AI离「自己改进自己」还有多远?Scale推出RSI Bench
相关推荐
FLock「这那模型」获 Qwen 官方支持,联合阿里云实现性能突破,决策测试超越 GPT-5.6、Claude Opus 5
Foresight News 消息,去中心化 AI 平台 FLock.io 旗下开源决策模型 THIS / THAT「这那模型」获得阿里巴巴 Qwen 官方认可与宣发支持。该模型基于 Qwen3.5 2B 构建,利用 Qwen Max 生成训练数据,并结合 FLock Research Team 在自然语言处理领域国际学术会议 ACL 2026 上发表的 GraphSynth 和 CircuitSynth 两项研究成果,在阿里云平台完成训练。此前,FLock 已与 Qwen、阿里云建立长期技术与生态合作关系,并曾联合 Qwen 在韩国高校举办 AI Hackathon,持续推动 AI 技术创新与开发者生态建设。 据团队公布的测试结果,THIS / THAT Model 1.2 在 1710 道复杂决策测试中成功率达到 87.8%,较 1.0 版本的 40.6% 大幅提升,并超过 GPT-5.6(81.6%)和 Claude Opus 5(83.4%)。模型仅有 18.8 亿参数,无需生成输出 Token,单次决策延迟约 31.4 毫秒,可在本地设备运行,适用于 AI Agent、企业 AI 及自动化工作流等场景。 FLock.io 表示,此次模型成果进一步展示了 FLock 在原创 AI 研究、数据合成及高性能专用模型训练方面的技术实力,也是 FLock 与 Qwen、阿里云长期技术及生态合作的又一重要成果。未来,双方将继续探索高效、隐私保护型 AI 模型在更多实际场景中的应用。
微软拿千问9B改出决策模型,自测比GPT-6 Sol快35倍
动察 Beating AI 快讯,微软发布 Microsoft-Decision-1,专门帮 AI 智能体做快速判断。它基于 Qwen3.5-9B 进行后训练,只对预设选项打分,并返回各项概率。比如,决定用户请求交给哪个模型,或判断智能体该继续、重试还是转交人工。 微软称,Decision-1 在 36 项评测、近 15 万道题中准确率排名第一。其速度比第二名 Quyet-1.0-Large 快 4.5 倍,比 GPT-6 Sol 快约 35 倍。 在内部试用中,Xbox 研究团队用它给超过 1 万条玩家反馈分类。微软称,判断质量接近 GPT-6 Sol,速度快 14 倍以上,成本仅为后者的约 1/200。Copilot 团队也用它给 AI 回答打分。 Decision-1 已在 Microsoft Foundry 和 OpenRouter 上线,Vercel AI Gateway 也已接入。每百万输入 token 收费 0.042 美元,输出免费。微软尚未宣布开放 Decision-1 的模型权重。
PSI 借助 GPT 与 Claude 公布 5 项量子研究成果
ChainCatcher 消息,AI 物理实验室 Physical Superintelligence(PSI)宣布,借助 GPT-6 Astra、Claude 等模型,在 5 道长期悬而未决的量子信息难题上取得新进展,并公开论文、证明代码和验证材料。研究过程中,物理学家负责指导和核验,相关模型参与推导,团队还让 Codex、Claude Code 中的 AI Agent 编写 Lean 形式化证明,由计算机检查推理是否成立。其中一项研究证明,在特定量子场中,即使两个区域相隔很远,量子纠缠依然存在,但距离超过一定范围后,就无法再通过 CHSH 贝尔不等式检验出非局域关联。另一项研究证明,某类量子操作连续进行足够多次后,一定会破坏纠缠。这 5 项成果并非全部彻底解决了原来的难题,部分结论只适用于特定条件,仍有问题尚未解决。
瑞典政府办公室将封禁 ChatGPT 与 Claude,仅保留微软 Copilot
ChainCatcher 消息,据瑞典公共广播电台 Sveriges Radio 报道,瑞典政府办公室宣布,自 10 月 26 日(周一)起,将在员工电脑上封禁 ChatGPT 与 Claude,仅批准微软 Copilot 作为唯一通过安全审查的 AI 工具,并要求公务员转向使用 Copilot。该机构数字化总监 Mikael Wettercrantz 在员工内网发文称,在未签订正式合同的情况下使用 AI 服务可能“对我们的信息安全造成后果”。他表示已发现多起不当使用开放 AI 服务的案例,涉及所输入信息的敏感性以及 AI 生成内容的处理方式。由于缺乏正式协议,消费者级 AI 工具会将用户查询发送至外部公司服务器,而美国法律允许当局要求这些公司按要求交出数据。Copilot 得以保留,是因为政府办公室在审查后提高了其安全设置,而 ChatGPT 与 Claude 未获同等处理。部分员工仍可通过该机构内部搭建的 AI 平台访问这两款被封禁的工具。此前,瑞典税务局和国家机构护理委员会已实施类似禁令,执法局也即将作出决定;交通管理局的内部审计发现约 10 项 AI 服务被“广泛且高风险地”使用。
Walt 推出 AI 代理永续合约交易,支持 ChatGPT 与 Claude
火星财经消息,Telegram 加密应用 Walt(原 Wallet in Telegram)于 10 月 20 日宣布推出 AI 代理交易功能,用户可接入 The Open Platform 开发的 Mira、OpenAI 的 ChatGPT 以及 Anthropic 的 Claude,由其管理永续合约仓位。已连接的代理可获取实时永续合约价格与市场新闻,查看用户持仓、杠杆及清算风险,并根据指令开平多空仓位,还可设置止盈止损及定投等简单规则,全天候监控仓位。在安全机制方面,AI 代理仅能操作存入专用交易账户的资金,无法提现或转账。订单执行默认关闭,代理只能分析与建议,需用户手动开启后方可实际下单。用户可自行设定代理指令与交易限额,实时查看其每一步操作,并随时断开连接。Walt 与 The Open Platform 创始人兼 CEO Andrew Rogozov 表示,传统交易应用围绕终端、图表和订单票据构建,用户需学习如何使用,而 Telegram 用户已在 Walt 中持有资金。Walt 的永续合约业务于今年 4 月通过去中心化交易所 Lighter 上线,提供超 50 个市场,支持最高 50 倍杠杆,以 USDT 结算。该应用于 9 月 28 日由 Wallet in Telegram 更名为 Walt,其开发者称用户数超过 1.5 亿。Mira 于 2 月上线,5 月用户数突破 200 万,月活超 50 万。此外,Robinhood 上月也发布了基于专用账户的 AI 交易代理。
Coinbase:支持通过Claude、ChatGPT、Grok等代理交易US500指数及加密永续合约
Odaily星球日报讯 Coinbase 在 X 平台发文表示,用户现可通过 Claude、ChatGPT、Grok 等代理交易指数及加密永续合约,并做多 US500 指数。