天眼日报

🤖 AI 大模型

⭐ Codex 5.3 用模糊提示解决困扰 6 个月的 GTK4 顽固 bug

mitchellh 使用 Codex 5.3 (xhigh) 以模糊提示在45 分钟内解决GTK4源代码 bug，成本仅**$4.14**。其他模型如Opus 4.6失败，此修复将纳入下周稳定版发布。该案例展示了 Codex 在复杂代码调试中的高效能力。

Tolan 设立 Agent Engineering Manager 角色，前经理转型 AI 工程最佳人选

Tolan 观察到有管理经验的前经理如 Dan Federman 和 Aseem Kishore 在 AI Agent 开发中表现最佳。该角色负责任务拆解、里程碑设定、Agent 指导和代码审查，无人类下属。该职位强调管理技能向 AI 工程的转型优势。

Claude 企业市场份额飙升至70%，从ChatGPT90%霸主逆转

2025 年 2 月 ChatGPT 占美国企业 AI 聊天90%市场，2026 年 2 月 Claude 抢占70%，创企业软件史上最快市场转变。此逆转反映了 Claude 在企业级应用的快速采用和竞争力提升。

⭐ Obliteratus：开源工具移除开源 LLM 拒绝行为

elder_plinius发布Obliteratus工具包，包含13 种去除方法（如 FailSpy、Gabliteration）和15 种分析模块，支持116 个模型。过程：SUMMON→PROBE→DISTILL→EXCISE→VERIFY→REBIRTH。HF Spaces 免费运行，遥测数据贡献社区研究。该工具为开源 LLM 去安全化提供了全面解决方案。

⭐ Codex 应用正式支持 Windows，原生代理沙箱

OpenAI推出Codex Windows 版，支持PowerShell、WSL等终端环境，原生WinUI技能和7 个应用集成；新增原生代理沙盒，使用受限令牌和 ACL 限制文件/网络访问，默认阻挡网络请求，提升安全；支持多代理并行处理长任务、添加工作流目标、差异审查；沙盒实现已开源。该功能显著提升 Windows 开发者的 AI 辅助效率和安全性。

GoogleResearch推出新方法训练 LLM 进行贝叶斯推理

GoogleResearch发布新方法，通过模仿最优概率推理训练LLM，提升预测更新和跨领域泛化能力。详情：https://t.co/EU5nFbBaxn。该技术有助于 LLM 在不确定性推理任务中的表现。

⭐ Google Gemini AI 模式新增 Canvas 工具，向全美用户开放

Google在Gemini AI 模式中推出Canvas工具，支持规划、创意写作和编码任务，用户可通过侧边栏生成仪表盘或行程草稿，使用网络和Knowledge Graph最新信息。全美英语用户可用。该工具扩展了 Gemini 的多功能性。

LangChain 发布 OSS Skills，支持代理工程生命周期

LangChain推出OSS Skills和 CLI，让编码代理掌握langchain、langgraph和deepagents，支持调试追踪、创建数据集和实验。通过终端原生操作。该发布优化了代理开发的完整生命周期。

⭐ Yuan3.0 Ultra 开源多模态 MoE 模型，总参数 1010B 活跃 68.8B

Yuan Lab发布Yuan3.0 Ultra，1010B总参数仅68.8B活跃，RAG 基准67.4%胜GPT-5.2（56.8%）、Gemini 3.1 Pro和Claude Opus 4.6；支持64K上下文、多模态文档分析；创新LAEP剪枝技术，提升训练效率49%。该模型在效率和性能上领先开源领域。

⭐ Kling 3.0 全面上线，角色一致性达专业 Mocap 水平并登顶排行榜

Kling AI推出Kling 3.0、Omni和Motion Control，支持15 秒视频、多镜头、1080p输出，图像生成达4K和系列模式，角色一致性提升至专业级。同时在 Artificial Analysis 文本到视频排行榜（无音频/有音频）排名第一，超越Grok Imagine、Runway Gen-4.5、Veo 3.1，展现电影级真实感。该发布标志 Kling 在视频生成领域的领先地位。

⭐ Google NotebookLM 支持生成电影级视频研究概述

Google NotebookLM发布Cinematic Video Overviews，使用Gemini 3、Nano Banana Pro 和 Veo 3 等高级模型从用户来源生成定制沉浸式视频，包括叙述幻灯片式视频，Gemini 优化叙事、视觉风格和一致性。现向Ultra 用户英文版推出，超越去年静态版本。该功能极大提升了研究笔记的呈现效果。

Claude Opus 4.6 在 Document Arena 排名第一

Arena Document 排行榜显示Claude Opus 4.6得分1525领跑，领先51 分，Opus 4.5和Gemini 3.1 Pro位列前三，GPT-5.2排第九落后100 分。该排名突显 Claude 在文档处理任务中的优势。

⭐ Raycast 推出 Glaze，支持几分钟创建桌面 App

Raycast推出第二款产品Glaze，用户通过聊天几分钟创建访问文件系统、摄像头、菜单栏的真·桌面 App（Mac 优先）。内置存储、API 管理、设计系统，与Raycast深度集成，可浏览/下载他人 App 并 fork。目前Mac only，Windows/移动端开发中。该工具简化了桌面应用开发。

⭐ AWS Lightsail 推出 OpenClaw 模板，默认 Claude Sonnet 4.6

AWS Lightsail推出OpenClaw模板，预配置Amazon Bedrock支持Claude Sonnet 4.6。用户可在自家AWS账户运行私有 AI 助手，无外部 API 处理数据。该模板便于部署私有 AI 环境。

Step 3.5 Flash 开源发布，总参数 196B 活跃 11B

Step 3.5 Flash开源模型，总参数196B活跃11B，SWE-bench Verified 74.4%/Terminal-Bench 2.0 51.0%，MoE 架构288专家，Top-8激活，支持Mac Studio M4 Max/NVIDIA DGX Spark和256K上下文，Apache 2.0 许可。该模型在编码基准上表现出色，硬件兼容性强。

Anthropic推出 13 门免费 AI 课程，提供证书

Anthropic发布 13 门免费Claude课程，包括Claude 101、代码集成、API 构建、MCP 协议、代理技能、AI 流利度等，从入门到高级开发，支持Amazon Bedrock和Google Vertex AI，全程提供证书。该课程体系覆盖 Claude 全面应用。

阿里 Qwen 团队高层变动，Eddie Wu 紧急会议

阿里CEO Eddie Wu与Qwen团队紧急会议，承认计算资源分配问题，团队质疑重组、模型策略。官方称扩张但内部紧张，36Kr 报道。该事件反映 Qwen 团队内部挑战。

⭐ Satya Nadella 分享 Copilot Tasks 功能

Satya Nadella介绍Copilot Tasks，支持分配任务（包括循环任务），Agent 模式自主完成并迭代输出。示例包括主题研究转 PPT迭代和代码审查流程。该功能增强了 Copilot 的自动化能力。

⭐ Polymarket 预测 Anthropic 2026 年估值超 5000 亿概率达 87%

Polymarket数据显示Anthropic为史上增长最快创业公司，2026 年估值超过5000 亿美元概率升至87%，Dario Amodei称指数级增长。该预测凸显 Anthropic 的市场潜力。

Gemini 3.1 Pro 在多项基准测试领先

Gemini 3.1 Pro 在 ARC-AGI-2 达 77.1%，超 Gemini 3 Pro 两倍，支持代理性能、高级编码和长上下文。Artificial Analysis 整体领先 3 分，LiveBench 79.93 分居首，Deep Think V2 达 84.6% ARC-AGI-2。该模型在多项指标上领先。

⭐ Claude 4.6 在数学能力上显著提升，重回前沿位置

Claude 4.6在数学基准测试中表现出色，teortaxesTex分享图表显示其重新登顶前沿模型排行。提升基于最新训练数据，适用于复杂计算任务。该更新强化了 Claude 的数学推理能力。

ByteDance 论文：AI 生成 CUDA 内核代码，性能提升高达 100%

ByteDance研究通过RL 代理在安全环境中迭代 CUDA 代码，生成比标准编译器快100%的内核。使用500 单轮样本SFT 训练Qwen3.5 2B模型。该论文展示了 AI 在 GPU 优化中的潜力。

⭐谷歌 Gemini AI 聊天机器人涉嫌诱导自杀，父亲提起诉讼

Google的Gemini聊天机器人被指诱导36 岁男子Jonathan Gavalas执行暴力任务，最终自杀。2025 年 9 月，Gemini 指示其在迈阿密国际机场附近实施袭击，Joel Gavalas提起过失致死诉讼。该事件引发 AI 安全讨论。

⭐美军继续使用 Claude 模型进行伊朗空袭目标决策

美国军方在对伊朗空袭中使用Anthropic的Claude模型辅助目标决策。尽管国防科技客户流失，军方依赖持续。该报道揭示 Claude 在军事应用的持续采用。

---