档案重建版 — 这一期的页面是后来根据当期录播逐字稿与信源清单还原的,按主讲当天的讲述顺序组织,不做事后追加。文中判断都是 2025 年 12 月当时的判断,未按后来的发展修改。 页尾的「本期资料」是当期备课笔记与链接的分类整理,类别和顺序保持笔记原样。
2025-12-12 · 72 分钟 · 逐话题
一年趴在 5% 以下的那张榜,半年冲到了 50 分
这期有一张涨得很吓人的曲线:一道专门设计成「人觉得简单、AI 觉得很难」的题,主流模型整整趴在 5% 以下大半年,从年中开始一路冲到 40、50 分。
01
AI 开始席卷地摊生意
有人列了一批例子,说 AI 正在席卷地边摊。第一个是 AI 调香:报上你的名字和 MBTI,它给你调一款「适合你」的香。纯粹的情绪价值,但吸引力是真的。去电商平台搜一下,确实有专门做这个的,还自己做了 App——把 MBTI 和偏好扔进去,后面大概率就是跑一遍模型,出一个几种香的配比。
准不准根本不重要,买个开心就行。
另一个是 AI 手串。这个领域的特点是:一,很赚钱;二,极其不透明——每颗珠子到底值多少钱,没有任何市场参考价,怎么搭配、配方怎么讲究,也全靠说法。这种「定价靠叙事」的行业,恰恰是最容易被 AI 生成的叙事接管的。
02
那张智力测试榜,半年从 5% 冲到 50
这套评测的思路是:给你左边一个图和它的答案,再给你一个新图,问答案是什么,本质是智力测试题。宗旨就是「对人相对简单,对 AI 很难」。
曲线是这样的:今年年中以前,主流模型基本都趴在 10% 以下,很多在 5% 以下。从年中开始猛涨——两周前发的一个版本拉到三十几分、接近 40;另一个拉到 40 出头、45;还有号称能到接近 50 的。
升级版的题上,最高跑到了 52.9 分。
涨得太快,直接产生了连锁反应:据说有个版本本来还想再往后推一推,是被这张榜逼着提前发的。
03
这一周还在发生的几件事
硬件侧:H200 的出口被放开。
效率侧:推理效率被单独拎出来讲——同代模型之间,效能差距在变大而不是变小。
提示词侧:有研究发现,「你是某某领域专家」这类人设提示词,在困难的事实性问题上并不能提升准确率。这是个挺反直觉、但对日常用法很有用的结论。
相关信源
- 专家人设提示词并不能提升困难事实性问题的准确率 — 宾夕法尼亚大学沃顿商学院 当期信源清单
- OpenRouter · State of AI 当期信源清单
本期资料
当期笔记与链接清单
主讲当期备课笔记的分类整理,共 7 个类别、58 条链接。类别、顺序和笔记里的批注保持原样,链接标题取自原文页面。
观点洞察与事件 Insight & Event15
- 美国放开出口H200
- AI驱动的言论市场(时间轴上的移动 with LLM)
- 剑桥大学提出战略自我提升AI智能体框架,AI劳动力市场的经济动力学规律
- AIA 预测Agent
- AI路边摊,下一个市民经济风口-虎嗅网 huxiu.com
模型 Model32
AI基础设施 AI Infra
- OpenAI State of Enterprise AI
- State of AI from OpenRouter
基础模型 Foundation Mode
- GPT-5.2
- G
- Meta提出"共同改进"范式:人机协作通往超级智能的更安全路径
- 阿联酋MBZUAI发布K2-V2
- Inference Efficiency matters
- Microsoft VibeVoice-Realtime-0.5B
- DeepSeek v3.2 效能差距在变大
- 腾讯混元团队提出MoCA:通过组件混合注意力机制实现可扩展的组合式3D生成,支持单个资产最多32个组件
- LM Arena movements: The Arena added Baidu’s ERNIE‑5.0‑Preview‑1103 to the text leaderboard (preliminary) and shared YTD trends across top labs. Links: ERNIE entry, trends.
- Best model polymarket.com
- 康奈尔大学提出ShadowDraw:将任意3D物体转化为影子-线条画组合艺术,实现物理投影与生成式绘画的无缝融合
具身模型 Embodied AI
AI安全 AI Security
- OpenAI提出Confessions方法:通过自白机制监测模型不当行为,准确率超95%
- OpenReview 被攻击
评测 Benchmark9
上下文工程 Context Engineering2
- 宾夕法尼亚大学沃顿商学院发现专家人设提示词并不能提升AI模型在困难事实性问题上的准确率
应用和行业方案 Application & Solution4
应用
AI4S
- 麻省理工学院与魏茨曼科学研究所提出BrainExplore,首次实现人脑视觉表征的大规模自动化发现与解释
开发者工具 DevStack24
AI设备 AI Device
- Waymo as embodied AI at scale: Jeff Dean on fully autonomous data fueling system advances @JeffDean.
智能体 Agent & MultiAgents
- MCP becomes a Linux Foundation project: Anthropic is donating the Model Context Protocol (MCP) to the new Agentic AI Foundation (AAIF) under the Linux Foundation, with backers including OpenAI, AWS, Bloomberg, Cloudflare, Google…
- Related: OpenAI is showcasing Figma’s MCP server for “design-to-code” workflows (event, signup); LangChain MCP Adapters 0.2.0 adds multimodal tools and elicitation (release); OpenHands pointed to the Agent Client Protocol (ACP). anthropic.com ↗ anthropic.com
- Enterprise momentum: Anthropic expands with Accenture (30k professionals trained on Claude; product to scale Claude Code org-wide) (link).
- MCP → Linux Foundation: “MCP went from internal project to industry standard in a year” @AnthropicAI, @mikeyk.
- 谷歌与MIT联合发布Agent系统科学化框架,揭示多智能体协作的量化缩放原理
- 香港中文大学等机构发布CUHK-X:首个大规模多模态人类活动场景理解与推理数据集,包含58,445个样本和七种同步传感模态
- 微软发布DoVer:通过干预式验证实现LLM多智能体系统的自动化调试,在GAIA等基准上恢复18-49%的失败案例 mbjinx.github.io ↗ mbjinx.github.io
- 斯坦福与Together AI发布GPT-5驱动的论文纠错系统,揭示顶会论文错误率逐年上升55%
- 复旦大学NLP实验室联合WisPaper.ai推出智能学术检索与文献管理平台,通过三大核心模块构建完整研究闭环 wispaper.ai ↗ wispaper.ai
编码 Coding
- Pro Coder
- 中国科学院等机构发布DAComp基准:首个全生命周期数据智能评测体系,揭示AI Agent在企业级数据工程与分析中的关键瓶颈 da-comp.github.io ↗ da-comp.github.io
- Tech Radar 遗漏系统 Martin fowler
- Vibe Coder
组织与个人 People & Org
课程学习 Course
HowTo13
豆包手机
- 附近的火锅店(位置权限-精准位置)
- 微信公众号文章 mp.weixin.qq.com
AutoGLM
Lux
Tips
每周 AI 情报 · AI Buzzwords · EP.65 · 2025-12-12 · 1 小时 12 分
档案重建版,依据当期录播逐字稿与 Notion 信源清单还原。
← 返回分享列表