watchOS 27.3 首个测试版为 Apple Watch Series 12 和 Ultra 4 上线 Audio Intelligence 功能，包括 Live Rewind 和 Siri Recap。Live Rewind 在按下数码表冠后显示最近 15 秒对话的文字记录，Siri Recap 则在后台生成带标题和要点的摘要，默认 7 天后自动删除。两项功能均需用户主动开启，且需搭配运行 Apple Intelligence 的 iPhone 16 或更新机型，初期仅支持英文。
#产品更新#语音#端侧
Apple 在 iOS 27.3 Beta 中向中国开发者开放 Apple Intelligence，相关功能接入阿里巴巴的千问（Qwen）模型。已上线的功能包括信息、FaceTime 和电话 App 的实时翻译，写作工具改写、校对与摘要，以及视觉智能、照片消除、Genmoji、邮件与通知摘要、通话转录和键入式 Siri；Siri 还可将请求转给千问以获得更深入的回答。中国版不包含 Siri AI、Siri App 以及 iOS 27 的较新 Apple Intelligence 功能，Apple 预计很快推出公测，iOS 27.3 预计 12 月发布。
#产品更新#端侧#部署/工程
iOS 27.3、iPadOS 27.3 和 macOS Golden Gate 27.3 为 Safari 加入垂直标签页布局和自适应深色模式，前者位于屏幕左侧、默认显示图标，可配合 Topics 与 Tab Groups 使用。自适应深色模式会为没有原生深色设计的网站生成深色版本，可全局或按站点开启。Siri 新增标签页与窗口管理、按站点和时间段清除历史记录的能力，网页内容理解功能将在后续推出。开发者测试版已上线，正式版将于今年 12 月发布。
#产品更新#端侧#语音
Cyclon 提出用 AI 手机替代 iPhone，在 Google Pixel 8a 上运行原型，让聊天机器人代管通知、自动回复 WhatsApp 消息并从相册取图。用户支付 199 美元预购可先拿到 Pixel 8a，最终 Cyclon Phone 预计售价 699 美元。9to5Google 质疑这类让 AI 代写回复、代发消息的体验是否真有人需要。
#产品更新#端侧
Google 为学校推出新的 AI 设置，K-12 学生账号默认关闭 Gemini、Gemini Notebook、Gemini in Classroom 和 Google Search，需学校管理员明确开启。Google 表示搜索与 AI 已深度整合，因此关闭 AI 功能的学校，学生将无法使用搜索；2027 年初将提供两种选项，一种开启 AI Overviews 等 AI 功能，另一种以 Guided Learning 替代，学校只能在接受 AI 功能与放弃搜索之间二选一。
#产品更新#Google#安全/对齐
Netflix 在电视应用顶部推出可点击的 AI Discover 标签页，目前仅面向美国一小部分用户测试，并计划在未来几周向更多人开放。首发版本按心情组织推荐，例如选择 Scare Me 后展示相关影视内容；用户还可在具体作品上选择继续推荐同类或不再推荐，并说明是已看过还是不感兴趣，以此进一步训练推荐模型。该功能此前在 Netflix 第一季度财报电话会上被高管提及。
#产品更新#搜索#部署/工程
Apple CEO John Ternus 在首次财报电话会上表示，内存涨价与供应短缺将持续到 2027 年，且未排除受影响产品进一步涨价。2026 财年第四季度营收同比增长 12%，全年营收达 4180 亿美元，iPhone 单季营收创下 576 亿美元纪录。CTO Sadih Khan 称内存与存储供应将日益限制 iPhone、iPad 和 Mac 的供给。
#行业动态#数据/训练
Apple Q4 财报披露，Gap 用 Mac mini 完全本地运行 AI 防损模型以省去云端 token 成本，佳士得用 Mac Studio 运行本地估价模型，显示企业正因推理成本、安全和数据治理转向本地 AI。财报同时提到 330 亿美元的内存涨价相关成本，Apple 还为下载量低于 200 万的应用开发者免费提供服务器端 LLM 调用。
#行业动态#端侧#部署/工程
Claude Platform 的 OpenTelemetry 原生导出进入 Public Beta，Anthropic SDK、Messages API 和 Claude Managed Agents 的 trace 可经 Zerobus Ingest 写入 Unity Catalog 表，并在 Databricks MLflow 中查看。开发者可用 Analyze trace 和 Beta 阶段的 MLflow Issues 定位错误答案与重复工具调用，再以同一批测试用例评估改动效果；输入输出仅在 content mode 设为 full 时被捕获。
#产品更新#Agent#部署/工程
Today, we’re announcing we raised our Series E & F rounds for a combined total of $1.65B. Our Series E was led by @sequoia and our Series F was led by @BessemerVP with continued investment from @nvidia. We’re excited to push the boundaries of what’s possible even more next year and this funding will enable the team to build the way we want to.
#行业动态#数据/训练
New Anthropic research: progress on provable inference for large language models. Here, we introduce FlashProve. Building on established cryptographic techniques, FlashProve allows developers to verify whether a given response came from a given AI model. It’s substantially more efficient than prior open-source methods for doing so. These proofs have a range of applications. They can, for instance, make it harder for attackers to hijack a chat, or enable safety evaluators to verify that the model they’re testing is the same one being served to customers. For our full write-up, see here: https://t.co/OIZWPb6QZa Further progress in provable inference will likely be an important part of improving trust in AI deployment. To that end, we're open-sourcing FlashProve’s code, here: https://t.co/7ky3Ir8V06 We’re grateful to our collaborators: Alessandro Chiesa, @GiacomoFenzi, @gwberg95, @miranda__christ, Rahul Dalal (https://t.co/pjWKLHWXyz) and Ben Mayer (@transmissions11).
#开源/仓库#安全/对齐#Anthropic
OpenCode 宣布 Crouton Alpha（隐身模型）未来一周免费开放，支持 1M 上下文与多模态，不使用用户数据训练，仅限部分地区可用。
#产品更新#多模态
One thing that can be tricky to figure out is how to use Jev's primitives to handle more than one intent in a single user query. My favorite way to approach this is what I call the "shopping cart" pattern: recursively pick the next thing until Jev says we're done. I've personally used this to make a coffee ordering bot for our company Slack (using @DoorDash's CLI!), as well as a fast multi-intent handler for my smart home system. Give it a shot!
#其他
斯坦福研究者 Owen Queen 和 James Zou 用 8 家开发者在 2024 年 7 月至 2026 年 9 月间发布的 20 个模型，复测了 50 条被广泛引用的 LLM 结论，发现 44% 已经失效，另有 34% 明显减弱，仅 16% 仍然成立、6% 变得更强；在有预估失效时间的 22 条结论中，平均寿命仅 15.7 个月。关于模型做不到什么的结论失效最快，9 条推理相关结论中 5 条已失效且无一保持或增强，涉及字母计数、陌生进制算术、长上下文中间信息丢失和用户反驳后放弃正确答案。案例研究中，GPT-3.5 曾编造 55% 的参考文献，GPT-6.1 Sol 为 0%、Claude Sonnet 5.5 为 1%，但 Qwen3.7-Flash 仍达 69%。研究者建议把 LLM 实证结论表述为特定时间特定模型上的观察，并公开提示词和分析代码以便复测。
#论文/研究#数据/训练#现象/趋势
OpenAI 称其硬件团队用 GPT-6 Astra 设计了一款让用户与 Codex 编码智能体对话的设备，作为副项目在不到一周内完成。Astra 承担了外壳设计、含元件选型与走线的 PCB 布局、固件和用户界面等全部环节，代工厂在不到一个月内产出少量原型，但因 Astra 未总能考虑制造约束、公差和装配细节，经历了几轮修改。OpenAI 还称一款未公开细节的内部模型在 BenchCAD 2.0 上得分 0.875，GPT-6 Astra 在最高推理档位为 0.594；其硬件团队在机器人、算力基础设施等领域使用 Codex 和 ChatGPT 处理 CAD 模型、制造图纸与仿真，token 用量自 2 月以来增长 23 倍。
#行业动态#Agent#编码
I use Notion as a ledger for my @bot cloud agents. I have a bot that takes in all my PR work and hands it out to cloud agents. With several running at once, the problem stops being code. It's knowing what's in flight, who owns it, and what's stuck and why. Chat history is bad at that, really bad. It's long, it scrolls away, and every bot and agent has its own. So everything goes in one table: > one row per PR > row is created immediately when work starts > store owner cloud agent, CI status, next step > agents check the table before starting > asking "where's that PR?" just reads the row > daily sweep against the real PRs > done rows hidden, never deleted The result is that no two agents fix the same bug, and I can ask about any PR and get a straight answer. So far it's only lost 11 PRs, and those never got a row... More on this setup soon ✌️
#现象/趋势#Agent
GLM 5.2 is 5x cheaper than Opus 4.8 and 11x than Fable 5, yet it tops PostTrainBench. That’s exciting because lower costs make personalized intelligence economically viable. Every company and country should be able to own models trained on its own data and have sovereignty over it. The future is millions of models, each crafted around the data, values, and decisions of the people who rely on them.
#其他
#开源/仓库#视频#多模态
#开源/仓库#视频#多模态
#开源/仓库#视频#推理