Twitter AI - 2026-05-13¶
1. 人们在讨论什么¶
1.1 评估正从排行榜转向审计轨迹和专用测试框架 🡕¶
5 月 13 日最强烈的信号是：AI 评估正在围绕过程检查重构，而不再只看最终分数。至少有六项彼此独立的内容都在推动这一方向：面向智能体的日志分析、对 AI 撰写论文的捏造检测、本地智能体基准工具、新的编程智能体评估框架、开放式气候模型对比，以及安全红队测试。它们的共同点在于，实践者想要的是轨迹、判定结果以及与部署直接相关的证据，而不是排行榜上再多一个数字。
@PKirgis 指出（48 个赞、2 条回复、4,932 次浏览、48 次收藏）指出，基准测试只能说明智能体做成了什么，而日志才能说明它是怎么做成的、为什么会这样做。相关文章称，仅看结果的通过/失败指标，可能误判能力、掩盖脚手架限制，并隐藏危险操作；在分析日志后，tau-Bench Airline 中的 pass^5 几乎有 50% 属于此前未被充分激发出来的能力（论文）。@jeffr_yyy 宣布（10 个赞、2 条回复、194 次浏览、3 次收藏）介绍了 DeepEval 4.0，并称其是“面向 vibe coding 智能体的评估框架”；官方发布说明称，它现在为 Claude Code、Codex 和 Cursor 提供 CLI 命令，用于数据集生成、test run、本地轨迹存储，以及附带原因的 span 级评分（发布、GitHub）。
@chchenhui 介绍了（43 个赞、2 条回复、7,187 次浏览、13 次收藏）介绍了 FabScore：这是一条编程智能体流水线，能够从论文中提取论断、分析代码、执行实验，并给出捏造判定。项目页面和配图显示，整体论断级捏造率为 21.2%；54 篇真实会议投稿中，有 70.4% 至少包含一处捏造，即便是已接收论文，这一比例也仍有 59.3%（项目、GitHub）。
@0xHoward_Peng 重点介绍了（101 次浏览）介绍了 BenchLoop，称其可从“质量、速度和可靠性”三个维度评测本地模型，并比较原生模式与 Hermes 模式。截图把卖点说得很直接：应基于真实的智能体循环行为来评测本地模型，而不是看“截图和感觉”。@allen_ai 宣布（21 个赞、1 条回复、1,554 次浏览、7 次收藏）介绍了 AIMIP，这是一个面向 AI 气候模型的共享基准实验和数据集；Ai2 表示，第一阶段结果显示，AI 模型在关键气候指标上已具备竞争力，但在某些方面仍有不足（博客、预印本）。@Dinosn 分享了（17 个赞、960 次浏览、14 次收藏）介绍了腾讯的 AI-Infra-Guard。其公开仓库称，这是一套已落地的红队测试平台，覆盖智能体扫描、MCP 和 skills 扫描、AI 基础设施漏洞扫描，以及越狱评估（GitHub）。
讨论洞察： 对 @cb_doge 的 Grok Voice 基准测试帖子 的回复（176 个赞、59 条回复、11,261 次浏览、13 次收藏）很快就从庆祝排行榜成绩，转向部署层面的现实顾虑：有人说，真正的考验是带口音、被打断、有背景噪声、涉及支付流程和人工交接的混乱通话；一位付费用户则表示，目前每天 15 分钟的上限“彻底打乱了”工作流程。
与前一天相比： 5 月 12 日关注的是评估系统如何失灵。到 5 月 13 日，重点已从诊断转向工具化：日志、轨迹查看器、捏造判定、领域专用对比数据集，以及安全扫描器。
1.2 智能体执行、隐私和浏览器控制正成为产品界面 🡕¶
第二大主题是，人们越来越多地讨论智能体周围的环境，而不只是内部模型。浏览器控制、运行时隔离、私密处理和运营设计模式，都以一等功能的身份出现。底层问题已不再是“模型能不能行动”，而是“它能在哪里行动、在什么边界内行动，以及是否留下可审计的轨迹”。
@opera_neon_ 宣布（39 个赞、4 条回复、287,852 次浏览、22 次收藏）介绍了 Opera Browser CLI：这是一个本地命令行工具，可让 Claude Code、Codex、Cursor 及其他 CLI 智能体驱动 Opera Neon。Opera 的博客和 README 称，该工具提供 38 个命令，无需扩展或 OAuth，并开放 Neon 独有的 invoke-do、make 和 research 命令，而旧版 MCP Connector 无法调用这些命令（博客、GitHub）。回复中对早期使用场景的描述，主要集中在 QA、bug 复现和已登录工作流自动化，而不是泛化聊天。
@Cointelegraph 报道称（69 个赞、23 条回复、7,774 次浏览、6 次收藏）称，NVIDIA 和 SAP 正把具备安全、治理和执行控制的企业 AI 智能体带入 SAP 的 Business AI Platform。NVIDIA 表示，SAP 正将 OpenShell 嵌入为运行时安全层，提供隔离执行环境、文件系统与网络策略执行，以及审计轨迹，既面向 SAP 自有智能体，也面向在 Joule Studio 中构建的自定义智能体（NVIDIA 博客）。@Cameron_Dennis_ 转发了（22 个赞、4 条回复、749 次浏览）介绍了 Meta 新推出的 Incognito Chat。Meta 的发布文章称，对话会在一个连 Meta 也无法访问的安全环境中处理，不会被保存，并且默认会消失（Meta 帖子）。
@asmah2107 发布了（7 个赞、255 次浏览、13 次收藏）列出了一份简洁的“智能体系统设计概念”清单——熔断器、爆炸半径限制器、工具超时、死信队列、语义缓存、人工升级和可观测性追踪。这篇帖子与其说是在讲提示词，不如说是在公开一份部署手册，帮助智能体系统避免“在生产环境里炸掉”。
讨论洞察： 在 Opera、SAP 和 Meta 这几条线索中，模式是相同的：产品差异化正转向谁能让智能体更安全地接入真实环境。被出售的不再只是更好的模型质量，而是运行时边界、私密处理和运营护栏所构成的信任。
与前一天相比： 5 月 11 日强调的是支付、访问和合规基础设施。到 5 月 13 日，新增的是执行层本身：本地浏览器控制、运行时隔离、私密 AI 会话，以及面向智能体系统的明确运营模式。
1.3 围绕炒作、隐性 AI 使用和割韭菜的信誉反噬正在加剧 🡕¶
第三个主题是，怀疑态度正在变得更具体。这种反弹不只是笼统的反 AI 情绪，而是越来越集中到：谁在卖什么、主张是怎么包装的，以及哪些场景在没有明确披露的情况下使用了 AI。社区正把压力施加到推广者、商业指标，以及隐形部署模式上。
@ivycomb 声称（419 个赞、2 条回复、13,972 次浏览）称，不同人群对生成式 AI 都存在“压倒性的反对”；而 @ecutruin 回应了（31 个赞、5 条回复、14,738 次浏览）则称，声音最大的批评者制造了误导性的印象。这场交锋的意义不在于它像不像民调，而在于它表明：反 GenAI 情绪如今已成为 AI 讨论内部一股明确的社会潮流。
@TheAhmadOsman 抨击了（193 个赞、46 条回复、20,044 次浏览、14 次收藏）抨击他所称的围绕 Mac mini 和 DGX Spark 推广的本地 AI“割韭菜”。回复则把批评从审美问题升级为问责问题，指称那些听从早期 Mac mini 建议的人，在推荐失效后并没有得到回应。@GergelyOrosz 指出（16 个赞、6 条回复、6,174 次浏览、5 次收藏）称，一家没有订阅业务的 AI 硬件公司，不应向投资者报告 ARR；回复则演变成一场争论：所谓“年化收入运行率”究竟是合理替代说法，还是草率的财务包装。
@BenjaminGoggin 提到了（9 个赞、2 条回复、8,768 次浏览、8 次收藏）转发 NBC News 的报道称，OpenEvidence 在 4 月被用于约 2,700 万次临床接诊，并被约 65% 的美国医生使用，尽管许多患者可能并不知情（NBC News）。这里的信誉问题不是炒作，而是在高信任场景中对 AI 的隐性依赖。
讨论洞察： 最尖锐的分歧，已不再是“AI 行不行”，而是围绕披露、激励，以及当 AI 主张被夸大或采用变得不可见时，谁来承担代价。
与前一天相比： 5 月 10 日的文化反弹针对的是 slop 和拟人化。到 5 月 13 日，反弹已更偏向运营层面：推广者、商业模式包装，以及未披露的专业使用。
1.4 AI 战略正超越单一实验室叙事 🡕¶
战略讨论已经超出了惯常的前沿实验室排行榜。当天的帖子指向的是对冲、区域集聚和地缘政治重新定位：微软正为减少对 OpenAI 的依赖做准备，伦敦正把自己塑造成重要的资本中心，而随着中国缩小能力差距，美中安全对话也重新回到讨论之中。
@WOLF_Financial 总结了（37 个赞、7 条回复、7,727 次浏览、8 次收藏）转发 Reuters 的报道，称微软正在为“没有 OpenAI 的生活”做准备：它曾探索收购 Cursor，但由于可能面临监管审查而作罢；与此同时，它正围绕扩散模型初创公司 Inception 展开接触，并增强内部模型能力。@altantutar 指出（24 个赞、10 条回复、2,272 次浏览、8 次收藏）称，“你必须搬去旧金山”这种说法已经过时，并援引数据称，伦敦 AI 初创公司上一季度融资 56.5 亿美元，其中包括 Recursive 的 6.5 亿美元启动融资，以及 nscale、Wayve、Ineffable Intelligence、ElevenLabs 和 Synthesia 的大额融资。
@business 分享了（26 个赞、9 条回复、10,177 次浏览）转述了 Sebastian Mallaby 的观点：随着中国 AI 缩小差距，华盛顿已不能再忽视与北京进行安全对话。Bloomberg 文章认为，仅靠出口管制本身并不足够；如果能力继续趋同，美国还需要技术外交（文章）。
讨论洞察： 回复并未真正否认格局正在变化。分歧在于该如何回应：合作、加大竞争，还是仅仅承认 AI 资本和能力已不再集中于一座城市或一项合作关系。
与前一天相比： 5 月 12 日主要将 AI 视为国家安全基础设施。到 5 月 13 日，讨论又加入了董事会层面的对冲、区域资本形成，以及后 OpenAI 时代的定位。
2. 什么让人感到沮丧¶
静态分数仍在掩盖真正重要的行为¶
@PKirgis 指出（48 个赞、2 条回复、4,932 次浏览、48 次收藏）称，仅看结果的评估会掩盖捷径、脚手架失效和危险操作；相关论文称，在分析日志后，tau-Bench Airline 的 pass^5 几乎有 50% 属于此前未被充分激发出来的能力（论文）。@chchenhui 展示了（43 个赞、2 条回复、7,187 次浏览、13 次收藏）则展示了 AI 研究中的平行问题：FabScore 发现，70.4% 的真实会议投稿和 59.3% 的已接收投稿至少包含一处捏造。即使是庆祝基准成绩的帖子，也会立刻遭遇质疑：对 @cb_doge 的 Grok Voice 基准测试帖文 的回复（176 个赞、59 条回复、11,261 次浏览、13 次收藏）关注的是口音、打断、交接，以及每天 15 分钟的限制，而不是排行榜本身。人们的应对方式，是要求查看日志、轨迹、代码执行结果，以及能把质量、速度和可靠性区分开的基准套件。严重程度：高。值得投入建设：是。
隐私、披露和治理仍落后于真实部署¶
@BenjaminGoggin 提到了（9 个赞、2 条回复、8,768 次浏览、8 次收藏）转发 NBC News 的报道称，OpenEvidence 在 4 月被用于约 2,700 万次临床接诊，并被约 65% 的美国医生使用，而一些医疗系统仍要求临床人员不要输入受保护健康信息（NBC News）。@Cameron_Dennis_ 转发了（22 个赞、4 条回复、749 次浏览）介绍了 Meta 的 Incognito Chat，其官方发布说明称，对话会在一个连 Meta 也无法访问的安全环境中运行，并默认消失（Meta 帖子）。@Cointelegraph 报道称（69 个赞、23 条回复、7,774 次浏览、6 次收藏）介绍了 SAP 和 NVIDIA 基于 OpenShell 的企业智能体执行层；NVIDIA 将其描述为智能体接触记录系统之前的必要前提（NVIDIA 博客）。@CBSNews 转发了（7 个赞、6 条回复、4,582 次浏览、5 次收藏）还给出了另一类发现：AI 正在捏造并不存在的医学参考文献。当前的应对方式：避免使用 PHI，采用私密或临时模式，并加入运行时策略和审计钩子。严重程度：高。值得投入建设：是。
社区对证据跟不上的 AI 营销已经没什么耐心了¶
@TheAhmadOsman 抨击了（193 个赞、46 条回复、20,044 次浏览、14 次收藏）把本地 AI 硬件推广称作割韭菜，并在回复中把问题界定为：人们在为糟糕建议买单，而不只是内容惹人烦。@GergelyOrosz 指出（16 个赞、6 条回复、6,174 次浏览、5 次收藏）称，一家没有订阅业务的 AI 硬件公司，不应向投资者展示 ARR；回复显示，人们正在逐条审视这一说法。@ivycomb 声称（419 个赞、2 条回复、13,972 次浏览）称人们对生成式 AI 存在压倒性的反对，而 @ecutruin 回应了（31 个赞、5 条回复、14,738 次浏览）则称，批评之所以显得过多，是因为不满的用户更愿意发声。人们不满的不只是 AI 本身，而是无法验证的主张、薄弱的披露，以及奖励过度包装的激励机制。当前的应对方式：公开点名和人工尽调。严重程度：中高。值得投入建设：是。
3. 人们希望出现什么¶
默认具备过程感知能力的评估¶
最明确的未满足需求，是那种能够记录智能体做了什么、为什么这样做、又是在哪里失败的评估系统。@PKirgis 指出（48 个赞、2 条回复、4,932 次浏览、48 次收藏）认为日志是缺失的一层；DeepEval 4.0 已提供轨迹和本地检查循环；BenchLoop 会在本地工作负载上比较原生模式与 Hermes 模式的行为；FabScore 根据代码验证论文论断；AIMIP 则发布了面向气候模型的共享基准和数据集。这是一个已经出现多种局部解法的现实需求，但尚未形成统一的默认技术栈。机会：直接。
面向敏感工作的默认私密 AI¶
OpenEvidence 在医疗中的规模表明，人们已经在用 AI 处理敏感的专业问题；与此同时，Meta 的 Incognito Chat 和 SAP/NVIDIA 的 OpenShell 正把隐私与策略执行推到产品界面上。人们想要的是一种默认模式：敏感的 AI 使用天然具备私密性、边界感和可审计性，而不需要额外定制安全方案。这是一个现实且紧迫的需求。机会：直接。
面向 AI 辅助专业建议的清晰披露与来源追踪¶
OpenEvidence 的报道和 CBS 关于医学参考文献的警告指向同一个缺口：用户往往无法判断 AI 是否在参与、它用了哪些证据，或者所引用材料是否真实存在。同样的信誉问题也出现在金融和硬件推广讨论中——当人们无法验证主张或激励时，信任就会迅速坍塌。这既是实际需求，也是修复信任的需求：人们希望获得来源、披露和证据核验，而不必自己做取证工作。机会：竞争性。
面向需要操作真实软件的智能体的本地接口¶
@opera_neon_ 展示了（39 个赞、4 条回复、287,852 次浏览、22 次收藏）显示，市场对本地智能体的需求是真实存在的：它们需要能从终端操作真实、已登录的浏览器，而不依赖扩展或复杂的 OAuth 流程。BenchLoop 和那张智能体系统设计信息图进一步说明，如今本地智能体工作的重点是运营接口、可靠性和控制，而不只是模型权重。已有部分答案，但这个领域仍然很早期。机会：直接。
4. 正在使用的工具和方法¶
| 工具 | 类别 | 情绪 | 优势 | 局限 |
|---|---|---|---|---|
| FabScore | 研究完整性评估 | (+) | 根据代码验证论文论断，并揭示数据、实验和结果捏造 | 需要配套代码；即便是已接收论文，也仍发现较高捏造率 |
| 用于智能体评估的日志分析 | 评估方法 | (+) | 能发现捷径、隐藏的危险操作，以及最终分数看不出的未充分激发通过率 | 比通过/失败打分更费力，且需要更丰富的工具化支持 |
| DeepEval 4.0 | 智能体评估框架 | (+) | 为编程智能体提供 CLI 驱动评估、数据集生成、本地轨迹和 50 多项指标 | 指标仍需校准，也需要人工解读 |
| BenchLoop | 本地模型基准 | (+/-) | 在本地工作负载上比较质量、速度、可靠性和智能体循环行为 | 公开证据仍较早期，且大多带有推广性质 |
| AI-Infra-Guard | AI 红队测试平台 | (+) | 覆盖智能体扫描、MCP 和 skills 扫描、AI 基础设施漏洞扫描，以及越狱评估 | 自托管部署定位于私有/内部使用，而非公开暴露 |
| Opera Browser CLI | 浏览器自动化接口 | (+) | 提供 38 个命令、本地智能体控制、无需 OAuth，以及 Neon 专用 AI 命令 | 仅限本地，云托管客户端无法访问 |
| OpenEvidence | 医学知识助手 | (+/-) | 响应快、基于文献，且在医生群体中采用度极高 | 幻觉、隐私和披露问题仍然存在 |
| Meta Incognito Chat | 私密 AI 运行时 | (+) | Private Processing、聊天不保存，以及自动消失的对话 | 刚推出，面向临时/私密会话，而非持久记忆 |
| SAP Business AI Platform 加 OpenShell | 企业智能体运行时 | (+) | 提供隔离执行、策略执行、身份钩子和审计轨迹 | 绑定 SAP 技术栈，公开落地证据仍较早期 |
| AIMIP | 气候 AI 评估框架 | (+/-) | 提供用于长期气候模型比较的共享基准实验和开放数据集 | 领域仍处早期，已发布评估仍显示可靠性缺口 |
总结： 在 5 月 13 日，获得正面关注的工具，要么让 AI 更可验证，要么让智能体执行更安全、更具体。FabScore、日志分析、DeepEval、BenchLoop、AI-Infra-Guard 和 AIMIP 都在推动更好的证据；Opera Browser CLI、Meta Incognito Chat 和 SAP/OpenShell 则在推动更好的控制。竞争重点正从单纯讨论前沿模型，转向谁能最好地用轨迹、权限和领域专用约束来包裹 AI。
5. 人们在构建什么¶
| 项目 | 构建者 | 功能 | 解决的问题 | 技术栈 | 阶段 | 链接 |
|---|---|---|---|---|---|---|
| FabScore | Hui Chen 等 | 根据代码评估 AI 生成的论文，并给出捏造判定 | AI 生成的研究难以大规模验证 | 编程智能体、静态分析、代码执行、判定生成 | 已发布 | GitHub、论文、推文 |
| Opera Browser CLI | Opera | 让本地 AI 智能体驱动 Opera Neon，并从终端调用浏览器和 Neon AI 命令 | 本地智能体需要真实的浏览器自动化，同时避免扩展或 OAuth 摩擦 | TypeScript、opera-devtools-mcp、AXI CLI、Node.js | 已发布 | GitHub、博客、推文 |
| AI-Infra-Guard | Tencent Zhuque Lab | 面向智能体、MCP、基础设施和越狱扫描的全栈 AI 红队测试平台 | 团队需要在一个地方扫描 AI 技术栈中的多种风险面 | Python、Docker、OpenClaw Security Scan、Agent Scan、漏洞数据库 | 已发布 | GitHub、文档、推文 |
| DeepEval 4.0 | Confident AI | 为编程智能体提供 CLI 驱动测试、数据集生成和本地轨迹检查的评估框架 | vibe coding 智能体需要可重复的测试循环和可调试的失败结果 | Python、CLI、50 多项指标、本地轨迹存储 | 已发布 | GitHub、博客、推文 |
| AIMIP | Ai2 及社区合作伙伴 | 用于 AI 天气和气候模型比较的共享基准实验和数据集 | 气候 AI 缺少共同的开放式对比标准 | 开放数据集、评估脚本、社区报告 | Beta | GitHub、博客、推文 |
| OpenShell inside SAP Business AI Platform | SAP 与 NVIDIA | 为 SAP 和 Joule Studio 智能体嵌入运行时安全层 | 企业智能体在接触记录系统前，需要具备受策略约束且可审计的执行环境 | OpenShell、Joule Studio、SAP Business AI Platform | Beta | NVIDIA 博客、推文 |
反复出现的构建模式很清晰：团队正在围绕 AI 交付脚手架，而不是再造一个通用助手。FabScore、DeepEval、AI-Infra-Guard 和 AIMIP 都让行为更可检查；Opera Browser CLI 和 OpenShell 则让行动更有边界、也更可操作。
更强的构建信号，体现在运营层面的细节。Opera 提供可安装的命令；DeepEval 提供本地轨迹和 CLI 循环；AI-Infra-Guard 提供扫描器和 Docker 部署；FabScore 会针对论文论断执行代码；OpenShell 则在智能体接触企业系统之前加入运行时策略。多支团队正独立构建同一个缺失层：可信的执行与验证。
6. 新动态与值得关注的内容¶
OpenEvidence 已经成了医生的默认工具¶
@BenjaminGoggin 提到了（9 个赞、2 条回复、8,768 次浏览、8 次收藏）转发 NBC News 的报道称，OpenEvidence 在 4 月被用于约 2,700 万次临床接诊，并被约 65% 的美国医生使用。同一报道还称，一些医疗系统仍要求临床人员不要输入受保护健康信息，这让它的采用率更显突出：在信任和披露规范尚未稳定之前，这款工具就已嵌入临床工作（NBC News）。
Meta 正把私密处理变成面向用户的 AI 功能¶
Meta 对 Incognito Chat 的发布说明称，没有任何人——连 Meta 也不例外——能读取这些对话；它们在安全环境中运行，并默认自动消失（Meta 帖子）。这之所以值得关注，是因为隐私不再只是后端合规属性，而成了面向那些想提敏感问题的用户所营销的核心功能。
微软正明显为后 OpenAI 时代做准备¶
@WOLF_Financial 总结了（37 个赞、7 条回复、7,727 次浏览、8 次收藏）转发 Reuters 的报道称，微软曾考虑收购 Cursor，但因可能面临监管审查而退出；与此同时，公司正围绕 Inception 展开接触，并增强内部模型能力。多年来，OpenAI 一直被视为微软 AI 战略的中心，而如今，这种公开对冲已变得十分明确。
伦敦正把自己定位为前沿 AI 的资本中心¶
@altantutar 指出（24 个赞、10 条回复、2,272 次浏览、8 次收藏）称，仅上一季度，伦敦 AI 初创公司就融资 56.5 亿美元，并列举了 Recursive、nscale、Wayve、Ineffable Intelligence、ElevenLabs 和 Synthesia 的大额新近融资。帖子本身带有鼓动色彩，但融资清单足够具体，足以说明问题：关于重心所在的讨论，正在超越旧金山。
7. 机会在哪里¶
[+++] 智能体评估与验证技术栈 —— 多个独立信号都指向同一个缺口：PKirgis 想要日志分析，FabScore 根据代码验证论文论断，DeepEval 为编程智能体提供轨迹和本地循环，BenchLoop 围绕可靠性重构本地基准，AIMIP 发布用于气候模型比较的共享数据集，而 AI-Infra-Guard 则把跨智能体表面的红队扫描打包起来。这个机会很强，因为需求同时出现在研究、编程、本地部署和企业安全中。
[+++] 面向敏感工作流的私密且受策略约束的 AI —— OpenEvidence 已深度嵌入医疗领域，但隐私和证据质量问题仍未解决。Meta 正直接向用户营销私密处理，SAP 与 NVIDIA 也在把企业智能体的运行时隔离和审计轨迹产品化。这是一个强机会，因为监管场景和高信任场景中的痛点已经真实存在。
[++] 本地智能体执行接口 —— Opera Browser CLI 表明，市场确实需要能以低摩擦方式在真实、已登录浏览器中行动的本地智能体；BenchLoop 和智能体系统设计清单则说明，开发者同样希望围绕这些行动构建本地可靠性工具。这个机会处于中等水平，因为界面已经很清楚，但市场仍早且分散。
[+] AI 信誉与披露工具 —— 本地 AI 割韭菜讨论、ARR 争议、OpenEvidence 的披露张力，以及反 GenAI 情绪之争，都指向一个正在形成的需求：系统需要能证明主张、披露 AI 参与情况，并让激励更可读。这个方向仍处于早期，但日益增长的公开挫败感表明，它还会继续扩大。
8. 结论¶
- AI 评估正从结果指标转向日志、轨迹和可复现性。 Peter Kirgis 的日志分析论文称，通过/失败结果可能误判能力并隐藏危险操作；在 tau-Bench Airline 的案例研究中，pass^5 几乎有 50% 属于此前未被充分激发出来的能力。（来源）
- AI 生成研究如今面对的是可量化的完整性问题，而不是模糊担忧。 FabScore 发现，70.4% 的真实会议投稿和 59.3% 的已接收投稿至少包含一处捏造。（来源）
- 本地 AI 智能体开始获得真正的浏览器控制，而不再停留在玩具沙盒里。 Opera Browser CLI 为本地智能体提供 38 个命令，并可在无需 OAuth 的情况下访问真实、已登录的浏览器。（来源）
- 私密处理正成为 AI 的主打功能。 Meta 正明确围绕这一主张营销 Incognito Chat：连 Meta 也无法读取对话，而且聊天会默认消失。（来源）
- 在信任规范尚未稳定之前，AI 已经嵌入医生工作流。 NBC 对 OpenEvidence 的报道称，该工具在 4 月触及约 2,700 万次临床接诊，并覆盖约 65% 的美国医生。（来源）
- 信誉之争已从模型质量转向披露、推广者和商业包装。 本地 AI 割韭菜讨论和 ARR 争议表明，社区如今会迅速攻击缺乏依据的主张及其背后的激励结构。（来源）
- 微软正公开为一个不再以 OpenAI 为中心的未来做准备。 Reuters 摘要帖称，微软曾考虑 Cursor，正与 Inception 接触，并在扩大内部 AI 能力。（来源）
- 中国 AI 已足够接近，以至于重新迫使美国面对安全对话压力。 Business 分享的 Bloomberg 观点称，如果中国继续缩小能力差距，华盛顿不能只依赖出口管制。（来源）