苹果公司近日宣布了一项重大举措，将为更多用户提供测试其最新软件更新的机会。这一更新不仅将为虚拟助手Siri注入人工智能，还将在即将发布的iPhone16系列上实现多项自动化功能，引发了业界广泛关注。从周四开始，苹果向注册测试用户开放了iOS18.1的免费更新。值得注意的是，目前仅有去年推出的两款高端iPhone配备了运行新AI功能所需的强劲处理器。然而，这一局面将在周五发生改变，届时四款全新的iPhone16型号将登陆市场。所有iPhone16机型，起价从800美元到1200美元不等，都将支持这

苹果刚刚发布了 iOS 18.1、iPadOS 18.1 和 macOS Sequoia 15.1 的公开测试版，其中包括即将推出的 Apple Intelligence 功能，如文本重写工具、闪亮的新 Siri 设计、用于从照片中删除对象的“清理”工具等等。来源:苹果用户可通过苹果的测试版软件计划网站注册以获得测试资格。完成注册后，用户可以在设备设置中下载并安装相应的测试版更新。不过，目前仅限部分设备能够使用这些新功能，包括去年发布的 iPhone15Pro 以及即将发布的 iPhone16和 iPhone16Pro。此外，配备 M1或更新芯片的 iPad 和 Mac 也将支持这

法国AI初创公司Mistral于9月17日宣布了一系列重大更新，意在吸引开发者并扩大其市场份额。这家估值60亿美元的公司推出的新举措包括免费测试套餐、大幅降价和新增多模态功能，展现了其在日益激烈的AI模型提供商领域的进取心。Mistral通过其API服务平台la Plateforme推出了免费套餐，允许开发者无偿试验、评估和制作原型。尽管生产环境使用可能需要升级到付费商业层级，但此举无疑降低了开发者的入门门槛。这一趋势与OpenAI和Google等巨头的策略相似，反映了高级大型语言模型（LLM）在开发

最近，微软发布了一个名为 Windows Agent Arena（WAA）的新平台，专门用于测试人工智能助手在真实 Windows 操作系统环境中的表现。这个创新的基准测试工具旨在加速 AI 助手的发展，使其能够在各种应用中执行复杂的计算任务，提升人机互动的效率。研究团队在 arXiv.org 上发布了一篇论文，指出大语言模型在作为计算机助手方面展现出巨大潜力，能在需要规划和推理的多模态任务中提升人类的工作效率和软件可访问性。然而，如何在真实环境中衡量 AI 助手的表现，依然是一个难题。Windows Agent

最近，一位reddit网友在论坛上分享了他使用 OpenAI 最新模型OpenAI o1解答高中数学题的效果，结果竟然全对了。@FitAirline8359表示，自己使用了中国高校往年的高年级数学期末考试题，并将这些问题交给 OpenAI 的最新版本o1，没想到在短短20分钟内，OpenAI o1竟然全部答对了。这一结果让他感到非常震惊，也引起了不少网友的关注与讨论。这位网友在帖子中提到，自己一直对人工智能的能力充满好奇。为了测试 AI 的数学水平，他搜集了几份过往的中国高中的数学考试题。首先，他将考题的图像上传

艾伦·图灵于1950年提出的图灵测试，旨在评估机器的智能，通过文字交流使人类难以区分机器与人类。近期，加州大学圣地亚哥分校科学家探索了在阅读对话记录而非直接交流情况下，AI与人类区分对方的能力。他们设计了倒置图灵测试和移位图灵测试，结果显示，AI裁判的准确率低于直接参与交流的人类，且在某些情况下，AI甚至错误地将AI识别为人类。这表明，在没有直接交流的情况下，无论是AI还是人类，都难以准确判断对话者的身份。这一发现对在线交流和假信息检测具有重要意义，提示需要发展更精确的工具来区分AI生成内容与人类生成内容，以保障数据安全和网络环境的真实性。

现代关系数据库中，基数估计（CE）技术对于优化查询执行计划至关重要，直接影响到查询效率和数据库性能。传统的基数估计方法基于简化假设，常在复杂查询预测上表现不佳，而学习型CE模型能提供更准确预测，但面临训练时间长、需大量数据和缺乏系统评估的问题。为解决这一挑战，Google研究团队推出了CardBench基准测试框架，集成了超过20个真实世界数据库和数千个查询，支持三种主要设置：基于实例的模型、零样本模型和微调模型。CardBench不仅提供数据统计计算工具、SQL查询生成和注释查询图创建功能，还包含训练数据集，用于评估不同学习型CE模型性能。通过CardBench，微调模型在性能评估中展现出色，即使在少量训练数据下也能达到与传统方法相当的准确性，这为实际应用提供了可能，推动了学习型基数估计领域的进步。

深圳元象信息科技有限公司推出了国内首个基于物理的3D动作生成模型MotionGen，该模型通过融合大模型、物理仿真和强化学习等前沿算法，使用户仅需输入简单文本指令即可生成逼真、流畅的3D动作。这一创新大幅降低了3D内容制作门槛，为动画、游戏、电影和虚拟现实行业带来更高创作自由度和效率。MotionGen模型具备精准文本理解能力，能分析复杂指令并生成相应动作，支持从基础到复杂动作的广泛需求。背后的核心技术MotionGenGPT算法，结合强化学习、物理仿真、VQ-VAE和Transformer模型，实现了高细节表现力和与文本指令的高匹配度。MotionGen模型处于测试阶段，用户可申请免费试用，体验革命性的3D动作生成技术。

谷歌正在进行“Ask Photos”功能的测试，该功能使用户能通过自然语言与个人照片库互动，如提问查看去过每个国家公园的最佳照片或查询车牌号。这一功能还未正式发布，但已包含在谷歌应用的最新版本中。通过“Ask Photos”，照片和视频将转变为一个能智能提取信息和上下文的视觉数据库。报告指出，代码中包含的关键词暗示了与谷歌Gemini相关的新扩展功能。此功能可能与即将在Google Photos应用中推出的“Ask Photos”特性相似，与常规搜索结果结合，并可能利用Google Lens增强输出内容，如识别图片中的物品价格或收集名胜古迹信息。如果“Ask Photos”与Google Lens结合，将为用户提供一个强大的工具，利用最新的网络上下文轻松搜索Google Photos库。

在云计算和SaaS广泛应用于企业数字化转型的背景下，初创公司Opkey宣布完成4700万美元的B轮融资，旨在加速其AI驱动的ERP测试平台发展。该平台由Pankaj Goel及其团队开发，旨在解决频繁更新ERP系统可能导致的功能问题。Opkey已与200多家大型企业合作，涵盖Oracle、Workday、Salesforce和SAP等知名平台，通过自动化测试帮助企业监控系统集成、更新和用户接受度，确保ERP系统在快速变化的环境中稳定运行。此次融资由PeakSpan Capital领投，总融资额达到4700万美元。随着全球企业每年在ERP软件上的730亿美元支出，确保ERP系统的正常运行对企业的营收和品牌形象至关重要。自动化测试和数据管理成为企业不可或缺的部分。

Google AI Studio发布全新原生提示库，集成了长文本上下文、多模态输入（图像、视频、音频）与结构化输出等功能，旨在为用户在教育、编程、旅行等多领域提供丰富多元的体验。此库包含配方生成器、数学导师、数学作业生成器、寻宝游戏设计、单元测试生成器、旅行建议等实用功能，通过直观展示和全面信息，增强用户探索感与创新体验。用户只需登录Google AI Studio，访问Prompt Gallery，选择合适提示词并输入需求，即可获取所需内容。该工具的推出为内容创作与日常工作的便利性带来了显著提升。

微软计划在10月为Windows Insiders推出争议性功能Recall AI，原定于6月与C o p i l o t Plus PC一同发布，但因安全问题推迟。Recall功能允许用户截图电脑内容，方便搜索和回顾历史，还具备时间线功能。尽管微软声称功能安全私密，但安全人员发现数据库未加密，引发隐私担忧。为回应隐患，微软将采取措施：用户需选择启用Recall，对数据库进行加密，并使用Windows Hello进行身份验证。微软首席负责人表示安全是首要任务，预计Recall预览版将提供值得信赖的体验，正式发布可能延至明年，需经过全面测试。

Geekbench AI 是一款新发布的跨平台工具，专为评估 AI 密集型工作负载设计。它通过测量设备的 CPU、GPU 和 NPU，以及支持多种机器学习框架，来判断设备处理 AI 应用程序的能力。Geekbench AI 提供全精度、半精度和量化分数，并伴随准确性评估，帮助用户了解模型执行任务的真实程度。用户可在 Windows、macOS、Linux、Android 和 iOS 平台上下载并测试设备的 AI 处理性能。随着 AI 技术的发展，这款工具为评估设备在 AI 任务上的表现提供了重要依据。

Geekbench AI是一款全新的跨平台工具，旨在评估设备在AI密集型工作负载下的性能，通过测试CPU、GPU和NPU，判断设备处理机器学习应用的能力。它支持多种AI框架，如ONNX、CoreML、TensorFlow Lite和OpenVINO，并从速度和准确性两个维度评估性能，提供全精度、半精度和量化精度三个分数。此外，Geekbench AI的测试结果包含了准确性测量，以评估工作负载输出与真实结果的接近程度。该工具已在Windows、macOS、Linux、Android和iOS平台上发布，用户可下载试用。随着AI技术的发展，Geekbench AI的出现改变了评估设备性能的方式，为设备AI能力的评估提供了新标准。然而，AI性能测试仍处于早期阶段，其与实际用户体验的关联及准确反映不同AI应用场景下的设备表现还需进一步观察。

Geekbench AI是一款全新跨平台工具，用于评估设备处理密集型工作负载的性能，特别关注机器学习任务。它通过测量CPU、GPU和NPU性能，提供全精度、半精度和量化评分，并纳入准确度评估。支持多种机器学习框架，包括ONNX、CoreML、TensorFlow Lite和OpenVINO。此工具在Windows、macOS、Linux、Android和iOS上均可使用，旨在全面评估设备在不同任务中的表现。

为了测试这些AI的"抗压能力"，一群研究者玩起了"大冒险"。他们搞了一个叫Self-Contradictory Instructions（SCI）的测试，简直就是AI界的"死亡挑战"。这个测试包含了20，000个自相矛盾的指令，涵盖了语言和视觉两大领域。比如，给你看一张猫咪照片，却让你描述这只"狗"。这不是为难人吗?哦不，是为难AI。

埃隆·马斯克于8月11日通过X平台宣布，由其人工智能公司xAI开发的新型大语言模型Grok2的测试版即将面世。马斯克曾在三月份预测，Grok2将在各个性能指标上超越当前市场上的AI模型。

Anthropic公司宣布扩大其漏洞奖励计划，旨在测试一种“下一代AI安全缓解系统”，主要聚焦识别和防御“通用越狱攻击”。特别关注高风险领域，包括CBRN防御和网络安全。参与者有机会提前接触新安全系统，发现漏洞或绕过安全措施，最高奖励15,000美元。此举措旨在提升AI系统安全性，通过吸引安全研究人员共同发现和修复潜在威胁，为AI行业安全防护树立标杆。

OpenAI最近发布了GPT-4o系统卡，详细介绍了在推出新模型前的安全措施和风险评估。GPT-4o在五月份正式上线，评估显示整体风险为“中等”，主要风险集中在网络安全、生物威胁、说服力和模型自主性上。研究人员发现，虽然GPT-4o在影响读者意见方面可能更具说服力，但整体上并未超过人类。在发布系统卡的同时，OpenAI面临来自内部员工和州参议员的批评，质疑其安全标准。一封公开信呼吁提供关于如何处理举报者和安全审查的解答。GPT-4o的发布正值美国总统选举前，存在误传信息或被恶意利用的潜在风险。OpenAI希望通过实际场景的测试来防止滥用，但其透明度受到了公众的关注，尤其是加州参议员斯科特·维纳正在推动的一项法案，旨在规范大型语言模型的使用，并要求公司在其AI被用作有害用途时承担法律责任。

YouTube正在进行一项创新实验，将Google Gemini人工智能技术与其平台进行整合，旨在为内容创作者提供更强大的创意支持。这一消息最近在YouTube的Creator Insider频道上公布，引发了业界的广泛关注。