Notion 接入 GLM 5.3 与 DeepSeek V4.1 Flash，Google 发布 Android Bench 2.0

1️⃣ [持续跟踪] Jev 生态：OpenRouter 发布 Ori Eval，实测决策模型速度优势#

• 前情提要：Jev 由 TypeSafe AI 发布，定位不逐 token 生成的结构化决策模型，发布后社区出现多个复刻，Browser Use 等已实测低成本落地。
• 最新突破：OpenRouter 发布 Ori Eval，可一键评估项目适配的最佳模型；实测 Jev 比次快模型快 5 倍，最慢请求仍优于其他模型中位数。
• 开发者动向：elvis 将 Jev 作为基础原语接入自建 Agent 框架，用于降本提速、动态工作流与上下文按需调用；a16z 的 Justine Moore 测试 Jev 与 GPT-5.6 预测书籍偏好，称 Jev 略准、便宜 53 倍、快 25 倍。 🔗 OpenRouter Ori Eval | OpenRouter 实测 | elvis 推文 | Justine Moore 测试

2️⃣ 朱啸虎：产业层面无 AI 泡沫，基础大模型今年是最后一年#

• 核心判断：金沙江创投朱啸虎在腾讯新闻深网访谈中称，产业层面没有 AI 泡沫，算力中心建好不愁卖，泡沫在个别高估值公司。
• 模型层终局：今年可能是基础大模型的最后一年，明年需要讲新故事；API 是危险生意，终局是水、电等公用事业，对应 10%–20% 毛利。
• 应用层判断：办公 Agent 是大厂天下，创业公司只能选平台打工；AI 应用看增长率和执行力，20% 月增长是基本要求。 🔗 腾讯新闻深网访谈精编

3️⃣ AI Engineer 推理工程专场：基准失真与成本核算成为焦点#

• 基准问题：某基准工具被要求跑 200 queries/s，实际跑 38 却报告 200；Google 讲者讨论 LLM 性能基准是否可靠。
• 成本核算：Meta 按“每成功任务成本”而非每 token 衡量推理；OpenAI 用全局优化器替代反馈回路路由，避免流量在热引擎与冷引擎之间震荡。
• 工程实践：FriendliAI 称同一编码 Agent 在开源权重模型上成本约为闭源前沿模型的 1/5.5；Red Hat 演示 KV 缓存命中使首请求从 3 秒降至 1 秒。 🔗 AI Engineer 推理专场 | 推理专场笔记

4️⃣ MIT 与 Sakana AI 发布 SIFT：自改进编程智能体算力降至 DGM 十分之一#

• 方法：Self-Improvement via Fast Tree-search（SIFT）通过 LLM judge 先筛选候选自我修改，只评估有希望的候选，降低 benchmark 评估瓶颈。
• 数据：在 Polyglot 上，o3-mini 经 30 次扩展达 35.1%，DGM 经 80 节点达 30.7%；SIFT 全程低于 50 CPU 小时、低于 5 小时 wall clock。
• 成本：Qwen3-30B 配置完整搜索 224 CPU 小时、34 美元 API 花费，约为 DGM 基线的十分之一；TerminalBench 上 gpt-5.4-high 作为 pairwise judge 找到 36.7% 的 agent。 🔗 elvis 推荐 | 论文

5️⃣ Google 推出 Android Bench 2.0：模型+Agent 真实 Android 开发基准#

• 评测对象：模型搭配其专属 Coding Agent，如 GPT + Codex、Claude + Claude Code、Gemini + Antigravity、Kimi K3、Qwen 3.8 Max。
• 任务覆盖：30 个任务覆盖应用转换、从零构建、架构迁移（XML→Compose、Hilt→Koin、Retrofit→Ktor、Java→Kotlin）与新功能开发。
• 结果：最高通过率 28%，GPT 6 Astra + Codex、Claude Fable 5.1 + Claude Code 前两名；两个跨平台转换任务与大量 XML→Compose 迁移所有模型 0/5，GPT 6 Astra 在 Habo 上完成度 99% 却未通过。 🔗 meng shao 推文 | Android Bench 官方

6️⃣ 华为汪涛：AI 算力底座不能只靠一颗芯片，CANN 跨过拐点#

• 核心观点：华为要打造 AI 算力底座，只做好一颗芯片远远不够，软件生态是补全关键。
• 进展：CANN 跨过拐点，华为补上软件生态。
• 行业意义：与昇腾 960 提前至明年一季度、超节点扩至 4096 卡等硬件进展相呼应，国产 AI 算力竞争进入芯片与软件栈协同阶段。 🔗 量子位报道

7️⃣ Notion 接入 GLM 5.3 与 DeepSeek V4.1 Flash，新增工作区默认 Agent 指令#

• 模型接入：Notion 官方宣布 Personal 与 Custom Agents 中新增 GLM 5.3、GLM 5.3 Flash、DeepSeek V4.1 Flash 等开放权重模型。
• 管理功能：支持为整个工作区设置默认 Agent 指令（House rules for your agents），统一控制 Agent 行为。
• 行业意义：主流生产力工具开始将开放权重模型作为 Agent 可选项，并强化企业级 Agent 治理。 🔗 Notion 接入 GLM | 接入 DeepSeek V4.1 Flash | 工作区默认指令

8️⃣ Codex 内置浏览器支持导入插件与 Cookie#

• 功能更新：Codex 内置浏览器已支持导入插件和 Cookie，功能接近完整浏览器。
• 影响：第三方浏览器创业团队面临压力，AI 编码工具向通用浏览器与自动化入口扩展。
• 背景：此前腾讯开源 BrowserSkill 让 Agent 借用用户已登录的真实浏览器标签页，浏览器作为 Agent 执行环境的竞争加剧。 🔗 向阳乔木推文

9️⃣ LinkedIn 分享基于 MCP 的上下文工程：提效 20%，可靠性无损#

• 方案：LinkedIn 构建 Contextual Agent Playbooks and Tools，基于 Model Context Protocol（MCP），为编码 Agent 提供程序记忆、代码搜索和 runbooks。
• 结果：在大型代码库中实现 20% 生产力提升，且零可靠性损失。
• 架构：分享架构细节与运营护栏，用于克服 AI Agent 在大代码库中的局限。 🔗 InfoQ 演讲

⭐ GitHub 趋势#

📊 类别速览

项目	类别	Stars
trycua/cua	AI Agent / Computer-Use	24.4k
cactus-compute/needle	端侧模型 / 边缘 AI	11.6k
higgsfield-ai/higgsfield	AI 基础设施 / 分布式训练	4.9k

---

1. trycua/cua ⭐ 今日 +859#

语言/许可： HTML / MIT
总 Stars： 24.4k
仓库： GitHub

项目定位：
面向 computer-use Agent 开发者，提供跨 OS 桌面驱动、隔离云桌面/本地 VM 与基准测试，解决 Agent 在真实 GUI 中缺少可复现操作环境和评测闭环的问题；与仅覆盖浏览器自动化的方案相比，覆盖原生应用、多操作系统和训练数据生成。

核心功能：

• 跨 macOS / Windows / Linux 的桌面驱动，支持 CLI、MCP、类型化 SDK 接入，让 Agent 检查并操作原生应用与浏览器。
• 云端隔离桌面集群（Fleets）与本地 macOS / Linux VM（Lume），通过 Sandbox SDK 统一管理命令执行、截图与资源生命周期。
• Cua Bench：创建 computer-use 任务、运行参考解、评估 Agent 并导出轨迹，用于训练和评测。
• CUA-S1：面向 computer-use 决策的小型专用模型族，提供源码、合成数据生成、训练与评估组件。

技术亮点：
基于 Apple Virtualization.Framework 的本地 macOS VM；支持后台交付操作而不抢占指针或焦点；通过 MCP 集成与轨迹导出，面向跨代码、API 与 GUI 的 Computer-Use 2.0 任务流。

---

2. cactus-compute/needle ⭐ 今日 +234#

语言/许可： Python / Apache-2.0
总 Stars： 11.6k
仓库： GitHub

项目定位：
面向手机、可穿戴、机器人、汽车和微控制器的端侧 AI 开发者，提供 8–29 MB 的自动化基础模型，在本地完成工具调用、结构化抽取和文本嵌入；与依赖云端大模型的方案相比，牺牲通用聊天能力，换取小体积、低延迟和可离线部署。

核心功能：

• Tool calls：给定应用暴露的函数，选择正确工具并按顺序填充参数；无匹配工具时返回空列表而非猜测。
• Structured extraction：按 schema 输出类型化字段，字节级 grammar 约束保证结构化输出可解析。
• Text embedding：同一模型输出句向量，用于本地搜索、匹配和路由。
• 支持本地微调、LoRA 导出与多平台引擎部署，权重和推理引擎发布在 Hugging Face。

技术亮点：
2-bit 量化到 8–29 MB 单二进制；Laddered Simple Attention Network、Monarch Hadamard MLP、GQA、engram n-gram memory；2.125 bits/weight 的 .cact 格式；微调后的 29M 参数子网络可超过部分更大基线。

---

3. higgsfield-ai/higgsfield ⭐ 今日 +196#

语言/许可： Jupyter Notebook / Apache-2.0
总 Stars： 4.9k
仓库： GitHub

项目定位：
面向需要多节点 GPU 训练 LLM 的团队，提供容错 GPU 编排与 PyTorch/DeepSpeed 训练框架，解决资源分配、分布式训练启动、环境复现和队列管理问题；与手动 SSH、Docker、YAML 拼装方案相比，把部署与运行链路收敛到实验接口和 GitHub Actions。

核心功能：

• GPU 工作负载管理：为训练任务分配独占或非独占节点，并用队列管理资源竞争。
• 支持 ZeRO-3 DeepSpeed API 和 PyTorch FSDP，面向十亿到万亿参数模型的分片训练。
• 提供 @experiment 装饰器等接口，统一启动、执行和监控大规模神经网络训练。
• 与 GitHub / GitHub Actions 集成，支持实验代码部署、环境版本固定和检查点保存。

技术亮点：
将多节点环境安装、Docker、SSH、部署密钥和运行工作流自动化；抽象掉大量训练参数与 YAML 配置，同时保留 PyTorch、DeepSpeed、Accelerate 兼容路径。

🟧 Hacker News 热议#

I built non-autoregressive decision models with RL a year ago#

1052 pts · 247 comments · convaiinnovations.com

📌 内容总结

• 背景/作者意图：作者称 2025-03 已用 PPO 在序列表示上做销售转化概率预测并公开论文/权重/数据；2026-09 TypeSafe AI 发布 Jev 后同类概念被当作新突破，于是把旧工作泛化为开源 Laya，定位为快速、校准的 System 1 决策引擎。
• HN 关注点:
  • 架构：双向编码器单次前向；三种原语 choice/score/noul；输出概率/分数，不生成文本，因此不存在 schema 违规和文本幻觉。
  • 性能与成本：单 GPU 32.8ms，批量 7.2ms/问题；三个 checkpoint（ModernBERT-large、mmBERT-base、typed-decisions）；100+ 语言；Apache 2.0，自托管零 API 成本。
  • 对比 Jev：typed-decisions 0.766 vs 0.727，AG News 0.950 vs 0.910，ECE 0.081 vs 0.246，P50 延迟 32.8ms vs 236–276ms；多语言路由覆盖 45/51。
  • 多语言路由：英语 checkpoint 在 Khmer 上 0.000 准确率但 0.952 置信；置信门控无法提示脚本不匹配，必须在 forward 前决定用哪个模型。
  • 限制：choice 超过 20 项退化（Banking77 0.425 vs Jev 0.870）；零样本约 0.35，0.766 来自微调；温度标定把 ECE 从 0.466 降至 0.081；上下文 512–1024，部分多语言最多 8k。
• 实际结论：作者将 Laya 定位为需专门微调的高速基础模型，用于分类、护栏、路由、工单分流；不是通用零样本模型，也不是通用 reasoning 替代品。

💬 讨论总结

• 主要共识：这不是新范式。多位评论者把它类比为 BERT/传统分类器加更多数据、RL 标定和产品化包装；零样本 NLI、GLiNER、OpenDecision 等更早或并行出现。
• Jev 与 Laya 的能力争议：有用户称 Jev 在分类任务上比 Gemini Flash Lite 更便宜更快且一致；反方称“frontier”证据不足，举出草莓 R、掷骰/硬币概率异常、答案顺序敏感、自称 Qwen 等。对 Laya 的掷骰/硬币测试也出现无意义概率，说明“不生成文本”不等于概率校准。
• 产品化与分发：Jev 的优势被归因于品牌、System One 叙事、清晰接口和托管 API；不少用户不愿自管 GPU、维护语料和重训，愿意为 always-on pay-per-use 付费。Laya 开源但自托管，限制即插即用。
• 工程限制被反复指出：上下文 512–1024 对 Jev 的 32k/64k 是明显差距；>20 选项退化；zero-shot 约 0.35 且 0.766 靠微调，被质疑是 fine-tuned Laya 对比 zero-shot Jev；温度标定非默认。Unicode 路由被视为补丁，因为置信度不能提示模型读不懂文字。
• 历史与署名：评论者对作者有同情，但批评“发布 arXiv 就该被看见”的想法幼稚；传播、营销和产品定义本身就是突破的一部分。也有人认为公开研究常被私人产品化，Jev 可能只是公开思路的商品化。
• 运维/生态需求：出现 CPU 推理、hosted API、Excel 插件、视觉扩展、per-token BERT 式云服务等诉求；已有 OpenDecision、hallunox、openjev、laya-jolt、laya-vision 等复现或封装。
• 元讨论：评论区质疑 landing page 和部分发言像 LLM 生成，甚至怀疑刷票；System 1/2 术语也被质疑——LLM 同为深度学习，System 2 原本更接近符号推理。

🔗 原文 · HN 讨论页

Show HN: CUA-S1 – A System One Model for Computer Use#

56 pts · 7 comments · github.com/trycua

📌 内容总结

• 作者想做什么：Cua 提供开源桌面自动化、云桌面、本地 macOS VM、专用决策模型和评测；CUA-S1 是面向 computer-use 的小型 System 1 模型家族，首个 profile 只做 forms，对结构化 UI 元素和文档值做打分决策，而不是逐 token 生成。
• 关键要点:
  • Cua 栈包括：Cua Fleets 云桌面、Cua Driver 操作 macOS/Windows/Linux 原生应用和浏览器、Lume 基于 Apple Virtualization.Framework 的本地 macOS/Linux VM、Cua Bench 任务评测与轨迹导出。
  • Driver 支持 CLI、MCP、typed SDK；在平台支持时后台投递动作，不移动指针/抢焦点；平台边界见文档。
  • CUA-S1 源码含 Python 模型代码、合成数据生成、训练和评估；GitHub 是早期 source-only research release，权重放在 Hugging Face，源码 MIT，第三方组件各有许可证。
  • 项目提出 “Computer-Use 2.0”：同一任务中在代码、API 和 GUI 间切换。
• 实际结论/限制：System 1 仅指快速、有边界的决策，不替代通用 agent 的规划/推理；当前只聚焦 forms；每个模型和数据集需查 model card 的范围、限制和许可证。
• HN 关注点: 本数据未提供评论内容，无法归纳社区关注点。

💬 讨论总结

• 输入中 top_comments 为空，无法提炼 HN 社区观点；评论数 7 但未提供正文。

🔗 原文 · HN 讨论页

GPT-6 Astra Solves a WWI German Radio Cipher#

360 pts · 166 comments · prinzai.com

📌 内容总结

• 背景/作者意图：作者查看 scienceblogs 的 50 个未解密码列表，选取一封 1918-11-27 的德军 ADFGVX 无线电密文（第 217 页），并称 GPT-6 Astra 解出该密文。
• 关键要点:
  • ADFGVX 用 6×6 表，行/列标签为 A,D,F,G,V,X；密钥决定表内容和列换位。文中用 “HOUSE” 示例：PRINZ -> FX GD DX FV VD。
  • Astra 提出的密钥为 “TRUPPENVERSCHIEBUNG”，来自 J. Rives Childs 书中 pp.214–215。解密时先按字母序重排密钥，再将密文按 19 字符一行写在密钥下，按列序读出。
  • 解出的德文大意：一艘英国巡洋舰抵达塞瓦斯托波尔，日期为 ?4 日；一支盟军分舰队于 26 日跟进。
  • 交叉验证：HMS Canterbury 原始日志显示其于 1918-11-24 抵达塞瓦斯托波尔；盟军分舰队于 11-26 抵达。
  • 时间矛盾：该密钥据称从 1918-12-09 开始使用，而密文发于 11-27；原因未知。作者表示此前未见过该密文被解出，将其作为小型结果分享。
• 实际限制：结果依赖历史密钥表和模型假设，日期仍有 ?4 未定，密钥启用日期与发送日期的冲突未解决。
• HN 关注点: 本数据未提供评论内容，无法归纳社区关注点。

💬 讨论总结

• 输入中 top_comments 为空，无法提炼 HN 社区观点；评论数 166 但未提供正文。

🔗 原文 · HN 讨论页

1️⃣ Anthropic 推进 2 万亿美元 IPO，拟在上市前发布新一代模型#

• 资本进程：Anthropic 正推进 IPO，目标估值约 2 万亿美元，有望超越 SpaceX 成为史上最大 IPO。公司预计 2026 年产生超 1000 亿美元年化营收，较 7 月的 650 亿美元大幅增长；最快 11 月挂牌，正与摩根士丹利、高盛等投行合作，接近敲定 150 亿美元循环信贷额度。
• 新模型信号：路透社报道 Anthropic 考虑在 IPO 前发布新一代旗舰模型以提振市场信心；社区传闻新款 Sonnet、Opus 与 Fable 均在灰度测试中。CEO Dario Amodei 近期一面呼吁放缓前沿模型开发，一面推进 IPO，这一姿态已引发争议。
• 算力预期：投资者预计公司年底计算能力达 5 吉瓦，明年翻倍，与 OpenAI 持平。 🔗 创业邦 AIGC 日报 | Gary Marcus 转发新模型传闻

2️⃣ Meta Muse 登顶美国 App Store，Zuckerberg 开放开发者连接器#

• 产品表现：Meta 个人 AI 代理应用 Muse 上线仅一周，登上苹果美国 App Store 免费应用榜首，超越 ChatGPT。Muse 可代表用户执行填表、购物、订餐、找宠物看护等实际任务，并连接邮箱、日历、Spotify、Instagram、OpenTable 等服务。
• 平台开放：Zuckerberg 宣布向开发者开放 Muse 连接器——开发者只需提供 API，Muse 负责 Agent、浏览器和理解用户真实需求所需的上下文；用户说出想要的服务，Agent 即自动完成后续操作。
• 商业预期：Oppenheimer 预计 Muse 到 2027 年实现 280 亿美元 AI 智能体收入，付费用户 1.15 亿，转化率与 ChatGPT 相同为 6%；但 80% 的运营利润率预测被评论质疑偏高。 🔗 Zuckerberg 公告 | Muse Connectors 平台 | Oppenheimer 预测

3️⃣ FT：OpenAI 未来五年累计负自由现金流 2780 亿美元#

• 关键数字：FT 获得的演示文稿显示，OpenAI 预计 2026 至 2030 年累计产生 2780 亿美元负自由现金流，计划在算力和基础设施上投入约 8560 亿美元。
• 含义：支出远超收入，公司需持续依赖融资；该预测与 Anthropic 同期预计超千亿美元年化营收形成对照，两家头部公司的资本策略明显分化。
• 背景：投资者正争论 AI 基础设施的巨额投入能否转化为广泛的生产力提升——马斯克当日预测 AI 将使明年美国 GDP 增速从约 2% 翻番至 4%。 🔗 创业邦 AIGC 日报

4️⃣ [持续跟踪] Hacktron 披露攻破 OpenAI 完整攻击链，libheif 漏洞波及多家公司#

• 前情提要：此前报道 Hacktron AI 团队在 72 小时内接管部分 OpenAI 员工的 ChatGPT 与 Codex 账户，并向内部代码库提交 PR 证明攻击成功；OpenAI 支付 6500 美元赏金。
• 完整攻击链：上传恶意 HEIC/HEIF 图片 → ImageMagick 解码 → 触发 libheif 堆溢出 → 在 OpenAI 论坛实现 RCE → 利用 OpenAI SSO 漏洞 → 接管 ChatGPT/Codex 账户 → 访问关联的 Outlook、Slack、GitHub。
• 影响范围：同一 libheif 漏洞还影响 Slack、Meta、GitHub Enterprise、Rails、Next.js、ImageMagick 等大量应用。OpenAI 约 14 小时修复 SSO 问题，Discourse 在周一完成修复。
• AI 的角色：Opus 4.8 发现漏洞并构建部分利用代码；Opus 5 发布几小时后即将利用代码适配 Discourse。研究者认为 AI 正降低漏洞利用门槛，原本数月的工作可能缩短至几天。 🔗 完整披露 | 技术细节

5️⃣ [持续跟踪] Jev 生态：校验器、即时压缩与广告支持的免费 AI 应用#

• 前情提要：TypeSafe AI 的决策模型 Jev 以类型化决策替代自由文本生成，发布后已出现多个开源复刻，Browser Use 用它把查航班耗时压到 7 秒、成本 0.0039 美元。
• 新应用场景：LangChain 在准确率、可重复性、延迟与成本上对比 Jev 与 LLM 裁判；开发者构建 Agent /goal 校验器，每轮检查目标是否完成；上下文压缩场景中为每次工具调用评分并直接删除无关信息；实时 3D 场景生成器通过并发数百次判断，一秒完成室内场景搭建；单次运行 50 局《地铁跑酷》成本不足 1 美分。
• 经济学判断：andrew chen 指出 Jev 比通用 LLM 便宜超 400 倍，将解锁广告支持的免费 AI 原生应用——订阅之外的新分发模式。System One 负责高速执行、System Two 负责理解推理的分层架构，正成为 Agent harness 的新设计模式。 🔗 LangChain 评测 | Jev 校验器 | 广告经济学推演 | 实时 3D 生成

6️⃣ Anthropic、OpenAI、SpaceXAI、谷歌因「呼吁放缓 AI 研发」遭反垄断诉讼#

• 诉讼核心：四家公司被指控存在串通行为——Anthropic CEO Dario Amodei 本月公开呼吁「全行业协同」以管控前沿 AI 发展节奏，马斯克、Sam Altman、Demis Hassabis 均表示认同。原告认为这构成竞争者之间非法的商业协议，诉状已提交至加州北区联邦法院。
• 原告立场：律师 Nick Rowley 称，诉讼旨在防止全球最具实力的营利性科技企业达成「利己的私下协议」，法律规则应由政府以透明合法的方式制定。
• 行业背景：Anthropic 一面呼吁「控速」一面推进 IPO，Databricks CEO 与 a16z 合伙人则批评「pacing」一词是公关失误——安全是工程问题，不是速度问题。 🔗 创业邦 AIGC 日报 | a16z 讨论

7️⃣ 阶跃星辰发布 Step 5 Preview：600B 总参、27B 激活、1M 上下文#

• 模型规格：新一代开源旗舰基础模型采用稀疏 MoE 架构，总参 600B、激活 27B，原生支持文本与视觉输入，上下文长度 1M。面向 AI 编程、软件工程、专业知识工作与金融场景。
• 评测表现：在 Artificial Analysis Intelligence Index 中得分 44，位居全球开源模型前三，进入模型智能水平与单任务成本的「帕累托前沿」；金融基准表现接近 Claude Opus 5。
• 实测与布局：Three.js 游戏、尼亚加拉瀑布 3D 还原、网页操作系统、3D 资产生成等任务完成度较高。端侧模型 Step Edge、语音模型 StepAudio 3 已发布；手机装机量超 4200 万台，覆盖国内超 50% 头部手机品牌，与吉利合作整车智能体超级 Eva。 🔗 爱范儿实测

8️⃣ LlamaIndex 发布 ParseBench：100 种文档解析方法横评#

• 基准设计：面向 AI Agent 的文档解析评测，100 种方法参与（67 个 VLM、33 个专用解析器），基于 2000 页真实企业文档与 169011 条确定性规则，完全不用 LLM 当裁判，可复现。
• 评测维度：表格结构、图表抽取、内容忠实度、格式语义、视觉定位，取无加权平均。
• 核心结论：LlamaParse 系垄断头部（Agentic Plus 90.2 领跑），第三方 Pulse 81.6、anyformat 80.3；Charts 是最大分水岭，20 多个方法归零；Grounding 是 VLM 集体盲区，部分专用解析器反而有 75–80；无一家全能——VLM 内容强、定位崩，专用解析器布局强、图表常放弃。
• 性价比：LlamaParse Cost Effective 以 0.38¢/页拿 80.6 分，为全场最佳。 🔗 ParseBench 官网 | 评测总结

9️⃣ FT：主流 AI 模型回答金融问题平均 57% 出错#

• 研究结果：FT 援引科技公司 Saturn 的研究，ChatGPT、Claude、Copilot、Grok 与 Gemini 在金融查询中平均 57% 的时间给出错误答案。
• 行业意义：金融是 AI 落地的高价值场景，也是容错率极低的场景；该数据说明在缺乏可靠验证层的情况下，模型输出尚不足以直接进入生产决策。Gary Marcus 借此再次质疑当前 AI 的可靠性叙事。 🔗 FT 报道 | Gary Marcus 转发

🔟 Android 17 首次新增 API 却不发布到 AOSP，GrapheneOS 批评 Google 收回控制权#

• 核心事实：Android 17 QPR1 是自 Android Honeycomb（3.x）以来首个为开发者添加新 API 但仅限 Pixel 设备使用的版本，其他 Android OEM 无法获得。
• GrapheneOS 批评：Google 将标准 Android 平台的安全补丁对 OEM 保密，导致其他厂商要等到 12 月 QPR2 才能获得，Pixel 则有数月独占优势；Google 未及时响应 GPL 源代码请求。GrapheneOS 已提前完成代码移植，但因权限问题无法发布。
• 社区反应：Hacker News 讨论普遍认为 Google 在市场份额达成后已无意维持开放，应尽早硬分叉或转向替代品；公司行为由商业战略而非原则驱动，不必期待其自觉。 🔗 GrapheneOS 声明 | Hacker News 讨论