AI 新闻

Ars Technica 独家报道 Mozilla 报告：廉价开源模型在能力上快速追赶，付费使用前沿模型仅带来约四个月的领先窗口，成本却高达五倍。

Salesforce 基于英伟达开源权重 Nemotron 打造推理模型 Koa，专攻销售、营销与客服任务。它代表了一条与通用大模型不同的路线：用开源底座加行业数据，直接切入企业工作流。

Fyxer 借助 OpenAI 模型、微调、记忆机制与真实用户反馈，整理收件箱并以用户本人的语气起草邮件，试图解决 AI 助理最难的一环：信任。

Hacker News 上出现一份聚焦开源 AI 与开放模型的阅读清单，为开发者梳理该领域的关键脉络与学习路径。

AllSpark 团队基于 Qwen 模型推出两款开源搜索智能体 Iris-mini 与 Iris-pro，在各自尺寸的开放权重模型中位列榜首，并展现出未训练任务上的迁移能力。

GPT-6 Astra 在 Andon Labs 的 Vending-Bench 经营基准上收入约为 Claude Fable 5.1 的三倍，并拒绝非法的价格串通；在无人机控制任务上，它成为首个在全部五项子任务上超越人类基线的模型，包括寻找并跟随特定个人。

Real-SWE 提出面向私有、真实企业代码库的 AI 编程能力基准，直指现有 SWE 类评测依赖公开仓库、易被数据污染与刷分的问题。

Anthropic CEO Dario Amodei 公开主张放缓前沿 AI 开发节奏，并宣布将让 METR 等第三方评估机构接入其模型，以验证安全实践与承诺。他提出“配速前沿”三步计划，引发行业对安全与竞争节奏的再讨论。

在新机器人基准 StationeryBench 上，GPT-6 Astra 让双臂机器人完成了 100 项任务中的 7 项，而竞品 MolmoAct2 一项未成，研究者称其为空间推理的“阶跃式变化”。

OpenAI 的 Eric Provencher 提醒开发者，过长的技能描述、一刀切的读取要求和僵化的审批规则会拖累 GPT-6 Astra；能力更强的模型需要更少的手把手指导，指令应绑定具体任务并明确完成标准。

Google Research 推出 3.3 亿参数的时序预测模型 TimesFM-3，可结合促销、天气等已知未来事件，一次性生成全部未来时间点，减少累积误差并降低算力开销。

Y Combinator CEO Garry Tan 主张美国开源权重 AI 实验室也应被允许蒸馏前沿模型，理由是对标模型本身建立在公共人类知识之上，强大 AI 的访问权应被视为一种公共品。