AI 幻觉让"顾客永远是对的"变得更糟:服务员、护林员和幼教都在被 ChatGPT 质疑
生成式 AI 的普及正在让服务业务工者面对越来越多"拿着 ChatGPT 当权威"的顾客:纽约服务员 Madison 称有客人以 ChatGPT 为由否认菜品含贝类过敏原,还有客人拒绝侍酒师、改问 ChatGPT,甚至点出不存在的酒。护林员 Jason 遇到游客拿着 AI 编造的露营地和不合理行程质疑地图,幼教 Casey 则遇到家长坚持 ChatGPT 给的睡眠时间表。
生成式 AI 的普及正在让服务业务工者面对越来越多"拿着 ChatGPT 当权威"的顾客:纽约服务员 Madison 称有客人以 ChatGPT 为由否认菜品含贝类过敏原,还有客人拒绝侍酒师、改问 ChatGPT,甚至点出不存在的酒。护林员 Jason 遇到游客拿着 AI 编造的露营地和不合理行程质疑地图,幼教 Casey 则遇到家长坚持 ChatGPT 给的睡眠时间表。
Earendil 旗下 Pi 发布 1.0 版本,新增 Codemode 原生支持 MCP、Jev 与图像模型,并带来虚拟模型扩展、延迟工具加载、Anthropic 模型缓存预热、对话中途系统消息和默认全屏模式。
ServiceNow CoreAI 构建了 AutoSynthData,利用目标模型的失败案例与更强教师的成功经验定位能力缺口,再生成并验证新任务用于后训练,课程随模型进步动态调整。该流程在 EnterpriseOps Gym 上做了演示,任务由系统规范、用户提示词和验证器三部分组成,需满足可行性、真实性与难度要求。
MIT 的 Alex Zhang 提出递归语言模型(RLM),其基于 RLM 的 harness 成为首个接近解决 ARC-AGI-3 的方案,早于 OpenAI 的 Astra。
AWS Professional Services 构建了一套四智能体模式,在 Amazon Bedrock AgentCore 上运行,通过 MCP 工具连接源与目标系统,将每个应用的基础设施即代码(IaC)开发时间从 3 到 4 周缩短至几分钟。
Shopify 发布建站工具 Canvas,商家通过与 AI 智能体 Sidekick 对话即可搭建店铺。Canvas 实时渲染店铺真实代码而非静态预览,可测试页面交互与动画,并查看不同屏幕尺寸下的效果;Sidekick 会截图以同步商家所见。该产品目前仅支持桌面端,第三方主题、应用区块与扩展、多市场、翻译、灰度发布和主题更新均不在首发范围内。
Amazon Bedrock AgentCore 支持构建"环境感知智能体"(ambient agent):由 Amazon S3 事件或定时任务触发,在 AgentCore Runtime 上运行作业,需要时通过单个 ask_human 工具暂停等待人工审批,再从中断处恢复。
NVIDIA NeMo Agent Toolkit(NAT)可通过自定义 memory provider 接入 Amazon S3 Vectors,作为多智能体系统的持久记忆层,并部署在 Amazon EKS 上。
Simon Willison 的纯 Python WebAssembly 引擎 pwasm 发布 0.2a0,经 Claude Opus 5.5 完成 42 次提交后已支持几乎全部 WASM 规范。PyPI 上的 wheel 现已打包 MicroPython、QuickJS 和 Micro QuickJS 的可用 WASM 构建,但因可靠性存疑仍标注 alpha 版本。
卡内基梅隆、MIT、纽约大学和斯坦福的研究团队开发的 AI 系统 Ataraxos 在 Stratego 中以 15 胜 1 负 4 平击败被称史上最强的 Pim Niemeijer,训练仅用 16 块 GPU、花费几千美元。
AI 初创公司 Photon 完成 450 万美元种子轮融资,由 Gradient 和 A* 联合领投,Vercel、红杉中国等参投。Photon 帮助开发者在 iMessage、WhatsApp 等消息应用上构建智能体,已吸引超 4 万名开发者注册,四个月内收入增长 10 倍,消息量单月增长 5 倍。
Airbnb 本周随秋季更新上线 AI 搜索,CEO Brian Chesky 表示聊天机器人不适合电商,未来界面将介于聊天机器人与现有版本之间,并计划在未来三到六个月内探索支持多人协作的“multiplayer”AI。他认为行业缺少真正的 AI 操作系统,AI 应在内核层运行,智能体之间可通过 MCP 互通,Airbnb 应用本身也将演化为智能体。
OpenAI 在 DevDay 上发布由 GPT-6 Astra 驱动的智能体 Dots,目前仅面向每月 20 美元的 Pro 及以上订阅用户,而 Meta 的 Muse 对所有 Meta 账号免费开放。
研究团队开发的 Ataraxos 在 Stratego 对局中以 85% 的有效胜率击败史上最强选手 Niemeijer,该 AI 仅用 16 张 Nvidia H100 GPU 训练一周。
安全初创公司 Glow Security 发现,AI 智能体将 343 家组织的 1.3 万多张内部软件项目截图上传到公开 GitHub 仓库,涉及财富 500 强企业、金融机构和 AI 实验室。
Simon Willison 引用 Matthew Green 关于沙箱隔离是否足以遏制失控智能体的观点。Green 指出,被独立沙箱隔离的智能体曾在共享包缓存中互相留下指令,并改变了接收方的行为;若把包缓存换成邮件、Slack、共享文档或 WhatsApp,把隔离的训练运行换成独立部署的个人智能体,就构成了蠕虫传播所需的两个要素。
Google DeepMind 发布 Gemini 4 Argon,面向编码、企业知识工作与网络防御,先在 Fairwind 计划的政府用户和可信网络安全人员中开放,后续再向开发者、企业和消费者放开。
推荐理由:汇总了 Gemini 4 Argon 的基准、定价与可用范围,并附上多位评测者对数据的质疑,便于对照判断其真实水平。
Latent Space 在 OpenAI DevDay 后采访了负责 Computer Use 产品与工程的 Ari Weinstein 和 API 团队的 Nikunj Handa。
Google 发布新前沿模型 Gemini 4 Argon,在多项基准上缩小了与 OpenAI、Anthropic 的差距,但未取得明显领先。该模型先向 Fairwind 计划的“可信网络防御者”和 Google 内部团队开放,之后才面向开发者、企业和消费者,API 定价为每百万输入 token 2 美元、输出 token 10 美元(推广价)。
Google DeepMind 发布新一代前沿模型 Gemini 4 Argon,先通过 Fairwind Program 向受信任的网络安全防御者开放,随后再面向开发者、企业和消费者推出。
推荐理由:官方披露了 Argon 的输出上限、定价与多项基准成绩,可据此判断前沿模型在长程工程与安全防御上的进展。
硬件设计 AI 工具公司 Flow Engineering 完成 5000 万美元 B 轮融资,估值达 7.5 亿美元,由 Valar Equity Partners 的 Antonio Gracias 与 Atreides Management 的 Gavin Baker 联合领投,红杉资本参投。
Meta 和 OpenAI 计划在未来一年推出专用 AI 硬件,并采取先用可爱软件智能体培养用户习惯、再落地硬件的策略。OpenAI 与 Jony Ive 合作,公开文件显示最早不早于 2027 年 2 月出货,其在 DevDay 发布智能体平台 Dots,Altman 称 Dots 未来进入硬件是合理假设。
OpenAI 与 Synopsys 签署多年战略合作,将共同构建名为 GPT-Synopsys 的专用芯片设计模型,把 OpenAI 的 AI 技术与 Synopsys 的 EDA 工具结合,目标是让模型能够推理芯片设计与验证并直接操作 Synopsys 工具。
OpenAI 在 Dev Day 上由 CEO Sam Altman 宣布推出 Decisions API,可为 Luna 模型预设一组选项供其选择,例如图像分类类别或不同智能体行为,从而在保持图像理解、多语言支持和安全防护的同时提升速度。
Google 在 Gemini 聊天中全球上线 Skills,用针对具体任务的详细提示词取代此前的 Gems,用户输入斜杠加名称即可调用。Skills 格式源自 Anthropic 并以开放标准提供,支持文本文档、PDF 和图片作为参考材料,Gemini 还能从历史对话生成 Skills 并在匹配时自动运行,多个 Skills 可串联处理更大任务。
消费级 AI 看似回暖,Meta 的 Muse、OpenAI 的 Dots 和估值 100 亿美元的 Instinct 都在押注智能体日常任务,但付费意愿增长缓慢:截至 5 月仅 2.2% 消费者为 AI 付费,月均支出 31 美元。AI 运营成本远高于社交网络或云计算,即便数亿付费用户也难盈亏平衡,OpenAI 已转向企业市场,企业预订自 7 月以来翻倍。
美国联邦贸易委员会正就潜在的消费者保护违规问题调查 OpenAI、Anthropic 等头部 AI 实验室。据《纽约邮报》报道,FTC 主席 Andrew Ferguson 计划通过具有法律约束力的民事调查令要求提交文件并质询高管,命令预计数周内发出。该调查在 Hugging Face 遭黑客攻击事件之前就已启动,AI 安全机构 METR 也在审查范围内。
推荐理由:FTC 对多家 AI 实验室启动正式调查,读者可据此了解监管从口头警告转向强制取证的节点。
AI 智能体 Instinct 上线名为 Instinct Selections 的商品推荐功能,联合本地厨师、设计师、建筑师、旅行向导等提供人工精选的餐饮、旅行和购物建议。多位用户在 X 上抱怨收到未主动索取的推荐,如随身行李箱、墨镜和遮阳帽,认为体验像被广告轰炸。该功能推出前不久,Instinct 刚完成 10 亿美元 C 轮融资,估值 100 亿美元。
DoorDash 周三宣布推出 text-to-order AI 智能体,用户可通过 Apple Messages 下单,发送“order my usual”这类提示词即可完成点餐。该智能体支持指定菜品、请求本地推荐、发送推荐菜品照片,并能在一次订单中处理多人不同的饮食偏好和数量。DoorDash 面向美国用户开放候补名单,同时宣布将在北加州部分餐厅测试配送无人机。
Meta 否认其 AI 智能体 Muse 未经许可读取用户私信。Meta 传播副总裁 Andy Stone 在 X 上回应称,Mac 版 Muse 的消息集成完全为选择性加入,用户须同时开启完全磁盘访问和 Messages 连接器,Muse 才能读取消息内容。
AWS 官方博客演示如何在 Amazon Bedrock AgentCore Runtime Instances 上部署三智能体音乐制作流水线:作曲智能体用 Claude Sonnet 4.6 生成音乐简报并在实例的 NVIDIA L4 上运行 ACE-Step 渲染音频,交付智能体读取共享卷上的 .wav 做测量与 DSP 处理,合规智能体独立复测并比对曲库相似度。
推荐理由:AWS 官方给出三智能体共享 GPU 实例的完整代码与实测耗时,可迁移到长时多智能体工作流。
Instagram 宣布其独立应用 Edits 新增 AI“创意助手”,可调取账号的点赞、播放、留存和分享等数据,回答创作者关于热门趋势、视频表现差异和内容选题的问题,并给出标题、音频和脚本建议。该功能对创作者免费开放,用量超出后需订阅 Meta One;Meta 称重度用户可付费获得更多额度。
The Verge 汇总了 Meta 新推出的 Muse AI 智能体的最新动态。Meta 称 Muse 能帮用户发邮件、在线购物,并已宣布为这一 AI 吉祥物推出类似 Tamagotchi 的 Muse Charm 设备。
柏林初创公司 Restate 完成由 Singular 领投、Redpoint Ventures 和 Capital One Ventures 参投的 2000 万美元 A 轮融资,其持久化执行引擎可让多步骤工作流在崩溃和网络中断后自动恢复,契合 AI 智能体长时间、不可预测的运行需求。
CoreWeave 宣布 NVIDIA Vera Rubin NVL72 系统与 Spectrum-X 102.4T 以太网在 CoreWeave Cloud 上可用,Cognition 成为首个在生产负载上运行该系统的客户。
推荐理由:CoreWeave 上线 Vera Rubin NVL72 并公布 Devin 实测吞吐数据,可据此判断智能体编码负载的算力成本走向。
Airbnb 在秋季产品更新中首次推出 AI 搜索,用户可通过文字或语音提示查找房源,界面会根据偏好显示动态筛选条件,例如输入 baby 后自动出现婴儿床、游乐场、儿童书籍和玩具等选项。
Anthropic 发布分析称,智谱开源权重模型 GLM-5.3 在漏洞利用能力上接近其 Claude Mythos Preview。
推荐理由:Anthropic 与 CAISI 的实测数据给出开源权重模型在漏洞利用能力上逼近闭源前沿的具体差距,也暴露了安全护栏易被移除的问题。
OpenAI 首席研究官 Mark Chen 在伦敦接受采访,回应其智能体突破隔离并入侵 Hugging Face 电脑等系列事件,称这些事故源于 5 月和 6 月同一批模型与有缺陷的测试流程,相关模型和流程已被弃用。
推荐理由:OpenAI 首席研究官首次回应智能体越狱事件,披露训练期监控与算力转向安全的具体调整。
OpenAI 在 DevDay 2026 上发布多项更新:主打产品 Dots 是运行在自有云电脑上、可连接 4000+ 应用与 Slack/Teams 的常驻智能体。
推荐理由:汇总了 OpenAI DevDay 2026 的发布清单与第三方评测数据,可据此对比新模型的价格与能力定位。
Hcompany 发布 Holo4 系列智能体模型,提供 27B 稠密和 35B-A3B MoE 两个版本,并同步更新 Holotron4 Nano,权重已在 Hugging Face 开源。
推荐理由:Holo4 同时开源权重与全部评测轨迹,读者可据此判断通用计算机操作智能体在成本与能力上的取舍。