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 41
MEMENTO长上下文智能体准确率升至67.8%AI热点MEMENTO基于Qwen3-8B训练上下文压缩管理，在书籍问答基准上将准确率从36.9%提升至67.8%，成本远低于GPT-5.5与GLM-5.3方案。
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。
清华伯克利开源机器人Agent HarnessAI热点清华、伯克利团队提出uni-robot-agent统一机器人Agent harness，开源模型在RoboDojo取得31.39分，超GPT-6 Astra的28.97分，真机取得53.50分。
论文测20家LLM中转：计费与权限存风险AI热点arXiv论文测试20家LLM API中转服务，发现行为差异、工具权限违规与计费token虚高问题。
Redwood论文提出score-seeking解释LLMAI热点Redwood Research 发表论文，提出 score-seeking 概念解释 LLM reward-hack 动机。
微软等发布WildAWM合成电脑环境训练CUAAI热点微软研究院等机构提出WildAWM，通过合成个人电脑环境与跨界面任务训练计算机使用智能体，使两个Qwen模型在8个分布外评测榜单上全部提升。
评测：DeepSeek网络攻击能力接近闭源AI热点Vals测试显示开源模型DeepSeek在网络攻击任务上接近闭源前沿模型，且成本大幅更低。
XStack基准发布：测智能体跨生态迁移代码AI热点研究人员发布XStack基准，评测AI智能体将PyTorch仓库迁移至JAX/TPU的能力，Claude Opus 5通过率75%居首。
Ramp报告：AI支出增速停滞AI热点Ramp数据显示，8至9月AI token支出仅增长1.5%，远低于7月的42%，10月虽回升8.9%，但OpenAI与Anthropic的降价正压制其营收增长。
FinDendro基准测LLM时间自知识AI热点arXiv新论文提出FinDendro基准，用2226条带日期事实测试大模型时间自知识，发现自述会低估模型知识，回测无法靠自述证明无泄漏。
普林斯顿发布SSoN空间智能基准AI热点普林斯顿AI Lab推出SSoN基准，人类准确率83.3%，主流视觉语言模型最高仅39.7%，多数低于随机基线。
模思智能发布全双工语音系统MOSS-LiveAI热点模思智能发布全双工实时交互系统MOSS-Live，多项语音交互指标领先，并开放API接入。
谷歌发布Gemini 4 Carbon，登顶全球大模型榜首AI热点谷歌发布新旗舰Gemini 4 Carbon，以59分登顶第三方智能指数全球第一，本周仅向部分安全防御人员开放。
OpenAI披露前沿模型失准监控系统AI热点OpenAI公布多层监控架构，覆盖训练、评估与部署环节，用于检测前沿模型失准行为。
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。
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。
星尘智能AOS系统降低机器人开发门槛AI热点星尘智能在深圳举办机器人黑客松总决赛，其AOS操作系统让16个App跑通真机，上真机率达94%，内部开发速度提升3到5倍。
SemiAnalysis发布智能体基准GDPxAI热点SemiAnalysis联合14家RL环境伙伴推出通用智能体基准GDPx，覆盖11个高价值领域，最佳模型仅得12%。
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。
谷歌开源多智能体冲突基准CLASHarnessAI热点谷歌等团队发布并开源CLASHarness基准，首次对15个主流大模型在多Agent冲突场景下的表现进行实测。