Baidu Inc.@Baidu_IncAI 评分2121

欢迎回到 AI, Evolving。 在第二期节目中，我们比较中国和其他市场的公司如何为日常工作打造 AI 智能体——以及随着先进模型和基础设施日益普及，什么将让它们脱颖而出。 这一次，我们转向 DuMate，探讨智能体需要具备什么才能赢得我们的信任，并帮助个人和团队做得更多。

inclusionAI 发布 Llama-3.2-1B-Instruct-singprobe 流式安全探针

inclusionAI 推出 SingProbe，一个基于 meta-llama/Llama-3.2-1B-Instruct 的流式安全探针，复用基座模型隐藏状态，在每个 token 上对查询意图、回复不安全和幻觉风险打分，仅增加不到 0.5% 解码开销。

inclusionAI 发布 gemma-4-26B-A4B-it-singprobe：基于 Gemma 的流式安全探针

inclusionAI 发布 SingProbe，一个基于 google/gemma-4-26B-A4B-it 的流式安全探针，复用基座模型隐藏状态逐 token 打分，仅增加不到 0.5% 解码开销。

inclusionAI 发布 SingProbe 流式安全探测，基于 Qwen3.6-35B-A3B

inclusionAI 在 Hugging Face 发布 SingProbe，一个复用 Qwen3.6-35B-A3B 隐层状态的轻量流式安全探测，逐 token 输出 8 类查询意图、不安全与幻觉风险分数，探测参数仅 4.2M。

inclusionAI 发布基于 Qwen3-0.6B 的 SingProbe 流式安全探针

inclusionAI 发布 SingProbe，一个构建在 Qwen/Qwen3-0.6B 之上的流式安全探针，复用基座模型隐藏状态在每个 token 上评估查询意图、回复不安全性和幻觉风险。

inclusionAI 发布 SingProbe：基于 Qwen3.5-122B-A10B 的流式安全护栏探针

inclusionAI 在 Hugging Face 发布 SingProbe，一个构建在 Qwen/Qwen3.5-122B-A10B 上的内在流式安全护栏探针，复用基座模型隐藏状态，在每个 token 上输出 8 类查询意图、回复不安全度和幻觉风险分数，解码开销低于 0.5%。

inclusionAI 发布 Qwen3.5-0.8B-singprobe：基于隐藏状态的流式安全探针

inclusionAI 发布 Qwen3.5-0.8B-singprobe，一个基于 Qwen/Qwen3.5-0.8B 隐藏状态的流式安全探针，可在生成过程中逐 token 输出查询意图、回复不安全和幻觉风险评分，解码开销低于 0.5%。

inclusionAI 发布 Qwen3.5-397B-A17B-singprobe 流式安全探针

inclusionAI 发布基于 Qwen/Qwen3.5-397B-A17B 的流式安全探针 SingProbe，复用基座模型隐藏状态，在每个 token 上对查询意图、回复不安全和幻觉风险打分，解码开销低于 0.5%。

inclusionAI 发布 Qwen3.8-27B-singprobe：基于隐藏状态的流式安全探针

inclusionAI 发布 Qwen3.8-27B-singprobe，这是一个构建在 Qwen/Qwen3.8-27B 上的内在流式护栏探针，复用基座模型隐藏状态，在每个 token 上对查询意图、回复不安全和幻觉风险打分，解码开销低于 0.5%。

inclusionAI 发布 SingProbe：基于 gemma-4-E4B-it 的流式安全探针

inclusionAI 推出 SingProbe，一个基于 google/gemma-4-E4B-it 的流式安全探针，复用基座模型隐藏状态，在生成每个 token 时对查询意图、回复安全性和幻觉风险打分，解码开销低于 0.5%。

inclusionAI 发布 SingProbe：基于 Qwen3-4B-Instruct-2507 的流式安全探针

inclusionAI 发布 SingProbe，一个构建在 Qwen/Qwen3-4B-Instruct-2507 上的内置流式护栏，复用基座模型隐藏状态，在每个 token 上对查询意图、回复不安全和幻觉风险打分，解码开销低于 0.5%。

inclusionAI 发布 GLM-5.3-singprobe 流式安全探针

inclusionAI 发布基于 GLM-5.3 的流式安全探针 GLM-5.3-singprobe，复用基座模型隐藏状态逐 token 打分，解码开销低于 0.5%。

inclusionAI 发布 Qwen3.5-4B-singprobe：基于 Qwen3.5-4B 的流式安全探针

inclusionAI 发布 Qwen3.5-4B-singprobe，这是一个构建在 Qwen/Qwen3.5-4B 上的流式安全探针，复用基座模型隐藏状态，在每个 token 上对查询意图、回复不安全和幻觉风险打分，解码开销低于 0.5%。

inclusionAI 发布 Qwen3.5-9B-singprobe：基于隐藏状态的流式安全探针

inclusionAI 发布 Qwen3.5-9B-singprobe，这是一个构建在 Qwen/Qwen3.5-9B 上的内置流式护栏，复用基座模型隐藏状态，在每个 token 上对查询意图、回复不安全和幻觉风险打分，解码开销低于 0.5%。

inclusionAI 发布 gemma-4-31B-it-singprobe：基于 Gemma 4 的流式安全探针

inclusionAI 发布 SingProbe，一个基于 google/gemma-4-31B-it 的流式护栏探针，复用基座模型隐藏状态，在每个 token 上对查询意图、回复不安全和幻觉风险打分，解码开销低于 0.5%。

inclusionAI 发布 gpt-oss-120b-singprobe：基于 gpt-oss-120b 的流式安全探针

inclusionAI 发布 gpt-oss-120b-singprobe，这是构建在 openai/gpt-oss-120b 上的流式护栏探针，复用基座模型隐藏状态，在每个 token 上对查询意图、回复不安全和幻觉风险打分，解码开销低于 0.5%。

inclusionAI 发布 Step-3.7-Flash-singprobe：基于 Step-3.7-Flash 的流式安全探针

inclusionAI 发布 SingProbe，一个构建在 stepfun-ai/Step-3.7-Flash 上的内在流式护栏，复用基座模型隐藏状态，在生成每个 token 时对查询意图、回复不安全和幻觉风险打分，解码开销低于 0.5%。

inclusionAI 发布 Hy3-singprobe：基于腾讯 Hy3 的流式安全探针

inclusionAI 发布 Hy3-singprobe，一个构建在 tencent/Hy3 上的流式安全探针，复用基座模型隐藏状态逐 token 打分，解码开销低于 0.5%。

inclusionAI 发布 Llama-3.1-8B-Instruct-singprobe 流式安全探针

inclusionAI 发布 Llama-3.1-8B-Instruct-singprobe，一个基于 meta-llama/Llama-3.1-8B-Instruct 的流式安全探针，复用基座模型隐藏状态，在每个 token 上对查询意图、回复不安全和幻觉风险打分，解码开销低于 0.5%。

inclusionAI 发布 Qwen3-8B-singprobe：基于 Qwen3-8B 的流式安全探针

inclusionAI 发布 Qwen3-8B-singprobe，这是构建在 Qwen/Qwen3-8B 上的内在流式护栏，复用基座模型隐藏状态，在每个 token 上对查询意图、回复不安全和幻觉风险打分，解码开销低于 0.5%。

inclusionAI 发布 gpt-oss-20b-singprobe：基于 gpt-oss-20b 的流式安全探针

inclusionAI 发布 gpt-oss-20b-singprobe，这是构建在 openai/gpt-oss-20b 上的流式护栏探针，复用基座模型隐藏状态，在每个 token 上对查询意图、回复不安全和幻觉风险打分，解码开销低于 0.5%。

inclusionAI 发布基于 MiniMax-M2.7 的流式护栏探针 SingProbe

inclusionAI 发布 SingProbe，一个构建在 MiniMaxAI/MiniMax-M2.7 之上的流式护栏探针，在生成过程中复用基座模型隐藏状态，对每个 token 输出查询意图、回复不安全度和幻觉风险评分。

Perplexity 用 GPT-6 Astra 端到端接管系统

Perplexity 正使用 GPT-6 Astra 撰写沟通内容、修改软件并监控生产系统，且相比早期模型，人工检查频率大幅降低。

OpenRouter Ori Eval 教程：用 LLM-as-a-Judge 自动评估 AI Agent 输出

OpenRouter 发布教程，讲解如何用独立的 judge 模型按书面评分标准自动给 Agent 输出打分，弥补确定性测试无法检查最终回答质量的问题。

Mustafa Suleyman@mustafasuleymanAI 评分4040

这是一个非常直白且符合常识的观点：技术的目的是服务人类，加速人类繁荣。 任何无法实现这一目标的技术都是失败的，应当被拒绝。 我们还没有到那一步。但开始为这种可能性做准备是正确的。

当具身智能走到十字路口：苏度、蚂蚁灵波、自变量、破壳谈四种一线判断

苏度科技韩铮、蚂蚁灵波沈宇军、自变量王潜、破壳许华哲在 2026 Inclusion 外滩大会圆桌中，围绕具身智能的数据来源、模型路线与落地场景展开了一场未收敛的路线级分歧讨论。对话聚焦 GPT-6 Astra 的能力边界及其对具身行业的冲击，并探讨高成功率与泛化性、客户持续付费等跨越泡沫的指标。嘉宾还就五年后被高估与低估的领域给出各自判断。

Claude API Messages 支持按需压缩对话，compact-2026-09-04 beta 上线

Claude API 的 Messages API 新增按需压缩对话功能，以 compact-2026-09-04 beta 头开启。发送顶层 compaction 参数后返回带签名的压缩块概括所发消息，后续请求可先发该块替代原消息，支持后台运行、保留最近轮次原文，且在支持保留 thinking 的模型上已保留轮次的 thinking 可保持有效。

医疗与生命科学领域的智能体规模化：来自 Madrigal Pharmaceuticals、Abridge 和 Vizient 的经验

LangChain 博客总结医疗与生命科学行业智能体规模化经验：76% 受访机构将 tracing、评估和支出可见性列为扩大智能体自主权的前提，49% 正在建设公司级智能体平台或“agent factory”，33% 聚焦已有纸质记录的受监管文档与后台流程，26% 在运行或构建面向患者和会员的对话式智能体（含语音），另有 26% 尝试让非工程师在中央护栏内构建智能体。

Sakana AI 提出 PC-ALM：无需反向传播训练 1000 层网络

Sakana AI 提出 PC-ALM，一种仅靠局部动力学、无需反向传播即可训练 1000 层神经网络的局部学习替代方案。该方法将预测编码推广为使用增广拉格朗日，引入对偶神经元（拉格朗日乘子）参与层内动力学，使每层成为 PI 反馈控制系统以最小化局部预测误差。PC-ALM 能将信号传播到近乎任意深度，在标准预测编码难以学习的深层窄网络中尤其有效，并可能为神经形态硬件上的深度学习提供参考。

Demis Hassabis@demishassabisAI 评分6262

Demis Hassabis 发文表示 Dario Amodei 新文《We Must Pace the Frontier》指出了正确的前进方向，细节仍需完善，但方向对应对这一关键时刻是正确的。他还附上自己此前提出的前沿 AI 行业标准机构提案链接；Dario 原文宣布 Anthropic 将为第三方评估者提供永久员工级系统访问权限。

Peter McCrory@PeterMcCrory精选AI 评分6969

Dario Amodei 发表文章《We Must Pace the Frontier》，主张 AI 行业应放慢速度并给出三部分计划，Anthropic 单方面承诺执行其中第一步。该步骤是向第三方评估者提供永久的员工级系统访问权限，用于核验安全措施落实、报告事故并评估训练中模型的对齐情况。全文见 https://darioamodei.com/post/we-must-pace-the-frontier，作者 McCrory 认为嵌入式评估者是合理的第一步。

Claude Code v2.1.270 修复只读 git 命令误请求权限问题

Claude Code 发布 v2.1.270，修复了会话运行一段时间后 Bash 中只读 git 命令意外请求权限的问题，该问题为 2.1.269 引入的回归。

Aidan Gomez@aidangomezAI 评分4747

卡特尔这边有些“好主意”： - 你们得给我们员工级别的权限，访问你们整个运营体系 - 如果我们觉得你们不够“安全”，抱歉，为了“安全”我们得把你们关停 - 中国不会遵守，但其他所有人都得遵守！不然就没芯片！ 真是绝了。

LangChain 发布付费广告 Agent 并开源，分享构建经验

LangChain 开源其 Paid Media Agent 并复盘构建过程，该 Agent 驻留 Slack，用于管理跨五个付费渠道的广告活动。六个月内付费媒体从 0 做到占营销管道的 20%，CPL 从 6 月到 8 月下降 30%。

Logan Kilpatrick@OfficialLoganKAI 评分88

Gemini 的发展历程

为什么 Git revert 会产生冲突？

git revert 不重写历史，而是新建一个提交来撤销早先提交的改动，因此当后续提交修改了同一批代码行时就会触发冲突。例如 C2 添加功能、C3 又改了这些行，撤销 C2 便会与 C3 的改动相撞，Git 无法判断哪个版本正确。解决方式是运行 git revert C2，在冲突处暂停后手动修改文件、暂存并继续，最终生成一个干净撤销 C2 且保留 C3 的新提交。

ViggleAI@ViggleAIAI 评分4242

你肯定没见过这个： GPT-6 Astra 用于场景与道具建模 + PINOC mcp 用于可动画的高斯泼溅角色

Peter McCrory@PeterMcCroryAI 评分4646

这是该模型的一个重要局限。我们聚焦于 AI 转型的供给侧（AI 能做什么、扩散多快、劳动者转岗多快）。 价格是灵活的，总需求等于经济体的产出能力。 更多思考见 🧵

Claude Code v2.1.269 发布：新增插件 eval 套件与输出样式切换

Claude Code v2.1.269 新增 `claude plugin eval`，可对插件运行 eval 套件并输出 JSON 与 HTML 评分报告，同时加入 `/output-style [name]` 用于列出和切换输出样式。

GitHub 日本韩国营销负责人分享如何用 GitHub Copilot 把活动运营自动化为代码

GitHub 日本与韩国营销负责人 Tomoko Tanaka 撰文分享如何不写代码，用 GitHub Copilot 把活动运营从策划到会后跟进全流程自动化。