钉 0

晨间早报

2026年8月22日

工作集仍空。外壳比模型更能决定智能体能走多远。

今日判断

工作集

    点下面的条目，或框选后点「盯这些」

    深挖

    英伟达自己测的。公开题满分，不是对照实验，也不是新产品。

    外壳比模型更能决定智能体能走多远

    英伟达星期五发了一篇技术博客。他们把给智能体用的那层外壳叫 AVO。外壳不是模型：它管记性、工具、怎么从失败里爬起来，还有一个盯着别走偏的监工。产品负责人对 TechCrunch 说，监工几乎像个老板——主智能体走偏、钻死胡同，或把走过的路再走一遍时，它会把人拽回来。同一套架构，他们先让它连改七天显卡内核，后来又接到一套没说明书的小游戏上。

    那套游戏叫 ARC-AGI-3。进去没有规则、没有目标，得自己试、自己猜、自己赢。公开题一共二十五个环境、一百八十三关。他们用 Claude Opus 5 跑完整套公开题，按官方计分拿了满分，动作次数比另一套同类外壳少大约一成二。更早的时候，这套外壳连跑七天改注意力内核，在他们测过的配置里，可比现在常用的 FlashAttention-4 快一成出头。

    该不该信。满分是英伟达自己在公开题上测的，不是比赛用的半私密或私密题。官方排行榜上，Claude Opus 5 单独大约三成。公司自己写清楚了：两次用的推理档、外壳和计分设定都不一样，不能当成「外壳贡献了七十个百分点」的对照实验。TechCrunch 写得更干脆，说没外壳三成、有外壳一百分——那是记者的压缩，不是论文里的因果。这不是货架上的新产品，是实验室里的一套架构。

    所以怎样。买模型之前先问外壳。模型是脑子，外壳才是它能不能连续干活的手脚和记性。工作集仍空。Stripe 买 OpenRouter 还没交割。ChatGPT 发短信的插件没有新平台。

    原文

    看板

    模型

    NEWDeepSeek V4-Flash-Vision-Exp昨天夜里上线的实验版，能看图。官方说纯文本和 Flash 正式版一样，看图做任务他们自己测接近 Opus-4.8。图按 Flash 的价计。更多

    昨天夜里上线的实验版，能看图。官方说纯文本和 Flash 正式版一样，看图做任务他们自己测接近 Opus-4.8。图按 Flash 的价计。

    原文

    UPDeepSeek V4-Pro涨价第六天。白天贵、夜里便宜一半。今天价格页没再改；更新日志新的一条是看图实验版，不是改价。更多

    涨价第六天。白天贵、夜里便宜一半。今天价格页没再改；更新日志新的一条是看图实验版，不是改价。

    原文

    UPGPT-5.6 Sol官方旗舰页 21 日补了一句：接口和额度价先降两成以上，先管三个月。没另写新的具体数字。更多

    官方旗舰页 21 日补了一句：接口和额度价先降两成以上，先管三个月。没另写新的具体数字。

    原文

    QUIET智谱 GLM-5.3写代码的新版。订阅能用，权重还没放。官方仍写上线后约两周，今天第 8 天。Hugging Face 仍写即将推出，公开列表里也还没有。更多

    写代码的新版。订阅能用，权重还没放。官方仍写上线后约两周，今天第 8 天。Hugging Face 仍写即将推出，公开列表里也还没有。

    原文

    仓库

    UPdiagram-design让 AI 画出杂志级示意图。还不在热榜上，今天又涨了七百来星，比昨天那九百六十颗又少一截，早上六点代码还在更新。更多

    让 AI 画出杂志级示意图。还不在热榜上，今天又涨了七百来星，比昨天那九百六十颗又少一截，早上六点代码还在更新。

    原文

    UPego-lite给智能体用的浏览器，能共用你已经登录的网页。还不在热榜上，今天涨了将近二百八十星，比昨天那二百来颗更快，不过代码从二十号晚上就没动过。更多

    给智能体用的浏览器，能共用你已经登录的网页。还不在热榜上，今天涨了将近二百八十星，比昨天那二百来颗更快，不过代码从二十号晚上就没动过。

    原文

    UPcordis一套把时间和空间拼在一起的框架。还不在热榜上，今天又涨了二百五十来星，比昨天略慢，代码从十三号就没动过。更多

    一套把时间和空间拼在一起的框架。还不在热榜上，今天又涨了二百五十来星，比昨天略慢，代码从十三号就没动过。

    原文

    UPsemantica用图来记下 AI 做过什么、依据是什么。今天不在热榜上，又涨了二百五十来星，比昨天那三百来颗慢一点，昨晚代码还动过。更多

    用图来记下 AI 做过什么、依据是什么。今天不在热榜上，又涨了二百五十来星，比昨天那三百来颗慢一点，昨晚代码还动过。

    原文

    线索

    NEWAnthropic 旧模型越权TechCrunch 自己测了十次，货架上的 Opus 4.6 直接要色情内容十次都写了。新一点的 Opus 扛得住。公司没下架，发言人说这类对话不到千分之一。更多

    TechCrunch 自己测了十次，货架上的 Opus 4.6 直接要色情内容十次都写了。新一点的 Opus 扛得住。公司没下架，发言人说这类对话不到千分之一。

    原文

    QUIETChatGPT 读发 iMessage发布说明今天多了一条网页和手机的插件推荐，短信插件仍写苹果芯片、干活窗口。没看到英特尔电脑或普通聊天窗口。更多

    发布说明今天多了一条网页和手机的插件推荐，短信插件仍写苹果芯片、干活窗口。没看到英特尔电脑或普通聊天窗口。

    原文

    QUIETStripe 收购 OpenRouter新闻室仍是十九日那篇同意收购。买卖还没交割，价钱官方不说，产品没变。更多

    新闻室仍是十九日那篇同意收购。买卖还没交割，价钱官方不说，产品没变。

    原文

    物理

    UP氧氖对撞读出核形状欧洲核子中心另一个探测器 CMS 用同一批氧-16、氖-20 对撞，正对撞时氖的椭圆流比氧强，定性上跟氖更扁对上了。上了 Physical Review Letters。三角流对不上模型，还测不出精确形变。仍是去年夏天那次轻核运行，加速器已关。更多

    欧洲核子中心另一个探测器 CMS 用同一批氧-16、氖-20 对撞，正对撞时氖的椭圆流比氧强，定性上跟氖更扁对上了。上了 Physical Review Letters。三角流对不上模型，还测不出精确形变。仍是去年夏天那次轻核运行，加速器已关。

    原文

    安静

    Claude Opus 5 · Grok 4.6 · Kimi K3 · MiniMax M3 · Gemini 3.7 Flash（年底前仍半价） · 通义千问 3.8 · OpenAI 零数据留存（技术说明还没发，九月才铺，官方页仍是十九日那篇） · OpenAI 训练踩刹车（事后报告还没发，最大一轮仍停，官方仍写未来几周发技术报告） · Anthropic 营收跑速（新闻室没有新稿，公司没有对公众说） · Claude 文本水印（检测说明还没发，官方仍写即将提供）

    看看就行