爱窝啦 AI 日报

今日摘要

GPT-6 Astra 在 ARC-AGI-3 半私有测试集拿到 99.9% 后测试方案作废,混合架构在具身仿真中拉开 64% 差距。
语音推理、判断型模型、团队协作智能体和本地 RSI 部署正在把 AI 从单点演示拆解到具体工作环节。
今天先看 TOP 10 里的混合架构测评和 TypeSafe AI 的 Jev 模型,再决定现有任务是否需要换架构或专用判断层。

🔥 今日焦点 TOP 10

1. GPT-6 Astra 在 ARC-AGI 测试中接近满分

测试接近饱和。 GPT-6 Astra 在 ARC-AGI-3 半私有测试集上拿到 99.9% 成绩 ，OpenAI 称已完全饱和。ARC Prize 创始人宣布原定方案作废，需要重新拟题。下一阶段将考察模型能否发明新概念，而不只是识别模式。这份成绩让预设评估路线图提前失效。

2. 混合架构在具身仿真测试中拉开 64% 差距

具身能力出现分层。 银河通用团队在 GitHub 发布的仿真测评 显示，混合 GPT-6 Astra 的架构拿到 62.6 分，第二名仅 38.26 分。测评用 GPT-6 Astra 提供语义判断，与 π₀.₅ 的物理交互形成互补。混合模式让 GPT-6 Astra 在 π₀.₅ 候选动作中二选一或自己修正。64% 的性能差距被报告认为是架构层面的降维打击。

3. Gemini 3.8 Live Extended Thinking 登顶语音对话榜

边说边推理。 谷歌发布 Gemini 3.8 Live 和 3.8 Live Extended Thinking。Extended Thinking 版本在 语音对话排行榜排第一 ，支持实时读取视频画面。演示中用户边画边说，模型实时做出产品 Demo。多模态实时交互能力仍是 Gemini 的一线优势。

4. TypeSafe AI 推出只做判断不生成文本的模型

专注快速决策。 ChatGPT 联合发明人 Diogo Almeida 创办的 TypeSafe AI 发布 System One 模型 Jev。Jev 放弃文本生成能力 ，专门输出带校准概率的结构化结果。响应速度 70 到 500 毫秒，成本比主流模型低 40 到 400 倍。模型用新训练方法 RLCD 构建，输入非结构化数据后只做分类、打分、路由和提取。

5. 字节发布豆包 2.1 Pro 0915 版并在飞书引入团队智能体

模型与协作能力更新。 火山引擎 升级豆包大模型至 0915 版本 ，强化证据溯源与数据核验。多模态编程能力增强，支持代码仓库分析与修复测试。飞书 8.0 引入团队智能体"豆包工作伙伴"，推动 AI 从个人助手向团队协作转变。生数科技同步发布 Vidu S2 视频模型，支持实时编辑、动态参考图与头显适配。vivo 蓝心大模型也宣布全面升级。

6. Anthropic 解释 Claude 文本水印的工作方式

统计痕迹不改选词。 Anthropic 发布技术说明，解释 Claude 用的 SynthID-Text 水印方案 如何工作。模型选词时用密钥改变随机数来源，在输出中留下统计痕迹。水印不会让模型选它本来不会选的词，只在模型本就犹豫的候选中起作用。事后拿密钥核对选词序列，能算出这段是 Claude 写的概率。

7. 机器之心质疑自我进化 Agent 的得分提升来源

可能只是多试几次。 机器之心发文分析 Harness Evolution 的测试方法 ，质疑自我进化 Agent 的得分提高可能只是因为比普通 Agent 多获得了几次尝试机会。文章提出：当自我进化 Agent 得分提高时，需要区分是真的学会了更好的工作方式，还是因为更多尝试带来的概率优势。

8. 向阳乔木参加教育与 AI 大会

教育场景探讨。 向阳乔木在杭州良渚 参加教育与 AI 大会 。会场聚集大量教师和校长，讨论 AI 在教育场景的应用。

9. Vibe coding 后测试跑得慢的优化思路

精准测试与分级策略。 姚金刚分享代码产出快后测试变慢的 优化方法 。团队一天上线 50 次，至少跑 300 轮测试。建议做精准测试，记录每个测试实际经过的代码，源码变更后反查影响哪些测试。还可以做测试分级，高频 CI 跑核心路径与新增测试，其余测试有代码变更时每小时集中跑一轮。

10. 歸藏给折叠屏做了角度触发的时钟应用

折叠到特定角度自动展示。 歸藏开发了一个 安卓折叠屏应用 ，只要折叠到对应角度就会自动触发展示样式。目前有日历时钟和番茄钟。应用用原生 Material Design 风格。

⚡ 产品与功能更新

AI 桌面交互方式可能快速普及

桌面操作形式变化。 Telegram 频道转述称 AI 桌面交互方式可能快速普及 。具体产品形态、演示或上线计划未在转述中披露。

⌘ 开源 TOP 项目

anthropics/knowledge-work-plugins：知识工作者插件仓库

anthropics/knowledge-work-plugins 收录了 面向知识工作者在 Claude Cowork 中使用的开源插件 。当日新增 110 Stars，总计 24283 Stars。适合需要在 Claude Cowork 环境中扩展功能的知识工作者。

Tencent/WeKnora：文档转 RAG 与推理代理平台

Tencent/WeKnora 是 开源 LLM 知识平台 ，将原始文档转换为可查询的 RAG、自主推理代理和自维护 Wiki。当日新增 1197 Stars，总计 25289 Stars。适合需要构建企业知识库或文档问答系统的团队。

jamiepine/voicebox：AI 语音工作室

jamiepine/voicebox 是 开源 AI 语音工作室 ，支持克隆、听写和创作。当日新增 417 Stars，总计 54380 Stars。适合需要语音克隆或语音内容创作的开发者。

◉ 社媒精选

向阳乔木推荐严肃阅读工作流

从找书到内化的完整链路。 向阳乔木 推荐了一篇严肃阅读工作流文章 ，覆盖找书工具、扫描版 PDF 转 EPUB、沉浸阅读端，以及内化到 Flomo 或 Obsidian 的完整链路。文章还收录了 Qiaomu Reader 插件，并推荐 Z-Library 和 Anna’s Archive 两个图书资源站。

❓ 相关问题

Gemini 3.8 Live Extended Thinking 国内怎么用？

Gemini 3.8 Live Extended Thinking 通过 Google AI Studio 或 Google Cloud Vertex AI 提供。国内用户访问 Google 服务需要符合网络访问条件。具体订阅要求、地区限制与定价未在官方公告中明确披露。

需要进一步比较当前公开的 AI 账号或订阅服务时，可查看 爱窝啦·AI账号店 ；商品、价格与可用状态以官网实时页面为准。