标签： 人工智能

AI 从业者 Madhu Guru 在 X 上指出，团队最常见的错误是把评估（evals）当成 agent 做完之后的附加 QA 步骤；他认为 AI 产品本质不同，评估本身就是产品规格说明书。这条观点引发了对“评估驱动开发”的讨论。

MarkTechPost Research 报道了一项名为 JEPA-Anything 的研究，尝试用同一套训练方法在 7 个不同领域构建世界模型，挑战以往"一个领域一套模型"的做法。它的意义在于：如果通用配方成立，世界模型的开发成本与门槛可能被重新定义。

Cohere 发布企业平台 North 2，把它定位成能调度任意大模型的“AI 控制中心”，可自主执行多步任务并跨会话保留上下文。对企业客户来说，这提供了一条不被单一模型厂商锁定的落地路径。

历时一年多，美国初创公司 Reflection 发布首个开源编码大模型 Beam，总参数 501B、激活 23B，主打编码、Agent 与科研任务，权重采用 Apache 2.0 协议，计划本月放出。这是美国开源阵营少见的一次重量级补位，但公开对比显示它仍未追上中国头部开源模型。