AI 每日快讯
AI 产品、模型、开源工具和官方动态的时间流。保留历史记录，按分类、日期和标签继续筛选。
原文摘要：Voice agents fail on latency long before they fail on intelligence. Time to first token is the metric most teams use to choose an inference API, and it is the right starting point 来源：MarkTechPost。建议继续查看原文，重点核对它影响的工具入口、成本、风险和真实使用场景。
原文摘要：Google Cloud AI Research, with Washington University in St. Louis and UNC Chapel Hill, has released EnvHarness, an Apache-2.0 layer that turns a static agent 评测 into one tha 来源：MarkTechPost。建议继续查看原文，重点核对它影响的工具入口、成本、风险和真实使用场景。
原文摘要：An analysis of Glassdoor reviews shows that positive AI comments have dropped from 81 to 43 percent since 2019. Executives rate AI mostly positive, while insurance claims 来源：The Decoder。建议继续查看原文，重点核对它影响的工具入口、成本、风险和真实使用场景。
原文摘要：GPT-4o boosted grades on a marketing assignment by nearly a full point on a five-point scale in an experiment with 1,053 Bocconi University students. Whether they actually 来源：The Decoder。建议继续查看原文，重点核对它影响的工具入口、成本、风险和真实使用场景。
原文摘要：AI coding assistants like Claude Code and Codex have no sense of time, according to a new study. Both systematically overestimate how long tasks will take. Codex is off by 来源：The Decoder。建议继续查看原文，重点核对它影响的工具入口、成本、风险和真实使用场景。
原文摘要：Anthropic is effectively cutting Claude Code's weekly usage limits by 17 percent. A temporary 50 percent boost expires on September 14 and will be replaced by a permanent 来源：The Decoder。建议继续查看原文，重点核对它影响的工具入口、成本、风险和真实使用场景。
原文摘要：Sony Music, Warner Music, and other publishers are suing Anthropic and CEO Dario Amodei personally for allegedly using tens of thousands of copyrighted musical composition 来源：The Decoder。建议继续查看原文，重点核对它影响的工具入口、成本、风险和真实使用场景。
原文摘要：Anthropic has opened a research preview of the Model Hardware Standard (MHS), a shared driver specification that lets AI agents discover and safely operate physical devices. Instru 来源：MarkTechPost。建议继续查看原文，重点核对它影响的工具入口、成本、风险和真实使用场景。
一句话结论：Code-as-World 是一种 Agent 循环，能从真实视频中恢复可编辑的 MuJoCo 场景代码，并利用这些验证过的世界来训练物理推理能力。原始信息来自 MarkTechPost 的论文介绍，该方法将视频内容转化为可执行的物理程序，从而为模型提供结构化的训练环境。值得关注的原因是它突破了传统视频理解仅做识别的局限，实现了从感知到可交互物理世界的跨越，对机器人学习和物理推理研究有重要意义。影响人群包括计算机视觉研究者、机器人领域工程师，以及关注具身智能的 AI 从业者。下一步建议阅读原论文了解技术细节，并关注其代码是否开源，若可用则尝试在标准视频数据集上复现实验，以验证效果。