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”。
AI热点 146
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。
伯克利论文:监督者重组智能体团队超越专家内核AI热点UC Berkeley论文提出Evolving Agent Teams,用supervisor在进度停滞时重组编码智能体团队,在GPU kernel优化上超越专家代码。
多校发布RoboRisk基准与LEASH护栏,大模型机械臂伤害率大降AI热点西交利物浦大学等多校联合提出机器人安全基准RoboRisk与安全护栏LEASH,评测显示六个前沿大模型伤害率在9.06%至76.92%之间,加入LEASH后四个模型真机任务零伤害。
FlashStates发布:混合状态缓存预填充提速3.14倍AI热点Together AI、UIUC与UT Austin提出FlashStates,重新设计混合架构模型的KV与状态缓存管理,预填充吞吐最高达vLLM的3.14倍,SGLang已接入其淘汰策略。
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。
Anthropic本周纳斯达克挂牌,代码ANTAI热点Anthropic计划本周在纳斯达克挂牌交易,股票代码ANT,市场预期其机构认购热度可能超过SpaceX。
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。
Gemini 4 Hydrogen High成Agent Arena前十最快模型AI热点Agent Arena榜单显示,谷歌Gemini 4 Hydrogen (High)成为前十模型中速度最快的一款,典型步长7.3秒。
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。
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。
AI同行评审基准:前沿LLM检测率差50点AI热点论文提出审计AI同行评审员的基准,向真实论文注入357个错误并评估12个评审系统,发现模型选择对检测率影响最大。
百度文心5.5 Flash Preview发布,两项基准居首AI热点百度文心发布ERNIE 5.5 Flash Preview,在八项基准测试中两项排名第一,并公布推理价格与开源计划。
Datadog发布SRE排查模型ScoutAI热点Datadog发布面向SRE故障排查的专用AI模型Scout,已在Bits中封闭预览,成本显著低于通用模型。
论文揭示语言智能体记忆陷阱AI热点arXiv新论文指出语言智能体的持久记忆会从良性互动中过度泛化,导致后续任务出现不安全行为。
OpenRouter实测MCP与CLI的token成本AI热点OpenRouter实测同一GitHub任务下MCP、CLI与skill的token开销,并推出Tool Search降低MCP上下文成本。
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%。
清华TraceMRT绕过CoT监控逃逸率达60%AI热点清华论文提出TraceMRT框架,将隐藏任务改写为主任务合理子目标攻击CoT监控,逃逸率升至59.94%,配套贝叶斯监控将检测AUC提至0.91。
斯坦福论文:信息披露对LLM交易影响不一AI热点斯坦福研究在交易、议价和拍卖场景测试10个前沿模型,发现信息披露并非总能改善结果,不同模型收益随披露粒度变化有升有降。
谷歌开源EGM插件规格先行评审AI热点谷歌开源EGM插件,让编码智能体先写规格,再由无状态子智能体分5阶段评审。
MaxxBench改写DeepSWE任务测模型适应力AI热点MaxxBench通过修改89个DeepSWE任务指令,发现模型在需求变更时分数大幅分化,揭示基准过拟合问题。
开源项目 223
Huashu Design:面向Agent的设计交付技能开源项目跨Agent通用的设计技能,用一句话生成可交付的App原型、HTML/PPT幻灯片、信息图、动画与小红书图文。查看
OpenSEO:开源SEO工具与MCP服务开源项目开源的SEO工具,覆盖关键词研究、排名跟踪、外链、站点审计等工作流,可通过MCP供AI助手直接使用。查看
VectorCraft:Rust 矢量插画应用开源项目VectorCraft 是用纯 Rust 编写的开源矢量插画应用,桌面端原生运行并可通过 WebAssembly 在浏览器中使用,支持通过 MCP 服务器由 AI 代理操作。查看
Twenty:可像代码一样构建的开源CRM开源项目开源 CRM,提供对象、视图、工作流和 Agent 等积木,可用 CLI 把对象、字段、视图定义为代码并部署到工作区。查看
code-review-graph:代码审查知识图谱MCP服务开源项目用Tree-sitter构建本地代码知识图谱,通过MCP向AI编码工具提供变更影响范围与最小审查上下文。查看
no-mistakes:推送前 AI 校验的 Git 代理开源项目在本地 Git 推送前插入 AI 校验流水线的代理,全部检查通过后才转发分支并自动开 PR。查看
Open-LLM-VTuber:语音交互的 Live2D AI 伴侣开源项目支持实时语音对话与视觉感知、带 Live2D 形象的本地 AI 伴侣,可完全离线运行,提供网页与桌面宠物两种客户端。查看
hyperframes:HTML 转视频的渲染框架开源项目把 HTML、CSS、媒体与可寻址动画渲染成确定性 MP4,附 CLI 与面向编码 Agent 的技能。查看
REA-Prompts:逆向工程 Agent 技能提示集开源项目面向编码 Agent 的逆向工程提示集合,可安装为技能包或粘贴为系统提示,覆盖二进制、固件、游戏、漏洞研究等场景。查看
Archon:YAML工作流驱动的AI软件工厂开源项目用YAML描述工作流,让AI代理、脚本和人工决策协作执行,内置从issue到合并PR的SDLC流程包。查看
Muse4AI:本地Muse会话的Agent接入工具开源项目Windows桌面应用,把本机Muse会话以REST、MCP和OAuth接口开放给各类AI Agent生成图片与视频。查看
GitHub MCP Server:AI 工具连接 GitHub 的 MCP 服务开源项目GitHub 官方 MCP 服务器,让 AI 助手读写仓库、管理 Issue 与 PR、分析代码并监控 Actions 工作流,提供远程托管与本地两种运行方式。查看
deepchat:本地优先的 AI Agent 桌面客户端开源项目开源桌面客户端,统一管理云端与本地模型,支持 MCP、Skills、ACP 集成和多消息应用远程控制。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
All API Hub:AI中转站资产管理浏览器扩展开源项目浏览器扩展,统一管理多个New API兼容中转站的余额、用量、模型价格、签到与API凭据,并支持连接测试和一键导出到各类客户端。查看
mattpocock/skills:可组合的日常工程Agent技能开源项目一组小而可组合的Agent技能,覆盖需求对齐、TDD、调试等日常工程流程。查看
Hy Memory:LLM Agent 双系统认知记忆引擎与 SDK开源项目面向 LLM Agent 的双系统认知记忆引擎与 Python SDK,为对话、工作、编码三类场景提供分层长期记忆、事实与经验记忆及版本演化追踪。查看
XERJ:面向AI的本地搜索引擎与MCP服务开源项目Rust 编写的本地优先搜索引擎,为编码Agent索引代码与文档,并提供 XERJ Query-1 模型把问题转成查询程序。查看
Superpowers:编码Agent的开发流程技能包开源项目基于可组合技能的编码Agent方法论,从需求梳理到子代理驱动的实现与评审。查看
AiToEarn:AI内容营销与多平台分发平台开源项目面向一人公司与创作者的AI内容平台,支持在抖音、小红书、TikTok、YouTube等14+平台创作、发布、互动并变现内容。查看