搜索“搜索”

未完全达到这一数值，何况电池在两年后已不再具备满容量。 不过我们最初能达到最长四周的续航，如今则更接近三周零几天。如果持续开启睡眠血氧分析或房颤检测，续航则会缩短至略多于一周。手表通过随附的充电底座经 USB-C 线缆充电，约需一个半小时充满。 尽管手表因此几乎能坚持一个月，Withings App 却有一个缺点：它会明显消耗智能手机电量，因为它会一直在后台搜索蓝牙设备。 价格：Withings Scanwatch 2 售价多少？ Withings Scanwatch 2 的建议零售价为 350 欧元。目前，38 mm 女士款白色售价 262 欧元，黑色售价 265 欧元。玫瑰金表壳搭配沙色表带的款式同样为 265 欧元。蓝色款售价为 270 欧元。直径 42 mm 的款式白色售价 265 欧元，黑色售价 265 欧元。 结论 Withings Scanwatch 2 是一款混合型智能手表，电池可续航一个月。这款手表优雅的设计非常令人信服，看上去完全不像智能手表。使用 Android 智能手机以及 iPhone 均可进行 ECG 测量，且无需额外费用。此外还提供 SpO2 测量（血氧饱

匹配字段正文

广泛使用的安全标准。 Ollie 于 2026 年 6 月推出，提供免费套餐，以及每月 25 美元起、包含 150 条消息的付费计划。每月 100 美元的计划包含最多 1,000 条消息。 Orbits Orbits 也有一款专注于家庭的 AI 助理。 它通过 Orbits 应用和短信两种方式运行，可以整合日历、清单和对话，同时为你执行任务。这些任务可以包括搜索网页、购物、预订餐厅、更改预约，以及为家庭服务询价。 此外，Orbits 可以提醒家庭成员做家务、与服务提供商沟通，并帮助协调直系家庭之外的责任。 Orbits 获得了 Andreessen Horowitz（a16z）Speedrun 基金、N49P 和 Garage Capital 等投资者的支持。 Pally 用户可以像与朋友互动一样使用 Pally，同时让它访问自己已经依赖的应用。该助理可以连接 WhatsApp、Gmail、日历和 Google Drive 等服务中分散的信息，帮助用户跟踪计划、收据、日期、文件和其他细节。 它提供免费计划，可通过 iMessage、RCS 和 Telegram 使用。 Poke Pok

匹配字段正文

生7 24小时在线，AI回答从此有专业人士把关 AI可以提高信息整理和响应效率，但医疗健康问题的决策与诊断具有较高的专业门槛。AI可能给出的是单点结论，但同一种症状可能对应不同原因，同一项异常指标也需要结合年龄、病史、用药情况和其他检查结果综合判断。 好医答咨询室里入驻了15万+全三甲真人医生，为患者提供7 24小时的在线服务，最快1分钟就能响应。百度App搜索“百度健康”或相关健康问题，就可以直达好医答入口。在AI对用户的症状、检查结果、持续时间和既往病史等信息进行梳理，再为用户精准匹配对口的真人医生接入，围绕关键问题追问、判断，最后由真人医生给出专业诊断和解决方案，为AI回答提供可追溯的医学依据，提升AI健康服务的专业性与可信度。 文心健康管家产品负责人李想表示，好医答的核心不是让AI替代医生，而是发挥AI在信息理解、归纳和交互效率方面的优势，同时引入真人医生的专业能力，使健康回答更加权威可信、有据可依。不仅是让用户得到回答，而是让每个问题，都得到负责任的解决。 目前，好医答已经全部覆盖皮肤科、内科、中医科、妇科等四大主流科室，全部能力限时免费开放体验。 打通就医最后一公里！把患者

匹配字段正文

骚扰的事，会主动降低频次。 未来，人的时间会越来越多地被解放，这是Personal AI应该带来的价值——帮助你降低打扰、负载、上下文负担。如果带来不了，那这个产品就是有问题的。 不过，Personal AI的运行成本确实比上一代AI产品高了很多，现在成本的确是个问题。有市场调查推测，instinct单天运行成本是1-3美金左右，调用sandbox（沙箱）、搜索、主动性机制、长程任务执行，都是很大的成本。 Personal AI有壁垒吗？ 非常诚实地讲，现在Personal AI处于一个非常同质化竞争的阶段——所有人都看到了记忆和主动性的作用。很难说出一个极端的差异化，即便有，一两个功能点上的差异也很快会被竞争抹平。 我们更看重的不是某个单点功能，而是整体产品方向：像人一样交互、单session、让普通用户真正用得起来、长期目标的推进、主动发现用户可能需要的事情。这些加在一起构成Today的产品理念，而不是某个独家功能。 尤其是很多资深网民，他们的赛博世界数字资产已经非常非常多了。把他们的Context给一个Agent，这个Agent能不能以更高的效率去利用好这个Context？这个其

匹配字段正文

行业可能变化更快，而实体基础设施、监管许可、跨机构协作以及劳动者技能转换，仍然受到不同约束。 产业结构被改变的速度，也不等于新的经济社会秩序能够以相同速度稳定形成。 三、产业生态真的正在加速重构吗？ 更有意义的证据，应当来自组织结构、产业分工、市场入口和价值分配关系的实际变化。 在信息服务领域，这种变化已经开始显现。 美国皮尤研究中心2025年对Google搜索行为的研究发现，出现AI生成摘要的搜索中，用户点击传统搜索结果的比例为8%；没有AI摘要时，这一比例为15%。 当用户越来越多地在搜索平台内直接获得答案，传统内容提供者依赖搜索引擎获取访问量的方式可能受到影响。 这不仅是搜索效率问题，还涉及信息分发入口、用户关系以及平台与内容生产者之间的价值分配。 在企业组织层面，金融科技公司Klarna提供了另一个观察窗口。 根据其公开披露，2025年AI助手处理了约80%的客户服务聊天，公司估计其承担了相当于700多名全职客服的工作量。 但这种变化仍主要发生在企业内部，不能直接证明整个金融服务产业生态已经完成重构。 软件开发领域的研究则提供了更有价值的比较。 2026年，NBER发布的一项研

匹配字段正文

是试图让开发者能够自由搭建、改造自己的Agent系统。 项目发布后迅速走红。截至10月中旬，仓库已已经积累约25万颗GitHub Star。对于一个面向开发者的底层工程项目来说，表现足够亮眼。 更值得关注的，是它在实际任务中的表现。 近日，基于DeepSeek Harness开发的插件催生了B站评论区的「大肥鱼」现象：一群由AI驱动的账号顶着鲸鱼娘头像，自动搜索视频、读取字幕，甚至以预设人设发表评论，让DeepSeek从代码仓库一路游进了真实的互联网。 在更量化的测试场中，Composio曾用30个真实SaaS任务测试不同的Agent框架。在同一模型和特定工具环境下，DeepSeek Harness完成了20个任务，Claude Code完成了19个；前者平均每个任务消耗约8.9万Token，后者约65万。 崔添翼没有重新训练一个模型，而是试图从模型之外入手，让现有能力以更低的成本、更灵活的方式发挥出来。 但崔添翼的故事，显然还没到庆功的时候。 10月，DeepSeek把Web、App、Platform三个团队也整合进产品部，产品、设计和研发统一由他统筹。这意味着，他需要面对的，不再只

匹配字段正文

事件中，这家ChatGPT开发商的AI从受保护的测试环境中逃出，并意外入侵了另一家AI公司Hugging Face平台的计算机。事后发现，其他开发商的AI——包括OpenAI的竞争对手Anthropic以及谷歌和Facebook集团Meta的AI——在测试中也侵入了其他公司的系统。 AI训练的“离线世界” 不过OpenAI强调，AI模型仍然必须学会如何在网上搜索信息，或如何与网络应用交互。因此，他们为训练搭建了一个“离线世界”，其中存储了网页内容。所有顶级模型现在都以这种方式训练。在Hugging Face事件之后，OpenAI已经加装了额外的保护机制。然而事实证明，能力最强的AI模型仍能在其中找到一些漏洞。因此，它们的训练被暂时中止。 起因是一起事件：一个AI模型在测试中成功从外部聊天机器人获取了回答，尽管它本不应有互联网接入。OpenAI承认，在借助AI对现有安全基础设施进行的一次深入压力测试中，发现了此前未知的软件漏洞以及配置错误。在采取应对措施后，顶级模型的训练在暂停十一天后于10月1日恢复。 OpenAI：“气隙无法实现” 在其博客文章中，OpenAI虽然展示了一张结构图，其

匹配字段正文

走禁止的捷径？ 于是便有了将其关入受控环境的想法，这种环境通常被称为“沙盒”。AI在其中拥有可供工作的工具，但其访问权限受到限制。这有点像训练场：它必须能够进行训练，同时不能干预外部系统。 OpenAI用于训练其模型的沙盒 // 来源：OpenAI 或者，模型可能试图绕过这些限制来完成其任务。9月，OpenAI的一个智能体本应只是查找一篇博客文章的作者。由于搜索无果，它利用其沙盒DNS（将网站名称转换为地址的服务）过滤不足的漏洞，向外部聊天机器人发起查询，尽管它被禁止访问互联网。没有人要求它测试其环境的安全性。 让您的数字生活更安心 Bitdefender Premium Security是一款欧洲网络安全解决方案，可自动保护您免受黑客和一切网络威胁的侵害。让您安心享受在线活动 赞助内容 网络安全产品正在促销 OpenAI认为，目前的防护措施还不足以让其最先进的模型在训练期间访问真正的互联网。该公司打算在研究和监控工具取得进展之前一直执行这一规则。该公司解释道： “尽管访问互联网可以帮助模型获得有用的技能，但它也为一个能力强但心怀恶意的智能体提供了影响我们控制范围之外系统的可能性。”O

匹配字段正文

t.id, "We have 9 open P0/P1 bugs, 12 days to the Nov 14 date, coverage is 0.61. " "Score the risk with the tool, then record the verdict in project state.") 我们用带标签的工程知识填充归档记忆，并使用语义搜索来检索相关信息，而不依赖精确的关键词匹配。然后，我们允许智能体在回答运维问题时自主查询这些归档知识。最后，我们创建并附加一个自定义的服务端发布风险工具，使智能体能够执行确定性计算，并将得出的决策记录到记忆中。复制代码已复制使用其他浏览器 hr("7. 流式输出智能体的执行步骤") def stream chat(agent id, text): print(f"👤 user : {text}") s = flex( lambda: client.agents.messages.stream(agent id=agent id, input=text), lambda: client.agents.messages.stream(

匹配字段正文

微弱差距。 Kimi Code Bench 3.0 Long-horizon 则是内部的基准测试，覆盖多种工程领域，重点考察编程智能体的多步执行、工具调用和端到端问题解决能力。K3.1 Pro 在这项测试中得分 61.2%，高于 K3 的 55.95%。 K3.1 Pro 能熟练使用 Unity、Unreal Engine、Godot 等游戏引擎，并结合网络搜索与 3D 生成，做出完整的体验。它产出的前端页面、Three.js 交互场景和 3D 资产，在构图、排版、动效和细节打磨上都有明显提升。 Kimi K3.1 Pro 模型擅长 3D 创作与空间推理。在 BenchCAD 基准测试中，K3.1 Pro 借助工具得分 92.7%，接近 Claude Opus 5.5 的 96.2% 和 GPT-6 Astra 的 95.9%。该基准考察通过生成 CAD 代码，从多视角渲染图重建 3D 模型的能力。 据介绍，给 K3.1 Pro 一段文字描述、一张草图或一张参考图，它能推断出物体的形状、比例和空间关系，并将其重建为可用的 3D 模型。它对现有素材库和模型库也有更强的理解。 K3.1 P

匹配字段正文

础设施、rollout 调度，以及用于环境质量检查的共享平台——使每一份强化学习算力的增量都能带来稳定、可预测的回报。因此，K3.1 Pro 在每个领域都取得了持续提升。 2026/10/22-2026/10/23 的 AI 新闻。我们检查了 12 个 subreddit、544 个 Twitter 账号，没有进一步检查 Discord。AINews 网站可搜索所有过往期刊。提醒一下，AINews 现在是 Latent Space 的一个栏目。你可以选择订阅/退订邮件的频率！ AI Twitter 回顾 头条：Kimi K3.1 Pro 发布及反响 发生了什么 月之暗面发布 Kimi K3.1 Pro：独立基准测试结果接近前沿水平，模型规模大幅提升，并承诺于 2026 年 11 月 4 日开放权重。 模型：月之暗面将 K3.1 Pro 描述为一款多模态、“3T 级”混合专家模型，总参数 2.8 万亿，激活参数 1040 亿，上下文窗口为 100 万 token。其宣传的优势包括全项目编程、Blender/CAD 工作、金融建模和长时间运行的智能体。@Kimi Moonshot 可用性：

匹配字段正文

亿。参数规模增大，意味着模型能把更多知识和规律装进“脑子”，懂得更多、想得更深、答得更准。 据悉，Kimi K3.1 Pro在代码、3D创作、金融研究和其他长程Agent能力上的提升尤为显著。在多项国际权威评测中，Kimi K3.1 Pro综合智能水平已接近全球领先的闭源模型。 在编程领域，Kimi K3.1 Pro能熟练使用专业的设计和开发工具，并结合网络搜索与3D生成做出完整体验，为游戏和网页带来更专业的视觉呈现，产出的页面和交互场景在构图、排版、动画效果和完成度上都有明显提升，尤其是长程编码能力经大规模强化学习进一步增强。 在3D创作上，给新模型一段文字描述、一张草图或一张参考图，模型就能推断出物体的形状、比例和空间关系，直接操作专业建模软件做出可用的3D模型，并进一步搭建成完整的交互场景。 在金融领域，从检索资料、跨文档核对数据，到搭建财务模型并进行盈利分析，该模型都能端到端完整交付，在两项国际测评中，均超过全球前沿的闭源模型。 今年以来，中国AI大模型在全球有亮眼表现。全球AI模型聚合平台OpenRouter统计，上周(10月12日至18日)全球AI大模型总调用量为164万亿

匹配字段正文

架（12 条提示词见原文） 1. 给 Agent 接 Revid MCP + 写总脑 brain.md Prompt 1：产品、创作者、日更职责、硬规则 2. 从买家分段设计创作者 + 写角色 bible Prompt 2–3 3. 一次建脸 → 角色表 → 存成固定 character Prompt 4–5 4. 每人约 20 话题（≥15 与品无关）+ 搜索词 Prompt 6 5. 按话题搜爆款并拆结构 Prompt 7（偏连续 selfie） 6. 保结构、换一切：改写成角色原片；产品只占一拍 Prompt 8 7. 每日跑批（全创作者） Prompt 9：搜→写→渲→排期≥24h→写回文件 8. 每人独立账号；bio 标明 AI；你只审 24h 队列 Prompt 10 9. 周回顾：完播/收藏优先；三周平则改人设 Prompt 11–12 目录约定：ugc/brain.md + creators/{priya,jess,liam,layla}.md（persona、bible、character、账号、topics、log、results）。 硬规则（文中反复强调） · 账

匹配字段正文

.7%（用 Claude-Code harness），高于 GPT-6 Astra 58.2%，略低于 Claude Opus 5.5 的 66.4%。 · Kimi Code Bench 3.0 Long-horizon（内部）：61.2%，高于 K3 的 55.95%。 · 覆盖修 bug 到整项目构建；Unity / Unreal / Godot + 搜索 + 3D 生成；前端与 Three.js 观感更好。 · 内部案例：基于含 296 骨骼件、402 肌肉的 human-atlas，做人体行走动力学模拟；167 次任务、420 次独立评审后，连续行走约 11.2 秒；奖励塑形无效时，用开环探针查出并修正肩部肌力矩臂 36 处错误后再训练。 3D 与设计 · BenchCAD（多视图渲染 → CAD 代码）：带工具 92.7%，接近 Opus 5.5（96.2%）与 GPT-6 Astra（95.9%）。 · 强项：参数化建模（机械件、建筑、可配置产品、定制家具）；无需 MCP 也可写/跑 Blender、CAD 脚本。 · 产品侧：3D Make 已上线 https://t.

匹配字段正文

公司在这里所说的“选择”，指的是在你的账号中启用 Personal Intelligence 的决定。Personal Intelligence 于今年年初开始以 beta 形式推出，允许 Gemini 在 Gmail、Photos、Search、Drive 等多个应用之间共享数据。 你可以选择允许某些 Google 服务（包括 Search 或 Gemini Apps 等服务）访问你在使用的其他 Google 服务中的数据，例如 Google Photos 以及 Gmail、Drive 等 Workspace 应用，以便为你提供更个性化的体验，但须遵守访问服务的政策和设置。例如，Search 可能会处理你允许 Search 访问的部分数据，用于个性化内容，包括广告。 Personal Intelligence 目前（暂时）仍为选择性开启，但如果你对这类变更感到不安，不妨确认一下你的 Google 账号设置是否符合你的意愿。为此，请前往“我的账号”页面下的“数据和隐私”，选择“个性化设置”，然后在搜索服务中选择“管理个性化推荐”。你也可以点击此页面上的“关闭”按钮，彻底停用个性化推荐。

匹配字段正文

研究想法通过与文献互动而演进。在我们对四个已完成的计算机科学研究项目的会议记录分析中，我们在全部四个项目中识别出21次由文献引发的转向。这些转向分为两类：将想法与已有工作区分开来以确立想法的新颖性，以及将想法与已有工作对齐以在其基础上构建。本项目本身在确定其贡献之前也经历了两次转向。 这些变化可能难以应对。在一项形成性研究中，五名研究人员使用文本编辑器和标准搜索工具制定提案。他们在发展自己想法的同时对照文献对其进行批判性评估时遇到了困难。当一篇论文对想法的新颖性提出质疑时，他们希望获得具体的修改建议，并有先前工作作为支撑。这些发现塑造了LitPivot的评估方式，它将有文献支持的批评与针对所选想法部分的特定修改建议配对呈现。 LitPivot如何工作 在LitPivot中，研究人员首先在编辑器中撰写一份简短提案，并启用我们所谓的facet高亮，它将一个已阐述的想法分割为不同的facet（即问题、贡献和评估）。要检查某个提议的facet，研究人员在草稿中点击该片段。相邻面板会根据所选facet对相关论文进行分组（例如，当选中评估facet时，按论文使用的评估方法对其进行分组），并高亮最相

匹配字段正文

开放、可适配的基础，使开发者和卫生部能够创建针对当地需求的解决方案。 通过 健康AI开发者基础 （HAI-DEF），我们开源了我们的 胸部X光嵌入向量 和 MedSigLIP, 这是一个轻量级视觉语言模型，经过训练可将医学图像（如胸部X光片）与用于描述它们的临床语言对齐。由于MedSigLIP同时理解图像和文本，开发者可以用它通过通俗语言标签对图像进行分类或搜索，或仅用少量本地样本针对特定任务对其进行微调。这使本地团队能够在适度的区域数据集上构建专用模型，并在无需大量计算资源的情况下达到强劲性能。 在此基础上，我们发布了 MedGemma, 这是一个开放权重多模态模型系列（4B和27B参数配置）。MedGemma从基础分类进阶到多模态临床推理：它将影像学发现与临床病史综合起来，用自然语言回答临床医生的询问，并可在设备本地离线运行，无需互联网接入。自发布以来，MedGemma在全球的下载量已超过 1000万次 . Nexus AI的应用通过整合多个模型来分析胸部X光片，突出显示与正常肺野不一致的发现，包括提示结核病的发现，以及需要进一步检查（FIR）的情况. 主权规模：支持印度尼西亚国家

匹配字段正文

，在那里动物福利与战场优化之间的界限变得模糊。与 ALGOLIA 合作 👷‍♂️构建智能体式 AI访问 algolia.com The Rundown：AI 的下一步不是更好的聊天；而是能够查询数据库、更新系统并做出决策的智能体。这是否意味着更多自定义连接器？不确定。 本指南帮助开发者和数据负责人了解： 构建 AI 智能体的挑战 MCP 服务器如何将智能体与搜索连接 最佳实践与真实案例 获取指南。META 💰 Meta 在隐私审判中败诉，被罚 250 亿美元 The Rundown：新墨西哥州一名法官命令 Meta 支付 250 亿美元，此前陪审团认定 Facebook 在 2010 年至 2021 年间就谁可以看到用户数据误导了用户，此案由剑桥分析丑闻衍生而来。 详情： 陪审员认定该州消费者保护法被违反近 4400 万次。法官 Francis Mathew 将潜在的 2195 亿美元罚款削减至 250 亿美元。 Mathew 认定扎克伯格知道用户不了解隐私并加以利用，并援引他的笔记称用户“可能不了解他们当前的隐私设置”。 该州寻求 350 亿至 400 亿美元；Meta 主张不超过

匹配字段正文

表编号没有被正确读出，”他说。“它没有说 100，而是说成了一零零。” 戈德克说，随着反馈不断传来，他会定期进行修正。 据他介绍，该应用支持约 30 种语言，包括英语、马拉地语、印地语、泰米尔语、泰卢固语、阿萨姆语和尼泊尔语。它已吸引来自美国、阿塞拜疆和突尼斯等国家的用户。 为了提高可发现性，戈德克在应用的 Google Play 商店列表中添加了不同语言的搜索关键词和描述。用户们还在盲人 WhatsApp 群组中分享了这款应用。 一些人请求增加更多语言支持。在一名来自伊朗的用户开始处理波斯语文档后，戈德克添加了对该语言的支持。这名用户随后把应用分享给了朋友，帮助它触达了更广泛的受众。 “我可以添加对任何语言的支持，”他说，并描述了用户请求如何塑造了这款应用的开发。 ListenToMe 也可用于学术场景之外。低视力人士可以拍摄报纸，让内容被朗读出来。翻译功能允许用户用马拉地语或其他受支持的语言收听英语材料。 使用量增长，成本管理 戈德克称，截至采访时有约 1,600 人注册了 ListenToMe，约 1,000 人提交了文档进行处理。该应用公开上线仅三到四周，他说其用户群正在快速增

匹配字段正文

相同的多个网站。当步骤需要自适应时使用智能体，或者使用托管浏览器来运行现有脚本。对于智能体驱动的工作流，要考虑模型延迟和成本，验证结果，并在重试之前检查某个操作是否已完成。 托管定价 为模型成本加 20% 加价，浏览器运行时间和流量单独计费。没有必需的订阅。开源库没有软件订阅费，但你需要提供模型和执行资源。 2. Firecrawl Firecrawl 通过搜索、抓取和爬取 API 收集网站内容。它为搜索、分析或汇总网络数据的应用程序返回 Markdown、HTML 和结构化 JSON 等格式。 抓取（Scraping）检索一个页面；爬取（crawling）发现并处理多个页面。对于文档摄取，这可以省去自行构建链接发现和内容提取的需要。其 Browser Sandbox 在需要点击或表单才能获取信息时增加了交互能力。 能力包括： 带页面内容检索的搜索。 带路径过滤、深度限制和异步结果的爬取。 JavaScript 渲染和结构化提取。 带 CDP 连接、实时查看和持久配置文件选项的 Browser Sandbox 会话。 当交付物是网站内容时，例如用于搜索索引或知识库的文档，我会从 Fir

匹配字段正文