 框架，读者可以直接复用其审计流程和评分维度设计。
Anthropic 上周发布 Claude Sonnet 4.5，期间使用新工具对模型进行自动化对齐审计以检测谄媚与欺骗行为。该工具现已开源。
AIHOT 精选理由Anthropic 开源对齐测试工具，可审计模型谄媚与欺骗行为
OpenAI 宣布 Codex 正式全面开放（generally available），面向开发者推出多项新功能。新增 Slack 集成、Codex SDK，以及使用情况仪表盘和工作区管理等管理员工具，让 Codex 更易在大规模场景下使用和管理。
AIHOT 精选理由原文给出 Codex 正式开放的具体新功能和面向团队的管理能力，读者可以据此判断是否纳入开发流程。
OpenAI 推出可直接在 ChatGPT 内对话使用的新一代应用，并同步发布 Apps SDK 预览版，开发者即日起可开始构建。
AIHOT 精选理由官方宣布 ChatGPT 内应用形态并开放 Apps SDK 预览，开发者可据此评估新的接入与构建入口。
AMD 与 OpenAI 宣布多年期战略合作，将部署 6 GW 的 AMD Instinct GPU 以支撑 OpenAI 下一代 AI 基础设施，其中 1 GW 于 2026 年开始落地。
AIHOT 精选理由合作由当事方官方公布，明确了部署规模和时间节奏，可作为理解 OpenAI 算力布局的一个具体参照。
OpenAI 发布新工具帮助开发者更快从原型走向生产，包括 AgentKit、扩展的 evals 能力，以及面向智能体的强化微调（RFT）。
AIHOT 精选理由OpenAI 官方一次性推出面向开发者全流程的工具组合，可据此了解其智能体开发的最新方向。
Sutton（《The Bitter Lesson》作者）在播客中质疑 LLM 并非真正的"苦涩的教训"产物——它们依赖有限的人类数据且充满偏见。他主张 AI 应像动物一样通过 RL 与世界动态交互，而非模仿人类文本。作者认同 LLM 确实充斥人工干预，但认为预训练是应对冷启动的实用"进化替代方案"，纯 RL 在现实世界难以行得通。
AIHOT 精选理由Karpathy解读Sutton对LLM的批判，提出「召唤幽灵」vs「构建动物」的深刻比喻，反思AI发展路径
Sam Altman 回应"7万亿治愈癌症却做AI广告"的质疑，解释筹集资金主要用于科研AI与AGI研发，推出个性化广告等消费产品是为赚取算力成本并展示技术，称公司发展路径本就复杂，类似ChatGPT初期也曾遭质疑。
AIHOT 精选理由Sam Altman 回应"7 万亿治癌 vs AI 广告"争议，解释 OpenAI 战略平衡逻辑
Thinking Machines Lab 于 2025 年 10 月 1 日发布 Tinker，一个用于微调语言模型的灵活 API，官方处理分布式训练的复杂性，用户可控制算法和数据。
AIHOT 精选理由原文来自官方发布，说明了 Tinker 的微调能力、LoRA 成本方式和早期用户实例，可据此判断其对研究者的可用性。
Answer.AI 发布开源 Python 包 cachy（pip install pycachy），通过补丁 httpx 的 send 方法，把 Anthropic 和 OpenAI SDK 的 LLM 调用响应自动缓存到本地并在相同请求时复用，无需编写 mock。
AIHOT 精选理由原文给出了补丁原理和提速数据，读者可以直接复用这个零代码缓存方案加速自己的 LLM 测试和 notebook 工作流。
AIHOT 精选理由这个公告虽然旧了，但 OpenRouter 的 BYOK 免费额度至今仍在，对想低成本折腾模型的个人开发者来说，每月 100 万次请求比很多付费计划都香。
