OpenAI 发布 Realtime 语音智能体提示词指南
OpenAI 发布实时语音智能体的提示词指南，讲解如何为语音智能体撰写 prompt。内容涵盖 Realtime 2 推理、preambles、工具使用和精确实体捕获。
全部 AI 动态
OpenAI Developers：BlogAI 评分5959 OpenAI：部署安全与系统卡精选AI 评分7171 OpenAI 发布 GPT-5.5 Instant 系统卡：生化领域按 High 能力启用 Preparedness 防护
OpenAI 发布 GPT-5.5 Instant 系统卡，将该模型在生物与化学领域定为 High 能力并激活相应 Preparedness 防护。与 Gryphon Scientific 合作构建的未公开默会知识与排错选择题集评测中，将拒答和安全补全计为成功时模型刚好超过 80% 的共识专家基线，不计入则低于 80%。
推荐理由：OpenAI 官方系统卡给出 GPT-5.5 Instant 在生化领域被评为 High 能力及与专家基线的具体对比结果。
Zyphra ResearchAI 评分4848 Zyphra 与 AMD 合作，Zyphra Cloud 基于 AMD Instinct MI355X GPU 上线
Zyphra 宣布推出全栈 AI 平台 Zyphra Cloud，由 AMD Instinct MI355X GPU 提供算力、TensorWave 提供基础设施，并已开放使用。
Zyphra ResearchAI 评分4444 Zyphra 提出 TSP：折叠 Tensor 与 Sequence Parallelism 实现内存高效的 Transformer 训练
Zyphra 发布 Tensor and Sequence Parallelism（TSP），一种将 TP 与 SP 折叠到同一设备维度的并行切分策略，用于训练和推理长上下文 Transformer 模型。
Zyphra ResearchAI 评分4646 Zyphra Inference Cloud 上线：面向长上下文智能体工作负载的 AMD 优先推理服务
Zyphra 发布 Zyphra Cloud 平台并推出首个组件 Zyphra Inference，一个基于 AMD MI355X GPU（与 TensorWave 合作）的 AMD 优先推理服务，专为大型 MoE 模型和长上下文智能体工作负载设计。
OpenAI：Alignment 研究博客精选AI 评分7777 OpenAI 在 Codex 中发布 Auto-review，用独立智能体审批越界操作
OpenAI 上周在 Codex 中发布 Auto-review 模式，用另一个 Codex 智能体代替人工审批沙箱边界外的操作，Codex 会话人工审批频率比手动模式降低约 200 倍。
推荐理由：原文给出 Auto-review 的拦截率与局限细节，并承认它不防模型 scheming，读者可据此判断该机制的实际边界。
Anthropic：Claude.dev 开发者博客精选AI 评分7878 Claude Code 团队分享构建 Agent 的 Prompt 缓存优化经验
Anthropic Claude Code 团队发文分享围绕 prompt caching 构建 Agent 的经验：缓存按前缀逐字节匹配，静态内容前置、更新信息通过消息而非改系统提示传递。文中还说明不要中途换模型或增删工具、用 defer_loading 延迟加载工具、压缩对话时复用父对话前缀的 cache-safe forking，并建议像监控 uptime 一样监控缓存命中率。
推荐理由：Claude Code 团队把缓存命中率当事故监控，文中给出的前缀排序、消息更新、工具延迟加载等做法可直接迁移到自己的 Agent 工程。
OpenAI Developers：BlogAI 评分4343 OpenAI Developers plugin 发布：在 ChatGPT 和 Codex 中构建 AI 应用与智能体
OpenAI 发布 OpenAI Developers plugin，帮助开发者在 ChatGPT 和 Codex 中构建使用 OpenAI API 的应用和智能体。
OpenClaw：BlogAI 评分5959 OpenClaw 复盘公开化安全治理：1309 份报告中的加固与误报
OpenClaw 创始人复盘项目自 1 月以来的公开安全治理：GitHub 显示截至 4 月 30 日共 1,309 份安全通告，535 份发布、746 份判为无效，109 份 critical 报告中 95 份为误报。
Factory 研究 / 产品AI 评分6666 Factory 评测 13 款模型的代码审查表现：GPT-5.2 最佳，MiniMax M2.7 最省
Factory 发布代码审查基准结果，用 50 个来自 Sentry、Grafana、Keycloak、Discourse、Cal.com 的真实 PR 测试 13 款模型。
Cognition 模型 / Devin 博客AI 评分5252 梅赛德斯-奔驰与 Cognition 合作，在全球工程团队部署 Devin 和 Windsurf
梅赛德斯-奔驰与 Cognition 达成合作，在横跨美国、欧洲和亚洲的全球工程团队部署 Devin 与 Windsurf。四周试点中，Devin 分析了超过 200,000 行 COBOL 代码，把遗留系统现代化时间从预估的 8 个月缩短到 8 天；Windsurf 用于云原生应用等本地开发，Devin 处理异步工程工作流，Devin for Terminal 承担最复杂任务。
Cognition 模型 / Devin 博客精选AI 评分6262 Cognition 发布 Devin CLI：本地终端编码智能体可移交云端继续运行
Cognition 发布 Devin CLI，一款在终端本地运行的编码智能体，可完全访问本地代码库、工具和环境，可选 Opus 4.7、GPT-5.5 和自研 SWE-1.6 等模型，UI 用 Rust 编写的终端渲染库实现。
推荐理由：Cognition 官方发布 Devin CLI，本地终端编码智能体可将会话移交云端继续运行，读者可据此评估其与现有工作流的结合方式。
OpenAI：Alignment 研究博客精选AI 评分6262 OpenAI 开源 CoT 监控评测套件的数据集与参考代码
OpenAI 开源其链式思维（CoT）监控性评测套件中的大部分数据集和参考代码，GitHub 仓库为 github.com/openai/monitorabil…，包含 GPQA、AIME、Sandbagging 等干预类、过程类和结果属性类评测，以及监控性指标 g-mean 2 的计算代码。
推荐理由：原文给出开源数据集、g-mean 2 指标代码和新的 cross-fit 过滤方法，读者可以据此在社区复现或扩展 CoT 监控评测。
Ethan Mollick：One Useful Thing精选AI 评分7676 Ethan Mollick 实测评测 GPT-5.5：能力跃升但锯齿状边界仍在
Ethan Mollick 提前试用 GPT-5.5 并撰写评测，认为其表明 AI 快速提升尚未结束。同一编程任务中 GPT-5.5 Pro 仅 GPT-5.5 Pro 真正模拟了城镇演化，耗时 20 分钟，而 GPT-5.4 Pro 需 33 分钟。
推荐理由：作者以早期访问实测对比多代模型，用同一编程任务和数据研究案例展示 GPT-5.5 的进步与边界。
Factory 研究 / 产品AI 评分6363 Factory 推出 Automated QA 技能，像真实用户一样测试应用并在 PR 中给出报告
Factory 发布 Automated QA 技能，由 Droid 像真实用户一样驱动应用，包括填写表单、输入终端命令和调用 API 端点，并在每次 push 后于 PR 中发布一条带截图、终端快照和 API trace 的结构化 QA 评论，该评论会随新提交原地更新。
OpenAI：部署安全与系统卡精选AI 评分7777 OpenAI 发布 GPT-5.5 系统卡，评定生物化学领域为 High 能力
OpenAI 发布 GPT-5.5 系统卡，将该模型在生物和化学领域评定为 High 能力并启动相应 Preparedness 防护。与 Gryphon Scientific 合建的未污染隐性知识测评中，GPT-5.5 Pro 在排除拒绝后得 81.67%，略超 80% 的专家共识基线。
推荐理由：OpenAI 官方系统卡给出了 GPT-5.5 的生物化学能力评级与 Apollo Research 第三方评估数据，读者可据此了解其安全边界。
Cognition 模型 / Devin 博客精选AI 评分6262 Cognition 复盘两年构建 Devin 云智能体的经验教训
Cognition 复盘两年多构建 Devin 云智能体的经验，指出容器化方案的三大短板：共享内核带来安全风险、无法跨异步间隙保存状态、编排与治理集成需数季度投入。
推荐理由：Cognition 以两年自建 Devin 的第一手经历，拆解云智能体在内核隔离、状态快照、编排治理三层上的真实成本与组织改造路径。
Factory 研究 / 产品AI 评分5555 Factory 开放 Droid Computers 持久化云端开发环境
Factory 开放 Droid Computers，为远程编排 Droid 提供持久化机器，保留文件系统、配置、凭据、本地服务和进程内存，任务可从中断处继续，关机后仍在云端运行。支持 Factory 托管云环境和 Bring Your Own Machine 两种方式，BYOM 对所有用户免费，托管环境按唤醒时长计费，面向 Max、Growth 和 Enterprise 套餐开放。
Cognition 模型 / Devin 博客精选AI 评分7373 Cognition 复盘多智能体实践：写入单线程、智能体只贡献智能的模式正生效
Cognition 发文复盘 10 个月前《Don't Build Multi-Agents》之后的转变：并行写入的 agent 集群仍难落地，但多 agent 贡献智能、写入保持单线程的窄类模式已在实际中生效。
推荐理由：作者以亲历视角复盘 Cognition 的多智能体实践，提炼出写入单线程的可行模式与沟通瓶颈，方法可迁移。
METR：BlogAI 评分6363 METR 分析 NanoGPT speedrun 记录评估 AI 智能体对 AI 研发的加速
METR 发布对 NanoGPT speedrun 的分析，从 2024 年 5 月到 2026 年 3 月，36 位贡献者提交 77 条记录，将 8×H100 训练时间从 45 分钟压到 1.43 分钟，共 31x 加速。
OpenAI：部署安全与系统卡AI 评分5050 OpenAI 发布 ChatGPT Images 2.0 系统卡，披露安全评估与生物风险缓解措施
OpenAI 发布 ChatGPT Images 2.0 系统卡，介绍对该模型在标准与思考模式下的自动化安全评估和对抗测试。评估使用专门设计用于违规的提示词，指标涵盖图像层、提示词层及两层合并的拦截率（CT）和漏检率（RU），并说明思考模式因首轮 3112 条提示词违规图像极少而重复运行至 6944 次生成。
Berkeley AI ResearchAI 评分4444 GRASP：如何在长时序世界模型中实现基于梯度的规划
Berkeley AI Research 发文介绍 GRASP，一种面向学习型世界模型的基于梯度规划器，使长时序规划变得可行。该方法通过将轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代中直接加入随机性以探索、重塑梯度避免经由高维视觉模型的不稳定“状态-输入”梯度。这项工作与 Mike Rabbat、Aditi Krishnapriyan、Yann LeCun、Amir Bar 等人合作完成。
OpenAI Developers：Blog精选AI 评分7474 OpenAI 发布 API 部署清单，覆盖 Responses API 与 GPT-6 模型选型优化
OpenAI 发布 API 部署检查清单，建议始终从 Responses API 起步，并按负载在 gpt-6-astra、gpt-6.1-sol、gpt-6-luna 等模型中选型。
推荐理由：OpenAI 官方按质量、成本、延迟、可靠性逐项给出部署取舍建议，开发者可对照检查自己的 Responses API 工作流。
AI as Normal TechnologyAI 评分6666 Sayash Kapoor 等提出 open-world evaluations 并用 AI 智能体成功发布 iOS App
Sayash Kapoor、Arvind Narayanan 等发布约 8000 字论文，提出用 open-world evaluations 弥补基准饱和的盲区，并成立由 17 名研究者组成的 CRUX 项目。
Waymo：BlogAI 评分5959 Waymo 在迈阿密和奥兰多向所有人开放
Waymo 宣布其全自动驾驶打车服务即日起向迈阿密和奥兰多两座城市的所有人开放，此前已有超过 150,000 名候补乘客使用该服务。用户下载 Waymo app 即可直接叫车，同时迈阿密开始引入高速公路行驶以支持跨城更快路线。文中称 Waymo Driver 在同等条件下造成重伤或死亡事故比人类驾驶员少 92%，该说法为 Waymo 官方数据。
Cognition 模型 / Devin 博客精选AI 评分6161 Cognition 推出 Devin in Windsurf，将云智能体工作流内置到 Windsurf 2.0
Cognition 推出 Devin in Windsurf，将云端智能体工作流内置到 Windsurf 2.0。用户在 Windsurf 本地理解代码库并制定计划，一键发送给 Devin 实现，Devin 自行启动机器、打开 PR、运行测试并用计算机视觉做 QA，完成后用户可直接在 Windsurf 中审查 diff、跑测试或交回本地智能体修改。
推荐理由：官方说明了本地与云智能体分工思路，以及 Devin 接入 Windsurf 2.0 后从规划到审查的完整闭环。
Cognition 模型 / Devin 博客AI 评分5959 Devin 更新自助定价：推出 Free/Pro/Max 新套餐并对 Ask Devin 等收费
Cognition 宣布本周更新 Devin 自助定价，淘汰旧 Core 和 Team 套餐，推出 Free、Pro（$20/月）、Max（$200/月）、Teams（最低 $80/月）和 Enterprise 五档。
Cognition 模型 / Devin 博客精选AI 评分6060 Cognition 与 Applied Compute 推出 RL 训练的 bug 检测专用模型 SWE-check，速度约为 Opus 4.6 的 10 倍
Cognition 与 Applied Compute 合作 RL 训练了 bug 检测专用模型 SWE-check，在内部 in-distribution 评测上与 Opus 4.6 持平（delta F1 从 0.09 降到 0）。
推荐理由：原文给出了完整训练配方和关键评测数字，读者可以借鉴其奖励函数设计与两阶段后训练方法。
Anthropic：Claude.dev 开发者博客精选AI 评分6767 Anthropic 团队讲解 Claude Code 工具设计方法：像智能体一样思考
Anthropic Claude Code 团队成员 Thariq Shihipar 撰文讲解如何为智能体设计工具，核心方法是通过阅读模型输出和实验来理解模型能力。
推荐理由：Anthropic 团队以 AskUserQuestion、Task 等实际设计案例，说明如何根据模型能力取舍工具，方法可迁移到自己的 agent 开发。
METR：BlogAI 评分5151 METR 发布 MirrorCode 初步结果，称 AI 已能完成部分持续数周的编码任务
METR 发布 MirrorCode 初步研究，认为证据显示 AI 已能完成部分持续数周长度的编码任务。
Cognition 模型 / Devin 博客AI 评分4646 Cognition 进军日本市场，任命 Takumi Masai 为日本总裁
Cognition 宣布成立 Cognition Japan，将 Devin 这款自主 AI 软件工程师带入日本市场，这是其首次扩展到亚洲，并聘请拥有 30 余年经验的 Takumi Masai 出任日本总裁兼总经理，他曾任职于 IBM、Pivotal、Microsoft、Workday，最近担任 Datadog Japan 总裁。
Factory 研究 / 产品AI 评分6464 Factory 发布桌面应用，为 Droids 智能体提供原生多智能体会话界面
Factory 发布桌面应用，作为运行 Droids 智能体的原生界面，今日起登陆 macOS 和 Windows，包含在现有订阅中。
Cognition 模型 / Devin 博客AI 评分5151 Cognition 讲解 Devin 如何在财富500强企业推进 COBOL 现代化
Cognition 发文说明 Devin 在多家财富500强企业承担 COBOL 现代化工作的方法与边界。
Waymo：BlogAI 评分4848 Waymo 自动驾驶网约车服务正式进入纳什维尔
Waymo 开始向纳什维尔首批公众乘客开放全自动驾驶网约车服务，并按滚动邀请方式逐步扩大规模。初期服务范围覆盖 60 平方英里，包括 Broadway、12 South、Midtown 和 East Nashville 等地标区域，目前还在纳什维尔国际机场测试，计划近期服务旅客。
Cognition 模型 / Devin 博客AI 评分5353 Cognition 发布 SWE-1.6，优化编码智能体的模型 UX
Cognition 发布面向软件工程智能体的新模型 SWE-1.6，已在 Windsurf 全量开放，未来 3 个月免费。模型在 SWE-Bench Pro 上与上月的 SWE-1.6 Preview 相当（Preview 比 SWE-1.5 高逾 10%），重点改进模型 UX：更多并行工具调用、更少循环行为和终端依赖，训练中引入长度惩罚以抑制过度思考。
METR：BlogAI 评分5151 METR 微调实验发现少量指令遵循微调可提升推理模型的 CoT 可控性
METR 发文报告对 GPT-OSS-20B、GPT-OSS-120B、Qwen-3-8B、Qwen-3-32B 四个开源推理模型用仅 240 个样本（约 100K-300K token）的指令遵循推理数据微调，在分布外的 CoTControl 评测上可控性平均从 2.9% 升至 8.8%。
Ethan Mollick：One Useful ThingAI 评分6363 Ethan Mollick 评 Claude Dispatch 与专用界面：瓶颈不在模型而在聊天框
Ethan Mollick 撰文认为多数人低估 AI 能力，主因是聊天机器人界面带来认知负担，并引用一项让金融从业者用 GPT-4o 做估值任务的研究说明界面本身在抵消 AI 的效率收益。
OpenAI：Alignment 研究博客AI 评分5050 OpenAI 实验：对齐中训练难以泛化到真实 chat 与 agent 评测
OpenAI 在类似 o4-mini 规模的模型上测试 Tice et al. 提出的对齐中训练干预，在预训练与推理后训练之间插入对齐文档微调，对照组使用失对齐文档，各约 230k 文档（约 340M tokens）。
Suno：Blog精选AI 评分6060 Suno 发布 v5.5，推出 Voices、Custom Models 和 My Taste 个性化功能
Suno 发布 v5.5 模型，称其为最具表现力的版本，并推出 Voices、Custom Models 和 My Taste 三项个性化功能。
推荐理由：原文给出 v5.5 的三项新功能细节与订阅限制，读者可以据此判断个性化音乐创作的实际入口。
OpenAI：Alignment 研究博客AI 评分5454 OpenAI 发布 Model Spec Evals 评测套件，公开 596 条提示词与评测代码
OpenAI 发布首个完整版 Model Spec Evals，用于衡量模型遵循 Model Spec 的程度，包含 596 条提示词、覆盖 225 个关注点，并开源评测代码。结果显示 GPT-5 Thinking 合规率最高为 89%，GPT-4o 为 72%，Thinking 模型总体优于同期 Instant 模型；当前数据集仅覆盖纯文本交互，尚未涉及图像和智能体场景。