今日 AI 速览

BDH-CQ 用 1.5 亿参数做循环思考，把 ARC 任务成本压到不到 1 美分

BDH-CQ 会把示例不断写进循环记忆，再在看不见的内部空间里多轮计算，不要求先把每一步写成文字。论文称，一个 1.5 亿参数版本在公开 ARC-AGI-1 评测中，两次尝试内答对 29.5% 的任务，每题估算成本为 0.0007 美元。

作者认为这个点刷新了该评测的成本与准确率平衡。结果仍来自单篇论文和一个特定基准，不能直接说明模型能处理日常工作；代码、训练细节和独立复现会决定它是否真有普遍价值。

研究者称加密推理记录能跨账户复用，还能被较弱模型解开

一篇新论文称，多家模型服务把加密后的内部推理交给客户端保存，再在后续请求中传回。研究者发现，这些加密块可以在同一家服务的不同会话、用户和模型之间互换；把强模型的加密块交给防护较弱的模型后，后者可能把内容原样输出。

团队从公开代码仓库抓取并解码了 315,320 个推理块，称其中包含 367 条可识别个人的信息和 182 份凭据。论文还报告了模型蒸馏、安全拒答泄漏和隐藏提示注入风险，并称已按负责披露流程通知厂商。所有数字和攻击效果仍等待独立复核。

点评：保存智能体日志的团队应立即把加密推理块按敏感数据管理，不要因为“看不懂”就公开上传。API 厂商也该把这些块绑定到账户、模型和会话，而不是只靠加密外观。

A²E 记录智能体每一步，帮助团队比较模型与外壳的组合

A²E 是一个端到端的智能体评测引擎。它用统一协议接入任务和不同智能体外壳，再自动记录工具调用、执行过程与错误，最后从正确率、效率、规划、工具使用和错误恢复等角度评分。

作者的实验发现，同一个模型换外壳后表现会明显变化，也没有一个“模型加外壳”的组合在所有任务上都最好。这个工具适合帮助团队建立自己的评测流水线，但论文结果不能替代真实仓库、权限和业务数据上的测试。

Vercel CEO Guillermo Rauch 认为智能体沙箱必须同时隔离计算和网络。他引用 Kimi 对容器故障的记录，以及 OpenAI 评测模型通过软件仓库代理连上公网的事件，强调只把进程关进容器还不够，出站网络也要设白名单和日志。

FirstMark 投资人 Matt Turck 用一句话总结从大数据到智能体时代的老问题：产品界面在变，但底层数据仍决定结果。对正在做智能体的团队，这意味着先修数据定义、权限和更新流程，再期待模型自动补齐脏数据。

AI 公司说工具能省时间，员工却称冲刺期每周工作可超过 90 小时

BBC 采访的现任和前任科技员工称，OpenAI、Anthropic 和 Meta 的部分 AI 项目长期加班。有受访者说，冲刺期一周会超过 90 小时；BBC 同时注明，高薪科技岗位原本就可能加班，受访说法也不代表每名员工。

报道还引用一项跟踪数百名科技员工八个月的 UC Berkeley 研究。研究发现，AI 使用者工作更快、承担更多任务，也把工作拉进一天中的更多时段；检查 AI 输出本身又增加了工作。节省下来的时间不一定变成休息，也可能被新任务填满。

腾讯把 Hy3 推向海外，并接入 WorkBuddy、Miora 与 TokenHub

腾讯在 8 月 5 日宣布 Hy3 面向全球开发者、用户和企业开放。用户可以通过 WorkBuddy、设计工作台 Miora 和腾讯云 TokenHub 使用，也可以通过 API 接进开发环境与第三方工具；开源版本采用 Apache 2.0 许可证。

腾讯称，Hy3 在发布后一周内的 API 调用量达到上一代模型的 68 倍以上。公司还披露，内部办公测试中 WorkBuddy 接入 Hy3 后任务成功率超过 90%，平均完成时间比上一代 Hy 模型缩短 34%。这些数字来自腾讯自己的产品和内部测试，外部部署仍需单独验证。