研究团队推出CyberArena对称攻防评测，12款模型进行466场对局，GPT-5.6 Sol以78.6分居首，Claude Opus 5与GLM-5.3分列二三。 #CyberArena #AI攻防评测
AI 热点
今日更新 79 条在库 362 条7 个栏目
2026-11-03 周二
17 条Mistral团队成员宣布Mistral Large 4正式开放权重，称其在代码智能体与网络安全方向具备前沿能力，且比三周前的Preview版本更高效紧凑，同时发布技术报告。 #Mistral Large 4 #开源模型
蚂蚁百灵上线Ling-3.1-flash原生混合推理模型，总参数560B、激活25B，支持100万token上下文。 #蚂蚁百灵 #Ling-3.1-flash
苹果宣布App Store新年龄分级要求，含AI伴侣、约会恋爱功能的应用最低分级须为18+，位置共享类视地区而定，11月16日起开发者须申报，2027年1月12日前完成。 #苹果AppStore #AI伴侣
Anthropic借助Claude将Messages API从Python迁移到Rust并全面上线，CPU消耗减少约40%-50%，首Token延迟改善10%-20%。 #anthropic #Claude
商汤推出多模态智能体模型SenseNova 6.8 Flash正式版，主打长期记忆、主动交互与多形态设计生成。 #商汤 #sensenova
Hume推出Audio Decision API，可直接从音频回答自定义问题并返回概率，无需转写步骤。 #Hume #Audio Decision API
Google Cloud在Antigravity Marketplace上线google-cloud-developer插件，为自主编码智能体提供实时文档、IAM安全护栏与预授权MCP服务。 #GoogleCloud #Antigravity
2026-11-02 周一
13 条港科大与微软等团队推出首个原生长程环境交互训练框架HarnessSQL并开源，8B模型在Spider 2.0-SQLite上执行准确率达45.2%，超越32B专用模型。 #HarnessSQL #Text-to-SQL
HumanLayer联合创始人德克斯·霍西在演讲中质疑“无人值守”软件工厂，并公布SlopCodeBench分阶段评测结果：受测Agent最高严格通过率仅16.3%。 #编程智能体 #SlopCodeBench