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 102
谷歌发布工程Agent评测PLEAI热点谷歌与Mercor发布工程Agent评测PLE，揭示高单项约束满足率与低全约束通过率之间的落差。
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。
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。
阿里等发布Co-Design Bench编码基准AI热点阿里与亚洲高校研究者发布Co-Design Bench，基于真实用户修改请求测试编码智能体，最佳模型GPT-6 Astra仅26.4%任务完全正确。
Kimi K3.1 Pro上线FireworksAI热点月之暗面Kimi K3.1 Pro在发布当日上线Fireworks平台，提供无服务器与专用部署两种接入方式。
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
Karpathy用Claude打造HackerTube推荐站AI热点Karpathy用Claude从20年HN评论中筛出6454个视频，约2小时完成HackerTube推荐站。
谷歌发布T2J-Bench迁移评测基准AI热点谷歌团队发布T2J-Bench，用63个整仓任务评测PyTorch到JAX迁移，TwinHarness将得分提升11.4%。
OpenRouter公布Claude Code会话成本数据AI热点OpenRouter公布Claude Code各模型会话成本中位数，Opus 5.5短会话$0.31。
思科Talos披露集成大模型的窃密木马AI热点思科Talos披露新型信息窃密木马Volta-Autodoxer，攻击者引入商业大模型自动对受害者数据画像，快速筛选高价值目标，展示LLM被用于增强传统恶意软件能力。
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%。
千个Fable智能体30小时形式化费马大定理AI热点Anthropic称1000个Fable 5.2智能体30小时完成费马大定理形式化，Opus 5.5同设置仅完成26%。
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。
Anthropic扩大Claude文本水印覆盖AI热点Anthropic为合规将文本水印扩展至四款Claude模型，两款旧模型被曝可调参绕过。
一人加Claude完成三元哥德巴赫猜想形式化证明AI热点独立开发者Charlie Reams借助Claude Code完成三元哥德巴赫猜想的Lean形式化证明，19.4万行代码零sorry，并发现原证明多处错误。
Claude限制生成宝可梦游戏素材AI热点Anthropic为Claude加入限制，禁止生成宝可梦相关游戏素材，涵盖音乐、关卡、角色外观与名称，为Claude首次针对具体游戏系列划出版权红线。
Claude交互式连接器升级支持全屏直接操作AI热点Anthropic升级Claude交互式连接器，支持工具在对话旁全屏打开并由Claude直接修改内容，首批覆盖Asana、Notion等工具，正向所有套餐推送。
Claude十月访问量13亿次创新高AI热点Similarweb数据显示Claude 10月网站访问量约13亿次，环比增23.8%创新高，增速超ChatGPT与Gemini。
Claude API新增effort调节Beta功能AI热点Anthropic为Claude API新增Beta功能，开发者可在对话中途调整模型回答的努力程度。
Reinwatch发布Claude Code子代理监控模组AI热点Reinwatch发布，为Claude Code子代理提供token统计、失控警告与手动停止功能。