西方AI圈政治正确到魔怔了：给阿里Qwen灌输「西方价值观」
相关推荐
Nous Research以15亿美元估值完成9000万美元融资
PANews 10月7日消息，据《华尔街日报》报道，开源智能体Hermes开发方Nous Research宣布以15亿美元估值完成9000万美元融资，计划将开源人工智能助手工具推向企业用户，该公司此前推出本地与云端AI agent Hermes，具备搜索、写代码、图像理解等内置技能，并可自动从用户使用中学习扩展能力。
微软要把Windows变成Agent工作台：AI能直接操作电脑，还能少花Token
动察 Beating AI 快讯，微软公布 Windows「混合智能」计划，准备让 AI Agent 直接在电脑上执行任务。获得授权后，Copilot 可以读取本地文件和近期活动，还能整理文件、排查故障、编写程序。微软演示中，它自动找齐报税材料，修改文件名、打包附件，并起草了发给会计师的邮件。 这套方案的关键，是让本地 AI 和云端 AI 配合工作。Copilot 负责接收任务，Windows 提供访问文件和执行操作的能力。部分任务可以交给电脑上的模型处理，减少云端 Token 消耗，也让敏感数据留在本地。需要更强推理能力时，再调用云端模型。 为了支撑本地运行，微软将 1370 亿参数的编程模型 MAI Code 1.1 Flash 压缩至 53GB，让它能在搭载 RTX Spark 的高性能电脑上运行。GitHub Copilot 也将通过 HydraFusion 自动选择本地或云端模型，让部分编程任务不再依赖付费的云端推理。 微软还推出 MXC 安全沙箱，限制 Agent 能访问的文件和网络，防止越权操作。目前 MXC 已正式开放。Copilot 读取本地文件、执行电脑操作等新能力，则将在未来几个月陆续登陆 Copilot+ PC。
Hermes模型榜上线，Opus 5.5第一，Astra第二却最贵
动察 Beating AI 快讯，Nous Research 给 Hermes Agent 上线模型排行榜 Hermes Index，主要用来比较不同模型在 Hermes 里的表现。所有模型都使用同一套 Hermes Agent 运行框架，支持调节推理强度的统一设为 high。榜单取 Hermes Bench、Terminal-Bench 4、Terminal-Bench Science 和 SkillsBench 四项测试的平均分，同时统计平均每任务成本。 其中 Hermes Bench 是 Nous Research 自己新做的测试，共有 150 个任务、25 类场景，覆盖 Skills、研究、图表与创作、记忆、工具调用和安全。Agent 会直接处理工作区和真实文件，最后根据生成的文件、任务状态和工具使用记录评分。 首版共测试 14 个模型。Claude Opus 5.5 以 63.31 分排第一，GPT 6 Astra 以 56.25 分第二，Claude Sonnet 5.5 以 53.14 分第三。Astra 平均每个任务花费 11.61 美元，是全榜最高。Opus 5.5 为 4.99 美元，Sonnet 5.5 为 2.82 美元，两者部分数据仍被官方标为暂定。 低价模型中，DeepSeek V4.1 Flash 得到 36.91 分，平均每任务花费 0.259 美元；GPT 6 Luna 为 33.89 分，每任务 0.141 美元。两者都进入成本与性能的 Pareto 前沿，也就是不存在价格更低、同时分数更高的模型。
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。
Laminar把Agent查错成本压到GPT-6-sol的1/23
动察 Beating AI 快讯，AI Agent 可观测性平台 Laminar 发布专门检查 Agent 执行轨迹的模型 flow-1。它会读取模型调用、工具调用和返回结果，找出 Agent 在哪一步出错、为什么出错。 flow-1 运行在 Laminar 的 Signals agent 中。模型可以搜索整条 trace（Agent 的完整执行记录），再按需查看具体步骤。训练时，Laminar 先用合成调查数据做监督微调，再通过强化学习训练工具调用和复杂 trace 分析。 在 Laminar 自建的 523 条困难 trace 测试中，flow-1 的错误检测 F1 为 0.835，GPT-6-sol 为 0.816。sol 召回率更高，能找到更多真实错误；flow-1 精确率更高，误报更少。 对于不足 10 万 LLM tokens 的 trace，flow-1 平均每条分析约 0.0011 美元，GPT-6-sol 约 0.026 美元。按 Laminar 测算，1 美元分别能分析约 888 条和 38 条 trace，相差约 23 倍。flow-1 的成本也比 GPT-6-luna 低约 25%。 目前这些成绩都来自 Laminar 自建 benchmark，暂无第三方复测。flow-1 的训练数据主要来自合成工作流，其中约 48% 是软件工程任务。社区已经有人质疑，它面对真实生产环境里没有预先设计过的新型故障时能否保持同样表现。
Cohere North 2发布：企业Agent开始有记忆、权限和预算
动察 Beating AI 快讯，企业 AI 公司 Cohere 发布 North 2。North 是一套给公司内部使用的 AI 工作平台，可以接入企业文档、Slack、GitHub 等系统，让员工直接调用 Agent 查资料、跑流程、完成任务。 North 2 给 Agent 加入跨会话记忆。员工不需要每次重新交代背景，团队也可以共享知识库、Skills、Agent 和自动化流程，常用工作不用反复从头搭。 公司还能给不同用户和 Agent 单独设权限，限制它能看哪些数据、调用哪些模型、执行哪些操作。管理员可以设置 token 配额、调用频率和总使用上限，敏感操作也可以要求人工确认。 North 支持云端或私有部署，最高可以做到完全断网运行，也可以接入 Cohere 之外的模型。