ChatGPT 的新 Wallet 可让 AI 智能体代为购物并结账
面向美国 18 岁以上的 ChatGPT Pro 用户,先把符合条件的 Visa、Mastercard 或 American Express 卡加入 Wallet,再让 Dots 代买。结账前要核对商品、总额和所用卡,并用 Face ID 或指纹确认;实际卡号不会交给智能体或商家,而是走支付代币,积分和拒付权益仍在。
面向美国 18 岁以上的 ChatGPT Pro 用户,先把符合条件的 Visa、Mastercard 或 American Express 卡加入 Wallet,再让 Dots 代买。结账前要核对商品、总额和所用卡,并用 Face ID 或指纹确认;实际卡号不会交给智能体或商家,而是走支付代币,积分和拒付权益仍在。
这是首个大版本,ggml 也一起到了 v1.0.0。公开 API 删掉一批已弃用接口(约 35 个函数),把 NextN/投机解码收进 llama.h;新增 OCP FP8 的 KV 缓存,以及可配置 CPU 份额的主机内存 MoE 专家缓存。服务端还补了 SSRF、CORS 与 DNS 重绑定防护。
把 App 里原来跟推理绑在一起的联网搜索、文件解析、阅读链接、语音和安全校验,做成可在 API 里打开的参数,工具调用和上下文拼接由服务端完成。deepseek-flash 在 Messages、Responses 和 Chat Completions 上都支持;搜索、抓取、OCR、ASR、TTS 也可单独调用。
llama.cpp v1.0.0 见三条。窗内 b12336 之后多为 Hexagon、CUDA/HIP 与 Vulkan 等日常补丁,相对这个大版本没有单独列出的必要;仓库根目录再上榜亦不重复。Cohere 转发 v1.0.0 并提到 North Micro Vision 可跑 llama.cpp,信息不足以单列。
个人智能体协议 Poppy 出了可落地的 1.0;Google 把 Antigravity 的 /teamwork 开放给研究者。
协议 1.0 可按现成的 MCP、OpenAPI 和 UCP 分步接入,认证走 OAuth。Shopify 全站商家会自动发出 Poppy 文件,Muse 访问站点时会先找它。Mercury、Synchrony、土耳其航空已上线;新加入 60 家设计伙伴,总数超过 100 家。
Google Research 向外部研究者开放了 Antigravity 中的 /teamwork 多智能体流程。它把并行探索和 Lean 4、测试套件一类的专门证伪器配在一起,在数学、化学、系统软件和机器学习工程的未决问题上与人类专家一起做;过程中会用到 Gemini 4 的 Argon、Carbon 和 Hydrogen。
Muse 向美国付费用户开放代打电话是产品功能更新,与 Poppy 1.0 相比增量有限,未另占坑。仅在日榜出现的交易类技能仓库未收。
Codex 正式版加了侧栏会话;OpenCode 让子智能体默认在后台跑;Claude Code 修了一处安全问题。
会话里可以浏览并选择默认模型供应商;打开 features.tui_workspace 后,主对话旁边能开一条侧栏会话,拖分割线或用快捷键放大。支持给能听音频的模型附加录音;终端通知可改用 osc777,批准请求会区分终端输入和联网。
升级后最明显的是默认行为:子智能体先交回会话 ID、在后台跑,父会话不用干等。完整逐步记录不再默认展开,需把 Verbosity 调到 medium 或高,已有设置会保留。此版本还加了实验性 MCP events 开关;桌面端可用命令面板跳回更早的提示。
zstd 压缩回包的解码路径有一处安全缺陷,这次已经补上。被组织策略拦住的请求,错误信息下会多一行说明:用 /rewind 改提示,或执行 /clear。不少第三方网关和 Foundry 上,原先每轮都卡在上下文超长、走不了压缩,现在会正常压缩。
openai/codex 的 0.171.0-alpha 系列发布说明几乎为空,未收。qwen-code v0.27.3 及桌面/SDK 同步版改动分散,未单列。claude-agent-sdk-python v0.2.182 仅为常规补丁。
Google 开源了一套先写规格、再换一双眼睛评审的智能体插件。
这套开源插件把起草和评审拆开:审的一侧看不到前面的对话,只根据草稿和引用材料挑未写明的假设,架构取舍仍由人决定。起草的一侧(Elephant)守着项目上下文;评审一侧叫 Goldfish。已有 Claude Code、Codex、Antigravity、Cursor 和 Windsurf 的安装包。
lobehub/lobehub、tailscale/tailcat 与视频相关仓库或与方向不符,或只是周榜涨星、未见新版本信号,未收。chrome-devtools-mcp 同样缺少可核的新进展,未单列。
一份基准专门测助手会不会纠正问错的问题;另一份测模型会不会在没人叫时主动帮忙。
这是一份 8,115 道题的基准,用来测助手面对 XY 问题(人想做 X,却问成了做法 Y)时会不会纠正前提。题来自真实的编程和日常提问,并获得 EMNLP 2026 最佳资源论文。评过的 Claude Sonnet 4.6、GPT-5、Gemini 3.1 Pro 等模型,常常仍绕着原来那个错的做法给建议。
他们搭了一个叫 PageMantle 的模拟公司(含 CRM、分析、账单、仓库、工单、文档和 Slack),用 50 个职场情景测 12 个前沿模型会不会在没人叫时主动帮忙。GPT-6 Astra 综合 8.97/10 居首,随后是 GPT-6.1 Sol 和 Claude Fable 5.2。评测环境已开源。
视频生成与驾驶世界模型论文未收。Reason Machines 的编程辅助框架目前主要是推广帖,未见可核的官方技术说明,未单列。
OpenRouter 用合成题把重排序的收益测清楚了;DeepMind 公开了天气模型背后的观测数据。
先拉大约 30 条再重排、只把前 3 条送给生成模型。底检索用 google/gemini-embedding-2、重排用 voyageai/rerank-3-lite 时,274 道合成题上正确答案排第一的比例从 81% 升到 97%,大约每千次 0.10 美元。GPT-6 Luna 能到 99.6% 但更慢;作者强调这是干净合成语料。
DeepMind 公开了 WeatherNext 3 用过的两套基础数据:SatWeave 是每小时更新的全球云图(17 个通道,含十年以上历史);PARDIG 是约 10 公里、15 分钟分辨率的全球降水再分析,中小雨检测技能比 IMERG-Final 高 30% 以上。历史库和实时馈源放在 Google Cloud Storage。
决策模型也许当不好执行者,但仍可能当好老师。
核心结论是:动手容易翻车的决策模型,事后仍可能当好裁判或老师。用 JEV 当老师,Qwen2.5-1.5B 在 GRPO 上的成功率从 ALFWorld 的 72.8% 提到 82.9%,WebShop 从 56.8% 提到 71.4%。执行时它们会被更简单的子目标带走,但看完整轨迹后能给必做的那一步记功。
论文日期以 HF Daily Papers 11-13 列表日为准(这篇 arXiv 标注提交于 11-12)。同日的视频生成与驾驶世界模型论文未收。
OpenAI 把网络安全做成两款智能体产品;腾讯混元的实时语音模型加了工具调用。
目前还在早期试用:两款产品都跑在 GPT-6 Cyber 上。Defense Factory 扫描代码库并生成带测试的修复拉取请求,由开发者确认;Red Team 结合源码与上下文探网站漏洞,也可复核赏金或扫描器的报告、验证补丁。
ChatGPT Wallet、llama.cpp v1.0.0 与 DeepSeek 全家桶 API 见三条;Poppy 1.0、Antigravity /teamwork、Codex 0.168.0、OpenCode 2.3.0、Claude Code 安全修复、Elephant-Goldfish 插件、XYBench、Agent Initiative Benchmark、OpenRouter 重排序实测、DeepMind 天气数据集,以及 Daybreak 与混元 Hy Realtime 见各栏。融资、图像与视频生成、已报的 Gemini 4 Hydrogen / Claude 自托管 Managed Agents / Inkling 权重未再占坑。