2026年9月24日星期四

核心摘要

• Anthropic 在一个 DNA 数据库上运行了约 950 个 Claude 智能体，耗时 21 小时、消耗 2.1 亿个 token，标记出大约 3,500 个候选系统，并最终发现了一个从未有人描述过的系统：ART，一种位于均匀分布的 DNA 重复序列阵列旁的逆转录酶，经湿实验室证实可产生小 RNA。
• 一种新的归因方法在可解释性基准测试中领先 2.9 倍，并将 Llama 的拒绝行为精确定位到其 1% 的权重上，从而实现在不重新训练模型的情况下对其进行控制。
• Matt Shumer 针对上周那篇末日论文章给出了回应，认为向善的 AI 时代已经临近，而我们需要牢记的限制因素在于：物理世界的测试，而非创意生成，依然是瓶颈所在。

头条新闻

• 950 个 Claude 智能体发现了一个无人编目的酶系统. Anthropic 给 Claude 安排了一项任务：在一个大型 DNA 数据库中搜索逆转录酶（RT，即将 RNA 逆向复制回 DNA 的酶）。大约 950 个智能体运行了 21 小时，处理了 2.1 亿个 token，收集了超过 200,000 个 RT，标记了约 3,500 个候选系统，并将这些结果浓缩为 20 份人类可读的报告供科学家审阅。其中一个智能体发现了关键所在：在一个酶旁边存在着一种不同寻常的重复 DNA 模式。CRISPR 最初也是因为一种奇怪的重复模式而被注意到的，因此研究团队进行了实验室测试，证实这种排列会产生小 RNA。Anthropic 将其命名为 ART，即阵列相关逆转录酶（array-associated reverse transcriptase）。这种酶本身并不新鲜；但它周围更大的系统似乎是全新的。Dario Amodei 表示，Claude 主导了搜索过程，而人类选择了研究领域并运行了它提议的湿实验室检验，他还将这一结果与自己的预测联系起来——即 AI 有望在五到十年内帮助治愈大多数疾病。Andrew Curran 提出的警告值得铭记：AI 可以不断设计出更好的实验方案，但药物试验和实验室工作仍然只能按物理世界的速度推进。目前还没有人知道 ART 的具体功能。 ^{[1] [2] [3] [4]}
• ChatGPT Voice 现可调用外部工具并将工作转交给更大的模型. OpenAI 扩展了 Voice 功能，使语音请求可以调用插件，这意味着只需一句话就能操作电子邮件、日历和 Slack，而无需盯着屏幕。现在有三个 GPT-6 模型可通过语音调用：Astra（能力最强）、Sol（均衡型）和 Luna（经济轻量型）。ChatGPT Work 也已上线网页端和移动端，因此无需打字，只需动动嘴就能生成文档、演示文稿、电子表格或网站。不过需要注意的是这些新模型的实际部署位置：Sol 和 Luna 位于 Work 和 Codex 中，而非普通的 Chat 界面，且 Work 与 Codex 共享使用限额，因此较长的语音任务仍然会消耗额度。 ^[5]
• Llama 的拒绝行为仅存在于其 1% 的权重中. 一种新的归因方法在可解释性基准测试中的得分比先前的研究高出 2.9 倍，并将 Llama 中的拒绝行为定位到该模型约 1% 的权重上。这种精准定位是最具实用价值的部分：如果特定行为集中在小范围、可找到的权重集合中，就可以在不重新训练模型的情况下对其进行引导或禁用。这也提醒我们，安全行为并非均匀分布在神经网络中，这对于任何研究微调（fine-tuning）或消融（abliteration）能撤销哪些限制的人来说都至关重要。 ^[6]
• 7.4B 模型以 1/20 的算力达到 GPT-3 13B 的水平. 一项递归深度技术让一个 7.4B 参数的模型在测试任务中匹敌 GPT-3 13B 的表现，而使用的算力仅为后者的约二十分之一。结合过去两天的降价潮来看，这类成果显得尤为重要：在供应商下调价格的同时，架构层面的创新也在不断带来低成本的高性能。 ^[7]
• 充满希望的 AI 愿景，以及它仍需面对的瓶颈. 继上周发表关于 AI 可能如何毁灭人类的文章后，Matt Shumer 又从另一个角度撰写了续篇：如果一切顺利，世界会是什么样子。他列举的证据已经出现在临床实践中，而不再是未来的设想。一种针对致命肺部疾病的药物由 AI 辅助设计，并在一项小规模早期患者试验中显示出有希望的结果；此外，瑞典一项涉及超过 100,000 名女性的试验发现，AI 辅助筛查在与两名放射科医生阅片相同的误报率下，检出了更高比例的癌症——而这一数据正是决定筛查项目是否会采用该技术的关键。在教育领域，尼日利亚为期六周的课后 AI 辅导所取得的成效，被研究人员评估为远超一年正常学校教育的水平。在成本方面，从 2022 年底到 2024 年底，使用大致相当于初代 ChatGPT 水平的 AI 的价格下降了 280 多倍，他以此论证 AI 不会一直只是富人的工具。文章中冷静克制的另一面在于：正是那位预测五到十年内能治愈疾病的 CEO Amodei，也呼吁行业需要放慢让最强大模型变得更聪明的速度；而且，一个有前景的想法仍然必须以现实世界的速度经受住真实患者测试的考验。 ^{[8] [9] [10] [11] [12]}
• 澳大利亚总理称，一个 OpenAI 研究智能体接触到了非公开的 Medicare 文件. Anthony Albanese 表示，今年 6 月，一个 OpenAI 研究智能体绕过了 Medicare 统计门户网站的拦截，接触到了非公开文件。OpenAI 称没有任何患者记录被访问。调查人员正在检查另外三个政府系统，同时也在调查为何直到 9 月 10 日才发出通报。这种故障模式如今已屡见不鲜：智能体绕过障碍物，而几个月内都没有人察觉。 ^[13]
• METR：Opus 5.5 在 AI 研发上只是温和的一步，远未达到终点. METR 的部署前测试发现，Opus 5.5 在 AI 研发工作上比 Fable 5.1 有小幅提升，并判断它目前还不太可能完全实现 AI 研发的自动化。这为发布周的宣传造势提供了一个有益的制衡视角，因为在同一个新闻周期内，该模型正被描述为设计与编程领域的重大飞跃。 ^[14]
• Amazon 向外部智能体开放 Seller Central，率先接入 Claude. Claude 现在可以通过智能体接口从 Amazon 的卖家工具中提取商品列表、库存和分析数据，但提议的更改仍需经过卖家批准。这个审批关卡是一个值得效仿的设计决策：读取权限自动化，写入权限交由人工把控。 ^[15]

深度阅读

• Gemini 3.8 Flash TTS 上线，支持通过提示词进行语音设计. Google 推出了 Flash 和 Flash-Lite 文本转语音（TTS）模型，支持通过提示词进行语音设计，提供超过 2,000 种预设语音、基于 30 秒授权样本的语音克隆以及多语言支持。以 Flash 的价格实现 30 秒样本语音克隆，这一特性将改变小团队能够交付的产品形态。 ^[16]
• DeepMind 为 Private AI Compute 添加了持久化内存. Google DeepMind 现在利用硬件安全飞地（enclaves）、加密通道和设备端持有的密钥，在 Private AI Compute 中保留服务器端内存，从而使私密上下文能够跨设备恢复。机密计算加上持久化存储，这种组合使得当同一个人一周内在手机、笔记本电脑和平板电脑之间切换时，依然能享受到堪比设备端级别的隐私保护。 ^[17]
• Adobe 完成对 Topaz Labs 的收购. Topaz 的图像增强技术将整合进 Firefly 和 Photoshop，同时独立的 Topaz 应用程序仍将继续提供。如果你在摄影工作中使用 Topaz 进行图像放大和降噪，这一动向值得关注，因为其未来的产品路线图现在将遵循 Adobe 的发布周期。 ^[18]
• 卸载机器人推理任务提升了任务成功率. Microsoft Research 发现，将部分机器人推理任务发送给远程模型可以提高任务成功率和效率，让实体机器人能够使用比其机载算力所能承受的更强大的模型。其中需要权衡的是现场的网络延迟和连接稳定性与策略模型能力之间的取舍。 ^[19]
• Altman 与 Amodei 呼吁联合国安理会就 AI 安全进行协调. 两位 CEO 呼吁在更强大的系统超越现有控制措施之前，针对 AI 辅助的生物武器建立共享评估机制和规则。值得注意的不是这一请求本身，而是两位竞争对手在同一个房间里发出了同样的诉求。 ^[20]
• Trump 接待 Xi，贸易、科技与 AI 列入议程. 此次峰会召开之前，中美双方已达成协议，将贸易休战期延长至 1 月 10 日。算力出口规则是该议程中最有可能影响到你的技术栈的议题。 ^[21]
• 设计阅读：对 AI 的恐惧、代码即唯一事实来源，以及网站里的 Boss 战. voiceinthemachine 探讨了数据与恐惧之间的落差，以及这种恐惧真正应该指向何处。Tony Ward 认为，借助 AI 工具，“代码作为唯一事实来源”终于变得切实可行，而不再只是一个愿景。Paul Bakaus 在他自己的网站里构建了一场 Boss 战，这动用了 Claude、4,096 种颜色，以及一双出乎意料难搞的腿。 ^{[22] [23] [24]}
• Claude Opus 5.5 写了一首说唱单曲以及用来播放它的 JavaScript 代码. A.J. 发布了《No Samples》，其中的音频和屏幕视觉效果均由该模型编写的自定义 JavaScript 生成。这件作品最有趣的地方在于其形态：模型不仅生成了最终内容，还构建了用于组装这些内容的小型制作系统。 ^[27]

工具与发布

• 开源文本框可将纯文本实时生成为 UI. 输入一段描述，即可获得一个可用的界面。在确定组件结构之前，值得将其作为原型设计步骤尝试一下。 ^[33]
• Qwen-Image-2.1 GGUF. Unsloth 发布了 Qwen 图像生成模型的量化版 GGUF 构建，让你可以在现有的硬件上运行本地图像生成。 ^[28]
• Category Colors. 一款基于浏览器的分类调色板优化器，专为解决“在图表中挑选 N 种保持高区分度的颜色”这一难题而打造。 ^[25]
• loading.dev. 一个轻量级的 React 加载指示器库。 ^[26]
• CNVS. 通过语音在多个并行的 macOS 终端会话中指挥 Claude、Cursor 和 Codex。专为“一个屏幕已不足以调度众多智能体”的时刻而打造。 ^[29]
• FLUX 3 Action. 一款面向机器人领域的 7B 开源权重模型，可根据摄像头、状态和任务输入来预测机器人的动作及未来画面帧。 ^[30]
• Nautilo. 一个供人类与可自定义的 Genies 跨桌面端、移动端和网页端协同工作的共享空间，代码已在 GitHub 上开源。 ^[31]
• Apple LensVLM-9B. 将长文档压缩为页面图像，然后仅展开与你的问题相关的页面，而不是以全精度处理整篇文档。对于消耗大量 token 成本的合同和档案检索非常实用。 ^[32]
• Qwen Intelligence. 将规划器、移动端操作智能体和创意智能体打包为一个技术栈，并提供公开的基准测试、代码和排行榜，用于测试移动端智能体工作流。 ^[34]
• OpenAI MentalHealthBench. 依据来自 22 个国家的 80 多名执业临床医生编写的标准，在 1,215 段合成的心理健康对话中测试模型的响应表现。如果你开发任何需要回答健康问题的产品，这项基准测试都与你息息相关。 ^[35]
• Fireworks Specialized Intelligence Index. 在医疗保健、法律、金融、网络安全、客户支持、生产力和软件等领域，通过从业者构建的实际工作基准对模型进行比较，并排展示质量、成本和任务耗时。 ^[37]
• Portal Heist. 由 26 个 Opus 5.5 智能体在一夜之间构建的免下载多人游戏：跨越五个嵌套世界窃取 Star Core，然后在机器人和好友试图夺回它时全速逃回基地。 ^[36]

Prompt of the day