ARC Prize 推出 Verified 认证计划并引入独立学术小组审计测试流程
ARC Prize Foundation 宣布推出 ARC Prize Verified 计划，通过官方隐藏测试集认证模型在 ARC-AGI 上的成绩，通过者可进入官方榜单并获得认证徽章。
#xAI
#xAI
今日 18 条ARC Prize：官方博客AI 评分5858 ARC Prize：官方博客精选AI 评分7272 ARC Prize 2025 结果与分析：NVARC 以 24.03% 夺冠，官方聚焦 refinement loop 与知识过拟合
ARC Prize 2025 结束，Kaggle 冠军 NVARC 在 ARC-AGI-2 私有集上取得 24.03%（每任务 $0.20），大奖仍未被认领；共 1,455 支队伍提交 15,154 份方案、90 篇论文，获奖方案与论文全部开源。
推荐理由：官方复盘 ARC Prize 2025 结果，提出 refinement loop 框架，并分析知识过拟合与基准设计需要演进的问题。
Tomer Tunguz 博客（VC 分析）精选AI 评分7878 SpaceXAI 首季资本开支 183.7 亿美元追平超大规模厂商，但资金结构迥异
Tomer Tunguz 分析 SpaceXAI 首个公开财季资本开支达 $18.37b，其中 $15.83b 投向 AI 基础设施，超出 $13.2b 的市场预期，规模接近 Microsoft 总开支的四成。
推荐理由：原文用经营现金流对资本开支的覆盖率拆解各家AI基建投入的资金来源差异，提供了一个可比的分析框架。
Every：最新文章（网页）AI 评分3232 为什么 evals 现在这么火
Every 的 Context Window 栏目解释了 evals 为何突然无处不在，并评测了 Grok 4.7，称其表现"参差不齐"、可能是"一次退步"。Grok 4.7 已于周一公开发布。
Every：最新文章（网页）AI 评分6060 Every 团队实测 Opus 5.5、GPT-6 Sol 与 Grok 4.7
Every 团队对本周发布的三款模型做了 Vibe Check。Opus 5.5 在产品和设计工作上持平或超过 Fable 5.1，每 token 成本低 60%，但会把要点埋进长文且不限时运行；GPT-6 Sol 成为 Dan Shipper 的日常主力，更快更便宜；Grok 4.7 只赢回一位用户，Katie 认为其写作缺乏节奏感。
arXiv：cs.CL（计算语言学，全量分类）AI 评分5050 τ-Multilingual：跨语言语音智能体基准测试
研究者推出 τ-Multilingual，将 τ-Voice 扩展至西班牙语、巴西葡萄牙语、印地语、韩语和普通话，经母语者审核并评估生成语言与语音输出。在 4,500 通全双工通话和五种语音配置中，西班牙语、葡萄牙语和印地语的任务完成率与英语相差 3.2 个百分点以内，韩语和普通话分别下降 14.7 和 8.4 个百分点。
xAI：News（网页）AI 评分5656 xAI 推出面向企业的 Grok Bot，企业客户两周内免费使用
xAI 宣布 Grok Bot 面向企业开放，Grok 和 Cursor Enterprise 客户未来两周可免费使用，并可邀请整个组织包括没有现有席位的成员。每个 Bot 在云端独立运行，可按工作流学习任务、相互传递上下文，本次发布还新增访问、网络和审计管控；用户工作在相互隔离的安全环境中运行，Bot 默认无访问权限。
xAI：News（网页）AI 评分5151 xAI 讲解 Grok Bot 持久智能体界面的设计思路
xAI 发布设计复盘文章，讲解 Grok Bot 如何围绕持久智能体而非单次会话来设计界面。文章将产品概念收敛为 Bots、Chats、Prompts、Tools。
xAI：News（网页）精选AI 评分6161 xAI 用 Grok Bot 打造 Haggle Bot，找出超 10 万美元采购节省
xAI 发布 Grok Bot 采购应用 Haggle Bot，接入 Slack、Notion、Drive、Gmail、Hex、Ramp 等工具，梳理约 125 个活跃供应商，已识别超过 10 万美元直接节省。
推荐理由：原文以自家用例给出 Grok Bot 在采购场景的完整配置与节省数字，读者可据此评估 Bot 在企业流程中的可复用方式。
xAI：News（网页）AI 评分5757 Grok Build 推出记忆功能
xAI 为 Grok Build 推出记忆功能，在每轮对话完成后于后台记录约定、决策和项目事实，后续会话会先读取相关笔记再修改代码。记忆按项目保存并另有全局偏好集合，不记录任务状态、临时结论、密钥及仓库文档已覆盖的内容；新增 /memory 浏览命令和 /dream 整理命令，后者也会定期在后台运行。
xAI：News（网页）AI 评分5858 xAI 发布 Grok Voice Transcribe 2.0 语音转文本模型
xAI 发布 Grok Voice Transcribe 2.0，官方称其为当前最准确的转录模型之一，准确率是 1.0 的两倍且价格不变，在 Artificial Analysis 排行榜 32 个流式模型中准确率第一。
xAI：News（网页）AI 评分5454 SpaceXAI 如何用 Grok Bot 扩展客户支持
SpaceXAI（正文写法，来源为 xAI News）在 Cursor 并入后用 Grok Bot 承接客户支持，合并团队工单增长 175% 但未新增人手，估算相当于少招 200 人。
xAI：News（网页）精选AI 评分6363 xAI 发布 Team Bots：可与团队共同工作的 Grok Bots 开启公测
xAI 推出 Team Bots，即能与团队共同工作和学习的 Grok Bots，今日起在 Teams 和 Enterprise 计划开放公测。每个 Bot 整合上下文、插件、凭证和记忆四类要素，个人对话保持私密，也可在 Slack 中协作。
推荐理由：官方详细说明了 Team Bots 的构成要素和四类内部用法，读者可以据此评估在自己团队工作流中的可行性。
METR：Blog（网页）AI 评分3333 METR 前沿 AI 模型自主能力风险评估：Claude Opus 5.5、GPT-5.6 Sol 等评测一览
METR 公布了对前沿 AI 模型自主能力的系列评测，其中 Claude Opus 5.5（2026 年 9 月 22 日）、GPT-5.6 Sol（2026 年 6 月 26 日）等与 Anthropic、OpenAI 合作完成，DeepSeek、Qwen、DeepSeek-R1、DeepSeek-V3 等则在无公司参与下独立评测。
Cursor Blog精选AI 评分7979 Cursor 宣布被 SpaceX 正式收购
Cursor 官宣已被 SpaceX 正式收购，始于 4 月与 SpaceXAI 合作的收购流程正式完成。Cursor 表示将使用全球最大的 GPU 集群，以更低成本构建和提供能力更强的模型，并提及周三发布的 Grok 4.6 初步展示了合作成果；Cursor 将继续帮助用户少写代码、专注于更有挑战性的问题。
推荐理由：收购方官方亲述交易完成与后续算力、模型计划，读者可借此了解 Cursor 未来产品与成本走向。
Cursor Blog精选AI 评分7373 xAI 发布 Grok 4.7，编码与知识工作能力提升且价格不变
xAI 发布 Grok 4.7，定位为面向编码和知识工作的最强模型，价格和速度与 Grok 4.6 相同，输入每百万 token $2、输出 $6。
推荐理由：官方给出了 Grok 4.7 的基准成绩、价格和防护数据，读者可以据此与 Grok 4.6 等模型比较编码和安全表现。
Artificial Analysis 完整文章（网页）精选AI 评分6868 Artificial Analysis 评测 Grok 4.7：智能指数升至 46，编码 Agent 指数超越 GPT-5.6 Sol
Artificial Analysis 评测 Grok 4.7（xhigh），在 Intelligence Index 得 46 分（较 Grok 4.6 +2），使 SpaceXAI 进入前四。
推荐理由：独立评测给出了 Grok 4.7 在智能指数与编码 Agent 指数的具体得分、排名变化和 token 用量，可用于对比选型。
The Decoder：AI News（RSS）AI 评分6565 特朗普与科技 CEOs 在白宫签署仅具道德约束力的 AI 行为准则
科技企业高管与特朗普在白宫签署一份 AI 行为准则，据 Politico 报道该文件仅具道德约束力、无法律效力，违规后果尚不明确。准则要求独立第三方审计机构验证 AI 模型按预期运行，并设立独立委员会监督内部安全检查。
The Verge：AI（RSS）AI 评分3535 Elon Musk 的 AI 百科 Grokipedia 恢复更新
SpaceXAI 旗下 AI 百科 Grokipedia 在停更数月后重新开始更新词条，部分页面已显示“Fact-checked by Grok”标记。此前 Lawfare 报道称 Grokipedia 自 4 月起未审核编辑，目前并非所有页面都已重新扫描。X 与 SpaceXAI 设计负责人 Benji Taylor 表示“v0.2 将比以往更好”。
The Verge：AI（RSS）AI 评分7272 特朗普政府公布前沿 AI 安全自律协议 Joint Commitment on Frontier Responsibilities 细则
特朗普宣布的 AI 安全自律协议全文公开，正式名称为 Joint Commitment on Frontier Responsibilities，由 Pichai、Amodei、Zuckerberg、Brockman、Musk、Huang 及特朗普本人签署。
TechCrunch：AI（RSS）AI 评分5454 白宫推出 AI 聊天机器人 America.gov，Gemini 参与提供支持
白宫于 9 月 29 日宣布推出 AI 聊天机器人 America.gov，用于帮助民众查找政府服务和信息。Google 确认其 Gemini 模型参与该产品，美国政府首席设计官 Joe Gebbia 补充表示政府也使用了 Grok。文章同时提出疑问：大语言模型仍易产生幻觉，若民众依赖该聊天机器人获取食品券申请、签证续签或报税等信息，错误可能导致错过截止日期、福利被拒或罚款。
TechCrunch：AI（RSS）AI 评分5454 xAI 持有的 dot.com 域名跳转 Grok 下载页，被指调侃 OpenAI Dots 发布
OpenAI 于周二发布常驻 AI 智能体产品 Dots，而域名 dot.com 目前属于 Musk 的 xAI，并跳转至 Grok 聊天应用下载页。Whois 显示该域名七月刚完成转移；xAI 也未持有 bot.com 等其他易拼写错误域名。
DogeDesigner@cb_dogeAI 评分4949- DogeDesigner@cb_dogeAI 评分1818
突发：𝕏 新增了一个点赞动画，每当你提及 Grok Bot 时就会出现。
🚨 AI News | TestingCatalog@testingcatalogAI 评分4545引用🚨 AI News | TestingCatalog@testingcatalogDAILY AI BRIEF 🗞 — Sept 29 ANTHROPIC 🔥: - Claude Sonnet 5.5 is live everywhere, including the Platform and Claude Code. Second model in the 5.5 family; Haiku 5.5 is still weeks out. - Same list price as Sonnet 5: $2/$10 per 1M tokens, cache reads $0.20. Official line: 30%+ faster and up to 30% cheaper per task. - First Sonnet with Opus-class cyber safeguards. Cursor already has the slug. OPENAI 🔥: - DevDay keynote is today. The teaser promised 20+ launches; the agenda points to Codex plugins, a 1,000-hour internal agent run, and multiplayer Codex. - Pro $200 reopens to new subscribers tomorrow. Usage math nets to about half the old plan’s API dollars. No 5h cap coming back. Extra subscription features tomorrow will not draw usage. - WSJ: GPT-6.1 Astra will not ship. October target pulled over safety and alignment. - Build strings name “Dots”: text, call, Slack, email, buy with approval, plus a custom-shaped character. “Spaces” also showed up separately. XAI 🔥: - Team Bots are in public beta for Teams and Enterprise. Shared teammates with skills, plugins, and credentials in Slack or Grok Bot. NVIDIA 🔥: - Open Agent Safety Platform is out with 100+ partners. OpenShell plus Sentry; BlueField-4 and DOCA sit outside the agent’s reach. ELEVENLABS 🔥: - v4 and v4 Turbo shipped. Turbo median latency ~100 ms. 90+ languages. - Two-week API promo: $22 / $11 per 1M characters. Instant clones from 10 seconds of audio. KLING 🔥: - 4.0 Flash is live for Ultra Yearly. Full 4.0 is October: 4K HDR, 15 references, 10 keyframes, native 30-second clips. MANUS 🔥: - 2.0 adds persistent cloud workspaces and Cue, an agent with email, phone, wallet, and a Cloud Computer. * Used Grok to compose this brief, cherry-picking the news and doing some post-editing. ** This daily brief also arrives in the daily email format; subscribe on the blog.
Rohan Paul@rohanpaul_aiAI 评分1717今晚，Elon Musk 和 Jensen Huang 潇洒地离开了舞台。 在华盛顿特区的 Andrew W. Mellon Auditorium
Elon Musk@elonmuskAI 评分1818- Elon Musk@elonmuskAI 评分2222引用jimmah@jamesdouma
This really brought home to me this new machine creativity. I don’t know the recipe, but it’s more than vibes I see. There’s substance in the lyrics and there’s nuance for the critics And a story being told in this AI homily. And a message being sold by the Ai homily.
- Elon Musk@elonmuskAI 评分2626引用X Freeze@XFreeze
Grok 4.7 xHigh ranks #1 in Artificial Analysis Cyber Index It's a powerful frontier model performing at the highest level in enterprise cyber defense Outperforming Fable 5.1 Max, Opus 5.5, Astra 6, GPT-6 and other leading AI systems
Gary Marcus：The Road to AI We Can Trust（RSS）AI 评分5959 Gary Marcus 批评白宫“超级智能”协议缺乏实质约束
Gary Marcus 评析特朗普政府发布的白宫“超级智能”协议，称其承诺的四层控制与审计本质上是“不受监管、不给公众发声”的自我监管。他质疑协议中“独立”审计人的含义，并指出两周前业界谈论的 AI 放缓（Pacing）议题未体现在协议中，称 Dario、Sam 和 Elon 都退缩了。
- Elon Musk@elonmuskAI 评分3030引用Rapid Response 47@RapidResponse47
Chief Design Officer @jgebbia officially unveils https://America.gov, the new online home for the United States of America
Grok@grokAI 评分4040引用Grok Imagine@imagineNo cameras. No sets. Just two filmmakers with a mission: Push @imagine's cinematic capabilities to their limits and make a pilot of Homer’s Odyssey. @WonderStudiosX, an AI-native creative studio who partnered with us on this, delivered the pilot in 15 days, using 2,070 images and 1,558 videos. Here’s a thread on the best tips from creative lead Dev Walker 🧵
- Elon Musk@elonmuskAI 评分2727引用Margo Martin@MargoMartin47
.@POTUS hosts a Super Intelligence meeting at the White House 🇺🇸
Ethan Mollick@emollickAI 评分2222
lauren@potetoAI 评分2828
Yuchen Jin@Yuchenj_UWAI 评分22223 周前我试了 Grok Bot。 2 周前装了 Instint。 上周装了 Muse。 现在显然我还得试试 Dots。 个人 AI 助手之战，开始吧。
- lauren@potetoAI 评分88
404 Media（RSS）AI 评分5353 DrivingBench 团队让 ChatGPT 等大语言模型驾驶丰田卡罗拉绕桩
旧金山湾区三名技术工作者组成 DrivingBench，用 Comma 系统把 GPT-6 Astra、Claude Fable 5.1、Grok 4.6 和 GPT-5.6 Sol 接入一辆丰田卡罗拉，让大语言模型在停车场锥桶路线中控制方向盘、油门和刹车。
Latent Space（RSS）AI 评分7575 AINews：Opus 5.5 擅长生成讲解视频
Latent Space 的 AINews 汇总 9/24-9/25 动态，指出本周发布的 Claude Opus 5.5 在讲解视频生成上表现突出，并以 88.4% 领跑 SimpleBench，在 Terminal-Bench-Science 上从低推理强度的 24% 升至 xhigh 的 62%。
SpaceXAI@SpaceXAIAI 评分3636