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”。
工具 2
AI热点 38
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%。
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。
上海创智学院开源801-30B预训练模型AI热点上海创智学院与新序智能联合发布预训练级RSI技术报告及801-30B base模型，评测进入同尺寸开源第一梯队。
小鹏联合北大港大发布GroundingPI模型AI热点小鹏联合北大、港大等发布具身感知基座模型GroundingPI，约40亿参数，34项感知基准综合评测第一，对比GPT-6 Astra得分73.68对71.54。
小米机器人汽车工厂连续作业8小时AI热点小米CyberOne 02人形机器人在汽车工厂首次完成8小时连续作业验证，并披露具身基座模型XR-1的技术细节与评测结果。
优必选发布Thinker-Sim仿真平台AI热点优必选发布具身智能仿真平台Thinker-Sim，构建覆盖真实场景数字化、仿真数据合成与机器人能力评测的一站式体系。
Meta提出路由式持续学习架构，API成本降72%AI热点Meta FAIR提出Routed CL架构，通过簇化记忆与LLM路由复用经验，实验显示API成本降低65%至72%，归一化奖励提升15%至30%。
印度IPR法律抽取式问答基准发布AI热点arXiv发布IndicIPR-QA基准，含4462个问答对覆盖印度七大知识产权法案
美团发布1.6万亿参数多模态模型AI热点美团龙猫发布LongCat-2.5原生多模态模型，总参数1.6万亿，强化视觉理解与智能体编程能力。
启元发布PrimeSim世界模型仿真器AI热点启元具身研究中心发布面向机器人操纵任务的世界模型仿真器PrimeSim，在EWMBench和WorldSimProbe两大榜单登顶，权重与代码即将开源。
RPS-Serve发布：多模态推理调度新框架AI热点arXiv论文提出RPS-Serve模态感知调度框架，通过将视频、图像、文本分类为岩石、卵石、沙子优化GPU利用率，GPU利用率提升65%，TTFT最多降低9.3倍。
vLLM实现Mistral Large 4首日支持AI热点vLLM宣布对Mistral新旗舰模型Mistral Large 4提供Day 0支持，该模型为1T参数、每token激活49B的原生多模态MoE模型，采用MLA稀疏注意力、跨层KV共享等新架构，并内置DSpark推测解码草稿器与Pixtral视觉编码器。
arXiv论文：LLM批处理评分受同批条目影响AI热点arXiv新论文指出LLM批量评分时，同批其他条目会显著改变11-22%的裁决结果
DeepSeek V4.1刷新ARC-AGI开源成绩AI热点ARC Prize公布DeepSeek V4.1 Flash 1017在ARC-AGI-2取得78.1%、ARC-AGI-1达94.5%，刷新开源模型纪录。
EnvOS框架可审计任务中途变化的智能体AI热点arXiv论文提出EnvOS框架，可构建并认证任务中途变化的智能体测试环境
英伟达UT-Austin发布Realtime-BenchAI热点英伟达与UT-Austin等机构提出Realtime-Bench实时交互基准，测试12个前沿模型，最佳模型GPT-6-Astra任务成功率仅44%。
混元Hy4登Agent Arena总榜第14AI热点Agent Arena宣布腾讯混元Hy4总榜排名第14，净提升4.7%，进入Pareto前沿。
谷歌提出OPST自训练方法AI热点谷歌等团队提出OPST自训练方法，仅需人工指定话题即可让模型自生成问题与答案进行后训练，在Gemma 4上将MMLU从37.5提升至47.7。