@reflection_ai @baseten - 排行榜：https://arcprize.org/leaderboard - 复现公开结果：https://github.com/arcprize/arc-agi-benchmarking - 测试政策：https://arcprize.org/policy - Beam 1.0 完整结果：https://arcprize.org/results/reflection-beam-1-0 🔗 阅读原文 via AIHOT · https://aihot.news/items/h9195178qoz6m24a4xqifyd10
ARC Prize 公布 Beam 1.0 在 ARC-AGI (Verified) 的成绩：ARC-AGI-2 为 23.5%，每任务 $0.61；ARC-AGI-1 为 74.0%，每任务 $0.31。最佳成绩出现在 xhigh 推理档，但 high 档在 ARC-AGI-2 上也达到 20.0%，成本约低 43%。 🔗 阅读原文 via AIHOT · https://aihot.news/items/yrxlq74afcd1ktyxgpx1uq068
你一直在用 Codex 做什么？ 🔗 阅读原文 via AIHOT · https://aihot.news/items/txp5otiwu0qrrwk460z8as0km
Salesforce 论文研究跨委托方的智能体间（A2A）协作失败原因，基于 Claude Code、Codex 和 Cursor 在独立沙箱中跑了 2500 多场会话、488 个场景，归纳出 20 种失败模式。 🔗 阅读原文 via AIHOT · https://aihot.news/items/c6dksmgc8gsz01iwbtf31g2d8
Google 开发者博客发布教程，讲解如何用开源 ADK（Agent Development Kit）与 gemini-3.8-live 构建不出现冷场的语音智能体，核心思路是让耗时工具通过非阻塞方式运行。教程指出在 Gemini Live API 的双向语音会话中，标准 async def 工具会造成长达数秒的完全沉默；并提出两种非阻塞模式：流式工具（用 AsyncGenerator 持续 yield 进度，模型可实时转述）和后台执行（任务在后台静默运行，通过 responsescheduling 控制结果何时交付给模型）。博文给出实测数据：销售报告工作流从阻塞切换为流式后，代理说出第一句话的时间从 14.4 秒缩短到 1.2 秒；同时介绍 responsescheduling 的 WHEN_IDLE、INTERRUPT、SILENT 三种行为及其与流式工具的组合方式，并要求 google-adk ≥ 2.10.0。
Google 官方博客发布文章，介绍运动员造型师 Sydney Bordonaro 如何利用 Gemini 为客户构建穿搭造型。客户分散在全各地，她需要在图片上传街拍前让球员看到实际效果。Bordonaro 总结出四个使用技巧：一是将采购的衣物照片与客户照片同传到 Gemini，生成完整造型预览；二是通过对话调整单品，如把靴子换成乐福鞋或改短外套；三是把生成的造型发给客户征求意见，提升决策效率；四是遇到突发污渍时拍照让 Gemini 给出清洁步骤。文章同时建议普通用户上传自拍照与衣物截图进行搭配预览，或拍污渍照片获取清洁方案。
Google宣布Gemini Notebook在Slide Decks和Video Overviews两类产出中引入新的共创流程，用户可在生成过程中获得更多创作控制权。基于用户反馈，Gemini Notebook不再从初始提示直接跳到最终成品，而是先根据来源材料建议主题，让用户在确认后可继续调整内容、视觉风格和格式。新增的Review开关允许用户在渲染前于studio面板中查看并修改计划，包括在幻灯片中"Review outline notes"或在视频中"Review producer notes"，可追加如添加执行摘要、调整场景顺序等反馈，确认无误后再点击Proceed生成最终成品。已知需求的用户也可直接在提示中指定，跳过引导直接进入审阅流程；偏好快速输出的用户仍可跳过Review开关照常生成。该共创能力将在未来一周内向全球所有Gemini Notebook用户逐步推出。
开发者正利用AI（如Claude Code）通过Wi-Fi远程移除智能电视的内置广告、追踪功能和臃肿应用，将电视"变笨"。GitHub上的开源工具"dumbtv"和"cleanyourtv"分别在Fire TV Edition和安卓/谷歌电视平台上实现去除广告、替换启动器、关闭ACR自动内容识别等功能，无需获取root权限即可恢复出厂设置。开发者Gathin T.以父母的TCL小米电视为起点，将流程上传GitHub后数日内有数千人效仿，覆盖小米、TCL、索尼、Fire TV、LG、海信等品牌。用户Ryan Doyle和Mihir Gupta也分享了类似经验。然而实践效果参差不齐，部分用户遭遇AI拒绝响应、误删关键组件甚至电视变砖的情况，给替代启动器ATV Launcher等方案留下空间。
亚马逊宣布将资助在印第安纳州新建一座 960 兆瓦的小型模块化核电站，由公用事业公司美国电力（AEP）运营，X-energy 提供 12 台 Xe-100 小型模块化反应堆，厂址位于特雷霍特以南一座已拆除的燃煤电厂旧址。亚马逊将成为该电站的首个电力客户，标志着两家公司第二笔商业合作，规模约为两年前首笔合作的三倍。X-energy 于 2024 年 4 月上市，2024 年 10 月亚马逊领投其 7 亿美元 C-1 轮融资，双方计划到 2039 年在美国建成 5 吉瓦核电装机。项目时间表仍取决于 X-energy 在得州 Seadrift 的首座电厂能否顺利落地，但该厂因涉嫌反复违规处理水和固体废物正遭得州起诉，建造许可处于美国核管会审查最后阶段。该消息推动 X-energy 盘前股价上涨约 10%。
KiviDB 是一款自称比 Redis 更快的 Redis 兼容内存数据库，定位为向量缓存，其性能主张依赖公开基准。社区评论者要求基准覆盖 Valkey、list、hash 等不同数据类型及不同 value 大小，避免单一 workload 得出结论；并指出超过约 500 万 ops/sec 后客户端压测工具本身可能成为瓶颈，建议同时公布 p99 尾延迟。有人要求将 KiviDB 与磁盘型数据库 Apache Kvrocks 对比，项目方回应尚未测试但计划补测，并承诺如实报告；同时 Valkey 也被点名为应加入的参照。项目方公开了含 Terraform 和脚本的 benchmark 仓库供复现核验，并以 Redis 官方 unit test 和 e2e test 套件持续检验兼容性。项目方承认使用 AI 编写测试和脚本，但强调系统设计决策由自己完成；评论指出仓库 gitignore 中存在 .claude/ 目录，质疑 AI 生成代码的可审查性。
