在 Amazon Bedrock 上用 Grok 4.7 构建长周期智能体
AWS 官方博客介绍在 Amazon Bedrock 上用 Grok 4.7 构建工具调用智能体，作者设计三个均有唯一正确答案的任务，在四个推理档位下各跑六次共 72 次运行，答对 67 次，xhigh 档 18 次全部正确。
推荐理由：文章给出了可复用的推理档位评测方法，读者能据此在自己的 Agent 任务上权衡正确率与 token 成本。
评测基准
全部主题模型到底谁强：Benchmark 成绩、评测方法论争议与排行榜变化的持续记录。
最新精选
第 1–12 条 · 共 12 条AWS Machine Learning Blog精选AI 评分7878
Simon Willison精选AI 评分6868 Simon Willison 用 Codex 语音模式构建博客 Newsletters 页面
Simon Willison 今天为博客上线了 Newsletters 页面，该功能几乎全部通过 ChatGPT 桌面端 Codex 语音模式（GPT-6 Astra High）在做饭的约半小时内口述完成。
推荐理由：作者完整记录了用 Codex 语音模式配合本地预览驱动编码智能体的过程，读者可据此判断该模式是否适合自己的多任务开发场景。
The Verge · AI精选AI 评分6868 OpenAI Dot 智能体上手：更像企业级软件，也能帮你点晚餐
The Verge 作者 Allison Johnson 实测 OpenAI 本周发布的 Dot 智能体，结论是它更像企业级办公软件而非个人购物助手。在预约宽带安装、登录 Ikea 账号等任务中 Dot 多次卡在安全校验，需要人工接管浏览器，顺畅度不如 Meta Muse 和 Instinct；但获得作者电脑访问权限后，它顺利完成了个人网站改版和社交媒体视频剪辑。
推荐理由：作者实测后指出 Dot 更像企业级办公软件，在安全校验环节需要更多人工接管，顺畅度不如 Muse 和 Instinct。
雷峰网精选AI 评分7272 阶跃 Step 5 Preview 跻身全球开源模型前二
阶跃星辰 Step 5 Preview 在 Artificial Analysis Intelligence Index 拿到 44 分，位列全球开源模型前二。
推荐理由：文中给出 Step 5 Preview 在 AA 榜单的分数、速度与单任务成本对照，其分阶段实测思路可迁移到其他长程 Agent 评测。
爱范儿精选AI 评分7979 DeepSeek Harness 桌面版实测：更像个人助理，还送 6 元赠金
DeepSeek 正式推出 DeepSeek Harness 桌面端，提供 macOS 和 Windows 开箱即用安装包，不再需要终端部署，登录即送 6 元赠金，有效期至 10 月 6 日。
推荐理由：实测显示 DeepSeek Harness 桌面版把终端 Agent 变成常驻本地的个人助理，定时任务和插件自生成能力可迁移到日常办公流程。
爱范儿精选AI 评分7474 匿名模型 Space Bunny Alpha 走红，实测可用草图生成可交互 3D 网站
匿名模型 Space Bunny Alpha 近日悄悄上线 OpenRouter 和 OpenCode，凭草图转可交互 3D 网页等能力冲上两个平台日调用量第一，目前免费调用。
推荐理由：作者通过草图转网页、3D 小游戏与发动机展台实测，说明又快又便宜的模型为何能成为日常主力。
爱范儿精选AI 评分7070 可灵 4.0 首发实测，国产 AI 视频再次掀桌？
可灵 AI 拿出 Kling 4.0 大版本更新，主打真实、可控、专业，将于 10 月正式上线，Kling 4.0 Flash 已于 9 月 28 日率先开放小范围体验。
推荐理由：原文把 Kling 4.0 的 10-bit HDR 输出与主流 8-bit 方案对比，并给出多参考素材的提示词分工技巧，可直接迁移到自己的视频生成流程。
X精选AI 评分6565 用 Ling-3.0-flash-VL 接管运营复盘中最烦的图表读数环节
作者用自己 X 账号的后台截图实测了蚂蚁开源的 Ling-3.0-flash-VL，验证它在细粒度图表读数上的表现。底部 11 张卡片数值全部读对，双 Y 轴图 9 天 New follows 全部命中，跌幅前三名（Shares -100%、Bookmarks -84%、Likes -72%）排序正确，像素级核对后绝大多数误差在个位数以内。
推荐理由：作者用自己真实的 X 后台截图做像素级核对，验证了轻量多模态模型在细粒度图表读数上的可用性，也给同类重复劳动提供了可迁移的验证方法。
X精选AI 评分6666 豆包工作新功能实测：AI直接改本地Excel，本地云端一键切换
作者实测豆包工作 2.28.12 新功能，AI可直接修改本地电脑上的Excel文件并在原地保存，同一对话还能一键切换本地与云端继续执行任务。作者验证修改后的文件保留了原公式、条件格式与图表，切换云端时上下文与文件均保持连贯。目前该功能支持PPT和Excel，Word尚未上线。
推荐理由：作者实测豆包工作新功能，展示AI直接修改本地Excel与本地云端无缝切换的能力，为办公自动化提供可参考的实践样本。
X精选AI 评分6666 继 UU 远程后，网易又整了一个识别速度快到没朋友的 AI 语音输入法「叭哥说」
网易有道上线 AI 语音输入法「叭哥说」，作者用同一段录音实测，其 E2E 平均识别耗时 1683ms、P95 为 2134ms，基本上一松开录制按钮结果就出来了。它用 ASR 识别与纠错润色双模型协作，支持工位级小声拾音、个人词典导入即时生效与多语言翻译；横向对比中识别速度为豆包 > 叭哥说 = 闪电说 > Typeless，而 AI 整理能力优于偏转写的豆包输入法。
推荐理由：作者用同一段录音横向对比四款 AI 语音输入法的识别速度与整理能力，并附叭哥说的延迟数据与专项测试，便于按需选型。
翔宇工作流精选AI 评分7171 LibTV＋Seedance 2.5 实测：30 秒一镜到底，Vlog 真假难辨
Seedance 2.5 发布，单段视频直出时长从 15 秒翻倍至 30 秒，支持两次视频延长、最长 90 秒，参考素材上限从 12 个提升到 50 个（30 张图片＋10 段视频＋10 段音频）。
推荐理由：文章对比 Seedance 2.0 时代的长镜头拼接痛点，拆解 30 秒直出、片段重拍与智能引用如何改变 AI 视频制作流程。
OpenAI News精选AI 评分7777 OpenAI Five 公布 Dota 对战基准结果
昨天，OpenAI Five 在现场观众和 10 万名同步直播观众面前，以三局两胜击败了一支由 99.95 百分位 Dota 玩家组成的队伍：Blitz、Cap、Fogged、Merlini 和 MoonMeander，其中四人曾有职业 Dota 比赛经历。
推荐理由：原文记录了 OpenAI Five 击败高水平 Dota 玩家的赛果，为评估当时游戏 AI 的能力边界提供了参照。