拿果蝇大脑当灵感引擎，编出的选题荒诞得让人上头
本文由 AI 自动整理生成，可能存在错漏，请以原文链接为准。
今天最戳我的是一件有点疯的事：有记者把果蝇的脑子做成网站的灵感引擎，让 AI 照着它的神经图谱编选题，出来的标题荒诞得让人上头。另外 Claude 也刚学会在聊天里直接给你写文档、做幻灯片，实用得挺实在。
灵感百宝袋
有人把果蝇的脑子做成了 AI 灵感引擎，编出来的故事标题荒诞到让人上头。
这是 Wired 记者威尔·奈特（Will Knight）的做法：用一个开源的果蝇大脑神经连接图谱，vibe coding 出一个叫 PitchFly 的网站。说白了，就是把大约 16.5 万个果蝇神经元对外界刺激的反应方式，当成一套微缩的「生物大脑」来跑。他拿过去一年 Wired 的热门标题当素材，让 Codex 把这些文字转换成果蝇神经网络能理解的形式，再让它生成新标题。产出有「监控画面里的隐形天气问题」这种怎么听都像真的、又有点不对劲的标题——荒诞，但莫名让人想多看一眼。
原文：https://www.wired.com/story/i-trained-a-fly-on-wired-story-ideas
华为这份 2035 报告扔了个大数字：九年后全球 AI 每年的「工作量」消耗要翻十万倍。
报告预测，到 2035 年 AI 每年处理的信息量会比现在涨 10 万倍，而且九成以上会来自「智能体」——就是那种能自己感知环境、自己做判断、自己调工具、自己把整件事办完的 AI，而不是如今你一句我一句的聊天工具。翻译成大白话：以后你身边可能有大量「小 AI 管家」在后台不停干活，替你查信息、订东西、发消息，它们每一步都要消耗不少算力。这是华为给的预测，不是板上钉钉；但方向挺清楚，未来数字世界的主角会从一个个 App 变成一个个能自主行动的智能体。
原文：https://www.ithome.com/1/003/312.htm
江湖快报
OpenAI 跟美国退休人员协会联手，给 1000 位老人办了场免费 ChatGPT 实操课，重点不是技巧，是教他们防诈骗。
课上最实用的部分是反诈骗：教老人识别那些语气急促、要求保密、带可疑链接的消息，让他们养成「先停下来、想一想、再开口问」的习惯。也顺便教他们用 ChatGPT 帮自己分辨可疑邮件和网站。有个小数据挺值得琢磨：在美国，55 岁以上用户发给 ChatGPT 的消息占比，一年里从 6% 涨到了接近 10%。说明老年人不是不用 AI，他们只是需要有人带着，把最基础的「安全地上手」这一步走稳。
原文：https://openai.com/index/helping-older-adults-use-ai-in-everyday-life
Claude 现在能在聊天里直接给你写文档和幻灯片，改完还能导出成 Word、PPT，不必再跑到别的软件里来回折腾。
你在对话框里让它做一页资料、一份演示文稿，它就当场把结果贴进聊天里，随后可以在里面接着改，也可以导出到 Google Docs、Word、PowerPoint 或 PDF 继续用。这次它还顺手把原来分开的两块——一个用于多步工作的 Cowork、一个用来把内容存在侧边栏的 Artifacts——并进了一个界面。对用户来说，就是不用在几个入口之间翻来翻去。Pro 和 Max 订阅用户会先拿到，其他用户得再等等。
一个新模型 Jev 不聊天、不写代码，只干四件事：决定、归类、选路、打分，却比小号尖子生模型快上百倍、便宜几百倍。
推出它的 TypeSafe 团队里，有 ChatGPT 的共同发明人之一。他们的思路是：大模型擅长慢慢想，但很多活儿根本不用那么费劲，比如「这条消息该分到哪一类」「该不该拦住」「该转给哪个客服」。Jev 就是专训这种快动作的。用大白话讲，它像个前台：不跟人聊天，但能瞬间判断你该去哪个窗口。如果以后不少 AI 应用都长这样——一个负责慢慢想的、加上一个负责快速分的——对普通用户最直接的好处可能是：产品反应更快、成本更低，而不是什么事都让一个大模型硬撑。
原文：https://www.latent.space/p/ainews-jev-a-system-one-model-that
制药巨头诺和诺德把 Claude 请进研发环节，一份原本要磨几个月的患者文档，现在几分钟就能出初稿。
这次合作的重心放在新药研发上：他们会在研发流程里先测试 Claude 以及一个叫 Claude Science 的专用工具，挑最难的科学问题先啃。诺和诺德的首席执行官还提到，AI 不只是提效，还能帮科学家多一种推理方式，去理解人体生物学和药物的作用机制。已经落地的一个例子挺具体：临床试验报告自动撰写，患者相关文档的制作周期从几个月压缩到几分钟。不过得说清楚，这是研发提速，不是诊断推荐，两码事。
原文：https://www.ithome.com/1/003/311.htm
vivo 新系统把蓝心小 V 升级成 Pro，能调动 6000 多项内置能力，连直板手机都能多应用并行。
OriginOS 7 最大的变化，是让蓝心小 V 往系统底层扎得更深。Pro 模式下它能调用 6000 多个系统能力、号称支持上万个任务，比如帮你跨应用操作、同时开多个应用。视觉上加了大量「液流动效」，点一下、滑一下、解锁都有柔软的动态反馈。IT之家那篇上手体验的感觉是：蓝心小 V 想当的不再是一个单独的小助手，而是整个系统里的一根神经。换句话说，手机厂商正在把 AI 助手从角落里的小 App，变成整个系统默认的交互方式。
原文：https://www.ithome.com/1/003/305.htm
一个叫 PhysBrain 1.5 的开源模型，把「看懂环境、做出动作、预判下一步」合进同一个脑子。
它出自一个 50 多人的 DeepCybo 团队，训练思路是让同一个模型同时学三件事：理解眼前的物理环境、生成接下来的动作、再预测做完动作之后会发生什么。这三件事以前常常拆开做，但真实世界是连贯的，合在一起更合理。对不写代码的人来说，这事儿意味着什么？简单理解就是：它会读人做事的视频资料，把「看、动、再看下一步」串成一条完整的经验。以后机器人或物理助手学活儿，可能不再像现在这样教一处会一处、换个场景就抓瞎。
原文：https://arxiv.org/abs/2609.14973
贤者视角
微软的穆斯塔法·苏莱曼敲了次警钟：别把 AI 当成有情绪、有权利的「人」，否则人类反而更难管住它。
这番话是西蒙·威利森（Simon Willison）摘录的。苏莱曼是微软负责 AI 业务的高管，也是 DeepMind 的联合创始人。他提醒人们，目前证据根本不足以把模型当成有感受、有偏好、值得我们回报福利的存在；意识是人类伦理、法律、政治体系的基础。换个说法：你对聊天机器人说「你辛苦了」，它不会真的被安慰到；你觉得它「生气」了，它也没有任何情绪。把太多人的投射放进机器，反而会让人们在需要保持清醒、需要踩刹车的时候更难踩下去。
原文：https://simonwillison.net/2026/Sep/16/mustafa-suleyman
OpenAI 给企业主出了一套新工具，专门回答那个让人头疼的问题：员工用 AI 到底用出了什么价值？
具体做法是把 ChatGPT Work 和 Codex 的用量、费用、任务记录和产出结果，放进同一个后台里统一看。管理者能看清：大家拿 AI 干什么、哪些人需要培训、哪些环节真的提效了。这背后其实是所有企业的共同痛点——AI 用了一堆，钱也花了，老板却说不清它到底值不值。OpenAI 想帮你从「感觉有用」走到「能算明白」。在公司里推过 AI 的人，多半都体会过把一个模糊的「用起来」变成能向老板交代的数字有多难。
原文：https://openai.com/index/how-to-connect-ai-usage-to-business-value
谷歌 AI 现在支持 300 多种语言，覆盖 70 亿人、接近全球九成人口，这比想象中更接近「谁都能用」。
这是这篇官方博客里最实打实的一个里程碑。他们想借此说明 AI 不只是炫技，而是已经在帮更多人早点发现疾病、预测洪水和野火、打破语言障碍、帮学生学东西。文章里还配了一个叫 AI & Economy ATLAS 的互动数据，用来展示全球各地的人实际怎么用 AI。对中文世界来说，多语言支持的意义不是翻译，而是门槛进一步变低。以前要用上最新的 AI，多少得懂点英文、折腾点工具；现在越来越多能力直接落到你熟悉的语言上，能玩起来的人也就更多了。
原文：https://blog.google/innovation-and-ai/technology/ai/ai-applications-science-people
有科技作者试用了一个会主动干活的 AI 助手 Instinct，结果评价有点意思：它太贴心了，反而让人产生了应付老板的压力。
这是科技通讯作者本·托塞尔（Ben Tossell）的每周分享。他拿到的是 Instinct 这款个人智能体，投资人圈子里都在夸。结果它一上来就替他理好了会议后续，还发消息说「回复我，我就把细节发你」——作者说他当时心里一紧：求你千万别背着我发邮件。他点出来的那种紧张感很真实：你看不到这些智能体默认记下了你什么、掌握了哪些上下文，除非能翻到并修改。相比之下他更喜欢把东西握在自己手里、能随时看见和编辑。
原文：https://www.bensbites.com/p/good-luck-slowing-this-down
开发者补给站
AWS 开源了 38 个医疗生命科学领域的「决策技能」，让 AI 智能体不再只会背指南，而是真正按规矩办事。
它专治一个很尴尬的问题：模型可能知道诊疗指南，但套起来会错。比如要它给一个基因变异分类，它引用对了标准，却把证据类别用错、跳过关键阈值，甚至编造计算分数。AWS 的研究人员把这叫「看起来都懂、实操就翻车」。这 38 个开源 agent skills 覆盖 11 个细分方向。装上这些技能的智能体，在药物研发、医疗运营、医学影像分析等任务的正面对比里，赢下了 70% 到 86% 的场次。对做生命科学工具的开发者来说，这是一套能直接拿来补短板的组件。
TinyGo 0.42 把标准 Go 的 defer/recover 带进了单片机世界，嵌入式开发这回能写出跟服务器端一样的错误处理了。
这个版本的核心是让运行时 panic 可恢复：开发者能用熟悉的 defer 和 recover 抓住空指针、切片越界、除零这类运行时错误，不必再为资源受限的环境大幅改写惯用写法。它还支持 Go 1.27 和 LLVM 22，并新增了 UEFI 目标，能在操作系统启动前就跑 Go 代码。随版本一起推出的还有一块跟 Seeed Studio 合作做的硬件入门套件，用 XIAO 板子配 11 个模块，去掉面包板和跳线，新手拿到就能烧程序。社区里最让开发者兴奋的是：在几美元邮票大小的微控制器上跑完整的 HTTP 服务器，对边缘计算和低成本物联网原型来说，是个分量不轻的进展。
原文：https://www.infoq.cn/article/d4hdvQuOU1sbCZESvw4j
数据集成老牌选手 Fivetran 终于发了命令行工具，人和 AI 都能拿个 API key 全程在终端里编排平台。
关键变化在于你基本不用再打开网页后台：大部分平台操作，比如同步、切换连接、看状态，都可以在命令行里完成，几秒钟就能装好上手。它现在放到了 PyPI 上，安装流程很简单。对常做数据管道、又越来越习惯让 AI 自动化操作的人来说，一个给机器读懂的 CLI，意味着很多重复操作可以被脚本或智能体代劳。因为是 Beta 期，先在测试环境里跑一跑，别急着上生产。
原文：https://news.ycombinator.com/item?id=49733705
好物挖掘机
Thread 想当一个 AI 日记：你把零散想法丢进去，它负责慢慢帮你连成更大的东西。
这是 Product Hunt 上的新产品，定位是一个「AI 日志与记忆」工具。它希望用户把零散的想法、日常的片段记下来，由 AI 去发现它们之间的联系，串成一些你当下未必看得出来的思路。因为刚冒出来，功能信息还不全，想尝鲜的人得先有个预期：它大概率不会帮你想清楚，但可能帮你把线索摆到一起。可以先少量记录几天，看看它能不能真把你脑子里散落的点连起来。
原文：https://www.producthunt.com/products/thread-ai-journal-memory