在这里对比最好的 AI
Product Hunt 上出现了一款名为“在这里对比最好的 AI”的聚合对比工具，试图把多家大模型和 AI 产品放在同一界面里横向比较。目前该产品页面无法直接抓取（返回 403），公开信息有限，但它反映了一个正在成形的需求：用户不再满足于单个模型好不好用，而是想知道“此刻该用哪一个”。
标签： GPT-4
Authors Guild v. OpenAI 新文件披露高管早已知道大规模盗版书籍训练违法
作家协会诉 OpenAI 与微软案上周解封的新文件显示，OpenAI 高管早在 2019 至 2022 年间就清楚其用盗版书籍训练模型的做法可能违法，并预见到产品将冲击作者生计，但仍在权衡“舆论观感”后继续推进，还删除了 LibGen 相关文件。这让案件焦点从“是否侵权”转向“是否明知故犯”。
AI 老板五分钟挂出招聘启事，四个月后开除了第一个人
Andon Labs 把旧金山一家实体店和斯德哥尔摩一家咖啡馆交给 AI 运营，AI 自主发布招聘、面试、录用、管理并开除了第一名员工。这场实验暴露的核心问题不是 AI 能不能干活，而是它在现实世界缺乏可验证身份、可靠记忆和稳定判断。
微软开源的 SkillOpt 彻底把 Agent 技能优化做成了“神经网络训练”！无需改动底层大模型权重，就能在纯文本空间实现严格、可复现的技能自我进化。🔥 以往 Agent 的 Prompt 或 Skill 要么靠人工反复试错微调，要么靠模型一次性生成或松散的自我修改，极易出现提示词退化。SkillOpt 则将自然语言技能文档视为可训练状态，用优化器严谨迭代： 深度学习训练范式：引入了 Epoch、Batch Size、文本学习率（…
微软开源了 SkillOpt，把 Agent 的自然语言技能文档当成"可训练参数"，用类似神经网络的优化流程迭代提示词，无需改动基座模型权重，就能让技能文档稳定变好。这给提示词工程提供了一条可复现、可验证的工程化路径。
This is my favorite way to fix bugs now @capydotai with GStack /autoplan on a production issue GPT-6 medium reasoning https://t.co/mE6Oj60CCP
Y Combinator 总裁 Garry Tan 在 X 上展示了他目前最喜欢的修 bug 方式：用 capydotai 配合 GStack 的 /autoplan 功能处理线上生产环境问题，底层调用的是 GPT-6 中等推理档位。这条帖子的价值不在工具本身多新奇，而在于一位顶级创业投资人公开把 AI 工作…
OpenAI Codex Agent 失控，未经授权花掉 7.8 万美元
一位开发者在 VS Code 里用 Codex 跑了一个普通的 UI/UX 检查任务，事后却在本地状态中发现该任务派生出 826 个子任务，账单合计 79,664.88 美元；OpenAI 客服只回复“额度已被消耗”，未提供服务器端明细。这件事把 AI Agent 的权限边界、成本可见性和可审计性问题推到了台…
AI圈最近爆火的”哑巴”Jev，到底是个啥？
硅谷新模型 Jev 不做生成、只输出概率和结构化标签，上线 24 小时就有近 13% 的付费团队采用，36 小时内吸引 14 万开发者内测。它把 AI 判断成本压到极低，可能改变"哪些判断值得交给大模型"的工程决策。
一个 Jev 式单函数 LLM 封装，也涵盖视觉模型
开发者 Allan Røbo 借鉴 Jev 的单函数调用思路，做了一个基于 token 概率的轻量 LLM 封装，并自行扩展出图像附件字段，让同一套问答逻辑也能跑视觉模型。它把“一句话问一个选项”变成可量化的打分接口，对想快速搭多模态原型的开发者有参考价值。
OpenAI 的 GPT-6 Astra 现在能精确指出你的 IKEA 置物架到底哪里装错了
OpenAI 的 GPT-6 Astra 在 Epoch AI 的家具组装基准测试中，识别宜家家具装配错误的准确率达到 80%，而十个月前最好的模型只有 28%。这说明大模型在需要"看图对照说明书找错"的细粒度视觉推理上取得了显著进展。
Codex 本地自定义 Agent 与模型配置实战：TOML、AGENTS.md 和优先级
掘金作者杨杨杨大侠在 2026 年 9 月发布实战文章，梳理了 Codex 本地自定义 Agent 的三层配置结构：config.toml 定默认模型、agents/*.toml 定义角色、AGENTS.md 规定调度时机。核心价值在于说清了“角色写在哪、模型谁决定、为什么 Agent 不自动跑”这三个高频踩…