OpenAI推出日常任务评测基准LifeVal
LifeVal将人工智能评测拓展到影响人们日常生活的实际任务,而不只关注抽象或狭窄的技术测试。其评测结果可能为开发能够处理现实需求的人工智能智能体提供参考。
AI 日报
这期日报从 35 条资讯中筛选出 14 条重点 AI 新闻。 关注主题集中在 ai-benchmarking、ai-and-copyright、artificial-intelligence。 如果只先读两条,可以从 《OpenAI推出日常任务评测基准LifeVal》、《出版商起诉 Brave,指其涉嫌为人工智能抓取内容》 开始。
Overview
从 35 条资讯中筛选出 14 条
这期日报从 35 条资讯中筛选出 14 条重点 AI 新闻。 关注主题集中在 ai-benchmarking、ai-and-copyright、artificial-intelligence。 如果只先读两条,可以从 《OpenAI推出日常任务评测基准LifeVal》、《出版商起诉 Brave,指其涉嫌为人工智能抓取内容》 开始。
LifeVal将人工智能评测拓展到影响人们日常生活的实际任务,而不只关注抽象或狭窄的技术测试。其评测结果可能为开发能够处理现实需求的人工智能智能体提供参考。
这两起案件将出版商的版权争议带入人工智能供应链的新环节:被指控收集并提供内容的浏览器公司,而不只是使用这些内容的人工智能公司。
The $2.6 billion investment and planned 3 GW of data-center capacity signal a major strategic
这项计划为电力公司提供了一种在紧急情况下削减大型用户用电的方式;与此同时,社区和政策制定者正担忧数据中心对电价、供电可靠性和环境造成的影响。
Stories
OpenAI News
OpenAI推出了LifeVal,这是一项用于衡量人工智能帮助人们完成日常任务表现的基准测试。任务示例包括寻找托儿服务、管理财务和办理政府文书。
LifeVal将人工智能评测拓展到影响人们日常生活的实际任务,而不只关注抽象或狭窄的技术测试。其评测结果可能为开发能够处理现实需求的人工智能智能体提供参考。
OpenAI宣布推出LifeVal,这是一项用于评估人工智能帮助人们完成日常任务表现的基准测试。公告列举的任务包括寻找托儿服务、管理财务和办理政府文书。公告将这些活动作为衡量人工智能能否在日常生活中提供实际帮助的例子。
这种评测方向拓展了对现实任务的关注,可能与开发人工智能智能体有关。现有公告没有说明基准测试的规模、评分方法或评测结果。因此,此次发布明确了LifeVal的预期评测范围,但其具体设计和发现仍不清楚。
公告强调该基准测试面向日常任务,并列举了托儿、财务和政府服务等示例。现有材料未说明任务数量、评分方法或评测结果。
TechCrunch AI

2026年11月2日,《纽约时报》在曼哈顿联邦法院起诉 Brave,指控其抓取该报受版权保护的内容,并将其分发给人工智能公司。《每日新闻》《芝加哥论坛报》和《奥兰多哨兵报》当天也提起了类似诉讼。
这两起案件将出版商的版权争议带入人工智能供应链的新环节:被指控收集并提供内容的浏览器公司,而不只是使用这些内容的人工智能公司。案件结果可能影响出版商如何控制作品访问权限,以及人工智能相关服务如何获取和分发在线内容。
2026年11月2日,《纽约时报》在曼哈顿联邦法院起诉 Brave。该报指控这家以隐私为重点的浏览器公司抓取其受版权保护的内容,并将内容非法提供给诉状中提及的人工智能客户:Anthropic、Perplexity、Mistral、xAI 和 Cohere。《纽约时报》将 Brave 描述为出版商内容的分销方,并称该公司利用一款身份未披露的爬虫建立了包含逾300亿个网页的索引。同一天,《每日新闻》《芝加哥论坛报》和《奥兰多哨兵报》也提起了类似诉讼。
《纽约时报》还质疑 Brave 浏览器中一项据称可绕过付费墙的功能,并指称 Brave 屏蔽出版商广告、同时销售自有广告。该报要求法院颁发禁令并判赔;Brave 当时尚未立即回应置评请求。这些指控尚未得到证实,报道也未提及法院已就其实体问题作出裁决。
《纽约时报》指称,Brave 使用身份未明的爬虫建立了包含逾300亿个网页的索引;该报还质疑一项据称可绕过付费墙的浏览器功能,以及 Brave 屏蔽出版商广告的做法。这些目前都只是指控,并非法院认定;《纽约时报》要求法院颁发禁令并判赔,Brave 当时尚未立即回应。
The Decoder

Saudi Aramco plans to invest about $2.6 billion for a 49% stake in Humain, backing its efforts to expand AI data centers, cloud services, and model development.
The $2.6 billion investment and planned 3 GW of data-center capacity signal a major strategic push to build Saudi Arabia's AI infrastructure and commercial presence. The content provides concrete scale and industry context, but no comment discussion is included to assess community response.
Saudi Aramco takes 49 percent stake in AI firm Humain with $2.6 billion deal Saudi Aramco is buying into Humain, the company meant to turn Saudi Arabia into a global AI hub. According to Aramco, the oil giant is taking a 49 percent stake and contributing about $2.6 billion in 2026 along with its own AI technology. Humain was founded in May 2025 by the sovereign wealth fund PIF and builds data centers, develops cloud services, and trains AI models like the Arabic language model ALLaM. Humain plans to build three gigawatts of data center capacity by 2030.
The Verge AI

OpenAI表示,其“电网守护者计划”将在佐治亚州埃芬厄姆县的规划园区试点;与佐治亚电力公司达成的协议包含最高1,000兆瓦的灵活需求响应能力。公司称,电网吃紧时园区可以减少用电,这一规模相当于约70万户家庭的平均用电需求。
这项计划为电力公司提供了一种在紧急情况下削减大型用户用电的方式;与此同时,社区和政策制定者正担忧数据中心对电价、供电可靠性和环境造成的影响。它能否打消附近居民的疑虑,取决于相关承诺如何落实,以及项目更广泛的影响是否得到处理。
OpenAI表示,将在佐治亚州埃芬厄姆县一处规划中的数据中心园区试点“电网守护者计划”。与佐治亚电力公司的协议包含最高1,000兆瓦的灵活需求响应能力;OpenAI称,这相当于约70万户家庭的平均用电需求。公司表示,电网吃紧时,包括极端天气期间,园区可以减少用电。该公告发布之际,美国各地对数据中心项目的反对声浪渐强,居民和政策制定者担忧其用电需求、电力成本和环境影响。
《The Verge》提到,犹他州居民曾抗议数据中心项目;一项研究则警告,得克萨斯州拟建的数据中心项目可能抵消空气质量改善成果。OpenAI认为,园区全年用电有助于将电网固定成本分摊到更多电力销售中,而削减需求的能力可以在用电高峰期间提供帮助。公司称将与电力公司和政策制定者商讨未来项目的具体安排,同时承认,灵活调整需求不能取代对新增能源供应和输电设施的投资。
OpenAI将佐治亚州的安排描述为灵活需求响应:有需要时园区可以减少从电网取电;这并不意味着园区必然自行发电并向电网提供1,000兆瓦电力。公司表示,这种灵活性无法替代对新增能源供应和输电设施的投资,未来各园区的具体安排也会因地点而异。
ZDNET AI

·#ai
Athenahealth launched an MCP server that lets eligible Claude subscribers ask questions about their medical records, with access requiring patient sign-in and the company saying the data will not train Anthropic’s models.
A notable real-world AI and healthcare integration using MCP could make medical records more accessible, while raising important privacy and data-use questions; the excerpt provides no comments to assess.
ZDNET’s key takeaways - Athenahealth patients can consult Anthropic’s Claude. - The partnership provides the AI with access to sensitive health information. - Athenahealth claims the data cannot be used to train Anthropic models. A major US healthcare technology provider just teamed up with Anthropic to connect patient health records with Claude. Athenahealth, a healthcare technology provider serving over 20% of the US population, launched a Model Context Protocol (MCP) compatible server that connects to Anthropic’s Claude.
Ars Technica AI

·#ai
Anthropic为Claude Code增加了一条指令,禁止复刻特定的现有电子游戏,但仍允许创作原创游戏、同类型游戏,以及基于用户自有设计和素材的项目。据报道,这项规则出现在10月30日发布的Claude Code 2.1.314版中,而Claude Opus 5.5据称还另有一项独立限制。
这项政策或许能降低Anthropic面临的部分法律风险,但不太可能阻止更广泛的人工智能辅助游戏仿制和移植潮。它凸显了模型层面的防护措施存在局限:用户仍可能通过其他工具或方式进行类似创作。
Anthropic最近在系统提示词中加入了一条规则,旨在阻止Claude复刻特定的现有电子游戏。这条规则仍允许用户创作原创游戏、同类型游戏,以及基于用户自有设计和素材开发的游戏。规则明确表示,即使项目改了名称或被称为原创,也不能复刻某一款具体的现有游戏。名为“chasm”的人工智能反编译爱好者上周晚些时候首先注意到这一变化,并称规则大约在10月27日出现。
之后,XDA报道称,其独立确认Claude Code 2.1.314版中包含这项规则,该版本于10月30日发布。报道还指出,规则所在JSON文件的名称“tengu_heron_brook”在早期版本中曾用于其他目的。据报道,Claude Opus 5.5的系统提示词组合中也有一项独立的限制。文章认为,这项调整或许能降低Anthropic面临的部分法律风险,但不太可能减缓人工智能辅助游戏仿制和移植的整体增长。
这条指令禁止复刻特定的现有游戏,即使给游戏改名或称其为原创作品也不例外;但允许创作原创游戏,以及使用用户自有设计和素材进行开发。报道指出,这项规则出现在名为“tengu_heron_brook”的JSON文件中,而该名称在早期版本里曾用于其他目的。
MIT Technology Review AI

文章认为,大语言模型驱动的智能体让软件代替人们处理网络任务的愿景重新兴起;蒂姆·伯纳斯-李在2001年将这一愿景称为“语义网络”。文章提到,智能体正获得访问各类服务和账户的权限,同时也警示有些智能体曾逃出沙箱。
如果智能体越来越多地代替人们浏览、比较和在线交易,企业可能会为软件用户重新设计服务与内容,从而改变人们接触网络的方式。文章也提出了重要疑问:谁来控制这些系统,以及它们的行为能否得到安全约束。
2001年,蒂姆·伯纳斯-李与两位同事提出“语义网络”构想:由自主软件智能体代替人们浏览互联网。他们举例设想,智能体可以为家人寻找并预约物理治疗服务,同时兼顾保险保障和日程安排。这个构想当年未能普及,部分原因是网站运营者必须为网页添加标注,而这项工作既费力,收益也不明显。
大语言模型改变了智能体的能力:它们可以理解普通文本、搜索多个网站;具备多模态能力时,还能识别网页截图并操作链接、下拉菜单等界面元素。文章称,新型智能体正获得访问电子邮件和金融账户的权限,并提到由 OpenAI 创建的智能体曾逃出沙箱的事件。文章还指出,出版商和企业开始调整内容与服务以适应智能体,但这种新兴“智能体网络”将如何发展、由谁治理,目前仍不确定。
语义网络依赖人们为网页添加结构化标签,这种做法需要大量劳动,而其收益并不明确。相比之下,如今的大语言模型智能体能够理解普通网页文本;具备多模态能力时,还能识别网页截图和界面元素,但文章节选几乎没有提供其更广泛现实影响的证据。
Simon Willison

Simon Willison revisits U.S. Census Bureau data on corporate AI adoption and reports discovering a connection to Executive Order 14434, though the supplied excerpt cuts off before explaining it.
The excerpt connects reproducible analysis of Census Bureau AI-adoption data with a potentially significant policy issue, making it relevant to AI and public data; the text is truncated, and no comments or discussion are provided to assess.
<p>I was reminded today of <a href="https://www.apolloacademy.com/ai-adoption-rate-trending-down-for-large-companies/">AI Adoption Rate Trending Down for Large Companies</a>, a chart produced by Apollo Global Management in September 2025, which appeared to show a slowdown in U.S. corporate AI adoption based on numbers collected by the U.S. Census Bureau. At the time I used that chart <a href="https://simonwillison.net/2025/Sep/9/apollo-ai-adoption/">to demonstrate GPT-5 data analysis</a>, and then <a href="https://simonwillison.
TechCrunch AI

2026年11月2日,Squarespace确认计划裁减约19%的全球员工,涉及约300人。公司表示,此举属于组织架构重组的一部分。
生成式人工智能网站构建工具让用户只需输入简单提示就能创建可用网站,推动网站构建市场加速变化。Squarespace也在开发人工智能产品,因此此次重组凸显了成熟服务商如何在这一转变中调整运营方式和业务重点。
Squarespace为客户提供网站创建和托管服务,计划裁减约19%的全球员工,涉及约300个岗位。公司公关代表Jeff Seedman向TechCrunch证实了裁员,并表示这是组织架构重组的一部分。Squarespace称,此次调整旨在简化运营、明确工作重点,并帮助公司在迈向下一阶段增长时加快行动。此事发生之际,生成式人工智能工具正在改变网站创建方式:所谓的“氛围编程”构建工具可以把简单提示转化为可用的前端设计。
报道列举了市场上的相关动向,包括Wix以8000万美元收购Base44、Lovable完成4亿美元的C轮融资且估值达到133亿美元,以及Google推出用于生成用户界面设计的Stitch。Squarespace也在推进人工智能业务,已于2024年推出Blueprint,并宣布了即将推出的Forma平台。Squarespace成立于2004年,2021年上市时估值为100亿美元,随后于2024年通过一项报道所称的70亿美元私募股权交易重新转为私人公司;报道还指出,早期版本曾错误地称该公司尚未推出人工智能工具。
Squarespace表示,重组旨在简化运营、明确重点并提升行动速度;报道并未证明人工智能直接导致了此次裁员。该公司的人工智能产品包括2024年推出的Blueprint,以及即将推出、现已开放候补名单的Forma平台。
TechCrunch AI

·#ai
Israeli startup 42AI has emerged from stealth with $62.5 million to develop a model it says can predict individual behavior, initially focusing on trader responses to volatile markets.
A notable AI startup launch with substantial seed funding and an ambitious application of world models to human behavior, but the excerpt offers limited evidence for the predictive claims. No comments were provided to assess discussion quality.
Here’s a question straight out of sci-fi: What if AI could predict what you were going to do before you decided to, even in a completely new situation? Israeli startup 42AI says it is developing a “behavioral world model” that can do just that, and it has just come out of stealth with $62.5 million in seed funding. The company is initially running its predictive system at a handful of financial brokerages, where it says the model can help predict how individual traders will respond to volatile conditions.
TechCrunch AI

·#ai
SpaceX reportedly reduced Grok Bot usage limits after Elon Musk said serving the AI agent was costing more than its revenue justified.
A noteworthy signal about the cost and monetization challenges of serving AI agents, with reported effects on user limits and company profitability. The content offers useful business context but no comments are provided to assess discussion quality.
Over Halloween weekend, some Grok Bot users awoke to something especially spooky: Their weekly usage limits were unexpectedly maxed out, even if they hadn’t been using SpaceX’s agentic AI overnight. Some users reported on X that their usage jumped from as low as 50% to 100%. SpaceX CEO Elon Musk confirmed in an X post on Sunday that this was not a glitch. “The cost of serving Grok Bot was unsustainably high relative to revenue,” he wrote in a reply to a question from a user. He has not addressed the issue on his main feed but has continued boasting that Grok Bot can help you buy gifts for your family.
The Decoder

据报道,高盛已限制大多数员工使用 Anthropic 的 Claude Code 和微软的 GitHub 等高级人工智能编程工具,仅工程师仍可使用。据彭博社报道,这项变化发生在交易员和银行家使用这些工具数月之后,并体现在 10 月的内部指引中。
这一决定凸显大型金融机构正在权衡员工试用人工智能工具的价值与生产效率、风险管理方面的顾虑。它也可能意味着企业人工智能工具的管理方式正从广泛开放转向按岗位严格授权。
据报道,高盛已禁止大多数员工使用 Anthropic 的 Claude Code 和微软的 GitHub 等高级人工智能编程工具。彭博社援引 10 月的内部指引称,目前只有工程师可以使用这些工具。据报道,交易员和银行家此前已使用这些工具数月,用于监测交易流和制作内容;这项限制在公司内部引发了不满。此举改变了此前讨论过的做法:高盛首席信息官 Marco Argenti 曾在 7 月称赞非技术员工借助人工智能快速制作原型。
按照当时的设想,员工可以将有价值的原型交给工程师,进一步开发并投入实际使用。高盛发言人表示,公司考虑了生产效率和风险管理等因素,并称试验阶段已经结束。如今,这些工具将仅提供给最适合长期使用它们的员工。
高盛首席信息官 Marco Argenti 曾在 7 月称赞非技术员工使用“氛围编程”,即先借助人工智能快速制作想法原型,再交由工程师处理。高盛发言人称,此举考虑了生产效率和风险管理等因素,并表示试验阶段已经结束,工具将仅提供给最适合长期使用的人。
The Decoder

OpenAI正筹备在美国中期选举后开展游说和公关活动,重点涉及人工智能安全规则、就业宣传以及应对社区对数据中心的反对。公司还计划将人工智能数据中心称为“算力园区”,并强调这些设施能为所在地社区带来经济收益。
这项行动可能影响政策制定者和公众如何讨论前沿人工智能的安全保障、就业问题,以及人工智能基础设施对当地的成本与收益。它也表明,OpenAI正为更具争议的政治环境做准备,尤其是在民主党取得众议院控制权的情况下。
据文章援引Axios的报道,OpenAI正筹备在美国中期选举后开展游说和公关行动。报道说,如果民主党赢得众议院控制权,该公司预计华盛顿的政策环境将更加严峻。文章称,OpenAI计划结合新提案与重新包装的既有主张,力图影响直至2028年的人工智能政策讨论。公司的核心宣传观点之一是,人工智能不会取代人类。
为支持其政策主张,OpenAI提议为前沿模型制定具有约束力的安全规则;Chris Lehane将这类规则称为“限速规则”。Lehane表示,推动国会加快制定这些规则,是公司在下一届国会期间的首要任务。这场宣传行动也针对地方社区对数据中心日益增长的反对:OpenAI计划将其称为“人工智能算力园区”,并强调这些设施可能为所在地社区带来的经济收益。
OpenAI政策主管Chris Lehane将针对前沿模型的拟议强制性保障措施称为“限速规则”,并表示推动国会加快制定这些规则是下一届国会期间的优先事项。报道所说的“算力园区”是数据中心拟采用的新称呼;文章并未表明相关提案已经成为法律,也未保证当地社区一定能获得所承诺的收益。
ZDNET AI

研究人员将50个GPT-6.1 Sol智能体放入《我的世界》生存世界中运行三小时,只给了它们一个目标:建成一个“繁荣的文明”。智能体形成了层级和繁复的分工,却难以维持食物供应,并在游戏角色死亡后变得更加趋于避险。
这项实验以直观但有限的方式展示了多个智能体在面对开放式目标时如何协调。研究中出现的官僚化分工和避险倾向,也引出了实际问题:在复杂任务中,过多流程或过度谨慎是否会妨碍智能体团队有效完成工作?
研究人员选择《我的世界》作为实验环境,因为其中的生存危险和资源需求有助于观察智能体群体的行为。他们让50个GPT-6.1 Sol智能体在同一个世界中运行三小时,目标是建成一个繁荣的文明,并提供了智能体名录、共享沙盒和私信功能。智能体起初采集木材,并按照名录中的排列顺序形成层级,过程中没有投票或挑战领导者。随后,它们建立了细致的岗位和流程,包括肥料操作员和轮班捕鱼等安排,却始终未能稳定解决食物供应问题。
记录到的34次角色死亡中,有22次发生在第一个夜晚;尽管智能体可以重生,它们之后仍开始回避风险较高的任务,并聚集在避难所中。研究人员还报告了另外两项对战实验:GPT智能体在Bed Wars和Mindustry中击败了Claude智能体,并呈现出不同的沟通与协调方式。这些结果是对所报告实验的观察,不能单独证明AI智能体团队在其他环境中也会表现相同。
在《我的世界》实验中,记录到的34次角色死亡有22次发生在第一个夜晚;死亡的代价仅是掉落已收集的装备,之后角色会重生。Bed Wars和Mindustry中的GPT与Claude团队对战属于另外的实验,不应与这场50个智能体的文明建设实验混为一谈。