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
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。
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。
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%。
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。
蚂蚁联合西湖心辰发布世界模型Duo v1AI热点蚂蚁团队联合西湖心辰提出双向世界模型RWM范式,推出首个实现版本Duo v1,支持实时全双工交互,人工评测通过率93.3%。
华为云开源具身世界模型CloudRobo-WM1.2AI热点华为云发布并开源昇腾原生具身世界模型CloudRobo-WM1.2,在两项评测基准中排名第一。
Cmpnd发布dspy-wsp:权重空间编程成DSPy优化器AI热点Cmpnd发布开源优化器dspy-wsp,让前沿LLM直接读取并编辑小模型权重,无需梯度与训练数据,评测中d1-omni-600M提升18.3点。
AURA 2.0开源:流式视频模型可主动发起对话AI热点AURA 2.0开源流式视频大模型,新增模型主动对话等三项核心能力,评测居开源流式模型前列。
论文提出光学广播内存,省PB级HBMAI热点arXiv论文提出光学广播内存OBM架构,用集中式内存服务器向推理节点广播模型权重,评测显示在8万加速器规模下可省PB级HBM且吞吐与能耗具竞争力。
深度原理发布科研模型Hydrogen-1.0AI热点深度原理推出以GLM-5.3为底座的科研模型Hydrogen-1.0,开放权重与API,多项评测中表现领先。
蚂蚁百灵发布ZoomGain视觉模型AI热点蚂蚁百灵发布基于强化学习训练的ZoomGain-4B/9B视觉模型,并同步开源评测基准与训练数据集。
MXI-SimWorld登顶RoboColiseum总榜AI热点北大数院团队的MXI-SimWorld v0 Preview以0.9656分登顶RoboColiseum具身智能评测总榜,四个子榜均进前二。
MasterControl开源Runway推理验证框架AI热点MasterControl发布内部验证工具Runway,围绕NVIDIA AIPerf构建合规决策流水线,并给出三项推理引擎评测发现。
REAL框架提升语音奖励模型偏好准确率AI热点REAL框架通过证据关联分析建模生成语音逼真度,基于MiMo-Audio的REAL-Judge在两层评测上将成对偏好准确率提升16.01和11.41个百分点,并优于SpeechJudge与UniSRM。
谱遗忘框架入选NeurIPS 2026AI热点论文提出谱遗忘框架,将矩阵结构化优化用于大模型机器遗忘,在多轴评测中超越基线并接近保留训练参考,已被NeurIPS 2026接收。
Meta发布最小模型Muse EmberAI热点Meta推出迄今最小最高效的模型Muse Ember,面向智能体日常重复任务,定价与评测数据同步披露。
南大联合美团LongCat提出IntRealAI热点南京大学联合美团LongCat等机构提出IntReal,围绕数据、评测与训练三方面提升统一多模态模型的图文交错生成能力。
开源项目 40
Tongyi DeepResearch:深度信息检索 Agent 模型开源项目通义实验室 30B-A3B 激活的深度研究模型,面向长程信息检索任务,附推理脚本与评测流程。查看
VitaBench:LLM智能体交互任务评测基准开源项目评测LLM智能体在真实生活服务场景中多轮交互与工具调用能力的基准,含代码库、数据集与评测流程。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
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
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
Opik:开源LLM可观测与评估平台开源项目Apache-2.0 开源的 LLM 可观测性与评估平台,覆盖 agent 追踪、评测、提示词管理与生产监控。查看
DeepSWE:编码智能体长任务评测基准开源项目包含 113 个任务的基准,用于评测前沿编码智能体在开源仓库上的长程软件工程能力。查看
Step-3.5-Flash:稀疏 MoE 开源基础模型开源项目196B 参数、每 token 激活 11B 的 MoE 基础模型,面向推理、编码与 Agent 任务。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
OpenViking:AI智能体的上下文数据库开源项目把知识、记忆与技能组织成 viking:// 虚拟文件系统,供智能体用 ls、read、grep 等方式浏览和检索上下文。查看
Index-AniSora:开源动画视频生成模型开源项目B站开源的动画视频生成模型仓库,提供多版本模型权重与推理代码,支持多种动画风格的视频镜头生成。查看
V-JEPA 2:自监督视频理解与预测模型开源项目Meta FAIR 的自监督视频模型官方 PyTorch 代码库,涵盖 V-JEPA 2、V-JEPA 2-AC 与 V-JEPA 2.1。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
simple-evals:语言模型评测参考实现开源项目OpenAI 开源的轻量语言模型评测库,2025 年 7 月起不再更新,保留 HealthBench、BrowseComp、SimpleQA 参考实现。查看
MiMo-Embodied:具身智能与自动驾驶评测套件开源项目MiMo-Embodied 模型的官方评测仓库,基于 lmms-eval 扩展,覆盖具身 AI 与自动驾驶基准,仅用于评测。查看
KADTK:Kernel Audio Distance 音频评测工具包开源项目实现 Kernel Audio Distance 指标的 Python 工具包与 CLI,用参考集与生成集的嵌入计算生成音频质量分数。查看
LingBot-VA:机器人控制的因果世界模型开源项目自回归视频-动作世界模型,统一视觉动态预测与动作推理,提供推理、评测与后训练代码及权重。查看
Modern Web Guidance:面向编程助手的 Web 技能源码库开源项目将现代 Web API、浏览器兼容性和开发实践整理为编程助手可调用的技能;此仓库用于编写、校准和评测这些内容。查看
nanochat:单节点LLM训练实验框架开源项目覆盖分词、预训练、微调、评测与推理全流程的极简LLM训练框架,通过单一深度参数配置模型规模。查看

