灵光2.0、Today AI、Alice三款个人Agent对比评测
霞光AI实验室用相同任务指令，从应用连接、任务执行、长期记忆、主动服务和交互体验五个维度评测灵光2.0、Today AI和Alice三款个人Agent。三款分别代表工具型、工具加陪伴型、陪伴型思路，其中Today AI能主动识别闹钟时间限制并改用日历提醒，文章认为应用接口权限不足和任务执行不完整是当前个人Agent的主要瓶颈。
#评测/基准
钛媒体AI 评分5858
极客公园AI 评分7373 灵光 2.0 实测：个人 AI 助理的权限、责任与忠诚三重门槛
极客公园花两天实测蚂蚁 10 月 27 日发布的灵光 2.0，并与千问、Muse、Claude Duet 对比，认为个人 AI 助理的瓶颈不在模型推理，而在权限边界、安全责任与商业利益归属。
钛媒体AI 评分6262 Kimi K3.1 Pro实测：降价背后Token消耗偏高，全球化遇阻
数智奔流实测Kimi K3.1 Pro：K3.1 Pro于10月24日发布，API输入价从每百万Token 20元降至13元、输出价从100元降至68元，但因Token消耗过快引发性价比争议，Kimi于10月26日致歉并补偿额度、调整配置。
爱范儿AI 评分3838 iPad mini（A20 Pro）首发上手：OLED 加身，仍缺 120Hz 高刷
苹果新款 iPad mini（A20 Pro）上手体验发布，换用 OLED 屏幕、2nm 制程 A20 Pro 芯片、IP67 抗水防尘和首发 Acoustic Display 屏幕发声技术，Wi-Fi 版仅 255 克，是有史以来最轻的 iPad。
钛媒体精选AI 评分7777 跑高分不等于能交付：AI排行榜经历信用重估
钛媒体作者 Alter 分析指出，BenchLM 追踪的 295 个百分制基准中约 36% 已饱和，而 Surge AI 连发三份真实职场考卷把旗舰模型拉回及格线以下。
推荐理由：原文梳理旧基准饱和与新真实任务榜单的落差，并给出按失败成本选模型的算账方法，对企业选型有直接参考。
钛媒体AI 评分5757 大模型时代，谁会成为那部不肯换掉的"iPhone"
智讯智库发文认为模型性能决定用户为何而来，但工作流沉淀、记忆与执行环境才决定留存。文章比较Artificial Analysis 10月21日榜单上Claude Opus 5.5（58分）。
The DecoderAI 评分6161 Anthropic 联合创始人 Jack Clark 将自我改进 AI 的预测提前至 2027 年
Anthropic 联合创始人 Jack Clark 依据 P-Zero Research 的 TasteVal 基准等进展，将递归自我改进（RSI）可能实现的时间从 2028 年提前到 2027 年。
TechCrunch · AIAI 评分4343 Hugging Face 政策负责人：内嵌 AI 评估者并非易解方案
Hugging Face 首席政策官 Irene Solaiman 在 TechCrunch Disrupt 上表示，AI 基准评测仍是发展中且缺乏标准化的科学，能否复现结果、是否开放权重是可信度关键。
少数派AI 评分5959 Austin Mann 实地评测 iPhone 18 Pro 影像体验：可变光圈与专业控制带来更多创作自由
Austin Mann 在科罗拉多州邓顿河谷营地实测评测 iPhone 18 Pro 相机，认为可变光圈、手动对焦与焦点追踪显著提升了摄影自由度。可变光圈最大 ƒ/1.48、弱光进光量提升 50%，星芒为光学自然产生；焦点与曝光可分离控制，摄影风格 3 新增胶片质感与颗粒调节；参考图像通过签名验证照片真实性，延时摄影升级到 4K 并支持导出单帧。
Microsoft ResearchAI 评分2222 Microsoft 研究员 Jennifer Neville 谈 AI 评测的意外失败与真实世界表现
Microsoft 合伙人研究经理 Jennifer Neville 在 Microsoft Research Podcast 中讨论评测如何推动 AI 系统性能边界，以及模型在传统 benchmark 之外测试时出现的"意外失败"。她结合自身从数学、物理、认知科学到计算机科学的经历，分享与当前 AI 系统协作的实用建议，并强调当结果超出预期时应仔细审视数据。