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 54
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称Computer Use速度超普通人AI热点OpenAI Computer Use产品负责人在a16z播客披露,该产品使用电脑速度已超普通人,正逼近超人类水平。
Claude Fable 5.2售货机评测仅赚9628美元AI热点Andon Labs评测显示,Claude Fable 5.2因疑心过重在模拟售货机经营中仅赚9628美元,落后于Gemini 4 Carbon等对手。
微软发布网络安全模型MAI Cyber 2 FlashAI热点微软AI部门发布面向企业安全团队的专用模型MAI Cyber 2 Flash,主打高性价比网络安全AI。
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。
sudo L7基准:Claude全系胜过GPTAI热点新基准sudo L7显示Claude各模型在软件工程判断力上全面超越GPT。
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。
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。
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。
奥特曼预告下一代GPT即将发布AI热点奥特曼在ADIPEC 2026开幕式上确认,攻克千禧难题的内部模型即即将发布的下一代GPT。
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。
深度原理发布科研模型Hydrogen-1.0AI热点深度原理推出以GLM-5.3为底座的科研模型Hydrogen-1.0,开放权重与API,多项评测中表现领先。
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%。