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
Artificial Analysis编程智能体指数升至v2.1AI热点Artificial Analysis发布Coding Agent Index v2.1,升级FrontierCode与Terminal-Bench基准,Claude Fable 5.2与Claude Opus 5.5并列58分领跑。
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。
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。
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。
METR报告:Anthropic研发加速1.9倍AI热点第三方机构METR发布报告,量化Anthropic内部AI研发加速约1.9倍,约80%来自AI自身帮助。

