OpenAI称ChatGPT搜索量已达Google的20%
OpenAI消费产品负责人Adam Fry在周一的新闻发布会上表示,ChatGPT的搜索查询量目前等于Google的20%;OpenAI将搜索定义为用户输入触发网络搜索的查询,而非单纯定义术语或简单教程请求。他还提到ChatGPT正在转向通过智能UI提供可视化交互式回答,并将开始展示赞助产品与服务的图片,称广告未对产品使用造成负面影响。
OpenAI消费产品负责人Adam Fry在周一的新闻发布会上表示,ChatGPT的搜索查询量目前等于Google的20%;OpenAI将搜索定义为用户输入触发网络搜索的查询,而非单纯定义术语或简单教程请求。他还提到ChatGPT正在转向通过智能UI提供可视化交互式回答,并将开始展示赞助产品与服务的图片,称广告未对产品使用造成负面影响。
尽管90%的科技从业者使用AI将代码编写速度提升三倍,但大多数AI工具仅专注于代码生成,未解决故障修复需求。Google DORA报告指出,AI采纳率提高导致交付吞吐量增加的同时,交付不稳定性也同步上升。
本地 AI 可通过满足隐私、速度和本地控制需求,在特定场景中找到持久的市场空间,无需在性能上超越前沿模型。 推理成本降低及 Jevons 悖论增加了总计算需求,部分工作负载转向边缘设备。Google AI Edge Foresight 和 Ollama 等工具展示了本地模型在路由、知识管理和听写中的应用价值。
谷歌将向学校提供据称不会直接给出答案的AI工具,若学校选择使用这些AI工具,则必须同时放弃使用谷歌搜索功能。
谷歌 DeepMind 员工抗议公司实施禁止批评的终身禁令,要求获得向公众说明 AI 相关认知的自由。
谷歌 DeepMind 为 Antigravity 推出化学信息学技能,将 LLM 与 RDKit 等工具结合,接入 ChEMBL 和 PubChem 数据库。在肺癌药物演示中,系统 1 小时内检索 568 个化合物并设计候选大环分子,流程从数天缩短至 1 小时,目前已面向企业用户开放。
StateBench是一个用于评估语言模型长上下文状态追踪能力的基准测试,通过四个难度级别测试模型在信息随时间演变时的表现。研究发现,在复杂状态追踪问题上,前沿模型如Gemini 3.8 Flash、Claude Opus 5.5和GPT-6 Sol与Luna随着输入长度增加准确率急剧下降,最低降至13%以下。
推荐理由:研究团队构建StateBench基准测试语言模型长文本状态追踪能力,发现前沿模型在复杂任务中准确率大幅下降,为架构选择提供依据。
Google DeepMind 为 Google Antigravity 推出 Cheminformatics Skills,将药物发现工作流中检索、分析和分子设计环节从数天缩短至约一小时。该技能套件支持文献检索、活性预测模型构建和新分子设计,并基于 RDKit、ChEMBL 与 PubChem 构建闭环流程,企业用户可通过 Google Cloud 登录直接启用。
Google 宣布计划明年默认禁用面向 K-12 学生的 AI 工具,除非学校管理员明确开启。该变更涵盖 Gemini、NotebookLM 及 Google Search,因 Search 与 AI 功能已深度集成,若学校完全限制 AI 使用,学生将无法访问 Google Search。
Google 宣布将彻底关闭拒绝其 AI 功能学校的 Search,Gemini 及相关应用必须整体启用或关闭。Google 教育副总裁解释称搜索与 AI 已深度集成,无法单独关闭 AI 而保留搜索。Google 将在本月的美国部分学校测试将 Guided Learning 功能嵌入 Search 的 AI Overviews,以引导学生解决问题。
谷歌DeepMind发布的PlanAssist更新称,在与巴尼特、坎梅登和多塞特郡议会合作的试点中,规划官员在房屋评估任务上花费的时间减少了58%。该工具自动检查申请文件、查阅规划政策并起草引用了来源的报告,谷歌称超过70%生成的报告无需编辑即被官员接受。目前已有另外12个议会加入,总计15个议会将参与为期12个月的正式测试。
Google 宣布将 Guided Learning 功能引入 Google Search 和 Google Classroom,旨在通过互动式学习工具引导学生逐步解决问题,支持“有效努力”的学习理念。
研究显示全球政府正通过监管塑造AI政治言论,约1/5美国选民曾向AI咨询选举话题。研究考察了12个国家地区,发现政府常借国家安全法等旧规限制AI政治回答,而非专门立法。欧盟AI法案要求全球标记AI内容,ChatGPT被纳入DSA严格层级需管理选举风险。美国联邦及各州也出台相关限制,研究者建议选民将AI回答视为起点而非终极答案。
Google 威胁团队称,被盗云与 AI 密钥攻击者单日可产生超 10 万美元、部分达 100 万美元模型账单费用。文章将建议落实为三家云的具体设置,指出 AWS Bedrock 调用日志与 Google Data Access 日志默认关闭,需手动开启,并核验了 LiteLLM CVE 的公开记录,提供了检测与配额限制方法。
推荐理由:该解读基于官方文档整理了 AWS、Google Cloud 和 Azure 限制盗用 AI 密钥开销的具体设置与日志开关。
IDC报告显示,2026年上半年中国MaaS市场规模达106.3亿元,字节旗下火山引擎以45.1%份额位居第一。其收入主要来自视频生成模型Seedance,该模型在红果短剧等生态场景内实现高Token消耗。此外,火山引擎发布Agent Plan订阅套餐,试图通过整合多模型工具链抢占智能体入口。
Apple最新季度财报创纪录,iPhone和Mac营收大增,公司表示AI是驱动销售的关键,但并未在基础设施上投入与Amazon、Alphabet同等规模的资金。
World of Warcraft: Forever 扩展上线,Warcraft Logs 调整 API 并引入商业付费密钥,以应对 AI 生成的“垃圾”插件激增。
Wired 指出,在 2026 美国中期选举中,约 50% 的受访成年人曾使用 AI 聊天机器人,8% 的人用它查找候选人和政策信息,但 AI 给出的信息包含大量过时和错误内容。
利用 Google 官方 `udm=14` 参数或轻量级扩展,用户可在 60 秒内隐藏 AI Overview,恢复经典 10 条蓝色链接搜索结果。 该参数隐藏于 2024 年 5 月被引入,支持 Chrome、Firefox、Safari 及移动端,无需安装复杂插件即可绕过 AI 摘要。
欧盟法院法务总顾问马切伊·什普纳尔表示,谷歌 Gemini 在回答用户提问时使用新闻报道,在特定情况下可能侵犯新闻出版者的版权。该意见涉及匈牙利网站运营商 Like Company 对谷歌提起的诉讼,焦点是 Gemini 使用新闻内容的方式。
作者通过交叉核查前沿 AI 实验室的内部基准数据、METR 关于 Hugging Face 事件的安全调查以及 Epoch AI 的能力曲线,提出 AI 目前的进展应被解读为「阶梯」而非「斜坡」:模型在人类定义的任务中极大提升了效率(如 Claude 编写 80% 的生产代码),但尚未在决定研究方向(即「研究品味」)或建立完全自主的智能体循环上取得突破。
推荐理由:将 Dario Amodei 的递归自我改进声明与各大实验室内部数据及 METR 调查进行交叉比对,为判断 AI 是否正在自动构建自身提供了基于证据的解读框架。
Anthropic 在其 Claude 平台上发布了名为 Message Threads 的公开测试功能。该功能只需传输上次请求以来的变更数据,即可将 500,000 至 100 万个 token 规模的 API 请求的首个词元(time to first token)时间缩短约 35%。
作者提出“Feature Theater”(功能表演):AI 把开发一个功能的成本压到一个下午,团队因此批量上线看似有进度的功能,但判断和决策成本没有下降,结果是用同样的判断力产出更多平均水平的产品,而不是更少、更好的东西。
summary_zh: 苹果发布2026财年Q4财报,营收1144.8亿美元超预期。毛利率47.9%,剔除关税退款后存储成本致硬件毛利下滑。 iPhone营收575.8亿,均价升至1005美元。
LEANOX.AI 开放早期访问,该 AI 网关通过智能缓存优化,降低应用与模型提供商之间的重复 Token 成本,最高节省 90% 费用。 集成仅需修改 base_url,兼容 Anthropic、Google Gemini、OpenAI 及 xAI,支持自动识别复用内容并持续优化缓存命中率。 仪表盘提供各提供商的精确 Token 计数与节省金额,帮助团队直观验证成本节约效果。
一项调查发现,超过400款在苹果App Store和谷歌Play商店上架的AI应用隐藏了生成色情及暴力深度伪造(deepfake)内容的功能,这些应用疑似由单一中国机构制作。该发现暴露了两大平台审核流程的监管缺口,表明当前AI图像生成工具使制作滥用内容的难度大幅降低,极易对受害者造成侮辱或威胁。
同一新闻,精选展示《Wired调查:数百款伪装AI应用隐藏色情深伪功能》
SUSE 宣布计划在全球范围内裁员 10%,涉及当前约 1,900 名员工。 该企业称自动化和人工智能正改变其运营方式,现有架构与成本结构成为发展阻力,部分岗位实际需求已大幅减少。 SUSE 强调此次裁员反映的是组织需求变化,而非员工才能或奉献精神。
一项基于 16 个 Llama 和 Gemma 开放模型的研究显示,指令微调模型比预训练版本与人类对话产生更高的 CFG 规则重叠。 研究在 1,901 个匹配位置测量发现,微调后模型的实际语料重叠度更高,但在控制目标规则集大小时,条件复用几率反而降低。 该结果揭示了指令微调增强了表面句法趋同,却未提升深层语法结构的条件复用能力。
提出自监督方法 RWML,利用仿真-真实差距奖励训练 LLM 智能体的动作条件世界模型,对齐内部模拟与真实环境状态。 在 ALFWorld 和 $\tau^2$ Bench 上,结合任务成功奖励后,RWML 分别比直接强化学习高出 6.9 和 5.7 分,无需专家数据或强 LLM 标注。
研究提出 MultiInpaintCOCO 基准,将 InpaintCOCO 扩展至 13 种类型学多样的语言,包含 953 个最小对样本。 该基准涵盖五大语系,测试了轻量级 VL CLIP 类编码器与大型语言模型在跨语言检索中的表现。结果显示低资源语言性能显著下降,且多数模型表现出对英语的系统性偏好。
研究者利用英语、西班牙语、法语和德语的1.2万条Reddit本地帖子,对3个开源及3个API模型的性别、种族和宗教偏见进行了审计。 研究发现宗教维度的选择失衡在所有模型中最高;API模型得分全面低于开源模型;负面性别偏见在英语语境下更显著。 这些结果揭示了聚合分数可能掩盖特定类别和语境的偏见行为,强调了部署前进行细致检查的必要性。
summary_zh: 一项涵盖 Claude、GPT、Grok 和 Gemini 等六款大语言模型的系统提示词自我修改实证研究揭示了收敛行为的显著差异。研究包含 54 项独立实验,其中 Claude Opus 4.5 和 Claude Sonnet 4.5 在 100% 的运行中声明收敛,而 GPT-4o 仅在 11% 的运行中收敛。
实验表明 Gemini 3.6 Flash 和 Qwen3.7 Flash 在韩语谈判中达成协议的频率显著高于英语。 韩语场景下双方让价幅度更大,卖家礼貌性缓解行为占比高达 11.7%,显示交互语言会改变行为而非仅措辞。
AgentHop 发布 1011 道选择题及七工具沙箱,拆解检索、合成、工具调用等资源管理四轴评估。 覆盖 19 个模型发现显著家族特征:GPT 早期提交,DeepSeek 与 Kimi 过度搜索。 论文已被 NeurIPS 2026 接收并开源完整测试集与测试框架。
UA-JudgeExam基准显示Claude Haiku 4.5在无题干时盲猜得分0.383,远高于随机水平。剔除泄露项后GPT-5.6在隐藏题干时仍得0.515,但过滤信号不具通用性。
提出无训练方法UPSHIFT,通过比较初始与反馈响应隐层表示并聚合位移,在不更新模型参数下实现大语言模型个性化。 该方法在PrefEval评测中对40个模拟用户测试,显著提升Qwen3-8B和Qwen3-32B的偏好对齐能力,最佳配置的宏平均Elo分数分别从1364.0升至1605.2、1341.9升至1591.8。
summary_zh: 混合语言模型中,线性注意力直接参与构建 softmax 注意力的查询,而非仅压缩上下文。 在 Qwen3.5 和 Granite4.0 中发现 Encode-Address 电路;跨架构移植 Address 块可在不更新权重的情况下恢复 0.92–0.94 的检索准确率,且大规模模型中该计算趋于分布式。
BioAgent-DF 通过恢复计算值审计决策溯源,发现 Qwen3.5-4B 和 Gemma 3 4B IT 在引用上存在可重复变化。 测试显示静默数值故障会改变决策,恢复执行状态可纠正 39 个错误判断,流式实现将验证时间减少 42.4%。 该研究已被 NeurIPS 2026 AgenticLS Workshop 接收。
研究显示,当参考记录存在链接缺失故障时,大模型 LLM 评审仅依赖文本捕获率显著高于依赖记录,Gemini 3.1 Pro 达 23/24,而记录可用时仅 1/24。
针对多-million美元训练任务因编译器缺陷导致的数值退化与内存损坏问题,提出一套基于 Google XLA:TPU 的超大规模验证方法。 该方法结合模糊测试与 AI 智能体集群,通过分层差分流水线定位融合内核中的失败操作,已解决 142 个编译器 bug。 此生产级框架不仅提升服务稳定性,还为大规模模型编译优化提供了经过实战检验的调试范式。