司法部替 OpenAI 出庭：特朗普政府首次介入 AI 版权战，称用公开网络内容训练"属于合理使用"

1 · 司法部替 OpenAI 说话，X 上分成"产业政策"与"行政越界"两派

头条这份利益陈述书在 X 上迅速发酵，争论集中在三个层面。支持方的论点偏产业政策：训练数据如果需要逐条许可，实际结果不是创作者拿到钱，而是只有能付得起授权费的巨头能训模型，开源和小团队直接出局；从这个角度看，宽松的合理使用解释反而是维持竞争的条件。反对方的火力集中在程序而非实体：行政部门在一起私人诉讼中公开为一方站台，本身就模糊了执法与政策倡导的边界，尤其是这份文件援引"国家安全"来支持一个纯粹的版权论点。第三派提醒不要过度解读——利益陈述书在美国司法实践中并不罕见，法院经常忽略它们，把它当成"政府替 OpenAI 赢了"是明显的过度阅读。还有人把它和同一周的另一条消息并置：商务部长在 G20 场合公开说"我们信任 Anthropic"，几周前刚对 Fable 5 与 Mythos 5 下过出口管制又撤回——行政部门对 AI 公司的态度切换速度，本身就是一个新的风险变量。

2 · Perplexity 引用被两份独立审计连续击穿：三分之一引用对不上号，六成来自"AI 专供"的农场站

两份独立研究在同一天流传开来，对同一个产品指向同一个结论。Haus Research 用温度 0 向 Perplexity 的 sonar 与 sonar-pro 提了 310 个关于科技公司的事实性问题，然后逐个抓取全部 2915 个被引用的 URL：34.7% 的引用指向的页面要么打不开，要么根本不含所声称的数字；按论断计算，872 条论断里 14.4% 站不住。细分之后更微妙——死链只占 1.3%，16.1% 是付费墙，另有 16.1% 是能打开但页面上就是没有那个数字；CEO 身份识别是最差的一项，准确率只有 44.3%，而 25.1% 的被引 URL 从未被 Wayback Machine 存档过。另一份来自研究者 Trellner：380 个软件类查询产生 7534 条引用，其中近 60% 来自全球排名十万名之外的站点，wifitalents.com、worldmetrics.org、gitnux.org 三个域名合计托管了 215,128 个机器生成的选购指南，模板完全相同，且都在 2023 年 12 月至 2024 年 5 月之间经 NameCheap 注册。X 上的讨论很快超出了 Perplexity 本身：如果内容农场的目标读者从人类换成了答案引擎，那么"有引用"作为可信度信号已经失效，而绝大多数用户看到脚注就默认核对过了。反驳的声音主要有两条——一是这类审计选的都是数字型问题，对引用的要求高于日常使用；二是同类审计还没有在其他答案引擎上跑过，把它读成 Perplexity 独有的问题可能是抽样错觉。

3 · 同一个模型换个外壳，单次通过成本差 17 倍：FrontierHarness 把"选 harness"顶到了"选模型"前面

Runta 发布的 FrontierHarness Eval 在 Kimi K3 这一个模型上跑了 360 次完全相同的软件工程试验，覆盖 9 种 harness、12 种配置，基础设施与检查点恢复全部固定。结论相当刺眼：最便宜的 Exo Harness 每任务 1.05 美元、成功率 53.3%；最贵的 Claude Code 每任务 18.34 美元、成功率 63.3%——成本差约 17 倍，成功率差 10 个百分点。这份评测的头图论点是质量与成本并不同向移动，采购方应该选 harness，而不是只选模型。X 上的反应分歧明显。一派认为这正是过去一年被系统性忽略的变量：所有人都在比模型分数，但真正决定账单的是上下文管理策略、重试次数和工具调用次数，而这些全部属于 harness。另一派质疑评测口径——成功率 53.3% 和 63.3% 之间那 10 个点在生产环境里的价值可能远超 17 倍价差，用"每次通过成本"这一个指标排序会误导；也有人指出单一模型、单一任务族的结论未必可迁移。共识大概只有一条：至少要在自己的任务上做一次同样的横向对照，而不是照抄榜单。

4 · Firefox 的"AI 总开关"被抓包：关掉后遥测照发、客户端 ID 照旧

Marius Quabeck 对 Firefox 155 做了网络抓包复测，结论是浏览器那个"关闭 AI"的开关只做了一半的事：聊天机器人、摘要与 Smart Window 三个功能确实被禁用了，底层的数据收集却纹丝不动。已关闭 AI 的配置文件在空闲窗口里仍然每次发送 14 个遥测 POST，持久客户端 ID 保持不变，Mozilla 的实验分组仍然在册，搜索合作方与 Pocket 的推广代码也没有变化。他在文中的判断很直接——这个开关"什么都没有轮换，也什么都没有删除"。讨论里争的其实是两件不同的事：一边认为开关的字面承诺就是"关闭 AI 功能"，遥测属于另一个设置项，指控偷换了概念；另一边认为在 2026 年，用户点"关闭 AI"时的合理预期就包括"不要再把我的使用数据送去做这件事"，仅在功能层面关闭而保留标识符，恰恰是隐私设计里最典型的失败模式。对开发者更实际的一点是：这类"功能开关不等于数据开关"的落差，在很多产品里都存在，只是没人去抓包。

5 · 一家创业公司给 curl 报了 6 个 CVE，而 OpenAI 与 Anthropic 此前在同一份代码上零发现

AISLE 公布了一份对比性很强的结果：其自主漏洞发现系统对 curl 提交了 29 份报告，其中 6 份被接受为 CVE（CVE-2026-80229/80230/80231/80255/82208/82209），全部评级为 Low，但都经过 curl 维护者本人验证。公司特意强调了背景——在它跑之前，OpenAI Codex Security 与 Anthropic 的 Mythos 都曾公开对同一份生产代码库返回零发现；文中还引用了一位 Linux 内核维护者描述的类似情况。这条消息在 X 上引发的争论比结果本身有意思。一派认为这说明通用前沿模型和专用漏洞发现系统不是一回事，后者的价值在于搜索策略与验证闭环，而不是模型本身有多强。另一派提醒注意"Low 级"这个限定——6 个低危 CVE 对 curl 这种被审计过无数遍的代码库是不错的成绩，但离"自主发现高危漏洞"还有距离，用它来论证某家实验室的模型不行是过度延伸。还有人指出一个方法论问题：不同系统的报告口径、误报容忍度、以及维护者的接受标准都不一样，"零发现"未必等于"没找到"，也可能是提交门槛设得更高。

• 官方发布谷歌正式发布 Gemini 3.8 Flash，同时推出只对"受信任防守者"开放的 Flash Cyber 变体 — 通用版 Gemini 3.8 Flash 定价为每百万输入 0.75 美元、输出 3.75 美元（截至 12 月 31 日）；安全向的 3.8 Flash Cyber 通过新设的 Fairwind 计划仅向受信任防守者提供，谷歌称其在 20 种语言的内部漏洞发现测试中超过 70%，对 Chrome 漏洞给出的正确补丁数是主流商用模型的 2.6 倍，CWE-Bench 上 pass@1 为 47.2%。Google 官方博客
• 官方发布Meta 发布 Muse Spark 1.3：工具调用减少约 20%、token 消耗减少约 25% — 已上线 Muse Code 与 Meta Model API，定价每百万输入 1.25 美元、输出 4.25 美元，上下文窗口 100 万 token。Meta 称相比 Spark 1.2，新模型在智能体、编码、指令跟随与长上下文基准上均有提升，同时用更少的工具调用与 token 完成任务。扎克伯格另称 Watermelon 模型与 Muse Spark 开放权重"即将到来"。Meta Research
• 第三方评测FrontierHarness：同一模型跨 9 种 harness，单次通过成本相差约 17 倍 — Runta 在 Kimi K3 上做了 360 次相同的软件工程试验，固定基础设施与检查点恢复；Exo Harness 每任务 1.05 美元、成功率 53.3%，Claude Code 每任务 18.34 美元、成功率 63.3%。评测结论是质量与成本不同向移动，采购决策应把 harness 选择放在与模型选择同等的位置。FrontierHarness
• 媒体报道成本对比长文：GLM-5.3-Flash 每任务 0.023 美元 vs Fable 5.1 的 3.69 美元，差距 160 倍 — Guido Imperiale 在 OpenTeams 撰文认为，约 90% 的真实工作负载由中等能力模型即可胜任，前沿模型的实用增益有限；文章把 Anthropic 与 OpenAI 的定价形容为"对大企业也过于昂贵"，并将中国厂商的价格类比为"和手机套餐一样便宜"。属于评论性分析，基准口径与任务集需自行核对。OpenTeams
• 安全研究AISLE 的自主漏洞系统在 curl 上拿到 6 个 CVE，此前 OpenAI 与 Anthropic 在同一代码库零发现 — 共提交 29 份报告，6 份被接受（CVE-2026-80229/80230/80231/80255/82208/82209），评级均为 Low，但经 curl 维护者验证。这是"专用自主漏洞发现系统"与"通用前沿模型安全模式"第一次出现可直接对照的公开结果。AISLE

把"学生"训练成可复现的模拟器：微软研究院 StudentSim 用稀疏数据造出个性化学习者，国际象棋上双指标碾压 GPT-5.4

AI 家教最有价值的地方在于因人施教，但"哪种指导对哪个学生有效"这个信号极其稀疏——从真实学生身上采集既慢又贵。用学生模拟器充当代理是个老思路，但两条现有路线各有缺口：状态追踪类模型能拟合学生的行为分布，却读不懂老师的讲解和纠正；直接让大模型角色扮演某个学生，指导跟得很顺，却复现不出被模仿者真实的能力水平。StudentSim 的做法是两段式训练——先在全体数据上做池化训练，再对每个学生做专门特化，使模拟器既能镜像该学生自己的作答，又能在收到指导后相应更新。团队同时发布了 StudentSimEval 评测协议，覆盖国际象棋、二语英语写作与数学三个领域共 60 名学生，数据来自公开的去标识化学习记录，用行为保真度（F）与指导响应度（R）两个指标打分，所有方法在同一批记录上拟合、同一批留出记录上评测。三个领域上 StudentSim 均优于 GPT-5.4：国际象棋上 F=0.51、R=0.91，而 GPT-5.4 为 0.23 和 0.72，专用棋力条件模型 Maia2 为 0.45 和 0.27——后者行为拟合尚可但几乎不响应指导，恰好印证了两条旧路线的互补缺陷。作为概念验证，团队还把训练好的模拟器当作强化学习的奖励模型来训练家教模型，人类专家评价其准确性、指导质量与个性化程度均优于无强化学习的基线，也优于以 GPT-5.4 模拟器为奖励训练出的家教。当日榜单第一名。

把中间一半层跑两遍，训练算力省 6.8%–18%：字节 Seed 用 SMELT 给"循环 Transformer"补上了公平对照

循环 Transformer（Looped Transformer）通过反复迭代同一组共享层来增加有效深度，思路不新，但此前的评测几乎都在固定模型规模的条件下比较，等于把"架构优势"和"多花的 FLOPs"混在了一起——省下的参数被额外的计算悄悄补了回来，结论自然好看。字节跳动 Seed 团队这篇工作的价值首先在于把对照做严：在稀疏专家混合（MoE）Transformer 上研究循环，同时严格对齐每 token FLOPs、非嵌入参数总量与 KV 缓存三项预算。经过一系列消融，他们得到的配方叫 SMELT（Sparse MoE Transformer, middle layers Loop Twice），即把中间一半的层循环两次，三项预算全部与不循环的基线持平。团队把 SMELT 扩展到四个规模、最大 540 亿非嵌入参数，并为每种架构分别拟合 Chinchilla 式缩放律：SMELT 的损失随算力下降更快，在计算最优前沿上节省 6.8%–18.0% 的训练 FLOPs。更有意思的是这个优势会转移到下游基准上，且幅度超过验证损失所能预测的范围，在代码任务上最大，并随样本长度和上下文示例数量的增加而增长。机理分析给出的解释是：第二次经过这些层削弱了注意力汇聚（attention sink），把注意力质量重新导向与内容相关的 token——这是一种归纳偏置，可能正是性能增益的来源。

170 多个多语言 App 加原生桌面系统：蚂蚁 UI-Venus-2 把 GUI 智能体从刷榜推向可部署

多模态 GUI 智能体被视为数字任务自动化的有力范式，但从"基准上好看"到"现实中可靠"之间横着三道坎：环境覆盖太窄、任务构造脆弱、奖励验证不可信。蚂蚁集团这份技术报告提出的 UI-Venus-2 是一个通用型基础 GUI 智能体，通过统一的闭环推理-动作框架跨移动端、Web 与桌面运行，并针对上述三道坎同时扩容。环境侧，覆盖扩展到 170 多个多语言移动应用与原生桌面操作系统；任务侧，采用深度研究式流水线做"功能锚定的指令生成"，而不是靠模板拼任务；验证侧，同时引入轨迹级与样本级评估器，配合视觉关键点与多模型投票，为强化学习提供可靠的奖励信号——这一环是最容易被忽略但最影响训练稳定性的部分。团队还集成了安全感知机制，用于控制有后果动作的执行，比如涉及付款或删除的操作。模型已在 HuggingFace 上开源 9B 版本（inclusionAI/UI-Venus-2-9B），并配套发布了 VenusBench-CAPTCHA 数据集与在线演示 Space。对做桌面自动化的团队，这份报告值得读的地方不在最终分数，而在它把"环境、任务、验证"三个维度当作可独立扩展的工程变量来处理的方式。

不动 VLM 主干，外挂两个模块就能开车：Qwen-Drive-1.0 把 3D 感知、问答与轨迹规划塞进一个框架

Qwen 团队把自家通用视觉-语言模型直接推向自动驾驶，路线选择很克制：完全保留预训练 VLM 的架构不动，在外部挂两个模块。一个是鸟瞰图（BEV）感知头，联合完成 3D 目标检测、语义占据预测与 BEV 地图分割——它的角色是"探针"，用来检验共享表征中究竟能读出多少 3D 信息，同时给出一个显式、可检查的三维场景结构接口；另一个是规划专家（Planning Expert），以共享 VLM 表征为条件、通过流匹配生成自车未来轨迹。训练采用分阶段配方，把驾驶监督与通用视觉-语言数据混合，目的是在获得驾驶专属能力的同时尽量保住广义视觉理解与指令跟随。据作者在评论区补充，模型基于原生多模态的 Qwen3.5-4B 构建，这是首个在预训练阶段就统一 3D 感知与视觉问答、再进一步扩展到运动规划的驾驶向视觉-语言基础模型。实验覆盖开环、伪闭环与闭环三种设定，运动规划表现具备竞争力，同时基本保留了通用视觉-语言能力。这条路线值得关注的原因在于它把"驾驶模型"重新定义为"通用 VLM 的一个适配层"，而不是从零训练的专用栈——如果这条路走得通，自动驾驶感知规划栈的迭代节奏会被基础模型的节奏接管。

让模型从自己的错题本里找方向：美团 LongCat 的 DiagEvo 在 Qwen3-8B 上比 R-Zero 高 4.5 分

自博弈（self-play）是模型自我进化的常见范式，但没有方向引导时，求解器的表现常在若干轮后停滞甚至下滑。无引导方法用难度、可学习性、多样性这类信号来驱动出题，能保证题目够难够杂，却说不清下一轮该攻哪块短板；有引导方法则依赖人类范例、文档语料或外部难度标签，等于把方向来源放到了自博弈循环之外。DiagEvo 的主张是：方向可以从求解器自己的失败历史里导出。它引入一个"诊断器"，从失败记录中提取反复出现的错误成因，存进分层的错误成因记忆——相关成因归入同一技能节点，每个成因按定向题目上的自洽性被标记为 Active 或 Mastered，一旦重新出错就从 Mastered 退回 Active，复现次数越多越可能被下一轮选中。出题的"挑战者"依据这些状态与复现计数，在定向生成与自由探索之间取平衡，还能把同一技能节点下的 Active 与 Mastered 成因合成一道新题，检验相关能力能否联合调用。双置信度过滤则只保留中等难度、且最高票答案对第二名有明显领先的题目，避免伪标签摇摆。全流程不使用任何外部任务资源，默认只需一个 4B 诊断模型，诊断与记忆管理仅占总运行时间的 5.7%。结果上，Qwen3-8B 在五个数学推理基准上均值 72.3%，比 R-Zero 高 4.5 个百分点；九个基准总均值 57.4%，比 DARC 高 1.1 分。一个反直觉的观察是：纯自由探索下题目平均长度从 45.6 词涨到 168.9 词，但性能第 3 轮后就不再提升；DiagEvo 把题目长度稳定在约 73 词，反而连续五轮持续改善——题目变长不等于课程变好。

• 今日热榜harry0703 / MoneyPrinterTurbo — 利用大模型和自动化工作流，按主题或关键词一键生成高清短视频；Python，累计约 109,977 星，今日新增约 2,221 星，连续两日蝉联当日增星最多的 AI 项目。GitHub
• 今日热榜mattpocock / skills — 作者从自己 .agents 目录直接搬出来的工程师向智能体技能集，主打"真实工程师在用的技能"；Shell，累计约 223,084 星，今日新增约 1,214 星。GitHub
• 官方项目volcengine / OpenViking — 字节火山引擎开源的智能体自进化上下文数据库，把智能体记忆、知识 RAG 与技能统一到一层；Python，累计约 29,920 星，今日新增约 803 星。GitHub
• 今日热榜chaitanyagiri / munder-difflin — 一个可本地运行的多智能体 harness，主打把多个智能体的协作编排放在自己机器上跑；TypeScript，累计约 2,519 星，今日新增约 797 星，是榜上增速相对存量最猛的一个。GitHub
• 今日热榜mukul975 / Anthropic-Cybersecurity-Skills — 面向 AI 智能体的 817 个结构化网络安全技能，映射到 MITRE ATT&CK、NIST CSF 2.0、MITRE ATLAS、D3FEND、NIST AI RMF 与 MITRE F3 六套框架，覆盖 29 个安全域，兼容 Claude Code、Copilot、Codex CLI、Cursor、Gemini CLI 等 20 多个平台，Apache 2.0；Python，累计约 29,621 星，今日新增约 767 星。GitHub
• 今日热榜akitaonrails / ai-memory — 给编码类智能体 CLI 提供长期记忆，并支持在不同智能体厂商之间做任务交接；Rust，累计约 3,119 星，今日新增约 609 星。GitHub

• 媒体报道HiddenLayer 完成 1 亿美元 B 轮，AI 安全 ARR 一年增长超 10 倍 — 由 Delta-v Capital 领投，Ten Eleven、M12、摩根士丹利与博思艾伦参投。CEO Chris Sestito 称过去一年 ARR 增长超过 10 倍至"数千万美元"，其中 90% 以上来自新客户，包括一家服务 7 亿以上周活用户的前沿实验室。资金将用于扩展其智能体运行时安全平台，以及面向 AI 编码智能体的新模块 Agent Harness Security。TechCrunch
• 媒体报道肿瘤 AI 导航平台 Thyme Care 完成 1.25 亿美元 E 轮，估值超 20 亿美元 — 这家总部位于纳什维尔的公司做的是虚拟癌症导航：用 AI 驱动的照护协调配合真人护士与社工，填补肿瘤门诊之间的空档。公司与支付方和医疗机构合作，目标是降低癌症患者的急诊就诊率与总照护成本。CNBC
• 媒体报道Conveo 完成 5000 万美元 A 轮，用 AI 做 15 种语言的客户访谈 — 据 Axios，本轮由 DST Global 领投。Conveo 用 AI 直接执行客户访谈并分析转录内容产出市场洞察，切入的是消费者调研自动化这个正在被 AI 原生平台重做的传统赛道——过去这里是问卷公司和访谈供应商的地盘。Axios
• 媒体报道Huskeys 获黑石领投 2700 万美元 A 轮，估值超 1 亿美元，专做智能体攻击流量拦截 — 由 Blackstone Innovations Investments 领投，产品是帮助企业检测并阻断打向其应用与 API 的 AI 驱动攻击流量。这是黑石在 AI 原生网络安全上的又一次下注，背景是企业开始面对自主扫描器与规模化的提示注入。华尔街日报
• 行业分析SemiAnalysis：韩国主权 AI 计划总投入 9190 亿美元，2035 年建成 18.4GW — 分阶段目标为 2029 年 8.4GW、2035 年 18.4GW，另设 3.5 亿美元的基础模型竞赛，目前入围者为 Upstage、LG AI Research、SK 电讯与 Motif Technologies。三星正在建设一个搭载超过 5 万块英伟达 GPU 的站点；SK 电讯的 2GW 设施将把 Vera Rubin 系统与 SK 海力士 HBM4 配对。一期容量分配为 SK 5GW、GS 2.4GW、Naver 1GW。SemiAnalysis
• 官方发布美国陆军向 Palantir 与 Anduril 授出 1.92 亿美元合同，量产 8 套 TITAN AI 地面站 — 其中 Palantir 作为主集成商获 1.27 亿美元，Anduril 作为硬件主架构师获 6500 万美元，18 个月内交付 8 套。TITAN（战术情报瞄准接入节点）把天基、空基与地面传感器数据融合为面向远程精确打击的目标情报，本批为 4 套 Advanced 与 4 套 Basic，将加入已有的 9 套原型；L3Harris、Sierra Nevada 与 World Wide Technology 为分包方。Breaking Defense

• 媒体报道商务部长卢特尼克在 G20 场合公开表态"我们信任 Anthropic"，称该实验室"回到了正确的一边" — 据 Axios，卢特尼克在北卡罗来纳州教堂山举行的 G20 创新部长会上对听众说 Anthropic"已经做了我们要求的事"。这次转向距离他一度对 Fable 5 与 Mythos 5 施加出口管制（后被解除）仅数周，也在联邦法官裁定五角大楼将 Anthropic 列入黑名单违宪之后。Anthropic 联合创始人 Tom Brown 同场出席。Axios
• 调查报道404 Media：德州治安官用 Axon 的 Draft One 生成了一份关于用 Flock 摄像头网络追踪堕胎女性的警方报告 — 报道称，德州约翰逊县治安官办公室应一名施虐伴侣的请求，使用 Flock 超过 8 万个摄像头组成的网络定位一名自行终止妊娠的女性，随后用 Axon 的 AI 工具 Draft One 撰写该案报告，警员在文中披露"本报告由 Axon 的 Draft One 生成"。副警长曾讨论过指控，但最终认定州法条文不适用于该女性。Flock 首席执行官对该报道提出异议；执法记录仪影像存在但尚未公开。404 Media
• 官方文档Mistral 帮助中心确认：Vibe 免费档的对话默认用于训练模型，需手动退出 — 更新后的文档明确，免费档 Vibe 对话除非用户在管理面板手动选择退出，否则会进入模型训练；Vibe Enterprise、Mistral Studio 与 API 流量则默认已退出。需要注意的是 Vibe 与 API 的开关相互独立，关掉一个不覆盖另一个。该更新在 Hacker News 上被翻出，开发者指出这一默认设置与此前文档措辞存在出入。Mistral 帮助中心
• 官方发布Anthropic 上线免费的 C2PA 内容凭证查验工具，可判断文件是否由 Claude 生成或编辑 — 工具地址为 claude.com/check-content，读取文件内嵌的 C2PA 内容凭证，支持图片（JPG/PNG/GIF/WEBP/TIFF/HEIC/AVIF/SVG/DNG/JXL）、视频（MP4/MOV/AVI）与音频（WAV/MP3/M4A/FLAC），单文件上限 100MB。官方同时提醒：查不到凭证不等于没用过 Claude——凭证可能被剥离，也可能由不支持该功能的产品路径产出时就不存在。Anthropic
• 研究报告两份独立审计指向同一问题：Perplexity 三分之一的引用无法支撑其所引数字 — Haus Research 抓取了 2915 个被引 URL，34.7% 打不开或不含所述数据（死链仅 1.3%，付费墙与"页面无该数字"各占 16.1%），CEO 身份识别准确率仅 44.3%。Trellner 的另一份报告发现，380 个软件查询产生的 7534 条引用中近 60% 来自全球十万名之外的站点，其中三个域名合计托管 215,128 个模板一致的机器生成选购指南。Haus Research · Trellner

• 官方发布OpenAI 推出 ChatGPT Health，只读接入 Epic 电子病历系统，覆盖 3.25 亿以上患者 — 临床医生可借此总结就诊记录、化验、用药与专科文档，接入为只读、不回写。新增的 Healthcare Public Data 插件可调取 ClinicalTrials.gov、CMS Coverage、RxNorm、DailyMed 与 PubMed；签署业务伙伴协议（BAA）的机构现可在 ChatGPT Work、Codex、应用与连接器中运行符合 HIPAA 的工作流。TechCrunch
• 官方发布Adobe 把 70 多个创意工具搬进 Slack，通过 MCP 应用调用 — Adobe for Slack 是一个基于 MCP 的机器人，在 Slack 对话中直接暴露 Firefly、Photoshop、Express、Premiere、Acrobat、InDesign、Illustrator、Stock 与 Lightroom 等 70 多个工具。用户用自然语言描述需求，机器人负责路由到对应工具，并利用会话线程上下文生成 PDF、图片与视频。面向 Slack Business+ 与 Enterprise+ 团队开放。TechCrunch
• 官方发布谷歌与 MrBeast 签署多年合作，把 Gemini、Google Health 与 Fitbit Air 嵌入其 5 亿订阅频道 — 首支视频于 9 月 5 日上线，内容为参赛队伍用 Gemini 应对丛林、沙漠与北极挑战——识别危险、适应天气。另有一支品牌广告由 Jimmy Donaldson 出镜，演示助手如何策划 MrBeast 式的挑战企划。这是消费级 AI 助手迄今规模最大的一次创作者渠道投放。Google 官方博客
• 官方发布英伟达 9 月 3 日发布 DLSS 5，用游戏引擎几何信息做 3D 引导神经渲染 — 官方称其 3D-Guided Neural Rendering 利用游戏引擎的几何、光照、法线、运动矢量与美术可控遮罩，为画面补充次表面散射、毛发透射与接触阴影等效果，首发落地于 RTX 50 系显卡与 GeForce NOW 上的《NBA 2K27》。AI Weekly
• 媒体报道Firefox 155 的"AI 开关"被抓包：关闭后遥测与客户端 ID 保持不变 — Marius Quabeck 的网络抓包显示，关闭 AI 后聊天机器人、摘要与 Smart Window 确实被禁用，但已关闭的配置文件在空闲窗口仍每次发送 14 个遥测 POST，持久客户端 ID 不变，Mozilla 实验分组仍在册，搜索合作方与 Pocket 推广代码也未变化。他的原话是这个开关"什么都没有轮换，也什么都没有删除"。Marius Quabeck