AIMeta
Meta发布个人AI代理Muse — 可代为预订与购买
9月8日,Meta发布个人AI代理Muse,可在聊天界面中代替用户完成发邮件、预订出行、填写表单等任务。该产品已在美国的iOS、安卓与muse.ai上线,未来将支持AI眼镜,提供免费档位及付费计划。
解读
Muse运行在专用虚拟机(Muse Secure VM)上,任何联网操作均由名为Sentinel的独立代理审批;系统保留操作审计记录,权限与数据范围由用户掌控。这将“会动手的AI”——能打开浏览器持续工作、而非仅作答——推向面向大众的消费级产品。
HaLVision 观点
当代理开始代为预订与购买,电商与预订类网站的入口可能转向由代理中介。中小企业宜提前布局:提供清晰的结构化数据(营业时间、库存、价格),并整理表单与预订动线,便于代理执行。可靠的审批流程与可审计性,也是自家团队使用同类工具时的评估标准。
阅读原文 ↗AIOpenAI
OpenAI称未公开模型证明了纳维-斯托克斯方程的一项结果
9月8日,OpenAI表示其一款未公开的内部模型证明了流体力学纳维-斯托克斯方程的一项结果。据称近1万个代理并行工作88小时,并以证明辅助语言Lean完成验证。这并非对千禧年大奖难题的完整求解,OpenAI也表示不会申领奖金。
解读
结果显示在光滑外力作用下,三维解可在有限时间内出现奇点(爆破),对应大奖表述中的C与D两项。OpenAI称其9月1日开始、6日完成Lean验证;但公布后不久,纽约大学一位数学家提出可能借用了其私人研究,引发关于来源与原创性的争议。
HaLVision 观点
让上万个代理并行运行、进行长时程探索,指向了AI在科研与验证类任务上的一种方向。与此同时,关于“贡献归属”与“验证是否可靠”的争论,再次凸显处理AI成果时来源管理与可复现性的重要。对中小团队而言,比起话题热度,保留可验证的步骤与日志的运维习惯更具实务价值。
阅读原文 ↗AICISA
美国NSA、CISA与FBI警告中国AI企业进行大规模蒸馏
9月8日,美国NSA、CISA与FBI发布联合公告AA26-251A,指称DeepSeek、Moonshot AI、阿里巴巴、MiniMax、StepFun与Z.AI六家企业自2024年底以来对美国前沿模型进行工业级知识蒸馏。所涉目标据称包括Claude、GPT、Gemini与Grok各系列。
解读
蒸馏是指大量收集已有模型的输出,用于训练另一模型以复制其能力。公告称,相关请求经由原生API、云服务、第三方聚合器以及API代理(所谓中转站)隐藏元数据,规避地域限制与安全措施。此举以点名具体企业的方式,将AI竞争力上升为国家安全议题。
HaLVision 观点
该公告主要针对模型提供方,但所描述的手法——滥用API与隐匿身份——对一般企业同样有启示。应以自家API与表单会遭遇自动化大流量访问为前提,检查速率限制、使用条款与密钥管理。在采购AI时,核验供应方来源与使用条件比以往更为重要。
阅读原文 ↗Web9to5Google
Chrome 153发布,转入每两周一次的发布周期
9月8日,谷歌发布Chrome 153稳定版,并启用每两周推出一次大版本的新发布周期。本次新增单轴滚动(overflow: scroll clip)、声明式的 camera 与 microphone 元素,以及JavaScript的Iterator.zip()等。下一版Chrome 154预计9月22日发布。
解读
Chrome的更新间隔已从六周缩短到四周,此次进一步缩至两周。功能与修复以更小的步幅到达,但网站制作方需要更频繁地做兼容性验证。诸多新特性旨在简化表单、媒体采集与布局实现。
HaLVision 观点
周期缩短让功能何时可用更易预测,却也抬高了回归测试的运维负担。对中小承接方而言,预先备好主流浏览器的自动化测试与特性检测(按能力而非版本分支),即便发布提速也能稳定交付。新元素虽便利,仍宜观察支持情况后循序采用。
阅读原文 ↗WebYahoo Finance
Adobe非公开测试品牌感知AI设计工具「Project Oasis」
据报道,Adobe正在非公开测试一款名为Project Oasis的网页版图形设计工具,具备理解品牌的AI,并邀请Figma等工具的用户试用。9月7日面向社区的邀请以保密协议(NDA)为前提,在正式发布前征集反馈,主攻品牌识别与营销工作流。
解读
“品牌感知AI”指在生成素材时自动遵循色彩、字体与语气等品牌规范。Adobe与Figma此前颇有渊源——约200亿美元的收购在2022年告吹,此次动作折射出AI设计领域的再度竞争。目前仍处邀请测试阶段,尚无客户获取或收入等实绩。
HaLVision 观点
能自动落实品牌规范的工具,或有助于制作公司兼顾量产与一致性。但作品是否够味的最终判断与设计理念,仍属于人。中小制作方在评估此类工具时,宜把易于模板化的常规物料与需要差异化的项目区分开,找准适用场景。
阅读原文 ↗