AI 新闻

Hacker News 上出现的 TinyAIArena 项目，尝试把多个 AI Agent 放进同一个竞技场里对战，为观察 Agent 行为差异提供了一个可复现的对比框架。

英伟达发布 Nemotron 3 Diarization，一个仅 1 亿参数、可实时识别对话中最多八位说话人的开源模型，把原本昂贵的说话人分离能力下放到轻量级部署场景。

Mistral CEO 在 Hacker News 引发讨论的核心观点是：AI 是软件，不是不可控的异类，因此可以像管理软件一样被约束与治理。这一表态为开源模型阵营的监管叙事提供了新框架。

OpenAI 的 GPT-6 Astra 可以通过照片判断宜家家具是否装错，准确率达到 80%，而 2025 年 11 月最强模型仅有 28%。Epoch AI 指出速度尚不足以支撑实时指导，但差距正在快速收窄。

Anthropic 的 Opus 5.5 与 OpenAI 的 GPT-6 更新在极短时间内接连发布，但真正抢走注意力的是 Meta 的 Muse。这场“模型发布周”折射出前沿实验室的节奏之争与竞争重心转移。

有报道称美国国家安全局为测试 AI 模型支付了数十亿美元级别的费用。这一数字揭示了情报机构与前沿模型之间正在形成的深度依赖关系。

一项研究显示，顶尖 AI 专家持续低估技术推进速度：AI 提前五年达到 IMO 金牌水平，Anthropic 年化收入约为专家预测的五倍，但自动驾驶等落地场景的预测则喜忧参半。

PrismML 将其小型语言模型带到搭载高通芯片的智能眼镜上，目标是让开放权重模型直接跑在设备端，充分利用已有算力。

以图像生成模型 FLUX 闻名的 Black Forest Labs 进军机器人领域，发布开源世界动作模型 FLUX 3 Action，仅 70 亿参数便在 RoboLab-120 基准上刷新纪录，推理速度最高达前代最佳模型的 3.95 倍。

Google DeepMind 发布 Gemini 3.8 Live，首次引入 Live Avatar 能力，让模型在实时音视频对话中拥有可交互的虚拟形象，多模态交互从“语音助手”迈向“面对面代理”。

Epoch AI 测算，达到固定性能基准的 AI 成本每年下降约 13 倍；剔除硬件与竞争因素后，MIT 估计算法本身的年进步约为 3 倍。但推理模型单任务算力消耗更高，实际账单未必更便宜。

Hugging Face 上出现 LFM2.5-VL-DSpark，主打视觉语言模型的推理加速。它指向多模态部署中最现实的瓶颈：不是能不能看懂，而是看得够不够快、够不够便宜。