MindsAI 以 41% 首次突破 ARC-AGI 40% 大关
ARC Prize 社区通讯宣布 Team MindsAI（Jack Cole、Michael Hodel、Mohammed Osman）以 41% 的新 SOTA 成绩首次突破 ARC-AGI 40% 大关。
全部AI 动态
全部动态
今日 46 条ARC Prize：官方博客AI 评分5959 ARC Prize：官方博客AI 评分2727 ARC Prize 通讯：Chollet 在 AGI-24 演讲，Llamathon 上用 Llama 挑战 ARC
ARC Prize 竞赛今年还剩 86 天，MindsAI 仍以 43% 位居榜首。François Chollet 在 AGI-24 大会上就 AGI 的定义、测量与构建发表演讲，Vladimir Iglovikov 团队则在 Llamathon 活动上用 Llama 模型尝试 ARC Prize 解法。
Tomer Tunguz 博客（VC 分析）AI 评分4949 AI 的迷你钢厂：本地分类器分流让 Mac 承担 78% 的 AI 工作
把后台 AI 工作先交给设备端小型分类器判断难易，只将最难任务上送云端，单台 Mac 的吞吐量提升约 25%，队列等待从 73 秒降至 4 秒。过去七天该 Mac 承担了 78% 的 AI 工作、日峰值达 88%，平均任务时长从 47 秒降到 19 秒。作者将其类比 Nucor 的迷你钢厂，认为配备蒸馏模型的笔记本、手机与边缘设备将成为企业内的“迷你钢厂”，只按云端价格支付最难的那五分之一。
ARC Prize：官方博客AI 评分2828 ARC Prize 推出每日谜题：用 Wordle 式玩法挑战 ARC-AGI 基准
ARC Prize 推出 Daily Puzzle，每天 UTC 12 点从 ARC-AGI 任务中选出一道作为当日谜题，玩家可分享解题用时与尝试次数。MindsAI 团队在突破 40% 门槛三天后把分数提升到 43%，目前已有超 700 支队伍、近 4000 次提交。
Tomer Tunguz 博客（VC 分析）精选AI 评分6969 Tomer Tunguz 分析 AI 领域的开源模型替代潮
Tomer Tunguz 分析称企业、应用和销售各层买家正在用更便宜的开源模型替代前沿闭源模型，省下的钱并未缩小 AI 账单，而是被再投入到指数级增长的 token 用量。
推荐理由：作者用 Coinbase、Lindy、Harvey 等实例说明开源模型替代闭源模型后节省被再投入更多 token，提供一个理解 AI 成本结构的框架。
ARC Prize：官方博客AI 评分4646 ARC Prize 推出每日 ARC-AGI 谜题
ARC Prize 上线 Daily Puzzle，每天 UTC 12 点从 ARC-AGI 任务中选出一道作为当日谜题，Play 页面成为其主页，点击 Start 后开始计时并统计尝试次数。该功能无奖金，结果可分享至 X/Twitter、Discord 等平台，官方称这是 v1，后续将根据反馈加入教程等功能。
Black Forest Labs：Blog（网页）AI 评分5757 Black Forest Labs 发布 FLUX VTO 目录级规模虚拟试穿模型
Black Forest Labs 发布 FLUX VTO 虚拟试穿模型，现已公开可用，并加入 FLUX MCP。单次生成低于 4 秒，可自托管实现亚秒级响应，最多可给同一模特叠加 4 件服装，并保留人物身份与服装的 logo、印花、缝线和配件细节。默认审核政策下不支持泳装和内衣，官方提示精确的身材与服装尺码功能仍在演进，输出适合作为视觉搭配参考。
ARC Prize：官方博客AI 评分4848 ARC Prize 2024 赛程过半：ARC-AGI 世界纪录提升 13%
ARC Prize 2024 赛程过半，ARC-AGI 世界纪录提升 13%，达到 46%，由 Jack Cole 与团队 MindsAI 连续第三次刷新。Kaggle 参赛者已超 11,000 人，目前有 4 支队伍得分超过 30%。
Tomer Tunguz 博客（VC 分析）精选AI 评分6565 Tomer Tunguz 谈 Anthropic Fable 带来的 AI 玻璃天花板
Tomer Tunguz 认为 Anthropic 的 Fable 发布以强防护栏形式形成了 AI 的玻璃天花板，在允许范围内它仍是最强 AI：本地模型推理性能翻倍，关键基准提升 10-15 个百分点，远超典型的 2 个百分点。
推荐理由：作者以 Anthropic Fable 的防护栏为切口，分析企业级 AI 能力上限的形成原因与随时间上升的判断。
Black Forest Labs：Blog（网页）AI 评分4343 Martin Scorsese 出任 Black Forest Labs 顾问，用 FLUX 做电影分镜
Martin Scorsese 成为 Black Forest Labs 顾问，并已用 FLUX 进行电影分镜创作。他表示该工具能更清晰高效地把脑海中的画面分享给美术指导、艺术设计和摄影指导，在前期制作中加快进度而不牺牲质量与工艺。Black Forest Labs 称其视觉智能模型可同时服务叙事者、建筑师、设计师与工程师，并预告将推出新的 FLUX 模型。
ARC Prize：官方博客精选AI 评分6868 ARC Prize 测评 OpenAI o1 在 ARC-AGI-Pub 的表现
ARC Prize 用同一基线测试框架实测 OpenAI o1-preview 和 o1-mini：o1-preview 在 ARC-AGI 公开评测得 21.2%，与 Claude 3.5 Sonnet（21%）相当，但单任务平均耗时 4.2 分钟，约为 Sonnet 的 10 倍，400 道公开题共花 70 小时，而 GPT-4o 和 Sonnet 只需 30 分钟。
推荐理由：ARC Prize 用同一测试框架给出 o1 在 ARC-AGI-Pub 的基线分数和耗时对比，并分析了测试时计算扩展的效率问题。
Black Forest Labs：Blog（网页）AI 评分5252 Black Forest Labs 与 ASUS 合作，FLUX.2 [klein] 4B 预装到 ProArt 笔记本实现端侧图像生成
Black Forest Labs 宣布 FLUX.2 [klein] 4B 将预装在 ASUS 下一代 ProArt RTX 笔记本的 MuseTree 应用中，该产品线在台北 Computex 2026 上亮相。
Tomer Tunguz 博客（VC 分析）AI 评分4343 AI 应用的黄金时代：从 Fable 下架、Nadella 生态论到 Salesforce 收购 Fin
AI 应用正进入黄金时代，三件事印证了这一判断：美国政府下令下架 Fable、Nadella 提出生态护城河不在模型本身、Salesforce 以 36 亿美元收购 Fin。构建 AI 应用需掌握三项新能力：挑选合适模型、设计爬坡循环、评估模型与循环的组合表现，核心是每 token 预算能榨出多少智能。
ARC Prize：官方博客AI 评分6161 ARC Prize 三个月未破，大奖提升至 $600k 并宣布改进 ARC-AGI
ARC Prize 发布 2024 竞赛三个月更新：ARC-AGI 基准仍未被攻破，SOTA 从 34% 升至 46%（MindsAI 通过测试时微调语言模型达成），Kaggle 上有 921 支队伍、7,368 次提交。
Black Forest Labs：Blog（网页）AI 评分3434 Envato 如何基于 FLUX 打造创意 AI 引擎
Envato 与 Black Forest Labs 合作，将 FLUX 模型接入其创意平台，FLUX 已占平台图片生成总量的约 25%，累计生成超 5100 万张图片。FLUX.2 发布当天即上线生产环境，其在写实、电影感和产品图场景中比同类模型高出约 10%，下载率高出平台均值 16%。平台按任务智能路由请求，其中素材变体生成可在 8 秒内输出 5 张图片。
ARC Prize：官方博客AI 评分3030 ARC Prize 2024 美国大学巡回宣讲启动
ARC Prize 启动 2024 美国大学巡回宣讲，将走访斯坦福、MIT、UC Berkeley 等十余所高校，联合 AI 学生与研究者推进开放 AGI 进展。联合创始人 Mike Knoop 和 François Chollet 将现场讲解 ARC-AGI 的历史、动机、技术路径与未来方向。10 月 24 日另设一场面向公众的线上活动，内容与校内场次相同。
Tomer Tunguz 博客（VC 分析）精选AI 评分6161 Tom Tunguz 分析 HN 讨论：Qwen 3.6 35B-A3B 与 Pi 领跑本地编码栈
一位 VC 博主归纳一个 500+ 评论的 HN 讨论指出，本地编码栈正快速成熟：Qwen 3.6 35B-A3B 以 33% 的提及率主导模型选择，Pi 以 49% 领先 Agent 提名。
推荐理由：作者基于 HN 讨论归纳本地编码模型与 Agent 的当前格局，并给出与云端模型的对比视角。
ARC Prize：官方博客AI 评分2525 ARC Prize 2024 美国大学巡回活动回顾
ARC Prize 团队本月走访了 13 所美国大学，与超过 1,500 名学生和教授交流 AGI 进展并推广 ARC Prize。团队还将于明天举办线上活动，由 ARC-AGI 创作者 François Chollet 讲解可能攻克 ARC 并赢得大奖的技术路径。
Tomer Tunguz 博客（VC 分析）AI 评分5656 Databricks ARR 达 69 亿美元、增速 80%，与 Snowflake 差距扩至 16 亿美元
Databricks 年化经常性收入达 69 亿美元，同比增长 80%，Snowflake 约 53 亿美元、增长 34%，两者差距从 3 月的 4.9 亿美元扩至 16 亿美元。
ARC Prize：官方博客AI 评分6363 ARC Prize 主办讲座：结合深度学习与程序合成攻克 ARC-AGI
ARC Prize 主办线上活动，Mike Knoop 和 François Chollet 讲解为何纯深度学习难以攻克 ARC-AGI，并提出结合深度学习与程序合成的技术路径。
Tomer Tunguz 博客（VC 分析）AI 评分5353 Tomer Tunguz 分析推理转售业务的三种定价模型与毛利守卫策略
Tomer Tunguz 撰文分析转售推理的公司如何保持 30 点以上毛利，指出成本加成定价会随推理商品化而压缩至零，客户会绕开加价直接对接原始 API。
ARC Prize：官方博客AI 评分3434 ARC Prize 2024 代码提交关闭，进入排行榜验证阶段
ARC Prize 2024 Kaggle 竞赛代码提交已于 11 月 10 日截止，共 1,451 支队伍提交 19,423 份代码方案，Kaggle 与 ARC Prize 团队已启动排行榜验证。论文提交截止 11 月 12 日，开源截止 11 月 24 日，仅开源方案有资格获奖并进入排行榜，获奖者将于 12 月 6 日公布。ARC Prize 2025 竞赛计划于明年第一季度启动。
Tomer Tunguz 博客（VC 分析）AI 评分3131 Glean CISO Sunil Agrawal 谈如何防御 AI 驱动的攻击者
Glean CISO Sunil Agrawal 将做客 Office Hours，讨论攻击者使用前沿模型进行侦察、钓鱼、深度伪造和漏洞生成时的安全准备。对话于太平洋时间 7 月 9 日周四上午 9 点举行，聚焦 AI 压缩目标理解与攻击面测绘时间、攻击语法与语气线索消失、深度伪造通话改变审批与支付信任控制面等议题。
ARC Prize：官方博客AI 评分6262 ARC Prize 公布 2024 获奖名单并发布技术报告，ARC-AGI-1 SOTA 升至 55.5%
ARC Prize 官方公布 2024 年获奖名单并发布技术报告，共 1,430 支团队提交 17,789 份方案，大奖仍未被认领。the ARChitects 以 53.5% 获第一名并获 2.5 万美元，Kaggle 竞赛期间 ARC-AGI-1 SOTA 从 33% 升至 55.5%（MindsAI 因未开源不符获奖资格）。
Tomer Tunguz 博客（VC 分析）AI 评分4444 Sail Research 获 Theory 领投 A 轮：异步推理把 token 成本降到 1/6
Theory 宣布与 Kleiner Perkins、Redpoint、Sequoia 共同投资 Sail Research 的 A 轮。Sail 做异步推理，把请求分发到 DeepSeek、Qwen、Kimi、GLM 等开源模型并按任务选最便宜可用的模型，其 GLM-5.1 每 token 成本比 Anthropic Haiku 低 6 倍。
ARC Prize：官方博客AI 评分5959 ARC Prize 复盘 2024 年 ARC-AGI-Pub 榜单两项 SOTA 方案
ARC Prize 介绍 2024 年 ARC Prize 竞赛末期两个登上 ARC-AGI 公开榜单新 SOTA 的开源方案。
Anthropic：The Institute（旗舰研究长文 · 网页）AI 评分2121 Anthropic 公布 Claude 认证服务合作伙伴名单
Anthropic 发布 Claude 认证咨询与系统集成合作伙伴名单，并开放 Claude Partner Network 加入。
ARC Prize：官方博客精选AI 评分8585 ARC Prize 公布 OpenAI o3 在 ARC-AGI-Pub 上取得突破性高分
OpenAI 新版 o3 在 ARC-AGI 半私评测集上以 1 万美元算力上限取得 75.7%，高算力（172 倍）配置得分 87.5%，成为公共榜首。
推荐理由：官方测试方披露了 o3 各算力档的得分与每任务成本，并给出对其程序搜索机制的独立分析。
Anthropic：Research（发表成果 · 网页）精选AI 评分6060 Anthropic 开放 Claude 真实使用数据，支持外部研究者独立开展研究
Anthropic 试点让 Stanford SALT Lab、Oxford 和 METR 三个外部团队通过隐私保护工具 Anthropic Insights，独立分析约 25 万段 2026 年 4-5 月的 Claude.ai 或 Claude Code 对话，并公开各项目汇总数据和意向表单。
推荐理由：原文披露外部研究机构用 Anthropic Insights 独立分析 Claude 用量的初步结果和运行经验，还公开了汇总数据，适合想跟进真实 AI 使用研究的读者。
Anthropic：The Institute（旗舰研究长文 · 网页）AI 评分2525 Anthropic 发布 Claude 应用案例清单：覆盖编程、安全与数据分析
Anthropic 整理了一份使用 Claude 构建产品的企业清单，涵盖编程工具、网络安全、商业智能与数据分析等类别。清单收录了 Cursor、Devin、Bolt.new、Databricks、Elastic 等产品，其中 Blitzy 用 Claude 关系映射整个代码库并调度数千个专用智能体，Ellipsis 已安装于超 67,000 个代码仓库、平均提升工程效率 20%。
Tomer Tunguz 博客（VC 分析）AI 评分5757 Tomer Tunguz 分析 AI 支出何时超过工程师薪酬：2029 年三种情景
Tomer Tunguz 分析称 Anthropic 的算力支出约为其薪酬总额的 2.3 倍，约 5000 名员工对应 2026 年约 $10b 推理与训练支出，即每人每年约 $2m；而软件行业前 1% 公司每工程师每年 AI 支出为 $89k，中位数仅 $137。
ARC Prize：官方博客AI 评分5757 ARC Prize 成立非营利基金会，Greg Kamradt 出任主席并筹备 2025 年赛事
ARC Prize 宣布转型为 501(c)(3) 非营利基金会，2024 年联合负责人 Greg Kamradt 出任主席并加入董事会。ARC-AGI-2 基准与论文将于 2025 年第一季度末发布并用于 2025 年赛事，ARC-AGI-3 已在开发中；2024 年赛事有超过 1400 支队伍提交 1.7 万份方案，基金会还计划与前沿实验室合作并在 1 月中旬启动募资。
Anthropic：Research（发表成果 · 网页）精选AI 评分7878 Anthropic 报告：Claude 自动化对齐研究可靠缓解十类对齐失败
Anthropic 发布新报告，让 Claude 自主训练模型以改进 10 类对齐失败的基准表现，并开源自动化对齐研究框架。平均闭合 85% 的安全差距，在欺骗一项上比 28 名人类安全研究者的最佳方案高 20%；用 Claude Sonnet 5 训练早期 Opus 4.8 检查点，约 2,000 条训练样本的方案效率约为生产对齐流程的 15,000 倍。
推荐理由：报告给出自动化对齐研究在十类对齐失败上的量化结果与开源工具，读者可据此评估该方向的实际可行性。
Anthropic：The Institute（旗舰研究长文 · 网页）精选AI 评分7474 Claude 推出插件市场，提供 340 个可一键安装的插件
Anthropic 为 Claude 推出插件市场，收录 340 个插件，可将工具、技能与集成打包为一键安装。
推荐理由：原文列出了插件市场的实际内容和安装方式，读者可以据此挑选适合自己的 Claude 扩展组合。
Tomer Tunguz 博客（VC 分析）精选AI 评分6060 Tomer Tunguz 分析 2026 年 CIO 的选择：只投 AI 栈，砍掉其余
Tomer Tunguz 撰文称 2026 年 CIO 的优先级清晰：资金流向 AI 栈，其余被削减。
推荐理由：作者用公开市场分板块数据拆解 AI 时期的软件股分化，指出决定估值的是品类而非增速，分析框架可复用。
ARC Prize：官方博客精选AI 评分6868 ARC Prize 分析 DeepSeek R1-Zero 与 R1 测试结果：R1-Zero 比 R1 更重要
ARC Prize Foundation 发布对 DeepSeek R1-Zero 和 R1 的分析，两者在 ARC-AGI-1 上分别得 14% 和 15.8%，与 o1 低算力的 20.5% 接近，而 GPT-4o 为 5%。
推荐理由：ARC Prize 一手实测了 R1-Zero 与 R1 在 ARC-AGI-1 上的表现，提出 SFT 与纯 RL 的角色区分这一可讨论的判断。
Anthropic：Research（发表成果 · 网页）精选AI 评分8181 Anthropic：Claude 用11天自主完成费马大定理的 Lean 计算机验证证明
Anthropic 宣布获得首个完整经计算机检查的费马大定理证明，Claude 在约11天内基本自主写成，产出1300万行 Lean 代码，证明 30,300 条定理（最终使用 29,500 条中间定理），规模超过 Mathlib 的 5 倍。
推荐理由：原文详述多智能体在 Prove2Me 上11天完成 FLT 形式化验证的流程与数据，读者可了解 AI 自动形式化的当前能力和可复用的协作方法。
Anthropic：The Institute（旗舰研究长文 · 网页）AI 评分2020 Anthropic 公布 Claude Founder House 等活动日程与系列网络研讨会
Anthropic 上线活动页面，汇总即将举办的活动、直播与往期会议录像，包括 10 月 14 日的 Claude Founder House Stockholm 和 10 月 6 日的 Claude Founder House San Francisco。页面还列出 Claude in Production、从手动编码到多智能体编排等网络研讨会系列，并提供开发者月度通讯订阅。
Tomer Tunguz 博客（VC 分析）AI 评分5959 Tomer Tunguz：大多数 AI 工作可以等，路由应先于模型选择
作者认为构建 agent 的团队应把路由设计放在第一位、模型选择放在最后。他提出三层结构：技能分类器识别任务意图、路由器根据复杂度等特征决定执行层级、模型选择器在层级内挑最便宜的合格模型。
ARC Prize：官方博客AI 评分4444 ARC Prize 推出 SnakeBench：50 个 LLM 贪吃蛇对战基准
ARC Prize 发布实验性基准 SnakeBench，用 2.8K 场 LLM 贪吃蛇头对头对战测试模型在动态环境中的实时决策与长期策略。o3-mini 与 DeepSeek-R1 在排行榜领先，ELO 分别为 1825 和 1801，推理模型在对阵其他 LLM 时赢下 78% 的对局。代码与结果已开源，完整 50 个 LLM 排行榜见 SnakeBench.com。