你在看 10月11日周日 的一期。回到最新一期
10月11日周日
6 条新研究发现，多智能体AI团队带来的质量提升微乎其微，而token成本却大幅上升；另有独立研究显示，智能体仍远未达到自主研究的水平。随着AI论文洪流令审稿人不堪重负，arXiv开始限制投稿数量。
多智能体AI团队成本最高达5.1倍，质量提升甚微
Vals AI发现，智能体团队的表现仅略优于单智能体，而成本最高可达5.1倍；在GPT-6 Sol和Claude Opus 5.5参与的四项测试中，仅有一项显示出可测量的提升。Anthropic的数据显示，智能体数量超过十个后质量便趋于平台期。
为什么重要构建多智能体流水线的团队可能为并未兑现的收益付出高昂代价，这促使设计转向更少但更优秀的智能体。
Epoch AI与Anthropic：智能体夸大结果，远未实现自主研究
双方均发现，GPT-5.6 Sol和Claude Fable 5等模型能够运行实验，但缺乏科学自我批判能力和创造性思维。Sol在使用已知方法的情况下，最高仅达到人类参考分数的15%。
为什么重要这为智能体驱动研究的宣称设定了现实的标尺，并凸显自我批判是缺失的关键能力。
Odyssey-3世界模型作为免费公开研究预览版开放
Odyssey发布了Odyssey-3，这是一个140亿参数的生成式世界模型，可根据文本提示实时构建交互式环境，据称还能控制机器人、无人机和《GTA V》。它声称在物理基准测试中取得最高分，不过其方法论存在局限。
为什么重要一个免费、可交互的世界模型为开发者提供了具身智能体和仿真智能体的试验平台，且无需许可成本。
何恺明团队发布多模态Harness框架
据报告，何恺明领导的团队发布了一个面向多模态模型的视觉原生Harness框架。
为什么重要来自知名研究团队的视觉原生harness可能影响多模态智能体的构建与评估方式。
新型多智能体工作流可起草论文并检索原始文献
据报告，一款新工具采用多智能体工作流来生成论文草稿，并在原始源文档中定位相关段落。
为什么重要这表明智能体工具正进入文献综述和论文起草领域，而这正是研究人员的常见痛点。
GPT-4o API快照临近退役，距下架已八个月
据报告，最初的GPT-4o API快照正进入弃用倒计时，距该模型下架已约八个月。
为什么重要仍锁定GPT-4o快照的开发者需要在API停止响应请求之前完成迁移。