OpenRouter发布LLM基准测试教程
OpenRouter发布LLM基准测试教程，讲解如何用应用的真实输入和输出契约评测模型，通过相同任务对比评分准确率、计费成本和请求耗时。在其60个合成任务上，GPT-6.1 Sol三次重复全部通过180/180，DeepSeek成本最低、通过157/180；与Artificial Analysis公开榜单的Spearman相关性仅0.109。
评论
继续阅读
全部 100 条热点 ›Runway开放机器人模型Praxis-1
Runway宣布向所有人开放世界动作模型Praxis-1，以Apache 2.0开源权重发布，可将视频预训练用于真实机器人控制。
产品应用 · 2026-11-120 阅读【MaaS特惠专场】重磅开启！旗舰模型海量Token放送
即日起至12月31日，MaaS特惠专场火热进行中。新客注册即可免费领取10,000,000 Tokens量包，包含GLM-5.3-Flash并支持1024K超长上下文，实时到账；新客首单仅需0.1元即可秒杀DeepSeek-V4.1、GLM-5.3等最新旗舰模型的5000万Tokens量包，Qwen3.8、Kimi-K3等热门模型限时低至0.1折起。海量算力红利涵盖代码生成、数据分析等场景，名额有限，登录即可领取专属特惠。
优惠福利 · 2026-11-120 阅读Radical Numerics发布离线端侧病原体模型
初创公司Radical Numerics发布边缘模型Omnii Defense，可在笔记本加USB基因测序仪上离线运行，用于标记天然和AI工程化的病原体。
模型进展 · 2026-11-120 阅读Qwen4-Max预览版上线接入千问办公
阿里Qwen4-Max预览版上线并接入千问办公，实测显示速度明显提升，部分任务超越腾讯WorkBuddy，但交付质量尚未全面跟上。
行业动态 · 2026-11-121 阅读Grok Bot 1.0发布主打团队AI队友
Grok Bot推出1.0版本，定位可与团队协作的AI智能体队友，支持在Slack和Teams中共享协作并受邀参会。
产品应用 · 2026-11-120 阅读Ginux内核11天由AI生成13.9万行Rust
CentOS与Rocky Linux创始人Gregory Kurtzer借助AI智能体，11天内从零构建出13.9万行Rust代码的Linux兼容内核Ginux。
产品应用 · 2026-11-120 阅读Perplexity公布SPACE沙箱红队测试
Perplexity公布对Computer agents虚拟机沙箱SPACE的红队测试结果，让12个模型尝试逃逸VM窃取宿主机凭证并绕过网络策略，发现标准CTF设置会让智能体偏离被测安全边界，安全专用模型也不保证更好表现。
产品应用 · 2026-11-120 阅读开源Friday让Claude Code等代理协同
开源项目Friday发布，可让Claude Code、Codex、Cursor等多个AI编码代理协同工作。
行业动态 · 2026-11-120 阅读Duolingo智能体合并22.5万行测试
Duolingo公开用智能体编写并合并22.5万行iOS测试代码的生产级工作流。
产品应用 · 2026-11-120 阅读AWS发布官方本地测试模拟器
AWS推出aws-emulator官方模拟器，开发者无需付费API密钥即可在本地测试AWS服务克隆版本，项目由智能体团队开发。
产品应用 · 2026-11-120 阅读UCSD发布vstack与veriserve验证基础设施
UCSD Hao AI Lab推出vstack形式化验证工作流与veriserve可验证PD分离服务引擎，发现生产引擎3类竞态并给出TLAPS安全证明。
产品应用 · 2026-11-120 阅读谷歌研究发布可穿戴健康教练框架
谷歌研究提出可穿戴CKM风险画像框架，用世界模型模拟12周习惯轨迹并生成教练计划。
行业动态 · 2026-11-120 阅读AWS发布官方本地服务模拟器
AWS推出官方模拟器aws-emulator，可在本地测试多种AWS服务，无需付费API密钥。
产品应用 · 2026-11-120 阅读NVIDIA发布Déjà View三维重建模型
NVIDIA发布Déjà View模型，可从多视角照片恢复三维几何与相机位姿，117M参数在五项基准达到或超过十倍规模模型。
模型进展 · 2026-11-120 阅读a16z提出B2A经济：AI智能体成主要流量
a16z发布文章提出B2A经济概念，认为AI智能体已构成互联网主要流量，并将替用户决定购买与订阅。
产品应用 · 2026-11-120 阅读MIT发布WorldParticle物理模拟模型
MIT推出WorldParticle模型，用统一AI模拟沙土、液体与蛋白质等材料的物理行为。
模型进展 · 2026-11-120 阅读美联航禁止AI智能体代客订票
美联航宣布禁止第三方AI智能体代客订票，称存在隐私泄露、非预期交易及违反联邦规定的风险。
政策监管 · 2026-11-120 阅读Voice Arena发布听写应用基准
Voice Arena推出首个开放AI听写应用基准Dictation Bench，实测10款真实应用，Wispr Flow得分79%，Apple为35%。
产品应用 · 2026-11-120 阅读Unsloth发布Qwen3.8-27B量化版
Unsloth发布Qwen3.8-27B Dynamic V3.1 GGUF量化版本，智能体基准平均领先5–10%。
模型进展 · 2026-11-120 阅读谷歌Gemini接入苹果CarPlay
谷歌宣布Gemini接入苹果CarPlay，全球iOS用户可在车内免提语音对话。
产品应用 · 2026-11-120 阅读