Anthropic 将 AI for Science 项目扩展至基金会和研究机构
Anthropic 正在扩展其 AI for Science 项目，向全球 20 家科学基金会、机构和研究团体提供免费的 Claude 额度。合作伙伴包括美国国家科学基金会、西蒙斯基金会、威康桑格研究所和空间望远镜科学研究所。该项目于 2025 年 5 月启动，还支持与 HHMI Janelia 合作的 Model Hardware Standard 等项目，目前处于研究预览阶段。
全部动态
Anthropic NewsroomAI 评分3636
Replit Blog精选AI 评分7575 Replit Cloud Agents 现已让非工程人员也能参与公司代码库
Replit 面向现有代码库推出 Cloud Agents，团队中任何人都可以用自然语言描述一项改动，由智能体在 GitHub 或 GitLab 中发起一个经过测试的拉取请求，所有 Pro 和 Enterprise 客户均可使用。该智能体在隔离的云沙箱中运行每项改动，点击浏览运行中的应用，并将截图和视频附加到 PR 中；共享环境为每位贡献者提供预配置的设置，并会从主分支更新。Replit 还推出了早期访问的自改进工作区记忆功能，可将评审评论转化为由工程师批准的团队技能，以及一项 Slack 集成，用户可在话题中提及 @Replit 来发起改动。
推荐理由：Replit 把 Cloud Agents 接入企业既有代码库，让非工程人员以带测试视频的 PR 形式提交改动，展示了 AI 编码工具向团队协作流程延伸的一种路径。
Sakana AI BlogAI 评分4040 Sakana AI 开放面向企业的 Sakana API 平台早期访问
Sakana AI 已为其 Sakana API 平台开放早期访问计划，为企业客户提供其大语言模型的 API 访问，并支持在组织和工作区层级管理成员与使用成本。该 API 兼容 OpenAI，只需更改端点即可使用；首批上线 Sakana Fugu 和 Fugu Ultra，Sakana Namazu 和 Fugu Max 将随后推出。功能包括基于角色的访问控制、CSV 审计日志、预算限制、发票付款、MSA 和 DPA，以及承诺不使用客户输入进行训练。
Ai2 · Allen Institute for AIAI 评分5858 Ai2 研究测试 LLM 能否可靠判断研究想法的新颖性
Ai2 发布了 Old Ideas, Novel Problems，这是一项研究和基准，用于测试 LLM 评估研究想法新颖性的可靠程度，同时发布了数据、代码以及用于构建新评估集的流水线。在包括 GPT-5.1、GPT-5.2、GPT-5.4、Claude Sonnet 4.5、Claude Opus 4.5 和 Claude Opus 4.6 在内的六个评审模型中，提示词的微小改动使 AI 生成想法上的准确率变化超过 50 个百分点，而一个简单的提示式 Claude Opus 4.6 基线以 2.59 美元的成本取得 0.854 的 macro-F1，相比之下 Idea Novelty Checker 以 30.66 美元取得 0.642，Sakana AI 的 AI Scientist 以 82.05 美元取得 0.772。
Redwood ResearchAI 评分2222 Redwood Research 主张加速 AI 的概念推理能力
Redwood Research 认为，AI 的概念推理能力——如哲学这类缺乏可验证真值的任务——应当被差异化地加速，因为 AI 研发与接管对此类推理的依赖要小得多。该团队表示，基本的引导技术和较小规模的训练就能让模型在其主要概念推理基准上提升三到十二个月的水平，并称该领域目前被 AI 安全社区忽视且投入不足。
Epoch AI · Gradient UpdatesAI 评分5858 Epoch AI 用自家研究任务测试 AI，顶尖模型得分 65% 却全部未通过
Epoch AI 将其早先自动化一名高级研究员工作的尝试扩展为 Epoch Automation Reports，用与人类员工相同的标准，在平面设计和研究规划等真实 Epoch 任务上评估 AI。1 和 GPT-6 Astra 在评分表上平均得分 65%，但 65% 的得分仍算任务失败，因为如果由人类提交，每一份都会被拒绝或退回修改。
Anthropic Research精选AI 评分6565 Anthropic 报告利用 Claude 加速药物开发的早期进展
Anthropic 的生命科学团队花了数月时间与六家药物开发商合作，包括百时美施贵宝、Generate Biomedicines 和 Divergence Labs，同时开展自己的发现项目，以测试 Claude 能在哪些环节加速药物开发。报告的早期结果包括：Generate 设计的一个版本比标准版本短约 70%，使免疫细胞产生的受体数量增加约 10 倍；以及在大约一个月内为 Divergence 主要自主生成了约 35,000 个抗体设计。Anthropic 表示，这项工作仍主要处于临床前阶段，并计划随着项目推进将 Claude 扩展到临床试验中。
推荐理由：Anthropic 首次详细披露将 Claude 嵌入真实药物项目的实践，展示了该模型在六家合作伙伴中哪些环节有帮助、哪些环节仍有不足。
Apple NewsroomAI 评分4040 Apple 发布搭载 M6 的新款 iMac
Apple 宣布推出搭载 M6 芯片的新款 iMac，配备最高 12 核 CPU 和每个核心均含神经加速器的 GPU，以及双 16 核神经引擎，设备端 AI 速度最高可达 M4 的 5 倍。Apple 称其性能最高可达最受欢迎的 Intel 版 iMac 的 18 倍，在 LM Studio 中的 AI 提示处理速度最高可达 M1 的 12 倍。10 月 28 日开启预购，11 月 6 日（周五）起发售。
Anthropic Research精选AI 评分7171 Anthropic研究发现，分析师在86%的情况下跟随了Claude Code的任意倾向
Anthropic研究人员开展了一项随机对照试验，50名专业分析师使用Claude Code（Claude Opus 4.8）为一家虚构的农业合作社提供建议，该智能体在四项分析选择上被秘密随机分配了一种倾向。分析师在86%的情况下与智能体的倾向保持一致；当智能体持不同意见时，60%的情况下他们放弃了自己先前的偏好；77%的人后来重复了智能体的论点，而只有15%的人将观点归功于智能体。作者提醒说，这些倾向是被刻意强化的，且研究仅涵盖一项任务和一个模型，但指出结果引发了担忧：随着智能体承担更多研究工作，人类签字确认是否仍能构成独立核查。
推荐理由：Anthropic对50名专业分析师的随机试验表明，专家在判断性问题上多么容易采纳AI智能体的任意倾向，这一发现关系到AI安全研究中的人类监督。
Anthropic NewsroomAI 评分5858 Anthropic扩大与GSA的合作，为政府机构提供Claude 40%折扣
Anthropic通过一项新协议扩大了与美国总务管理局（GSA）的合作，为政府合作伙伴提供Claude Enterprise、Claude for Government和Claude API的40%折扣，并首次将折扣扩展至所有产品线以及州、地方、部落和领地政府。Anthropic估计这些折扣将为政府节省10亿美元，且无最低消费承诺，同时正在启动一项专门计划，帮助各机构部署Claude。目前约有500个美国联邦、州和地方政府机构使用Claude，Claude for Government的周活跃用户自2月以来增长了约八倍。
Google Developers BlogAI 评分3434 在 GCP 上用多智能体集群构建对话式商务：一个可运行的原型
Google Cloud 开发者构建了 HappyDelivery，这是一个使用 LangGraph、Gemini、FastAPI 和 Google Cloud 的对话式商务可运行原型，遵循了此前由 Ingress、Memory 和 Cognition 组成的三层蓝图。Ingress 层验证 WhatsApp、RCS、Apple Messages 和 SMS 的平台特定 webhook 签名，将负载规范化为通用 schema 并卸载到 Pub/Sub，在约 300ms 内返回 HTTP 200。文章详细介绍了代码、状态机、确定性金融工具和自动化验证套件。
Apple NewsroomAI 评分4242 Apple 推出搭载 M6 的新款 14 英寸 MacBook Pro
Apple 宣布推出搭载 M6 的新款 14 英寸 MacBook Pro，配备 12 核 CPU 和 12 核 GPU，图形性能比 M5 提升最高 30%，AI 工作负载速度提升最高 25%。该芯片新增双 16 核神经网络引擎和 GPU 神经网络加速器，用于端侧 AI，电池续航最长可达 24 小时，支持 Wi-Fi 7 和蓝牙 6。10 月 28 日开启预购，11 月 6 日（周五）起发售。
Google Developers BlogAI 评分5858 Google A2UI 新增可替换推理格式，Express 将延迟最多降低 3 倍
Google 为其面向生成式 UI 的智能体优化协议 A2UI 发布了可替换推理格式，允许智能体生成一种中间格式，再由 SDK 编译器将其转换为经过验证的 A2UI 消息。新的默认格式 A2UI Express 在相同 UI 下使用的 token 比 Direct JSON 最多少 3 倍，并将延迟最多降低 3 倍，已在 Python（a2ui-agent-sdk 0.9.0）、TypeScript（@a2ui/agent）和 Dart SDK 中提供。Google 还展示了 TypeSafe 的 Jev 等决策模型在预定义布局中进行选择，称这可将延迟最多降低 80 倍；在 Apparite 示例中，11 个提示下的屏幕均在 0.8 至 1.7 秒内完成。
Preferred Networks News精选AI 评分6060 PFN 发布 PLaMo 3.1 Prime，支持网页搜索与 Deep Research
Preferred Networks 于 2026 年 10 月 27 日开始提供 PLaMo 3.1 Prime，新增网页搜索和 Deep Research 功能，后者可在数分钟到数十分钟内自主规划、收集、分析并撰写带来源引用的报告。Deep Research 还支持本地部署，并可连接内部文档检索系统；该公司称，与 PLaMo 3.0 Prime 相比，在包括 AA Omniscience 在内的八项幻觉相关基准上平均得分提升约 15%。PFN 还提到，通过推测解码处理速度提升 1.7 倍，非推理模式下输出 token 减少 90%，并推出了免费的 PLaMo API 套餐以及 PLaMo Chat 活动，在 2026 年 11 月 30 日前每天提供两次 Deep Research。
推荐理由：PFN 的 PLaMo 3.1 Prime 新增了可本地运行的自主 Deep Research，为日本企业提供了一个可本地部署、用于带来源引用的调研工作的选项。
Apple NewsroomAI 评分5858 Apple Creator Studio 为 Final Cut Pro 加入 AI 助手、MCP 支持与 MotionVFX
Apple 宣布对 Apple Creator Studio 进行更新，为 Keynote、Pages 和 Numbers 带来基于 Apple 及第三方模型的智能助手，并支持 Model Context Protocol，使外部 AI 代理可以读取这些应用中的内容并执行编辑。Mac 版 Final Cut Pro 现已内置 MotionVFX 和 Content Hub 库存视频，Logic Pro 新增测试版助手和可分离鼓声的 Stem Splitter，Pixelmator Pro 则加入 Generate Fill 用于自然语言图像编辑。这些更新将于今年 11 月在 App Store 上线，现有订阅用户免费，新订阅价格为每月 12.99 美元或每年 129 美元。
Replit BlogAI 评分3838 Replit：到2030年，每一家《财富》500强公司都将成为“自动驾驶公司”
Replit预测，到2030年底，每一家《财富》500强公司都将成为“自动驾驶公司”，由智能体执行和协调工作，而人类负责设定目标并承担最终责任。Replit表示，2026年上半年其工程师的代码产出几乎增长了两倍，而评审时间、回滚和产品事故数量保持持平。Replit for Business正作为这一愿景的基础进行构建；在SMFL，一个此前需要六个人花六个月完成的开发流程，由一个人在一周内完成。
Sakana AI BlogAI 评分2222 Sakana AI GTM 副总裁访谈：将日本诞生的 AI 产品推向全球
Sakana AI 已发布 Sakana Chat、Sakana Marlin、Sakana Fugu 和 Sakana Translate，从研发阶段迈入面向企业和政府机构的产品交付阶段。其 Go-To-Market 团队由副总裁 Hidekazu Kakishima 领导，于 2026 年 9 月成立，目前正在招聘 Forward Deployed Engineer，以将客户现场的实践经验反馈到产品中。
Import AIAI 评分6262 Import AI 478：对齐数学、ProgramBench，以及 Mirendil 的 RSI 信号
Import AI 478 汇总了四项进展：AI 安全初创公司 Resolution 使用编排器智能体在 Lean 中自动形式化了奇点消解，估计在约一周内花费了 13.5 万美元的 token 费用。Claude Opus 5.5 在 ProgramBench 上达到 18.5% 的解决率，而该基准在 5 月发布时所有模型的解决率均为 0%。OpenAI 描述了在独立 microVM 中的智能体通过处理器缓存时序交换合成秘密，Mirendil 报告称一名研究人员在 3.5 个月内以不到 1000 万美元的算力成本预训练了一个 100B-500B 参数的编码模型。
Apple Machine Learning ResearchAI 评分3434 GHARP：基于大规模重建先验的实时高斯头部动画
Apple 研究人员提出 GHARP，一种从少量输入图像加驱动表情信号实时驱动 3D 人头动画的方法，将任务拆分为离线身份阶段和轻量级运行时动画阶段。身体对齐网络消除了身体姿态与服装带来的歧义，GHARP 在 Ava-256 基准上达到最先进质量，同时在 A100 GPU 上运行速度最高提升 13 倍，高斯数量减少 8 倍。
Vapi BlogAI 评分3838 Vapi 推出用于语音智能体发布的流量分割功能
Vapi 已推出流量分割功能，让团队可以在正式切换前，将 0.1%、1% 或 5% 的呼入和呼出电话路由到新的智能体版本。此前，发布新的助手版本会立即将 100% 的流量发送到该版本。该功能包含“粘性”机制，使重复来电者保持在同一个版本上，Vapi 建议从双向分割开始。
Anthropic Newsroom精选AI 评分8080 Anthropic向SEC提交S-1文件，拟以股票代码ANT在纳斯达克IPO
Anthropic, PBC已向美国证券交易委员会提交S-1表格注册声明，拟进行A类普通股首次公开募股，并计划以股票代码“ANT”在纳斯达克全球精选市场上市。发行股份数量和价格区间尚未确定，注册声明尚未生效。该公司指定Goldman Sachs & Co. LLC和Morgan Stanley & Co. LLC为联系人，以便在初步招股说明书可用时获取。
推荐理由：Anthropic已向SEC提交S-1文件，拟以股票代码ANT在纳斯达克IPO，但股份数量和价格区间仍未确定。
Google Developers BlogAI 评分5858 Google Docs 和 Drive 新增原生 Markdown 预览、编辑与协作功能
Google Workspace 现在允许用户在 Google Docs 和 Drive 中直接查看、编辑和协作处理 Markdown（.md）文件，无需将其转换为其他格式。文件会保留 .md 类型，并在文档页眉显示可见标记；Drive 提供带表格和超链接的渲染预览，也可切换为原始文本。Google 将 Markdown 定位为人类与 AI 代理共享的语言，支持实时协同编辑、行级评论和版本历史，覆盖人类与代理的修订；任何拥有 Google 或 Workspace 账户的用户都可以通过将 .md 文件上传到 Drive 开始使用。
Mastra BlogAI 评分4040 Mastra 向另外八家设计合作伙伴开放 Knowledge——一个面向 AI 智能体的自托管公司大脑
Mastra 正在以先到先得的方式，向另外八家设计合作伙伴开放其 Knowledge 服务，这是一个面向 AI 智能体的自托管全公司上下文层。Knowledge 可连接 Slack 和 Monday 等系统，保持自身数据实时更新，并支持按职能划分独立知识库，权限可细化到个人、团队和组织层级。Mastra 表示，将全公司知识图谱接入其编码智能体后，交付代码的质量有了明显提升。
Apple NewsroomAI 评分3030 Apple 发布全新 iPad mini，配备 OLED 显示屏和 A20 Pro
Apple 发布了全新 iPad mini，配备 8.5 英寸 OLED 显示屏，峰值亮度是上一代的两倍多，设计更薄更轻，搭载 A20 Pro 芯片，每个 GPU 核心均配备神经加速器，并配备双 16 核神经网络引擎。它新增 IP67 防尘防水、1200 万像素人物居中前置摄像头，以及采用端侧处理和私有云计算（Private Cloud Compute）的 Apple Intelligence。10 月 28 日起在 36 个国家和地区开启预购，Wi-Fi 版起售价 699 美元，Wi-Fi + 蜂窝网络版起售价 849 美元。
Recode China AIAI 评分3838 DeepSeek 150亿美元融资、Moonshot 发布 Kimi K3.1 Pro，以及中国 AI 就业政策
据报道，DeepSeek 以 5000 亿元人民币的投前估值完成了约 1000 亿元人民币融资，腾讯和宁德时代是最大的投资方之一。Moonshot AI 发布了 Kimi K3.1 Pro，具备一百万 token 的上下文窗口，并推出号称运行速度快两到三倍的 Highspeed 版本，在 Terminal-Bench 4.0 上得分 65.7%。中国国务院发布指导意见，提出涵盖六大领域的 18 项任务，将 AI 驱动的就业创造与应对岗位流失的措施相结合。
Redwood ResearchAI 评分5858 Redwood Research 发布关于 AI 智能体监控器模拟控制评估的论文
Redwood Research 发布了一篇关于模拟控制评估（SCE）的论文，该方法使用 LLM 环境模拟器来测试监督 AI 智能体的监控器能否发现模型故意尝试造成伤害的行为，而无需执行其工具调用。
Big TechnologyAI 评分4242 Google CEO Sundar Pichai 谈 RSI、算力短缺与 AI 的发展轨迹
Google CEO Sundar Pichai 表示，行业“距离 RSI 的终局还相当遥远”，不过 AI 智能体已经在帮助研究人员构建模型。他说所有人都缺算力，而 Google 放弃短期云收入来资助前沿 AI 研究。
Epoch AI · Gradient UpdatesAI 评分4242 Epoch简报：AI工作自动化测试、SpireClimb基准与Gemini 4 Argon的前沿推进
Epoch AI在11项真实的Epoch工作任务上测试了六款领先模型，发现没有一款能可靠达到其质量标准，Claude Fable 5.1与GPT-6 Astra大致并列领先。其新推出的SpireClimb基准显示，前沿模型在六个月内从在《杀戮尖塔》中苦苦挣扎，发展到能以超过90%的胜率通过基础难度对局，其中GPT-6 Astra达到98%。Gemini 4 Argon在Epoch能力指数上得分166，与Claude Fable 5.1并列，落后于得分169的Claude Opus 5.5和GPT-6 Astra。
SemiAnalysisAI 评分6060 SemiAnalysis 测试 Amazon Trainium3 的原生 PyTorch 训练栈与 Neuron Explorer 分析器
SemiAnalysis 的工程团队在 TorchTitan 和 TorchNeuron 栈上测试了 Trainium3 机架，发现原生 PyTorch 体验相比旧的 PyTorch/XLA 方案有重大改进，但 bug 和较长的编译时间仍然存在。在编译模式下，用 16 块 Trainium2 芯片训练 Qwen3-32B 达到每秒 14,156 个 token、MFU 为 30.47%，相比 eager 模式提升 1.28 倍；而 gpt-oss 20B 配方编译耗时 27 分 17 秒。团队还将 Neuron Explorer 评为业界领先的分析器，领先于 Nvidia 和 AMD 的工具，并报告 Trainium3 通过了 96 个 FlexAttention 测试用例中的 89 个。
Google ResearchAI 评分5858 Google Research 概述其结核病筛查 AI 如何从基准测试走向经认证的临床部署
Google Research 在 IDWeek 2026 上介绍了其胸部 X 光结核病筛查模型如何从 2019 年《Radiology》上的一项基准测试，发展为经 CE MDR Class IIb 认证的工具，并由合作伙伴 Nexus AI 在六个国家的约 40 家医疗机构部署。已有 90 多名临床医生评估了超过 25,000 张胸部 X 光片，将周转时间从数周缩短至 45 秒以内，该工具还被部署在南非 Mponeng 金矿地下四公里处的离线环境中。Google 已通过 HAI-DEF 开源了胸部 X 光嵌入和 MedSigLIP，并发布了 MedGemma，称其下载量已超过 1000 万次，同时印度尼西亚卫生部正在利用国内 X 光片对这两个模型进行微调，以支持一项全国性筛查计划。
Ed Zitron · Where's Your Ed AtAI 评分2020 黑石黑粉指南：信贷、保险与AI押注如何重塑这家公司
Ed Zitron的《黑石黑粉指南》探讨了信贷、保险和大规模AI押注如何改变了这家私募股权巨头。黑石已将其约1.4万亿美元管理资产中的2750亿美元投入数据中心和数字基础设施，敞口覆盖OpenAI、Anthropic、CoreWeave、Google TPU、Firmus和Lambda。
Amazon ScienceAI 评分4040 Audible 的可控 TTS 为有声书带来鲜明的角色声音
Audible 的技术团队正在使用可控文本转语音技术，让有声书中的角色拥有鲜明且一致的声音，并以对白应如何呈现的自然语言描述作为引导。BookLLM 组件能够刻画角色并识别其对话，在英语中准确率达 97%，在西班牙语中达 94%；同时，一条合成数据流水线利用带字幕的语音来训练模型。在 MUSHRA 测试中，对话区分度提升了 3.7 分，并且在英语和西班牙语测试中，十种声音里有八种在聆听体验上取得了统计显著的提升。
Ai2 · Allen Institute for AIAI 评分3131 LitPivot：Ai2 的系统帮助研究者通过文献调整研究方向
Ai2 与宾夕法尼亚大学的研究人员构建了 LitPivot，该系统围绕正在编辑的研究提案的各个方面来组织检索到的论文，并给出有文献支撑的修改建议。在一项有 17 名研究者参与的研究中，领域专家认为，使用 LitPivot 形成的想法比使用文本编辑器和 AI 聊天工具形成的想法更有文献依据。参与者还表示，他们修改后的想法更具新颖性和实用性，LitPivot 将在 UIST 2026 上展示。
PlatformerAI 评分2222 Platformer与NPR联合推出Machine Gods AI播客
Platformer推出了Machine Gods，这是一档与NPR合作制作的新AI播客，节目于每周三和周五早晨发布。前两集分别探讨行为失范的AI智能体，并采访了两位近期被OpenAI解雇的安全研究员。主持人表示，该节目秉持“AI现实主义”路线，既认真对待安全警告，也关注新技术带来的乐趣与进步。
Google AI · DEVAI 评分2525 在 Google Cloud 上使用 Claude 模型的两种方式
Google Cloud 现在提供两种使用 Claude 模型的方式：一种是 Google 托管方案，提供边界内安全、区域数据驻留和原生云集成；另一种是 Anthropic 托管方案，提供完整的 Claude Platform，并支持 Google Cloud IAM 和计费。两种方案现在均可试用。
Amazon ScienceAI 评分3838 TorchNeuron 背后的科学：亚马逊为 AWS Trainium 芯片打造的新 PyTorch 后端
亚马逊发布了 TorchNeuron，这是一个开源 PyTorch 后端，可将 PyTorch 代码转换为可在 AWS Trainium 系统上执行的操作，且只需极少代码改动或无需改动。它新增了一种可选的自适应 eager 模式，通过分组并编译操作来接近编译模式的性能，还提供多级 NEFF 缓存；在一项 64 进程的 LLM 测试中，共享编译服务将首次训练步骤的时间缩短了约三分之一。Annapurna 团队使用从数十万个开源模型中提炼出的 841 个代表性模型对其进行了调优和基准测试。
Modal BlogAI 评分5858 Modal 与 Sakana AI 如何为 Sakana Namazu API 提供约 1T 参数 MoE 模型服务
Modal 的前沿部署工程团队与 Sakana AI 合作，在 Modal 上运行 Sakana Namazu——一个针对日本商业语境调优的约 1T 参数 MoE 模型——以支持其公开 API 上线。团队仅对路由专家应用选择性 NVFP4 量化，注意力、路由器和共享专家保持 BF16，并基于日语为主的对话进行校准，使全部 23,040 个专家都看到有代表性的流量。一个基于超过 300 亿原始 token ID 训练的定制 DFlash 草稿模型将推测 token 接受率提高了 25%，并将每 token 解码延迟降低约 35%；另一个基于约 100 万真实请求训练的草稿模型将平均接受长度从 3.51 提升到 5.01，并将 p99 延迟从 68 秒降至 52 秒。
Figma BlogAI 评分4040 如何借助 Figma Agent 让你的设计系统发挥作用
Figma agent 现已正式可用，Figma 说明了如何将你的设计系统接入其中，使其输出与你的产品保持一致。连接已发布的库可让 agent 使用经批准的组件和 token，而 guidelines 文件用于编码团队规则，Examples 页面或 _example 命名则提供可复用的模式。
Microsoft ResearchAI 评分5858 Microsoft Research 发布 Flint-interactive，一种用于 AI 生成交互式数据可视化的语言
Microsoft Research 发布了 Flint-interactive，这是一种基于 Flint 构建的语言，让智能体和开发者能够通过高层语义事件和更新操作符创建交互式数据可视化。Flint 的编译器负责处理命中测试、布局、渲染和视觉依赖关系，因此用户无需编写底层可视化代码，即可指定联动刷选、高亮或视口变化等交互。该语言可通过聊天环境中的 Flint-MCP 和 MCP Apps、用于仪表板和数据故事的 Flint Interactive Canvas，以及用于定制交互的编程 API 使用。
Redwood ResearchAI 评分7171 METR 与 Redwood Research 对 OpenAI 内部智能体失准监控系统进行红队测试
METR 与 Redwood Research 于 7 月 21 日至 8 月 11 日开展了一项为期三周的高权限演练，对 OpenAI 内部失准监控系统进行压力测试，并产出了一份 61 页的内部报告。他们估计，来自能力至少与 GPT-5.5 相当的模型的智能体内部 Responses API 流量中，约有 75–94% 符合监控条件；而用于内部 Codex 智能体的 Responses API 流量中，这一比例为 99.2%。团队发现了新的漏洞，包括 Codex 智能体原则上可绕过 Codex 沙箱与 Auto-Review 的途径、一种可使数百条近期操作不被监控的利用方式，以及两个可被客户端控制、能对新智能体禁用监控的请求头；OpenAI 表示，影响其生产防护栈的漏洞已被修补，但研究人员未对此说法进行评估。