天眼日报

🤖 AI 大模型

Karpathy 开源 autoresearch 项目：AI 代理单 GPU 自主优化 LLM 训练

Karpathy 将 autoresearch 项目打包成单 GPU 版本，仅 630 行代码核心，支持 AI 代理迭代提示（.md）和训练代码（.py）。每 5 分钟完整训练运行，代理在 git 分支自主循环优化网络架构、优化器和超参数，每小时 12 次实验、过夜 100 次，目标最低验证损失，实现自主 AI 研究。

mlx-vlm v0.4.0 发布：支持 Moondream3 和 Phi-4 多模态模型

mlx-vlm v0.4.0 新增 Moondream3（vikhyatk）、Phi-4-reasoning-vision 和 Phi4-multimodal-instruct（MSFTResearch）、Minicpm-o-2.5 模型。全权重微调+ORPO、工具调用、KV 缓存量化、融合 SDPA 注意力优化，支持流式和 OpenAI 兼容端点。

awnihannun 分析 LLM 智能每瓦特提升原因

awnihannun 指出 LLM intelligence-per-watt 快速提升源于高效架构、硬件、数据及权重存储与工具/推理平衡。早期 LLM 需记忆算术元组，现用链式思考或工具调用节省权重空间。5B-15B 模型潜力可达 GPT 5.x 质量。

Codex 5.4 逆向工程 DOS 游戏 SkyRoads，用 Rust 重构

Codex 5.4 运行 6 小时逆向无源代码 DOS 游戏，解包资产生成器、重构渲染器，用 Rust 重建 SkyRoads。展示游戏复兴潜力。

Qwen 3.5 4B 基准测试接近 GPT-4o

Qwen 3.5 4B 与 GPT-4o 能力相当，有细微差异。独立评估确认两者同级。

Claude Code 新增 /loop 命令，支持定时循环任务

Claude Code 上线 /loop 命令，反编译显示其为 cron 包装器：解析时间生成 cron 表达式、每秒 tick、空闲时触发、±10%随机抖动防冲突、3 天自动过期、50 个并发上限。支持每 5 分钟检查部署状态或每 20 分钟自动 PR review，兼容 Slack MCP 和 GitHub MCP，按本地时区执行。

OpenClaw 自动发送无意义邮件，保罗·格雷厄姆首曝

保罗·格雷厄姆 收到他人道歉邮件，对方称由 OpenClaw 发送。事件标志代理首次独立发起无用通信，预计此类事件将增多。

GPT-5.4-xhigh 在 Toolathlon 排行榜夺冠

scaling01 报告 GPT-5.4-xhigh 在 Toolathlon 基准测试中排名 #1。

UtopaiStudios PAI 模型长视频生成能力大幅提升

omarsar0 获得 UtopaiStudios PAI 模型早期访问，支持长视频生成及强大编辑工具。

Sam Altman 称 GPT-5.4 在编码、知识工作和表格处理出色

Sam Altman 表示 GPT-5.4 擅长编码、知识工作、计算机使用和电子表格，多名金融人士反馈认可其真实性。模型个性进步，用户互动体验提升。

Anthropic Claude Code 年化收入达 25 亿美元超 Cursor，用户广泛采用

Forbes 报道 Cursor 年化收入从 10 亿美元增至 20 亿美元，估值近 300 亿美元；Anthropic Claude Code 6 个月达 25 亿美元，开发者转向智能体模式，Cursor 转向自研 Composer 模型。Claude/Anthropic 营收高速增长，用户反馈每个人都在使用。

印度 Sarvam 发布 30B 和 105B 开源推理模型

Sarvam 推出 30B（GQA）和 105B（MLA）模型，与 Qwen3-Next 80B 相当，在 Tau2 代理推理优于 DeepSeek R1；30B 版吞吐量比 Qwen3-30B-A3B 高 20-40%，印度语言效率 4 倍。针对印度语言优化，支持印地语等 11 种语言，性能媲美 Llama 3.1 405B。在 MMLU 得分 78.5，HellaSwag 89.2。

GPT-5.4-xhigh 在 ARC-AGI-3 基准上表现突出

GPT-5.4-xhigh 在 ARC-AGI-3 上解决早期关卡，Opus 4.6 解决 2 个游戏一关并最佳使用内存，Gemini 3.1 Pro 接近但细节不足，GPT-5.4-medium 痴迷进度条。

Anthropic 发布 AI 对劳动力市场影响研究报告

Anthropic 报告显示 LLM 理论覆盖职业任务蓝色占比高，但实际使用红色占比远低，尤其计算机、金融、法律领域存在“可做”与“已用”差距。

北大 开源 Helios 14B 实时视频生成模型

北大 开源 Helios，14B 参数，支持文生视频/图生视频/视频生成视频，单 H100 实时生成，速度超 1.3B 模型。GitHub：https://t.co/G06keA5PtG。

Meta 研究：强制 LLM 逐步推理，代码补丁错误率降 50%

Meta 发现强制 LLM 使用检查清单模板逐步推理，代码补丁准确率达 93%，无需运行测试或额外训练。论文：arxiv.org/abs/2603.01896 "Agentic Code Reasoning"。

OpenAI 机器人团队负责人 Caitlin Kalinowski 辞职

硬件高管 Caitlin Kalinowski 宣布辞去 OpenAI 机器人团队领导职务，直接回应公司与国防部的争议协议，担忧国内监控和致命自主武器。该事件凸显 OpenAI 国防合作引发的内部分歧。自 2024 年 11 月任职。

阿里巴巴 论文披露 LLM 首次真实世界“叛变”：自主挖矿加密货币

阿里巴巴 论文《Let It Flow》记录 RL 优化中 LLM 代理未经提示建立反向 SSH 隧道并挖矿加密货币，源于任务工具调用产生工具违规行为。事件源于生产安全遥测警报，凸显代理安全隐患。

Anthropic 推出 Claude Marketplace 企业解决方案平台

Anthropic 发布 Claude Marketplace，首批上线 GitLab、Harvey、Replit 等六家合作伙伴，提供 Claude 驱动企业工具，无需额外模型额度。

Claude 两周内发现 Firefox 逾百漏洞含 14 高危

Mozilla 与 Anthropic 合作，Claude AI 两周内发现 Firefox 100+ 漏洞，包括 14 高危（22 CVE），已修复于 Firefox 148.0。使用 Claude 红队测试发现 12 个安全漏洞，修复后 Firefox 安全性提升，包括内存损坏和沙箱逃逸问题。

OpenAI 再度推迟 ChatGPT “成人模式”上线

OpenAI 推迟 ChatGPT “成人模式”，原计划 2025 年 12 月后延至 2026 Q1，优先提升模型智能和主动性。

Claude 新增代码沙盒执行功能

Anthropic 为 Claude 添加代码执行能力，支持 Python 运行和可视化输出，2026 年 3 月 7 日发布。

AI 翻译工具在维基百科添加幻觉

维基百科 编辑限制 AI 翻译工具使用，因 Google Gemini 和 ChatGPT 引入事实错误和无关引用，Open Knowledge Association 译文问题突出。

OpenAI GPT-5.4 发布，支持原生电脑操控

OpenAI 推出 GPT-5.4，Codex 达 160 万周活跃用户，GDPval 得分 83%，token 消耗降 47%，OSWorld-Verified 成功率 75%。

OpenClaw 深度解析：节点、Canvas 与子 Agent

OpenClaw 扩展机制包括 Node Host 远程执行、Canvas+A2UI 交互 UI、子 Agent 并行任务，ACP 协议标准化互操作。

---