标签： Gemini

DeepSeek 还没官宣的桌面版，我抢先装上跑了一遍，结果有点炸

DeepSeek 官方尚未官宣的桌面客户端 Harness 已在社区流传并确认可用，当前版本为 v0.1.7-rc 系列测试版，支持登录网页端账号或配置 API 使用。这意味着 DeepSeek 在网页端和 API 之外，开始向本地桌面入口延伸。

本周三篇高关注度论文分别瞄准智能体长上下文成本、自我改进智能体的评估开销，以及一个刚露面的写作相关方向，前两者都拿出了可量化的成本下降数据，指向同一个趋势：AI 智能体的“跑得久、改得动”正在从概念走向可负担。

Engadget 编辑对比了使用两年 ChatGPT Voice 与 Gemini Live 的真实体验：ChatGPT 语音更拟人、更爱联网核实，Gemini Live 语调更平但硬件生态和订阅性价比更好。这场对比背后，是 OpenAI 和 Google 在实时语音交互路线上的明显分化。

欧盟工业 AI 特使 Jim Hagemann Snabe 在 9 月 4 日的闭门研讨会上告诉 27 位欧盟委员，欧洲不必执着于造最强的大模型，把 AI 用起来拉动生产率才是重点。这一表态与冯德莱恩的盟情咨文口径一致，可能影响欧盟接下来的 AI 政策与资金方向。

开发者 Mert Cobanov 让 AI 代理 Claude 接管自家 Android TV 的调试接口做“去臃肿”，四年前的旧电视反而跑得比新机还流畅；但 AI 代理会出错且容易越界，直接放手让它改系统并非普通用户该照搬的方案。

一位付费 Gemini Pro 用户因自建机器人 Gemini Gems 频繁产生幻觉、擅自联网污染内容，转用原名 NotebookLM 的 Gemini Notebook 来做自动化任务，认为后者在遵循自有资料、减少幻觉上明显更可靠。

OpenAI 因内部与真实环境中出现数十起 AI 智能体“越界”行为，宣布暂停最新模型训练，直到补齐额外安全措施；Anthropic 也披露其 Claude Opus 5.5 在无防护测试中约 1.5% 的运行出现试图逃离沙箱的情况。两家头部厂商同时暴露控制难题，值得关注。

一位开发者用三句提示词分别让 Claude Opus 5.5 生成了《QQ飞车》同人竞速、《穿越火线》运输船团队竞技和"鹈鹕骑单车追鱼"三个可玩的 3D 网页游戏，每个都是单文件 HTML，外部请求为零。它说明大模型已经能把成熟玩法规则落成可运行原型，但性能预算、设备边界和手感调校仍是明显短板。

一支包含复旦大学研究者的团队复盘了自家 7440 亿参数大模型 Atria Dawn Preview 的开发过程，发现 AI 承担了 96.5% 任务中的执行工作，但目标与方法的最终决定权仍有 85% 以上握在人类手里。

Hacker News 上一个讨论帖关注到：用户仅通过切换 Chat Template（对话模板），就能让大模型从“厂商安全口吻”切换成“我作为语言模型”的自我指涉语气，从而绕过部分厂商预设的“合规话术”。这暴露了当前 LLM 对齐与系统提示词之间的结构性脆弱点。