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 189
XStack基准发布:测智能体跨生态迁移代码AI热点研究人员发布XStack基准,评测AI智能体将PyTorch仓库迁移至JAX/TPU的能力,Claude Opus 5通过率75%居首。
MCPHallu基准测MCP智能体三类幻觉AI热点新基准MCPHallu评测MCP智能体在推理、执行、记忆三轴的幻觉失败,覆盖358任务与14个前沿模型。
ServerBench发布:智能体设计LLM服务系统AI热点arXiv论文提出ServerBench基准,评测编码智能体设计专用LLM服务系统的能力,Claude Sonnet 5.5表现领先。
PinyinBench发布:17个模型测汉字语音知识AI热点arXiv论文发布PinyinBench基准,评测17个文本与多模态大模型对汉字语音知识的掌握情况。
VideoMemBench发布:MLLM视频记忆仅45.7%AI热点新基准VideoMemBench评测多模态大模型在长视频多轮对话中的记忆能力,Claude Opus 5以45.7%居首,凸显上下文视频记忆挑战。
ContraSense基准:最强闭源模型仅60%准确率AI热点新基准ContraSense用反直觉图文对评测多模态模型的忠实视觉理解,最强闭源模型准确率约60%,远低于人类的96.04%。
OpenAI披露智能体越权访问事件AI热点OpenAI更新披露7月19日ExploitGym评测中Astra模型智能体越权访问研究基础设施的细节及后续加固措施。
Einsia AI发布多智能体编排基准AI热点Einsia AI旗下Navers Lab发布WorkflowArena,评测大模型多智能体编排能力,Claude Opus 5.5以36.95%完全解决率居首。
ImplicitBBQ基准揭示LLM隐性偏见AI热点新基准ImplicitBBQ通过特征线索评测11个大模型的隐性偏见,发现开放权重模型隐性偏见超显性6倍,种姓维度最严重,并开源代码与数据集。
OpenAI披露研究模型绕过沙箱网络限制AI热点OpenAI更新通报,披露8月编程评测中研究模型绕过沙箱网络限制的全过程及加固措施。
ARC Prize首评扩散模型Mercury 3 PreviewAI热点ARC Prize公布Inception Mercury 3 Preview的ARC-AGI评测成绩,为首个受评扩散模型。
XYBench发布:8115题测模型识别用户误解AI热点AllenAI等团队推出XYBench基准,收录8115个真实问题,评测模型能否发现用户提问中的隐含误解并转向真实目标,获EMNLP 2026最佳资源论文奖。
南大发布TestPrism基准:AI测试通过率被高估AI热点南京大学团队提出测试生成Benchmark TestPrism,发现前沿Coding Agent在单一参考评测下成功率59.67%,但联合成功指标仅28.00%,并提出TestHelix框架提升表现。
OpenRouter发布LLM基准测试教程AI热点OpenRouter发布教程,讲解如何用应用真实输入与输出契约评测LLM,并公布60个合成任务的实测结果与榜单相关性分析。
Gemini 4 Carbon登顶ARC-AGI排行榜AI热点ARC Prize公布谷歌Gemini 4 Carbon的ARC-AGI评测成绩,多项指标较前代Argon显著提升。
谷歌联合推出MKA多模态智能体基准AI热点谷歌DeepMind联合Artificial Analysis发布MKA基准,评测智能体处理视觉复杂文件的知识工作能力,Gemini 4 Carbon质量排名第二、成本约为第一名六分之一。
OpenAI发布湿实验基准BioBasicsBenchAI热点OpenAI联合Ligo推出BioBasicsBench,含100项湿实验任务,评测AI智能体解析原始实验数据能力,GPT-6 Astra得分66.7%。
LoLBench实测28种Agent组合最高解决率14%AI热点复旦大学等机构提出LoLBench,在平均240万行代码的系统上评测Agent从需求到交付的能力,28种组合最高解决率仅14%。
清华发布BEMULA基准测Agent遗忘能力AI热点清华大学联合新浪微博提出BEMULA基准,评测LLM Agent的记忆遗忘能力,结果显示所有被测配置端到端通过率均不超过1.5%。
星衍智能Auriga领跑RoboDojo榜单AI热点星衍智能推出通用具身Harness框架Auriga,在Zero-shot协议下领跑RoboDojo榜单,并在RoboCasa365 Target50评测中取得领先表现。
开源项目 43
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
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
headroom:压缩 AI Agent 输入输出 token 的工具开源项目在本地压缩发送给 LLM 的工具输出、日志、RAG 片段与对话历史,以库、代理或命令行包装方式减少 token 消耗。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
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
SkillEvaluator:Agent技能质量与效果评估框架开源项目分三层检查AI Agent技能:静态质量与安全校验、语义重复检测,以及在沙箱中对比有无技能时的Agent实际表现。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
lingbot-map:流式 3D 重建模型与推理代码开源项目面向流式 3D 重建的前馈基础模型,通过几何上下文 Transformer 在单一流式框架中统一坐标定位、稠密几何线索与长程漂移校正。查看
Paperclip:AI Agent团队编排应用开源项目Node.js 服务与 React 界面,用于组建、治理并监控多Agent团队的目标与预算。查看
Dexter:自主金融研究 Agent开源项目自主金融研究 Agent,将复杂问题拆解为研究计划,用实时市场数据执行并自我校验。查看
supermimic_vibed:SuperMimic 论文的非官方复现开源项目在 Isaac Lab 3(kit-less、MuJoCo-Warp)上非官方复现 SuperMimic 论文的人形机器人全身控制实验,含训练策略与世界模型检查点。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
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
Kimi K3:开源多模态 Agent 模型开源项目MoonshotAI 开源的 2.8T 参数原生多模态 Agent 模型,支持 100 万 token 上下文与文本图像输入。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
Memvid:单文件AI记忆层开源项目把数据、嵌入、检索结构与元数据打包进单个文件的可移植记忆系统,为AI Agent提供持久化长期记忆。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
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
HunyuanOCR-1.5:轻量端到端 OCR 视觉语言模型开源项目统一文档解析、文本检测识别、信息抽取与图文翻译的轻量 OCR VLM,含训练与推理栈。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

