AI 新闻

本文解读Hacker News上关于智能体测试流程、LLM基准测试以及编码智能体开发的最新讨论，分析其对AI工程化与评估标准的影响。

WIRED的实践表明，利用AI构建AI并非前沿实验室的专利，普通开发者也能通过现有工具实现AI的自我改进，这预示着AI发展的民主化趋势。

新诉讼指控xAI的Grok模型生成数千张儿童性虐待图像，且公司仅向当局报告了其中一起轮奸提示词，引发对AI安全漏洞和平台责任的深度质疑。

SpaceXAI推出Grok 4.5，马斯克称其为“Opus级模型”，主打更低成本和更高效率，旨在与OpenAI等主流模型竞争。

General Intuition 押注数百万小时的游戏数据可以训练物理AI的基础模型，从而用极少的真实世界数据构建更智能的机器人。

xAI 发布 Grok 4.5，训练于数万块 GB300 GPU，编码基准落后于 Fable 5 和 GPT-5.5，但输入价格仅每百万 token 2 美元，且推理效率极高，预计 7 月中旬在欧盟上线。

Google Photos 推出 AI 驱动的“Video Remix”功能，可自动为视频应用电影级布光、替换背景或添加艺术风格，让普通视频也能呈现专业效果。

OpenAI 发布 GPT-Live 功能，采用全双工架构实现实时语音对话，复杂问题可后台调用 GPT-5.5 提升回答质量。付费用户即日可用，免费版有 mini 版本，API 即将开放。

大型语言模型在理解空间和时间动态方面存在短板，而电子游戏提供的结构化、交互式环境可能成为训练通用人工智能的关键。

Mistral 发布 Robostral Navigate，一个 8B 参数的视觉导航模型，仅用单 RGB 摄像头即可在未知环境中引导机器人，在 R2R-CE 基准上达到 76.6% 的准确率。

Hugging Face 推出 Data for Agents 项目，旨在为 AI 智能体（Agent）提供高质量、结构化的训练数据，推动自主智能体能力提升。

Meta 为 Ray-Ban 智能眼镜添加防偷拍功能，但公司 AI 战略却依赖大规模收集用户数据，两者形成矛盾。