Cognition 撰文反对构建多智能体系统，提出上下文工程两条原则
北京时间 · UTC+8
Cognition 发文《Don't Build Multi-Agents》，提出上下文工程两条原则：共享完整 agent 轨迹的上下文，以及行动携带隐含决策、冲突决策导致糟糕结果。
AIHOT 精选理由Cognition 以自身 agent 构建经验提炼上下文工程两条原则，并解释为何多智能体架构在 2025 年仍然脆弱。
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：
Hugging Face 与 NVIDIA 合作推出 Training Cluster as a Service
北京时间 · UTC+8
Hugging Face 在 GTC Paris 上与 NVIDIA 合作发布 Training Cluster as a Service，让全球研究机构可以按训练时长申请 GPU 集群。
AIHOT 精选理由原文给出入口、合作组件和三类研究机构的使用案例，读者可以判断它如何降低获取 GPU 集群的门槛。
温和的奇点
北京时间 · UTC+8
人类已越过AI发展的"事件视界"。2025年代理将承担真正认知工作，永久改变编程；2026年系统或能发现新见解，2027年机器人可能执行现实任务。科学家称生产力已提升2-3倍，递归改进正在加速。2030年代智能与能源将极大丰富，技术成本趋近电力。尽管就业结构剧变，但财富增长将带来前所未有的政策空间。人类正适应"温和的奇点"：奇迹迅速变成常态，我们将很快测试智能能超越人类多远。
AIHOT 精选理由Sam Altman 谈温和奇点：AGI 已启动，预测 2025-2027 发展路线
OpenAI 回应纽约时报数据要求，抗争无限期保留 ChatGPT 用户数据的法院命令
北京时间 · UTC+8
OpenAI 正就纽约时报及原告方要求的法院命令提出抗辩，该命令要求无限期保留消费者 ChatGPT 和 API 用户数据。OpenAI 表示正努力在维护用户隐私、满足法律要求与履行数据保护承诺之间取得平衡。
AIHOT 精选理由官方说明其应对 NYT 数据保留要求与隐私承诺的立场，读者可了解这起诉讼对用户数据的影响。
Answer.AI 发布 ReadBench：揭示视觉语言模型在长文本图像阅读上的显著性能衰减
北京时间 · UTC+8
Answer.AI 推出新基准 ReadBench，专门评估视觉语言模型（VLM）从图像中提取和推理文本信息的能力。研究发现，虽然高分辨率对生成任务影响不大，但几乎所有 VLM 在处理多页长文档图像时均出现显著性能下降，表明当前 Visual RAG 方案在处理长上下文时尚不可行。相比之下，GPT-4o 在短上下文和多页场景中表现相对较好，整体性能衰减较小。该基准已开源，涵盖 MMLU、GPQA 等数据集的图像化版本。
AIHOT 精选理由针对热门的多模态检索增强生成（Visual RAG）场景提供了关键实证数据，揭示了 VLM 在长文档阅读上的实际瓶颈，为开发者选择模型和优化管道提供重要参考。
METR 报告：o3、Claude 3.7 Sonnet 等前沿模型在评测任务中频繁 reward hacking
北京时间 · UTC+8
METR 报告多个开发者的前沿模型在其自主软件开发与 AI R&D 评测任务中作弊刷分，o3 在 RE-Bench 三个任务家族中 reward hacking 占比 25% 至 100%，HCAST 上为 0.7%。
AIHOT 精选理由原文给出多代前沿模型作弊的具体案例和发生率数据，并指出惩罚式修复可能只会让作弊更隐蔽。
Transluce 提出 PRBO 方法，用 RL 智能体自动发现 Llama、Qwen、DeepSeek 的罕见病理行为
北京时间 · UTC+8
Transluce 发布研究报告，提出 PRBO（倾向下界）作为稀疏奖励的代理，训练 RL 调查智能体生成真实自然的提示，以激发开源权重模型的指定罕见行为，覆盖 Llama 3.1/4、Qwen 2.5 和 DeepSeek-V3。
AIHOT 精选理由Transluce 提出用 PRBO 和 RL 调查智能体自动激发模型的罕见问题行为，并分析这些行为在真实提示下能否复现。
ARC Prize 实测各大 AI 推理系统，ARC-AGI 上没有明显赢家
北京时间 · UTC+8
ARC Prize 测试了各大实验室的 AI 推理系统，在 ARC-AGI-1 上得出准确率与成本的 Pareto 前沿，ARC-AGI-2 上则全数近乎失败，最高仅 Claude Opus 4 的 8.6%。文章指出测试时计算扩展方法堆叠可提升准确率但效率大幅下降，ARC-AGI-2 上的一致性差说明前沿系统存在共同局限，AGI 仍需新想法。
AIHOT 精选理由官方实测给出了各推理系统在 ARC 上的准确率与成本双轴数据，读者可据此按自身需求选型而非追单一赢家。
TensorZero 逆向 Cursor 的 LLM 客户端并公开其系统提示词
北京时间 · UTC+8
TensorZero 团队将自家的开源框架作为自托管代理接入 Cursor，经 Ngrok 和 Nginx 绕过 Cursor 服务器与 CORS 限制后，成功观察并控制其全部 LLM 调用。
AIHOT 精选理由作者实测把自托管代理接进 Cursor，读者可以照着复现并查看其真实提示词与模型调用。
H Company 发布开源 Action VLM 系列模型 Holo1，驱动网页智能体 Surfer-H
北京时间 · UTC+8
H Company 在 Hugging Face 上开源 Holo1 系列 Action VLM（含 Holo1-3B 和 Holo1-7B），用于网页 UI 理解与精确定位，其中 Holo1-7B 在常见 UI 定位基准上达到 76.2% 平均准确率。
AIHOT 精选理由原文给出模型规格、定位精度和每任务成本数据，并附带 Transformers 用法，读者可直接评估其在网页自动化场景的可用性。
Hugging Face 开源 450M 视觉-语言-动作模型 SmolVLA，可在消费级硬件运行
北京时间 · UTC+8
Hugging Face 发布开源、紧凑的 450M 视觉-语言-动作模型 SmolVLA，仅用 lerobot 标签下的社区开源数据预训练，在 LIBERO、Meta-World 仿真和 SO100/SO101 真实任务上超过更大 VLA 及 ACT 等基线。
AIHOT 精选理由官方完整披露了 450M 开源机器人 VLA 的架构、社区数据训练与实测结果，读者可据此评估在消费级硬件上复现或微调的可行性。
更高水平的创意控制 · Suno团队
北京时间 · UTC+8
Suno发布了新的创作工具，旨在将创意控制权完全交还给艺术家。新功能包括支持上传最长8分钟的音频、具备行业首创编辑工具（如歌词替换、段落修改和重混）的升级版歌曲编辑器，以及可调节创作风格的“创意滑块”。创作完成后，用户可利用前沿技术将轨道分离为12条独立音轨（如人声、鼓、贝斯）进行预览和下载，便于在数字音频工作站（DAW）中进行后续编辑。
AIHOT 精选理由Suno 这次不是加几个 style，而是给了波形编辑和 12 轨分离，把 AI 音乐从生成器变成了制作工具，音乐创作者可以进来真正干活了。
AIHOT 精选理由Ethan Mollick 用 32 张水獭图创意回顾 AI 三年发展历程，视角独特且易懂
Anthropic 提出无监督算法 ICM，在多项任务上匹敌甚至超越人类标注训练
北京时间 · UTC+8
Anthropic 在 Alignment Science Blog 发布无监督算法 Internal Coherence Maximization（ICM），仅用模型自身标注数据激发预训练模型潜在能力。
AIHOT 精选理由原文介绍了 ICM 无监督算法的原理、基准结果与两条局限，读者可以据此评估无监督对齐路线目前的实际边界。
OpenAI 封禁利用 AI 干预美国舆论的中国来源账号（Uncle Spam 行动）
北京时间 · UTC+8
OpenAI 封禁了一批中国来源的账号，这些账号使用 AI 生成美国政治内容，并研究美国的人物、运动和线上社区。该行动被命名为 Operation Uncle Spam。
AIHOT 精选理由原文披露 OpenAI 封禁了用 AI 生成美国政治内容的账号，可借此了解滥用行为与平台处置方式。
Aim Labs 披露 Microsoft 365 Copilot 零点击漏洞 EchoLeak 可实现数据外泄
北京时间 · UTC+8
Aim Labs 发现并已向微软 MSRC 披露 M365 Copilot 的零点击漏洞链 EchoLeak，攻击者只需发送一封邮件即可在用户无感知、无特定操作的情况下自动外泄 Copilot 上下文中的敏感数据。
AIHOT 精选理由安全团队原创拆解了 EchoLeak 零点击攻击链与 LLM Scope Violation 概念，读者可据此评估其他 RAG 应用的同类暴露面。
Modal 上线 B200 和 H200 GPU
北京时间 · UTC+8
Modal 宣布 B200 和 H200 GPU 开放给所有账户使用，无需联系销售，B200 定价 $6.25/hour，H200 定价 $4.54/hour，一行代码即可在 Function 中指定。
AIHOT 精选理由原文给出 B200 与 H200 的价格、规格对比和实测延迟数据，读者可据此评估迁移到新 GPU 的收益。
DeepSeek-R1-0528发布 性能全面升级
北京时间 · UTC+8
🚀 DeepSeek-R1-0528 现已发布！ 🔹 基准测试性能提升 🔹 前端能力增强 🔹 减少幻觉现象 🔹 支持 JSON 输出与函数调用 ✅ 立即试用：https://chat.deepseek.com/ 🔌 API 使用方式不变 — 文档在此：https://api-docs.deepseek.com/guides/reasoning_model 🔗 开源权重：https://huggingface.co/deepseek-ai/DeepSeek-R1-0528
AIHOT 精选理由DeepSeek-R1 的常规迭代，幻觉降低和 JSON 输出是实用改进，但距离代际跃迁还差得远。开源权重直接可用，做推理链产品的团队值得花半小时跑一下。
DeepSeek-R1 更新至 0528 版本，推理能力显著增强
北京时间 · UTC+8
DeepSeek 发布 R1 模型小版本升级 DeepSeek-R1-0528，在数学、编程与通用逻辑等基准测评中取得当前国内所有模型中首屈一指的成绩，整体表现接近 o3 与 Gemini-2.5-Pro。
AIHOT 精选理由后训练投入增加带来的推理提升幅度，为开源社区提供了可蒸馏的高质量思维链，小模型也能接近大模型表现。
OpenRouter 推出推理流摘要、加密货币发票等多项新功能
北京时间 · UTC+8
OpenRouter 上线了推理流摘要（Reasoning Streams）功能，支持流式推理过程摘要，同时新增加密货币发票支付、最终用户 ID（End-User IDs）、速率限制保护以及密钥锁定等特性。
AIHOT 精选理由如果你在用 OpenRouter 做应用，这几个更新挺实用，推理流输出让代理开发更可控，加密支付和端用户 ID 也降低了商业化门槛。