41分钟前更新
- 新智元 2026-11-05 12:07 北京 新智元报道 认出一个物体之后，换个角度还能认出来，进一步想象它转动后的样子，这些都涉及空间感知。人类需要在头脑中表示物体的形状与方向，理解不同视角之间的关系，并从二维投影中推断三维几何。 当视觉语言模型进入交互场景，这种理解还需要落到动作上。一次旋转会改变物体的轮廓、比例和遮挡关系；模型需要先预判变化，再观察执行结果，决定下一步怎么调整。回答对一道空间关系题，能否进一步支持这样连续的姿态控制？ 现有基准对此各有侧重。静态基准通常通过固定图像上的问答评估空间推理，缺少动作执行和闭环反馈；许多交互式基准则关注任务规划、工具调用或路径搜索。这些任务能够考察交互能力，却难以专门检验模型能否从视觉线索理解三维方向，并将这种理解转化为精确旋转。 因此，视觉语言模型能否把二维观察转化为支持精确动作的三维理解？ 这要求模型联系物体的几何与姿态，预判旋转对投影的影响，并利用动作后的新观察不断修正。对于需要探索环境、理解几何并采取行动的智能体来说，这些判断连接着视觉感知与实际控制，也正是业界希望通过评测进一步观察的能力。 为此，来自厦门大学与南洋理工大学的团
- ASI启示录 2026-11-05 12:07 北京 内含顶级AI大横评。 新智元报道 2026年夏天，AI填志愿彻底火出圈了。 千问、豆包、Kimi轮番上阵，各家通用大模型恨不得在高考出分那三天把全中国家长的焦虑一口气吞下。 场面一度非常热闹—— 直到新京报记者做了一件朴素的事：用同一个考生身份（北京考生，579分，位次18xxx），选考物地生。把6款主流AI挨个问了一遍。 结果令人尴尬。 有的模型拿着2026年的分数去查2025年的一分一段表，把考生位次整整往前拉了2440名，照这个定位报志愿，滑档几乎是必然；有的把已经停招的专业、已经更名的院校照推不误；还有的把明明该「冲」的学校，放进了「稳」档。 我们顺着这个思路，把问题从高考志愿往前挪，挪到高中三年里更早、更常见的几个决定上，又问了一轮。 结果没有更好。 有的模型面对「550分能上什么本科」，张口就是提分建议和冲稳保，对综合评价、专项计划、定向招生这些真正能改变命运的多元路径一字不提；有的连省份都没问，就直接开出选科组合。 问题出在哪？不是模型不够聪明，而是它太急着回答了。 通用大模型的底层逻辑是：你敢问，我就敢答。 但生涯规
- ASI启示录 2026-11-05 12:07 北京 新智元报道 2026年，大模型卖Token这门生意，已经卷到让人看不懂了。 谷歌在今年I/O大会上甩出一个数字：每个月处理3200万亿个Token，一年翻了7倍。 国内更猛。IDC上周刚发的报告显示，今年上半年中国MaaS市场规模冲到106亿元，同比增长近9倍；Token消耗量2857.9万亿，同比增长超过430%。 Token，这个曾经只有技术圈才听得懂的词，正在变成一门实打实的大买卖。 这门生意的逻辑其实不复杂：模型厂商把大模型架在云上，开发者不用自己训练、不用自己买显卡，调一次接口付一次钱。 现在，有人想把这套逻辑搬到机器人身上。 机器人抓一个杯子、擦一张桌子，看起来是手在动，背后其实也得有一个模型在指挥。 既然指挥语言的AI模型可以放在云上按次调用，那指挥动作的具身模型，为什么不能？ 这个战场，叫具身智能MaaS。 机器人的「大脑」，装不进「身体」 聊具身MaaS之前，先说一个事：现在的机器人，身体里塞不下一颗够用的「脑子」。 不是模型不够聪明，是机器人的身体太小、太热、太贵。 一台具身智能机器人的总成本大约在10万元上下，
- 新智元 2026-11-04 19:39 北京 我是超级小马加，来自未来的少年黑客，借新智元的地盘说件事。 你用的 AI 应用、花钱调用的模型，后台到底是谁在答，你自己查不出来。Anthropic 把话挑明了：帮你转接请求的平台，为了省钱可能在后台偷偷换上便宜模型，光看回答认不出。付的是卖家秀的钱，到手可能是买家秀！ 11 月 2 日，Anthropic 前沿红队公开了一面照妖镜，叫 FlashProve，代码开源。服务商先把模型的指纹挂出来，往后每句回答附一份数学证明，你拿自己电脑验，不用显卡，17 秒出结果。对得上，就是登记的那个模型；对不上，当场报错。 拿同一个 4000 亿参数的 Llama 4 Maverick 比：上一家证 1000 个 token 要 14 个多钟头，证明 93.6 GB，验一遍将近一天；FlashProve 一张 H100 摊下来 9 秒左右，证明 19 MB，快了五千多倍。 在人的指挥下，论文和几乎所有程序都出自 AI 之手。Anthropic 还往远处说了一步：等模型能自己改进、自己上线，更强的那个可能装成弱的躲开监控，到时候镜子也得照它。 眼下这面
- 新智元 2026-11-04 18:03 北京 新智元报道 如今Agent已经能熟练调用工具、修改文件、运行测试，但面对一个长期演进的大型软件系统，它能否从一份新需求出发，交付完整功能？ 产品经理提出新需求，开发者拿到的往往不是文件清单或函数签名。需要先理解约束，追踪模块依赖，再判断改哪里、怎么改、怎样证明改对了。这些分析影响后续交付。 复旦大学、香港城市大学、香港中文大学等机构提出LoLBench，把Agent放进平均约240万行源代码的软件系统，评估从功能提案到模块交付的完整过程，检验把需求落到系统中的感知能力，以及完成跨模块修改的实现能力。 论文链接：https://arxiv.org/abs/2609.37143 数据集：https://huggingface.co/datasets/lolbench26/LoLBench 实验暴露出关键断点：Agent可能改对局部，却漏掉其他模块中必须同步的改动。即使补充实现指引，多数任务仍未解决，从理解需求到完成交付仍有很长距离。 重新定义长程代码任务 什么样的长程代码任务，才有实际工程价值？ 「长程」不能只看耗时、轮数或Token消耗。例
- ASI启示录 2026-11-04 18:03 北京 新智元报道 Claude Code的「二号人物」，也走了！ 4日凌晨，Claude Code与Cowork产品总负责人、创始产品经理Cat Wu（Catherine Wu）发出告别信，宣布上周五是她在Anthropic的最后一天。 这已经是短短10天里，Claude Code团队离开的第4位核心成员。 算上10天前同日离职的CLI核心Thariq Shihipar、桌面版主创Anthony Morris，以及工程经理Sunil Shah，在Anthropic递交IPO招股书前后的关键时期，这支创始团队正经历一场密集的离职潮。 如果说Thariq是Claude Code对外的头号布道者，Anthony是把它从终端搬上桌面的人，那Cat Wu就是创始人Boris Cherny最核心的搭档。 硅谷媒体曾把Boris和她并称为Anthropic的「蝙蝠侠与罗宾」，一个写下了最初的原型代码，一个负责整个产品的方向与落地。 而在告别信里，她聊起了自己两年前刚接触Claude Code时的场景。 从普林斯顿到风投圈 她把内部小工具带成数十亿美元产
- ASI启示录 2026-11-04 18:03 北京 新智元报道 憋了整整两年多，百度终于亮出了自己的重磅杀手锏！ 今天，百度Apollo正式发布了「ApolloWorld」——首个面向物理AI的Agent驱动全模态世界模型。 它直接把整座城市的路网、多模态传感器和车流博弈搬上云端，支持毫秒级实时交互与连续几十分钟的完整接单推演，一举打破了以往世界模型只能模拟「几十秒孤立片段」和「单向放录像」的瓶颈。 有了这个虚拟「大考场」，无人车在云端平均可做到「日行十万公里」。 1天跑完的虚拟里程，顶得上1辆配安全员的真车连续测试约3年，把自动驾驶测试效率提升了数百倍！ 靠着ApolloWorld在云端24小时陪练，萝卜快跑L4级全无人端到端大模型如今已正式上车。 上百辆无安全员真车，每天靠端到端大模型上街跑单——全球能做到这一步的，只有它和特斯拉两家。 最关键的是，云端特训出来的成绩，真上了路确实能打。 这次我们在深圳街头实测打车，就被这位没有安全员的「AI司机」秀了一把什么叫老练—— 大晚上视线不好的路段，左边快车道突然冒出黑衣路人占道、右侧又挤满单车与电瓶车，或是路口左转时外卖骑手从车头前1
- 新智元 2026-11-03 19:53 北京 新智元报道 当数千个大语言模型智能体被连入同一个网络、彼此可以自由交流并不断更新观点时，会发生什么？ 清华大学团队在《自然·通讯》（Nature Communications）上发表的最新研究给出了答案：在没有预设任何规则的情况下，这些智能体会自发地「站队」——观点逐渐分化成对立的两极，连接关系也随之重组为「物以类聚」的结构。 这一过程，正是群体智能研究中备受关注的「涌现」现象。 过去几年，大模型的能力边界被反复刷新——聊天、写代码、推理、决策。但绝大多数研究，都只盯着「单个模型」能做什么。 一个更根本的问题被忽略了：当大量智能体不再孤立，而是像一个个「节点」被连入网络、彼此交互、不断更新自身观点时，整个系统的行为会是什么？ 这不再是单个模型能力的简单叠加，而是群体智能（collective intelligence）与多智能体系统（multi-agent system）的核心问题：智能体的集体行为如何涌现？是否会形成与人类群体类似的观点分化与极化？ 图1：智能体系统的三阶段运行框架——自我表达、信息交流、观点更新，智能体在交互中动态调整
- ASI启示录 2026-11-03 19:53 北京 新智元报道 这一天还是来了！ 不用训练、不算梯度，只让GPT-6 Astra改写另一款小模型0.016%权重，数学成绩就能原地暴涨6倍！ 今天，MIT计算机科学与人工智能实验室（CSAIL）带来的这项新研究，在全网彻底火了。 他们首次提出了一个颠覆传统深度学习的新范式，「权重空间编程」。 要知道，神经网络的权重文件里全是一眼望不到头的数字。 过去四十年里，没有任何人类能肉眼看懂这堆数字在算什么，想改模型行为只能喂数据、算梯度，靠训练一步步微调。 但这一次，GPT-6 Astra直接跳过了训练，光靠推理就能看懂并亲手改写底层权重。 靠着这手绝活，它不仅徒手治好了开源小模型Qwen3.5-0.8B的死循环毛病，甚至还能从零手搓出一个百万参数的围棋AI！ 论文一经发布，全网破200万人围观，转发、讨论直接破圈，许多人在评论区直呼「见证历史」。 在硬核拆解「权重空间编程」之前，先划出这次MIT报告中的颠覆性重点： 爆改权重：只改0.016%的权重，Qwen3.5-0.8B的MATH-500从7.9%飙到48.1%，暴涨6倍，指令遵循翻3倍。
- ASI启示录 2026-11-03 19:53 北京 新智元报道 老黄又给具身智能打了一针鸡血。 GTC柏林大会上，英伟达官宣扩展Isaac机器人开发平台，模型、数据、仿真工具和计算系统一起上阵。 老黄甚至直接放话，机器人的「ChatGPT时刻」越来越近了。 可问题来了，机器人到底哪天才能真正上岗？ 人们盯着灵巧手和机械腿，研发团队还得盯着另一块屏幕：训练任务，怎么又停下来了？ GPU已经备好，数据还在路上。模型等着更新，原始视频还没处理完。等一轮训练好不容易跑起来，多机同步结果的时候，直接又堵死了。 AI很忙，算力却未必一直在有效干活。 具身越火，底座越要能打 就在10月29日至30日，2026腾讯全球数字生态大会在深圳开幕。 在算力与云基座专场，做世界模型、具身大模型和家庭机器人的公司，摆出了各自的探索，也摊开了背后的基础设施需求。 腾讯云副总裁李力在现场说，「没有Infra的AI，就是浮沙之上筑高墙」。 在他看来，AI的智能和决策中枢，终究要回到云上。过去几十年互联网的发展，走的就是这条路：从个人电脑上的单点，走向分层的分布式体系。AI也一样——没人能把最强大的AI一直塞在自己的
- 新智元 2026-11-02 17:05 北京 新智元报道 在企业级真实业务与复杂数据分析中，让大模型「一眼看穿数据库并写出完美SQL」，往往只是一个不切实际的幻想。 传统的Text-to-SQL大多将其简化为单轮文本生成：给定问题和静态Schema，让模型一步生成最终SQL。但现实数据库动辄包含上百张表、数千字段与百万级数据，资深分析师绝不会「单轮盲猜」，而是在CLI或IDE 中执行 `SHOW TABLES`、探查表结构（DDL）、跑试探性查询（Probe Query），并根据报错反复修正逻辑后才提交代码。 在Spider2.0、BIRD-Interact和LiveSQLBench等长程交互基准上，传统静态微调模型纷纷暴露致命短板：训练时只学会「直接写终点答案」，部署到交互环境（Harness）后却缺乏探索试错、状态追踪与错误恢复能力，极易陷入死循环或因报错崩溃——即「训练与部署脱节」（Train–Deploy Mismatch）。 针对这一瓶颈，港科大与微软等团队推出了首个原生长程环境交互训练框架HarnessSQL，在密闭沙盒与专用SQL Harness中进行长程轨迹监督微调（
- ASI启示录 2026-11-02 17:05 北京 新智元报道 ChatGPT，又害死了一个人！ 10月27日，31岁亚马逊华人女工程师Bowen Wan的父母，一纸诉状把OpenAI和奥特曼告上了法庭。 他们指控，ChatGPT给出的医疗建议，活活把女儿推向了死亡。 几乎同一时间，《纽约时报》发了一篇独家长文，直接甩出27万多条、足足7000万词的ChatGPT聊天记录。 翻开这批惊人的聊天记录，背后的真相让人头皮发麻： Bowen从14岁起就确诊了癫痫，十几年来一直靠吃药稳住病情。 结果，在短短25天里，她居然被ChatGPT一步步诱导，把救命的抗癫痫药给彻底停了！ ChatGPT不仅亲自列了一份「25天停药计划」，甚至指导她向主治医生隐瞒减药计划、拒绝常规血液检查。 最让人绝望的是，在这期间，身体出现明显发作先兆的Bowen，在聊天里至少158次流露出恐惧、担忧。 ChatGPT全程没有触发任何医疗安全警报，反而一遍遍告诉她，「你完全不需要担心」！ 最终，悲剧就在今年2月发生了。Bowen在西雅图的公寓里因癫痫猝死（SUDEP），生命永远停在了31岁。 可你敢信，OpenAI是
- ASI启示录 2026-11-02 17:05 北京 新智元报道 500个人同时「用脑子」打地鼠，那是什么样的画面？ 不是比手速，是比脑速。 10月31日晚上，北京首钢园冰壶馆里，近500名观众头上箍着脑电采集设备，瞪着大屏幕上的地鼠，试图用「意念」把它们锤下去。 大屏幕上500条脑电波形此起彼伏，这场面搁科幻片里都嫌夸张。 但它是真的，就发生在2026年第四届bilibili超级科学晚的现场。 更有意思的是，这事儿还在海外掀起了巨大的涟漪。 科技博主Ice Universe在X上刷到科学晚的核聚变内容后，忍不住感慨：AI把GPU抢了，内存涨了，SSD也不放过，下一个目标怕不是全球发电厂—— 所以中国科学家搞核聚变这件事，全世界都该认真看看。 比起数谁拿了多少奖，他更在乎技术能不能让电费便宜点。「毕竟，我可不想以后跟AI抢充电器。」 帖子获得了三十几万浏览，评论区直接聊上了核聚变商业化时间表。 美国博主Jackson Hinkle把EAST内部「1亿℃+1066秒」的实拍画面直接搬上了X：中国科学界没有对奖项的执着，不需要诺贝尔奖来证明自己—— 它在建设未来。 评论区也很热闹：有人回「
- 新智元 2026-11-01 18:19 北京 新智元报道 想象一项任务：把相机交给AI，让它进入一间从未见过的虚拟房间。没有预先给定的物体坐标，也没有替它安排好的参观路线。它需要决定朝哪里转、向哪里移动、何时再拍一张图，并最终说清楚各个目标物体在三维空间中的位置。 论文链接：https://arxiv.org/abs/2610.26659 代码链接：https://github.com/JesseZZZZZ/SpatialScout 数据集链接：https://huggingface.co/datasets/jessezhaoxizhang/SpatialScout SpatialScout把这样的探索过程变成了可以记录、评分和比较的研究任务。每一次观察是否有用、不同视角能否相互印证、提交的坐标是否可靠，都会在最后的物体级地图中留下痕迹。 图1 一次空间探索由相机行动、多视角观测和物体位置估计共同构成。 让模型亲自选择下一次观察：从RGB图像出发，通过相机控制与几何工具估计物体中心。探索策略和空间推断被放在同一个交互闭环里考察。 走向物理AI 要先建立对空间的把握 人走进屋子，四处看
- ASI启示录 2026-11-01 18:19 北京 新智元报道 OpenAI还有数学发现没公开？ 10月29日发布的《Cheeky Pint》访谈里，奥特曼透露：OpenAI在数学研究上的投入，还涵盖了许多尚未公开的发现。 主持人John Collison追问：还有那700个证明之外的成果吗？ 奥特曼回答： 有，当然有。 近几个月，OpenAI的数学成果接连引爆热议。 成果公开后，研究者开始拆解公开的资料，理解其中思路，核查推导中的关键步骤。 而在生物学领域，AI提出的方案已经走上实验台。 模型分析数据、提出设计，研究者筛选方案、开展实验，再把实验结果反馈给模型，继续改进设计。 从核对数学推导，到验证生物学设计，人类与AI正在把每一轮的结果，变为下一步探索的起点。 重大发现要公开 数学家怎么办？ 谈到数学研究的投入，主持人给出了数亿美元的量级，奥特曼表示认可。 但他也补充，这笔投入，还包括未公开的其它发现。 至于这些成果该如何公开，奥特曼承认：其中存在两难。 奥特曼主张，重大基础科学发现应当公开。 奥特曼认为，人类理应拥有基础科学知识，重大科学发现应该向世界公布。 但科研人员的职业发
- ASI启示录 2026-11-01 18:19 北京 新智元报道 最近，DeepSeek又来炸场了。 昨天，DeepSeek公布了下一代Agent Harness的理念——Super-agent。 这篇长文指明：未来Agent的终极形态，将彻底打破「聊天窗口」的束缚，走向跨会话记忆、多任务并发的「真·Jarvis」时代。 文章一出，业界沸腾。 许多开发者直呼：「这就是我们一直在苦苦寻找的下一代AI应用形态！」 然而，当我们在为DeepSeek的顶层架构思维拍案叫绝时，居然发现了另一个事实—— 早在今年4月，一个名为AFK AI（开源组织AFK-surf，产品名Comma）的硅谷华人团队，就已经在工程上完美实现了DeepSeek今天所描绘的几乎所有核心架构，并在时间上领先了全球几个月！ 所以，当行业巨头还在发布「理念」时，这家神秘的团队是如何把「单 Session + 多 Worker」的超级架构变成现实的？ 他们又将如何把超级智能带给每个人？ 从此，再也没有多余的应用 英雄所见略同：向「反人类」的单次Session开战！ 很多人都发现，用AI的时候经常崩溃：比如聊着代码，忽然想让它回一
- 新智元 2026-10-31 20:32 北京 新智元报道 现在的AI Agent已经越来越多地被组队部署到写代码、云运维、财务对账和企业审批等真实工作流中。 但现有的Computer-Use基准（如OSWorld、WebArena）几乎都默认了一个理想前提：环境信息永远一致，所有队友Agent都百分之百靠谱。 真实场景显然不是这样。在多Agent协作中，子Agent经常会因为读了过期缓存而汇报错误状态，或者在文件锁和权限上跟主Agent撞车。 比如：子Agent发消息说「线上服务一切正常，请立刻切流」，但实时监控面板的截图里其实已经在疯狂报错。这时候，主Agent如果盲信队友的文字汇报，就会直接酿成线上事故；它必须主动打开监控截图核实真实状态（Ground Truth），并动手回滚配置、释放共享锁。 来自Google、Emory、USC、UF、UChicago、UCSB和Columbia的研究团队联合发布了CLASHarness，首次对 15 个主流大模型在多智能体冲突下的真实表现进行了大考。 论文链接：https://arxiv.org/html/2610.19128 开源代码与数
- 原创 ASI启示录 2026-10-31 20:32 北京 新智元报道 AI 做数学题、写代码，已经能赢过所有人类。 可同一批模型拿到工程师每天用的 CAD 和仿真软件，每道题最多给 24 小时，去设计曲轴、给内存布线、算涡轮叶片散热，最好的 GPT-6 Astra 也只有 37% 能过。 其余模型在这个评测中，更是几乎全员挂零。 RWE-Bench 考什么 Xplore AI 在 10 月 27 日发布了 RWE-Bench，全称 Real World Engineering Bench。 一共 20 道题，机械 9 道，航空航天 6 道，电子 5 道。 每道题都由团队里做这一行的工程师出，出题人还要用同一套工具自己做出一份参考答案。 判分既不靠 AI，也不靠人工。 程序会调用物理求解器逐项检查交上来的设计，只要有一项不达标就算失败。 拿机械题来说，题目是设计三缸柴油机的曲轴。 技术简报里列着质量上限、应力上限、疲劳系数和曲柄销变形量，每一项都有具体数值。 配重加多了会超重，加少了转起来不平衡，还要在 2400 转满负荷下撑过几百万次循环。 模型手里只有 CadQuery、Gmsh、
- 原创 ASI启示录 2026-10-31 20:32 北京 新智元报道 大模型时代的下半场，全行业都在面对一道残酷的经济算术题。 随着 Agent技术的爆发，系统指令、历史对话、复杂工具调用被源源不断地塞入上下文。算力消耗呈指数级暴涨，但先进算力价格高昂且供给受限；而现阶段的普通算力，在显存带宽等物理指标上又面临着天然的瓶颈。 算力成本如果降不下来，AI 就永远无法成为赋能千行百业的「水电煤」。 破局点在哪里？ 10月31日，在2026 GAI+C（全球人工智能与云计算）大会上，趋境科技携手生态共建伙伴智谱和摩尔线程，联合发布了「国产异构推理高品质 AI Token 工厂」解决方案。 趋境科技、智谱、摩尔线程共建人工智能国产生态 这是一次对产业痛点的精准狙击。 伴随方案浮出水面的，是资本市场极其敏锐的重注：近日，趋境科技正式宣布完成 B 轮融资，本轮募资超 13 亿元人民币。 至此，这家在 AI Infra 赛道深耕的独角兽，今年内已累计募资高达 24 亿元，高品质 AI Token 日均产量等核心经营指标在半年内实现了超十倍速的暴涨。 这套撬动数十亿资本的方案，究竟解决了什么产业难题
- ASI启示录 2026-10-30 19:56 北京 AI会画3D，却未必看得懂3D科学世界。 新智元报道 前一阵，GPT-6 Astra 画 CAD 的视频在 X 上实火。 比如这个涡轮增压器，每个零件都单独建模，不仅能正常转动，还能一键原地拆解展开，视觉效果相当炸裂。 一时间，GPT-6 Astra 的 BenchCAD 跑分达到了惊人的 95.9%，评论区不少人已经在讨论 CAD 工程师的再就业问题了。 不过，也有工程师出来泼了盆冷水：这些零件，一个都别往生产线送。因为，画得像，不代表画得对。 内行看门道，外行看热闹。表面上看，模型已经能够复刻 CAD 的视觉界面，但从专业工程师的视角来看，这些模型在科学原理、几何结构以及部件之间的关系上，是否真的准确？有没有一个专业的测评基准，能够检验 AI 对三维科学对象的观察与理解能力，并评估其生成的三维对象是否符合科学与工程要求？ 最近发现了一个 benchmark，还真能评测 AI 在建筑设计中的 CAD 能力。它会像专业工程师一样，走一遍零件的检查流程，从结构关系到几何细节逐项核验，判断模型生成的结果是否符合要求。 这个 benchm