IBM发布智能体一致性分析：平均成功率77.4%，连续五次全成只有53%
IBM研究团队9月15日在Hugging Face博客介绍ALTK-Evolve的一致性分析工具（公司自述）。其AppWorld实验中，GPT-4.1智能体的平均成功率为77.4%，但同一任务连续五次都成功的比例只有53%。工具从执行轨迹中识别易变的决策，生成可复用指引。结果出自特定模型和基准，尚不能证明生产环境同样可靠；它给出的直接启示是，平均成功率与重复执行的稳定性应分开测量。
信息源：huggingface.co
IBM研究团队9月15日在Hugging Face博客介绍ALTK-Evolve的一致性分析工具（公司自述）。其AppWorld实验中，GPT-4.1智能体的平均成功率为77.4%，但同一任务连续五次都成功的比例只有53%。工具从执行轨迹中识别易变的决策，生成可复用指引。结果出自特定模型和基准，尚不能证明生产环境同样可靠；它给出的直接启示是，平均成功率与重复执行的稳定性应分开测量。
信息源：huggingface.co
苹果9月14日发布iOS 27正式版。官网已列出英语版Siri AI：用户可以连续交谈、从邮件和照片中查找个人信息，并在信息、提醒事项等应用中执行操作；独立Siri应用集中保存对话，用户可在不同设备间继续交流。
这次变化把助手从单次问答扩展到个人资料检索和应用操作，但更新系统不等于能用上Siri AI：苹果标注了语言、设备及地区限制，部分功能可能有使用额度。
欧盟是例外。苹果此前宣布，Siri AI不会随iOS 27和iPadOS 27在当地首发开放，也未给出这两个平台的后续时间表。
微软AI于9月14日公开MAI模型行为准则初稿，启动为期六周的公众咨询（公司提案，咨询与修订均由微软主导）。文件说明该准则尚未用于训练模型；团队计划年底发布修订版，用来指导2027年及以后的模型开发。
草案把人类控制和安全放在优先位置，要求AI保持可监督、可控制，避免被设计成拥有感情或自身动机的人格主体；同时列出安全约束、处理不确定性的操作指引，以及可由运营方调整的默认行为。
这份文本让外界能逐项核对微软打算如何约束自研模型，但公开训练目标并不证明模型已经遵守；兑现情况要看年底修订后的具体条款、实际训练与评估结果，以及部署中出现偏差时如何处理。
资料核对：微软发布与公众咨询说明 ↗ · MAI行为准则全文 ↗
信息源：microsoft.ai
Superhuman于9月14日公告，已收购AI会议记录工具Fathom，计划把会议摘要、讨论与待办事项接入旗下邮件、日历、文档和数据库产品。公告中的Superhuman是原Grammarly更名后的生产力平台，不单指那款同名邮件应用。
按公司给出的用法，Go助手读取会议记录后起草项目状态更新，交由负责人审阅确认，会议由此成为后续工作的上下文，而非一份需要人工搬运的摘要。
公告未披露交易金额。收购完成不等于整合完成：跨应用工作流目前以计划和示例呈现，不能据此认定Fathom用户已获得这些能力；整合后的访问权限、人工确认方式和上线安排，还需产品说明补充。
Buildots于9月14日宣布获得1.3亿美元融资，由O.G. Venture Partners领投，累计融资额达2.97亿美元；以上数字来自公司公告，本轮估值未披露。公司计划扩大北美、欧洲、中东及非洲市场的部署，并把产品覆盖延伸到投标至交付的完整施工周期。
其产品把工地影像、工程模型和进度安排放在一起，帮承包商判断实际施工与计划之间的差距；数据中心建设是应用场景之一，较早识别延误，可以为调整人员、工序和资源留出时间。这轮融资让扩张有了资本，但公告未提供能独立比较的项目成本节约结果，效率改善目前无法量化，最终仍要看项目能否按时交付。
信息源：prnewswire.com
NVIDIA 9月14日宣布Perplexity Portable Computer登陆Windows RTX电脑，需GeForce RTX或RTX PRO显卡至少24GB显存，本地任务不消耗Computer积分。复杂任务仍可转交云端，官方称数据离开设备前会请求用户许可；别把“登陆Windows”读成随处可跑或全程离线，它是本地与云端配合的助手。
信息源：blogs.nvidia.com
模型供应商OpenAI于9月14日发布Fyxer客户案例，文中流程均为Fyxer自述：其邮件助手把工作分配给30至50个专门模型，先判断邮件是否需要回复，再识别意图、检索相关记忆并生成草稿；用户对草稿的修改会转成偏好训练数据，新版本还要经过A/B测试。
客户经验尚不等于独立效果验证，案例也未证明系统可以无人审核地发送邮件；能核对的是任务拆分和反馈流程。
信息源：openai.com
曼哈顿地区检察官办公室9月14日宣布，依法院命令查扣12个网站域名。检方称，这些网站利用AI制作并传播非自愿亲密影像，受影响者约1200人。查扣针对域名及传播渠道；相关人员仍列为调查对象，查扣不等于定罪，也不能据此认定影像已从所有平台清除。
资料核对：曼哈顿地区检察官办公室公告 ↗
信息源：manhattanda.org
Latent Space 9月14日发布Richard Socher访谈（录制于7月）。这是创业者对技术路径的自述：他把Recursive的方向描述为用AI改进AI研究本身，同时指出GPU供给、物理建设和行业采用速度会限制能力提升转化为现实变化的速度。访谈中的早期优化成绩属于本人陈述，不能当作9月14日新完成的实验，也未证明可无限自我改进。资料核对：Latent Space访谈及文字记录 ↗
信息源：latent.space
Amodei在9月的文章中提出放慢前沿AI能力提升，并承诺为Anthropic引入外部驻场评估团队。9月13日，The Decoder报道，Altman、Musk与Hassabis均对实验室内部引入独立监督表达支持，但支持范围并不相同。
按提案，评估员将持续接触内部工具和安全实践，核对公司是否履行承诺并报告事件，比只读公司自行选择发布的模型报告多一层内部核验。这项安排的效力取决于评估员能否取得实际权限、能否独立披露不利发现。
公开表态尚未形成共同执行的行业协议：Anthropic的单方承诺、企业之间协调放缓、国际协调是不同阶段，几位人物支持独立监督，并不意味着他们已共同暂停模型训练。
资料核对：Amodei原文 ↗ · The Decoder对各方回应的报道 ↗
信息源：darioamodei.com
DeepSeek在9月10日的公告中安排：自9月14日北京时间12时起，deepseek-v4-pro请求转向V4.1-Flash，按后者费率计费，持续至V4.1-Pro推出。以上为公告安排，尚无实际调用的验证结果。
调用名兼容不等于底层模型不变，沿用旧名称的应用需要重新检查输出质量与账单。V4.1-Flash已通过官方API提供原生多模态支持。
资料核对：DeepSeek模型与API迁移公告 ↗
信息源：deepseek.com
Cognition在9月8日宣布完成逾20亿美元E轮融资，估值480亿美元，由Andreessen Horowitz与Accel领投。公司自报的收入年化值从5月的4.92亿美元升至接近9亿美元；该指标按近期业务节奏折算，不等于过去一年已确认的收入。
新资金用于Devin的开发和企业交付。公告列举的应用包括故障初查、安全漏洞分拣，以及由Slack、GitHub等事件触发的自动工作，并称可组合不同供应商的模型。
公告未披露融资后的股权明细、推理成本和现金消耗，480亿美元估值也不能直接证明单位任务已经盈利。
资料核对：Cognition E轮融资公告 ↗
信息源：cognition.com