找到 13 筆
海馬雲旗下 RunningHub 在 9 月的 20 天內連發 3 款 RH 系列場景化後訓練模型：H3 Lightning 把 5 秒影片生成從 6 分鐘壓縮到 28.7 秒，提速近 12 倍，且不依賴 NVLink 高速互聯，在 RTX 6000D 多卡環境即可執行，方法與復現說明已公開在 GitHub。RH Upscale 可把低解析度一鍵超分至 4K，在 13 款主流方案橫評中綜合品質第一；
一篇開發者回顧稱，Opus 4.5/6 出現後，其編碼生產力從此前略有提升變為約 3 倍，依據是數月合併 PR 的數量。此前他經歷了 ChatGPT 複製程式碼、Cursor 製表符補全和 Claude 的 agentic 程式設計，仍需把程式碼庫放在腦中並逐行審查；提升後 PR 成為瓶頸，標準庫與既有模式更受重視。文章還提到，早期用 ChatGPT 做 Python 計算機視覺專案時，幻覺暴露了模型知識的邊界，需要自行補上文件不足或獨特用例的部分。
聯想 YOGA Pro 15 RTX Spark 於 10 月 8 日 9:00 開啟全網盲約，為全球首批搭載 NVIDIA RTX Spark N1X 超級晶片的本地智慧體 AIPC。N1X 整合最高 6144 核 Blackwell RTX GPU 與 20 核 Grace CPU，端側算力達 1 Petaflop FP4，整機最高 128GB 統一記憶體、2TB 儲存、80W 滿功耗，可本地執行超千億引數大模型，並出廠預裝 35B 本地模型。
阿波羅全球管理首席經濟學家 Torsten Slok 稱，AI 對科技行業以外的美國大企業帶來「零財務回報」。他考察剔除 Alphabet、Amazon、Apple、Meta、Microsoft、Nvidia、Tesla 後的標普 493 成分股，發現其利潤率與人均營收基本持平，沒有證據顯示 AI 提升了生產率。Slok 認為企業很難把日益廉價的智慧轉化為更高的營收與利潤率，因為商業中的智慧更多是判斷力；近期多項研究也未發現 AI 帶來顯著生產力增益。
馬斯克公開發聲稱 Grok @Bot 是出色的生活與商務管家，幾乎任何事務都能幫上忙，形容它像一位天才員工。推文只給出這一定位描述，沒有披露具體功能、上線時間、價格或可用範圍。
蘋果把 AI 助手加入 Keynote、Pages、Numbers 三款生產力應用，該助手基於蘋果與 OpenAI 的模型，能理解文件上下文。在 Keynote 中，它可設計、新增動畫與潤色幻燈片；在 Pages 中，它可起草、重構和調整文字；在 Numbers 中，它可計算、視覺化並整理資料，還能建議圖表型別、建置自訂表格。三款應用在 macOS 27 及以上版本支援 Model Context Protocol，第三方 AI agent 可接入。
Anthropic 於 10 月 16 日發布兩份報告：其內部 AI agent 工作時長在 2026 年 3 月已超過員工，到 8 月 agent 數量是員工的 6 倍，同期初級崗位與技術崗招聘佔比下降，人均程式碼、銷售與合同處理產出上升，瓶頸轉向人的注意力。第二份報告對比近 1.1 萬名美國成年人與 Anthropic 員工的調查：91% 的員工認為 AI 能在 2030 年前做出諾獎級發現，美國成年人中僅 39%；
哈佛大學研究者在 700 多家公司、70 萬名員工、3 億條工作事件的資料中發現，AI 程式設計工具並未讓企業軟體產出增加或減少用人，編碼階段省下的時間被下游環節吸收。程式碼審查時長明顯增加，pull request 更常需要返工，審查者留下的評論也更多。研究據此認為人工程式碼審查是 AI 編碼效率的主要瓶頸。
針對「AI 程式設計這麼強，為何沒出現更多新軟體」的質疑，一篇分析列出九條候選解釋，並稱部分推測成分較大。其中提到：軟體確有改善，但多體現為缺陷更少、效能更好和現有產品功能更多；AI 正把通用軟體換成私人軟體，領域專家、高管和公司各自建工具與儀表盤，外界看不到。其餘解釋包括開發流程審批環節未被加速、團隊用效率提升換休閒時間，以及 AI 讓人少做少用軟體。
Anthropic 發布內部研究報告，稱初級技術崗位招聘佔比已從 27% 降至 9%，技術部門初級員工佔比自 2025 年初的 21% 降至 14%。報告顯示 AI agent 的工作時長與員工之比已達 6:1，員工人均產出隨之上升，非技術員工的程式設計類 agent 會話從 2025 年 8 月每月 2 次增至 2026 年 5 月的 90 次。招聘經理因此更看重自主性與判斷力，公司還建立了崗位中斷預警系統並優先內部轉崗。
Anthropic 發布報告稱，其技術部門初級員工佔比已從 2025 年初的 21% 降至 14%，初級技術招聘佔比降幅更大，從 27% 降到 9%。技術團隊佔整體員工比例也從 61% 降至 56%，公司稱部分原因是程式設計工具讓非技術員工能自己寫軟體。員工人均會議時間同比增加 20%，技術貢獻者增加 16%；4 月調查中 20% 員工稱工作已從做事轉為管理 Claude，報告認為人的注意力與判斷正成為生產力瓶頸。
中國人民大學與復旦等高校聯合團隊提出智慧體系統 CoworkOS，論文與程式碼已公開。它由主智慧體制定策略與驗收、協調執行時排程狀態、子智慧體執行子任務，並讓人與智慧體在同一份 CAD、Blender 作品中協作，藉助工作區、記憶與後臺任務支援跨天推進。在 12 項基準中，其生產力與機器學習程式設計均分最高（57.54、56.26）；作為遞迴自我改進探索，它組織 Qwen3.6-35B-A3B 完成五輪後訓練，八項平均分從 33.19 升至 42.95。
一篇博文提出，寫好提示詞本質上就是程式設計：兩者都要先定清輸入與輸出來源、把任務拆到每步可驗證、預想邊界情況並說明怎樣算完成。作者認為程式設計師能用 AI 大幅提效、其他行業卻收益有限，原因在於程式設計師被編譯器訓練出精確表達和除錯習慣：結果不對時先懷疑自己的指令並改一處重跑，而非程式設計師常反覆重試同一提示詞或直接判定工具不可用。作者還修正了自己此前領域專家加 agent 最有優勢的看法：判斷對錯只是後半程，先把任務說清楚才是前提。