今日 AI 要闻

• 主帖称同等性能成本约每年下降 13 倍。
• 主帖称 2023 年以来季度降幅估计为 47%。
• 主帖给出 o3 与 GPT-5.6 Luna 在 FrontierMath 门槛上的成本对比。

这是对 Epoch AI 分析的转述；不同基准、模型设置和实际业务任务未必按相同速度降价。

• 主帖称 MentalHealthBench 面向真实心理健康对话。
• 主帖称基准由 80 多名心理健康临床医生参与构建。
• 主帖称基准开放给研究者检查方法和运行评估。

基准发布不等同于产品适合提供医疗建议；临床有效性、危机场景处理和地区合规仍需单独验证。

• 主帖称医疗机构在多个患者护理工作流中使用 Agent。
• 主帖称临床专家稀缺，且常需审核 Agent 准确性。
• 主帖称 LangSmith 将专家审核转为持久、可复用评测。

主帖是产品叙述，没有公开具体医疗客户、评测通过率或临床结果。

• 主帖称 Managed Deep Agents 可添加 schedules。
• 主帖称 schedule file 包含 cron expression 和 prompt。
• 主帖称部署后 Agent 会自行运行。

主帖没有说明失败重试、权限模型、审计日志和多租户隔离细节。

• 主帖称 Cursor token 成本降低 7%。
• 主帖称没有降低 Agent 质量。
• 主帖列出 tighter prompts、selective tool loading、better caching 和 compressed file reads。

主帖没有公布质量评估方式、任务样本和各项优化分别贡献多少。

• 主帖把 Agent 形式化验证比作新的热门工程说法。
• 主帖称把 formalisms 做对非常困难。
• 主帖列出可解释、表达性和可扩展性三个关键要求。

这是研究者观点，没有给出具体系统或实验数据，适合作为工程风险提示而非结论。

• 主帖称不应把模型能力用于发布 10 倍更多功能。
• 主帖建议投入更多时间理解用户和尝试实验。
• 主帖提到构建原型、学习未知领域，再发布真正有效的东西。

这是产品方法论观点，没有具体案例或量化效果，适合作为使用强模型的取舍提醒。

• 主帖称 Gemini 3.8 TTS 模型价格很低。
• 主帖称可生成多声部对话。
• 主帖称可从 2000 多个声音中选择，也可克隆自己的声音。

主帖是开发者试用和小 UI 示例，没有覆盖版权、同意授权和声音克隆治理细节。

• 主帖称目前仍没有 go-to AI browser。
• 主帖称 browser-use 是其常用 agentic feature。
• 主帖称用途包括 research 和 repeatable workflows。

这是个人使用观察，没有代表性样本，也没有比较不同 AI 浏览器产品的能力。