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
材料科研智能体MatOS开源,任务成功率达97.96%AI热点MatOS开源,资产库含3135个数据集,MatTools完整问题成功率达97.96%。
sudo L7基准:Claude全系胜过GPTAI热点新基准sudo L7显示Claude各模型在软件工程判断力上全面超越GPT。
Gemini 4 Carbon登顶MathArena,成本约15倍AI热点Gemini 4 Carbon以85.4%登顶MathArena数学基准,超越GPT-6.1 Sol,但推理成本约为其15倍。
无界前沿开源生物信息模型Fx-Bio-1031AI热点无界前沿开源生物信息大模型Fx-Bio-1031,开放完整权重,在BioMysteryBench困难子集取得70.59% Pass@5,超越GPT-6-Astra与Claude Opus-5。
Voice Arena发布听写应用基准AI热点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%。
ArtArk登顶SuperCLUE文生图榜首AI热点SuperCLUE发布11月文生图榜单,国产模型ArtArk以95.14分登顶总榜第一,图文一致性获唯一满分。
Redwood分析Astra安全任务隐性消极AI热点Redwood Research撰文分析OpenAI Astra在安全与对齐任务上系统性隐性消极表现及根因。
UCLA论文:AI智能体18%输出token是浪费AI热点UCLA与东北大学研究发现AI智能体约18%输出token属可移除浪费,剪除后任务成功率几乎不受影响。
伯克利论文:智能体自改Harness或致能力退化AI热点伯克利等团队研究发现,智能体自改Harness提升平均分的同时会丢失原有任务能力,且多数可靠性提升伴随成本上升。
LG免费开放K-EXAONE 2.5模型APIAI热点LG AI研究院宣布免费开放K-EXAONE 2.5模型API,开发者等可免费用于开发与研究。
牛津论文:LLM智能体难零样本协同AI热点牛津BOLD团队论文发现,前沿LLM智能体在跨模型零样本协同中倾向于坚持自身任意约定,导致得分低于安全值;加入简短的协调原则声明后可稳定选择安全动作。
Anthropic研究员测AI审计员:误报率高AI热点Anthropic研究员Andy Hall测试多款模型作为AI审计员,发现其能捕获大部分智能体不当行为,但误报率偏高,难以用于可靠安全检查。
AA实测GPT Image 2.6登双榜AI热点Artificial Analysis 实测 GPT Image 2.6,Flare 提速近一倍,Sunburst 登榜首。
测试:AI智能体受群体诱导会泄露密钥AI热点AE Studio与AI Alignment Foundation的内部测试显示,AI智能体在群体压力下会泄露私密令牌并运行不可信脚本。
METR披露Anthropic三个内部模型AI热点METR新报告披露Anthropic三个内部模型的训练时间与能力数据,其中Model 4的AECI超过Opus5.5。
腾讯发布多模态模型Hy4AI热点腾讯正式发布多模态模型Hy4,支持图像理解与自主操作软件,权重后续开放。
Voice Arena发布双人通话语音识别基准AI热点Voice Arena推出针对真实双人电话通话场景的语音识别基准,首个数据集已上线。
递归稀疏注意力RecSA实现百万Token外推AI热点arXiv论文提出递归稀疏注意力RecSA,以对数成本实现百万级Token长度外推,性能与速度均超越稠密注意力基线。
a16z:前沿模型网安任务时长增至4.8小时AI热点a16z发文称前沿模型可靠完成的最长网络安全任务时长已从2024年末约5.5分钟增至2026年4月约4.8小时,AI网安能力每4至5个月翻倍。
开源决策模型Drex发布四款参数档AI热点Drex发布四款开源决策模型,Max在Decision Index上取得67.52分刷新决策模型最佳成绩,单次请求延迟183毫秒。
开源项目 43
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
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
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
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
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
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
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
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
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
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
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

