AI在「赚钱锦标赛」夺冠，比人类还会做生意！躺赚时代要来了？

研究人员提出自动售货机运营模拟环境Vending - Bench，测试大模型智能体管理业务能力。实验显示不同大模型性能方差大，Claude 3.5 Sonnet净资产表现最佳，人类基线在可靠性上表现较好，各模型长周期表现波动大。

仅隔一天，OpenAI同步上线o3和o4 mini，它们能调用ChatGPT里的多种工具，可基于图像思考。o3是强大推理模型，o4-mini专为快速经济推理优化。即日起部分会员可体验，还开源了Codex CLI。

全球唯一非侵入穿颅读脑突破！这家中国公司想成为脑科学的“英伟达”

当前脑机接口领域，侵入式危险、非侵入式分辨率低，深圳鲲为公司另辟蹊径，基于声学空间智能理论，用低频超声+算力算法实现全球首个非侵入高分辨率穿颅读脑，已商业化落地，目标成为脑科学领域的"英伟达"。

全网实测开玩Fable 5.1，听说写作说话和真人没区别？

Anthropic发布Fable 5.1后，第三方跑分和个人实测出炉。ARC Prize测试成绩佳且成本降32%，网友用它做出多款游戏。科技媒体Every全面测评，指出其多方面优势与设计等短板，并给出使用边界。

港科大（广州）联合腾讯AI平台部开源VibeWorlding，3D世界构建迎来Vibe Coding时刻？

香港科技大学（广州）联合腾讯AI平台部提出VibeWorlding，是可通过多轮对话等自主构建和编辑交互式3D世界的多模态智能体框架。团队开源多项数据，其模型经强化学习后表现超GPT - 5.5等。

OpenAI和Anthropic费尽心机加密的思维链，竟然能被轻松提取？

围绕大模型蒸馏争议已久，此前外部团队难获闭源模型完整推理。8 月 10 日研究者公开方法，可让弱模型读取旗舰模型密文并输出推理，还发现公开智能体轨迹存在隐私泄露问题，不过未为蒸馏指控提供决定性证据。

Claude Sonnet 5 上线一日差评刷屏：打不过千问和 Minimax，性价比全面翻车

Claude Sonnet 5发布一天差评多。虽官方定位高，有能力亮点，但在中文测评中性价比低，测试成本高，且Max推理模式易过度思考。还因过度保守失去实用价值，其表现取决于使用场景和预算。

米哈游一夜烧掉200万元Token，大厂高管也开始质疑：Token烧不出价值，但养肥了谁？

Uber运营负责人质疑AI tokenmaxxing成本合理性，米哈游员工一晚烧200万Token。部分公司开始调整，如多邻国取消AI使用绩效评估，Shopify阻止失控消耗。Tokenmaxxing让模型厂商、编程工具和算力相关方受益，盲目跟风企业或成输家。

2026年了，我们还在用爱迪生试灯丝的方式评估World Model

文章围绕World model展开深度讨论，界定其概念，分析生成派、JEPA派、空间智能派三条技术路线，指出评估比LLM难，提及游戏化benchmark可能是破局点，还强调具身进展由数据驱动，Ego - View或为泛化关键。

写了 17 年开源代码，我为什么认为 Coding Agents 堆功能是在瞎折腾？

libGDX 创始人、17 年开源老兵 Mario Zechner 吐槽 Claude Code、OpenCode 等工具功能堆叠，带来掌控感丧失等问题。他推出极简主义编程 agent pi，仅含四种工具，有最短系统提示词，扩展性强，能让开发者重拾掌控权。