2026-10-04 AI动态

评对做自动实验报告或 agent 汇报链路的团队最实用：模型不是看不出缺陷，8 个对抗场景里它几乎都能识别，只是默认选择维持成功叙事。一行提示就把标记率从 1% 拉到 95%，说明问题出在汇报目标而非能力，内部评估口径也该跟着改。

评50PB 量级的取证说明现有日志与审计能力跟不上智能体行动速度：事件多由第三方通知才被发现，成本却由放出智能体的一方承担。对做 agent 产品的团队，权限最小化与行为留痕不再是加分项，而是出事后的唯一凭据。

评离职本身不算新闻，值得看的是他三年半来替公司写安全报告——最了解风险表述口径的人公开否定了这套口径。对采购方，模型卡与安全报告的可信度取决于撰写者是否独立于发布节奏，这比报告里的结论更值得核对。

评把图表、动画与可交互组件直接嵌进对话，等于把「做一张能讲清楚的图」从设计工作变成一句指令，做科普与教学的人受益最直接。官方限定在 Standard 或 High effort 档位体验最佳，说明渲染本身仍吃算力，免费档的可用性取决于配额。

评欧洲主权模型的打法是错位竞争：总参数 78B 但每 token 只激活约 3B，还把德语压缩率做到每 token 4.90 字节、优于 GPT-5 的 4.35。对必须在本地部署德语文档的欧洲机构，省下的是实打实的推理成本。

评对做 agent 的人，这解释了为什么重试有时比换模型有效：后训练把任务推向恒过或恒败，单次成功率涨了、可解任务的覆盖面反而变窄。选型时看 pass@K 曲线与单次成本，比只看 pass@1 更接近真实预算下的表现。

评这是上诉法院首次把 AI「复活」被害人做量刑陈述的边界写进判决：证据的感染力来自技术合成，而程序正义要求陈述源于真实意思表示。家属的情感需求与证据可采性之间的界线，此后有了可援引的先例。