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 74
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%。
两大旗舰模型提前曝光，疯狂11月要来了AI热点Anthropic与OpenAI接连传出新模型线索，Claude Fable 5.5、GPT-6.2 Astra相继现身，11月或迎旗舰集中更新。
李曼玲团队提出具身首考EFE基准AI热点李曼玲联合李飞飞等提出具身首考EFE基准，评测coding agent控制机器人的能力，GPT-6 Astra标准设置成功率为33.6%。
LiberAI发布世界动作模型Liber-0AI热点LiberAI发布基于超220万小时人类经验数据预训练的世界动作模型Liber-0，真机测试中在GPT-6生成的60项任务上取得36%成功率，显著高于对照的GPT-6 Astra。
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。
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。
OpenRouter发布LLM基准测试教程AI热点OpenRouter发布教程，讲解如何用应用真实输入与输出契约评测LLM，并公布60个合成任务的实测结果与榜单相关性分析。
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。
LLM直接写出医学分类器权重AI热点新论文探索权重空间编程：让大模型直接写出医学图像分类器参数，无需训练数据，并给出与基线模型的AUC对比结果。
清华与Moonshot发布TCSExam基准AI热点清华与Moonshot AI等发布TCSExam基准，用100项专家评审任务测试模型定理证明与公开猜想求解能力。
OpenAI发布Daybreak红队与防御工厂AI热点OpenAI推出Daybreak安全平台两款产品，分别用于漏洞测试与自动化防御。
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。
普度大学发布RSI-Opt优化器框架AI热点普度大学团队提出RSI-Opt，让LLM智能体的优化经验跨训练运行继承进化，实验显示多模型任务表现显著提升。
Fable 5.2登顶Remote Labor IndexAI热点Anthropic Fable 5.2 在 Remote Labor Index 基准上以 41.3% 排名第一，远超其他模型。
ARC Prize公布Fable 5.2评测成绩AI热点ARC Prize公布Claude Fable 5.2在ARC-AGI-2取得93.8%，为第三高模型成绩，并披露各基准得分与评测成本。
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。
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。
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。