AI 日报｜Reflection AI 开源 MoE 模型 Beam；OpenAI 推出 textGrain 文本水印
模型发布/更新
Beam 开放权重 MoE 模型 — Reflection AI — Reflection AI
- 一句话概括：Reflection AI 推出首个开源权重 MoE 模型 Beam，拥有 501B 总参数与 23B 激活参数，主打极致推理与智能体执行效率。
- 架构规格：采用稀疏 MoE 架构，总参数量达 501B，每 token 激活参数 23B，支持 1M tokens 有效上下文。
- 推理效率：官方称其在编码与智能体任务上推进西方开源前沿，推理计算量显著低于同类前沿闭源模型。
- 开源计划：完整权重预计将于本月全面开放，并已获 Artificial Analysis 独立基准测试。
- 传送门：官方介绍
产品发布/更新
Manus 视频编辑器 (Manus Video) — Manus — Manus
- 一句话概括：Manus 推出全新视频编辑器功能，支持用户通过自然语言指令一键分析大量素材并完成剪辑、动态图形与节拍同步。
- 长素材处理：支持从数百个原始剪辑片段和数小时录像中自动提取高光并生成首版视频。
- 全链路生成：能够自动编写代码制作动态图形、排版、地图路线并配上音乐与字幕。
- 传送门：官方博客
Devin 「Dreaming」长效记忆图谱 — Cognition — Cognition
- 一句话概括：Cognition 为 Devin 推出跨会话的记忆图谱与“Dreaming”离线清理机制，并开源 Agent Memory Repo 标准。
- 离线清理：Devin 会在夜间自动运行离线清理循环，移除陈旧记录并发现潜在信息。
- 开源标准：Cognition 同步推出了名为 Agent Memory Repo 的开源记忆标准，促进智能体生态协同。
- 传送门：官方博客
Cursor SDK 动态干预与子智能体更新 — Cursor — Cursor
- 一句话概括：Cursor SDK 更新支持本地 TypeScript 智能体运行时的动态实时干预、后台子智能体汇报及 MCP 工具注释。
- 实时干预：引入 run.steer() 方法，允许在智能体运行期间随时将新消息加入下一轮交互。
- MCP 优化：支持携带 readOnlyHint 和 destructiveHint 等 MCP 注释，助模型区分查询与删除操作。
- 传送门：开发者文档
ChatGPT 订阅默认速度提升 — OpenAI — OpenAI
- 一句话概括：作为 28 天每日更新挑战的第一项成果，OpenAI 宣布通过 ChatGPT 订阅使用模型的默认输出速度提升约 50%。
- 提速幅度：在 GPT-6 Astra 与 GPT-6.1 Sol 等主力模型上，默认输出速度由每秒 30 个 token 提升至 50 个 token。
- 生态覆盖：提速不仅覆盖 OpenAI 自家产品，还同步惠及通过“用 ChatGPT 登录”接入的第三方工具生态。
- 传送门：
行业动态
textGrain 隐形文本水印方案 — OpenAI — OpenAI
- 一句话概括：为符合欧盟《人工智能法案》透明度要求，OpenAI 宣布在欧盟地区为 ChatGPT 和 Codex 生成的文本引入隐形水印技术 textGrain。
- 推送范围：水印将在未来数周内分阶段向欧盟所有订阅用户推送，全球 API 开发者也可为部分模型手动开启。
- 技术原理：通过在选词阶段嵌入统计规律信号，人读无感但能被专用检测器识别，同时具备易被改写消除等局限性。
- 传送门：官方公告
Meta 与微软收紧员工内部 Claude 额度 — Meta / Microsoft — The Information
- 一句话概括：多方报道显示 Meta 与微软正削减员工内部使用 Anthropic Claude 的额度与支出，逐步向自研模型与工具迁移。
- 微软调整：微软将原定今年超 10 亿美元的 Anthropic 内部支出预算下调超三分之一，并引导工程师转向 GitHub Copilot 等工具。
- Meta 替代：Meta 内部使用 Claude Code 的员工数从年初的 6 万降至约 3 万，更多转向自研的 Muse Code 和 MetaCode。
- 传送门：
论文研究
CorpusMap：通过全局实体图谱优化智能体文档检索 — Microsoft Research — Microsoft
- 一句话概括：Microsoft 研究人员提出 CorpusMap 框架，在不改变原始文档结构的前提下通过预构建实体图谱显著提升智能体检索质量并减少 token 消耗。
- 核心机制：预先解析并跨文档关联 recurring entities，为每个实体构建链接相关文档的专用页面。
- 性能提升：在多个基准测试中，答案准确率提升 6.4 至 11.7 个百分点，同时输入 token 消耗减少 34% 至 57%。
- 传送门：ArXiv 论文
递归自重写与 harness 演化提升复杂任务泛化 — AI 研究团队 — 学术研究机构
- 一句话概括：最新研究探讨了通过递归自重写动态演化智能体 harness 指令与工具配置，有效防止自改进智能体在评测集上过拟合。
- 技术动机：解决自主智能体在迭代修改自身代码和测试 harness 时容易死记硬背评测集而导致泛化失效的问题。
- 实测表现：结合逐步收缩的代码编辑预算与 Critic 审查，使小模型在复杂编码和长程任务上的实际泛化能力大幅提升。
- 传送门：ArXiv 论文
其他分享
开源项目 lcu：将 Codex Computer Use 运行时引入其他 Agent — amontlabs — amontlabs
- 一句话概括：开源项目 lcu 将 OpenAI Codex 的 Computer Use 运行时单独拆出，让 Claude Code、Pi 等其他主流 AI 智能体也能直接调用桌面操控能力。
- 运行机制：直接复用官方 ChatGPT 桌面版的底层 Computer Use 运行时与 JavaScript 操控接口，无需额外繁琐配置。
- 平台适配：目前正式适配 Apple Silicon 的 macOS 系统及部分 Linux 桌面环境，大幅简化了多端智能体操控的门槛。
- 传送门：
