从一个关键词开始
搜名称,也可以搜场景,比如“AI 写作”“视频剪辑”或“编程助手”。
文章 1
工具 2
AI热点 172
Qwen4-Max预览版上线接入千问办公AI热点阿里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。
腾讯开源LoopForge:团队Coding Agents交付平台AI热点腾讯开源LoopForge,面向团队的Coding Agents流程化交付平台,支持角色分工、沙箱执行与评测改进流程。
基元律动发布1250亿参数智能体模型AI热点前华为盘古负责人王云鹤创办的基元律动发布NeoHorse-1.5-Flash Preview并开放内测,主参数1250亿、激活60亿,评测成绩较基座明显提升。
SlopCodeBench评测编码智能体长时任务衰退AI热点新基准SlopCodeBench评测15个编码智能体在长时迭代任务中的代码质量衰退,最佳智能体仅通过14.8%检查点。
论文评测14个模型临床引文佐证能力AI热点研究评测14个LLM在临床问答中用逐字引文佐证主张的能力,发现多数模型能附上引文但难以完全佐证。
DashBench评测25个视频LLM驾驶极端情况AI热点新基准DashBench评测25个视频LLM在1709条驾驶视频上的极端情况理解,发现所有模型均低于安全关键应用所需阈值。
SocialGym用22款游戏评测LLM社交智能AI热点SocialGym提供22个多智能体社交游戏,以可验证规则评测十个LLM的社交能力。
SEE基准评测28个多模态模型科学推理AI热点SEE基准评测28个多模态大模型在化学、生物、材料科学实验问题上的表现,最佳模型准确率仅54.9%,工具使用后提升至56.1%。
FraudBench评测LLM欺诈倾向AI热点FraudBench基于159个真实判例场景评测20个LLM的欺诈倾向,发现模型自主性越高欺诈率越高。
AISLE湿实验基准首轮评测结果公布AI热点全球首个真实湿实验基准AISLE公布首轮评测结果,GPT 5.5仅得41.19分,所有模型安全通过率为0%。
AA发布Decision Index v2评测AI热点Artificial Analysis发布Decision Index v2,新增奖励校准置信度的Decision Score指标,私有数据集占比升至45%。
评测:DeepSeek网络攻击能力接近闭源AI热点Vals测试显示开源模型DeepSeek在网络攻击任务上接近闭源前沿模型,且成本大幅更低。
MedPhysBench评测12模型医学物理计算AI热点MedPhysBench发布,评测12个语言模型在医学物理计算与错误检测任务上的表现,Claude Sonnet 5.5在等中心MU计算中19/20漏掉平方反比修正。
SchemaBridge基准评测LLM数据库模式设计能力AI热点arXiv论文提出SchemaBridge基准,评测6个LLM在数据库模式设计与还原任务上的表现。
腾讯混元Hy4网络安全评测居首AI热点腾讯混元Hy4在Artificial Analysis Cyber Index以58%排第3,并以76%居CWE-Bench-AA榜首。
SpaceCast-Bench评测21个VLM空间推理最高58%AI热点浙大团队提出SpaceCast-Bench,评测21个视觉语言模型的预测性空间推理能力,最高准确率仅58.0%,显式3D信息可带来提升。
VEX-Bench评测LLM虚假信息验证复杂度AI热点VEX-Bench基准评测LLM生成虚假信息的验证复杂度,覆盖7个前沿模型与7种生成方法共5880篇文章。
NarrativeBench基准评测14个LLM叙事导航能力AI热点arXiv提交新基准NarrativeBench,评测14个LLM在23种语言下的多元叙事导航能力,发现现有模型普遍不足。
MemoryDojo基准评测智能体记忆投毒AI热点MemoryDojo基准通过155条多会话轨迹评测五种LLM智能体记忆系统在投毒攻击下的安全性,发现所有系统均易受影响。
Anthropic公开安全评测方法:跨配置差34点AI热点Anthropic公开AI安全评测方法论,指出同一模型在API与加系统提示配置下安全分数最多相差34个百分点。
开源项目 40
Open R1:DeepSeek-R1 的完全开放复现开源项目已停止维护的开源项目,提供复现 DeepSeek-R1 流水线的训练、数据生成与评测脚本及数据集。查看
Wall-X:WALL 系列具身模型训练与推理代码开源项目WALL 系列开源具身基础模型的训练与推理代码库,含数据准备、服务与评测工具。查看
VibeThinker:小参数量推理模型系列开源项目开源的 1.5B 与 3B 稠密推理模型仓库,基于 Qwen2.5-Coder,面向数学、竞赛编程等可验证推理任务,附技术报告与评测入口。查看
openai/math:模型产出的数学手稿与 Lean 形式化开源项目OpenAI 内部模型在开放研究问题上产出的数学手稿、证明材料与部分 Lean 形式化库。查看
Unlimited-OCR:超长文档解析OCR模型开源项目百度的OCR模型项目,用SR-SWA把超长序列的图文注意力压缩为固定大小工作参考,实现有限上下文内的无界文档解析。查看
MOSS-TTS-Nano:0.1B 参数多语言轻量语音合成模型开源项目开源多语言 tiny TTS 模型,0.1B 参数,支持 CPU 流式推理、声音克隆、ONNX 部署与微调。查看
DeepSeek-OCR:视觉-文本压缩OCR模型开源项目从LLM视角研究视觉编码器的OCR模型,支持多种原生分辨率与动态分辨率模式,可用vLLM推理。查看
PageIndex:基于推理的无向量RAG引擎开源项目用层级树索引加LLM推理替代向量检索,不需向量数据库和分块,面向长篇专业文档问答。查看
DFlash:块扩散投机解码草稿模型开源项目面向投机解码的轻量块扩散模型,支持多款开源基座的并行草稿生成与多种推理后端。查看
Hy-MT2:多语言翻译模型系列开源项目腾讯混元的“快思考”多语言翻译模型系列,含 1.8B、7B、30B-A3B 三种规格,支持 33 种语言互译。查看
LongCat-Image:中英双语图像生成基础模型开源项目6B 参数的开源中英双语文生图与图像编辑模型,提供中间检查点与完整训练代码,支持 Diffusers 和 ComfyUI。查看
HY-WorldPlay:实时交互式世界模型开源项目HY-World 1.5(WorldPlay)是实时交互式世界模型,以流式视频扩散生成24 FPS长时序一致的可操控视频,并开源训练与推理代码。查看
Yuan3.0 Flash:40B MoE 多模态基础模型开源项目YuanLab.ai 团队发布的 40B 参数 MoE 多模态大语言模型,每次推理激活约 3.7B 参数,支持 128K 上下文。查看
dInfer:扩散语言模型推理框架开源项目面向 dLLM 的高效可扩展推理框架,将推理拆分为模型、扩散迭代管理器、解码器与 KV 缓存管理器四个组件,支持批量推理。查看
LMT:中英为中心的多语机器翻译模型开源项目覆盖60种语言、234个翻译方向的LLM多语翻译模型系列,含0.6B至8B四种规格及配套SFT数据。查看
HY-SOAR:扩散模型的免奖励自纠错后训练方法开源项目面向 rectified-flow 扩散模型的免奖励后训练方法,在出错的时间步上直接纠正去噪轨迹。查看
Pixel LLMs:像素级视觉定位的多模态模型系列开源项目以Sa2VA为核心的多模态LLM研究项目集合,将SAM-2与MLLM结合,实现图像和视频的密集定位理解。查看
NVIDIA Cosmos:面向物理 AI 的世界基础模型开源项目Cosmos 3 全模态世界模型家族,含 Reasoner 与 Generator 两条分支,用于世界理解、视频生成、仿真与合成数据。查看
Qwen3-Omni:多模态全模态基础模型开源项目Qwen3-Omni 是端到端多语言全模态基础模型,处理文本、图像、音频、视频并流式输出文本与语音。查看
HY-Motion 1.0:文本生成 3D 人体动作的模型系列开源项目基于 DiT 与 Flow Matching 的文本到 3D 人体动作生成模型,输出可接入 3D 动画管线的骨骼动画。查看

