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”。
文章 1
工具 2
AI热点 189
清华开源AKV:缓存工程降本27.7%AI热点清华与港中文团队提出缓存工程并开源AKV推理系统,评测显示平均推理成本降低27.7%、任务成功率提升1.7个百分点。
思维链一作Jason Wei加入Mercor任首席科学家AI热点Jason Wei离开Meta TBD实验室,出任Mercor首席科学家,负责组建研究团队并主管数据与评测。
GPT-6.2 Astra与Sol上线LMArena Agent ArenaAI热点GPT-6.2 Astra与Sol已进入LMArena Agent Arena,基于数百万条真实长周期智能体任务评测,模型可调用网页搜索、文件系统与终端工具。
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。
蚂蚁联合西湖心辰发布世界模型Duo v1AI热点蚂蚁团队联合西湖心辰提出双向世界模型RWM范式,推出首个实现版本Duo v1,支持实时全双工交互,人工评测通过率93.3%。
华为云开源具身世界模型CloudRobo-WM1.2AI热点华为云发布并开源昇腾原生具身世界模型CloudRobo-WM1.2,在两项评测基准中排名第一。
NovaSilicon两篇论文:自研Agent超GPT-6AI热点NovaSilicon发布两篇论文,其基于CDK的自研Agent在模拟版图与floorplan评测中均分超过GPT-6 Astra。
Cmpnd发布dspy-wsp:权重空间编程成DSPy优化器AI热点Cmpnd发布开源优化器dspy-wsp,让前沿LLM直接读取并编辑小模型权重,无需梯度与训练数据,评测中d1-omni-600M提升18.3点。
AURA 2.0开源:流式视频模型可主动发起对话AI热点AURA 2.0开源流式视频大模型,新增模型主动对话等三项核心能力,评测居开源流式模型前列。
论文提出光学广播内存,省PB级HBMAI热点arXiv论文提出光学广播内存OBM架构,用集中式内存服务器向推理节点广播模型权重,评测显示在8万加速器规模下可省PB级HBM且吞吐与能耗具竞争力。
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。
蚂蚁百灵发布ZoomGain视觉模型AI热点蚂蚁百灵发布基于强化学习训练的ZoomGain-4B/9B视觉模型,并同步开源评测基准与训练数据集。
MXI-SimWorld登顶RoboColiseum总榜AI热点北大数院团队的MXI-SimWorld v0 Preview以0.9656分登顶RoboColiseum具身智能评测总榜,四个子榜均进前二。
MasterControl开源Runway推理验证框架AI热点MasterControl发布内部验证工具Runway,围绕NVIDIA AIPerf构建合规决策流水线,并给出三项推理引擎评测发现。
REAL框架提升语音奖励模型偏好准确率AI热点REAL框架通过证据关联分析建模生成语音逼真度,基于MiMo-Audio的REAL-Judge在两层评测上将成对偏好准确率提升16.01和11.41个百分点,并优于SpeechJudge与UniSRM。
谱遗忘框架入选NeurIPS 2026AI热点论文提出谱遗忘框架,将矩阵结构化优化用于大模型机器遗忘,在多轴评测中超越基线并接近保留训练参考,已被NeurIPS 2026接收。
微软提出Self-HPO让编码智能体自进化AI热点微软研究者提出Self-HPO方法,让编码智能体交替优化运行框架与模型权重,在三项SWE-Bench评测上平均解决率从57.8%提升至64.8%。
Meta发布最小模型Muse EmberAI热点Meta推出迄今最小最高效的模型Muse Ember,面向智能体日常重复任务,定价与评测数据同步披露。
南大联合美团LongCat提出IntRealAI热点南京大学联合美团LongCat等机构提出IntReal,围绕数据、评测与训练三方面提升统一多模态模型的图文交错生成能力。
腾讯混元开源Hy-Nomas世界生成模型AI热点腾讯混元开源支持多轮交互与镜头控制的视频世界生成模型Hy-Nomas,并同步发布评测基准。
开源项目 43
promptfoo:LLM评测与红队测试工具开源项目用于评估和红队测试LLM应用的CLI与库,支持自动化评测、模型对比、CI/CD集成与漏洞扫描。查看
VitaBench:LLM智能体交互任务评测基准开源项目评测LLM智能体在真实生活服务场景中多轮交互与工具调用能力的基准,含代码库、数据集与评测流程。查看
DeepSWE:编码智能体长任务评测基准开源项目包含 113 个任务的基准,用于评测前沿编码智能体在开源仓库上的长程软件工程能力。查看
simple-evals:语言模型评测参考实现开源项目OpenAI 开源的轻量语言模型评测库,2025 年 7 月起不再更新,保留 HealthBench、BrowseComp、SimpleQA 参考实现。查看
MiMo-Embodied:具身智能与自动驾驶评测套件开源项目MiMo-Embodied 模型的官方评测仓库,基于 lmms-eval 扩展,覆盖具身 AI 与自动驾驶基准,仅用于评测。查看
KADTK:Kernel Audio Distance 音频评测工具包开源项目实现 Kernel Audio Distance 指标的 Python 工具包与 CLI,用参考集与生成集的嵌入计算生成音频质量分数。查看
LingBot-VA:机器人控制的因果世界模型开源项目自回归视频-动作世界模型,统一视觉动态预测与动作推理,提供推理、评测与后训练代码及权重。查看
Tongyi DeepResearch:深度信息检索 Agent 模型开源项目通义实验室 30B-A3B 激活的深度研究模型,面向长程信息检索任务,附推理脚本与评测流程。查看
Opik:开源LLM可观测与评估平台开源项目Apache-2.0 开源的 LLM 可观测性与评估平台,覆盖 agent 追踪、评测、提示词管理与生产监控。查看
Wall-X:WALL 系列具身模型训练与推理代码开源项目WALL 系列开源具身基础模型的训练与推理代码库,含数据准备、服务与评测工具。查看
VibeThinker:小参数量推理模型系列开源项目开源的 1.5B 与 3B 稠密推理模型仓库,基于 Qwen2.5-Coder,面向数学、竞赛编程等可验证推理任务,附技术报告与评测入口。查看
Modern Web Guidance:面向编程助手的 Web 技能源码库开源项目将现代 Web API、浏览器兼容性和开发实践整理为编程助手可调用的技能;此仓库用于编写、校准和评测这些内容。查看
nanochat:单节点LLM训练实验框架开源项目覆盖分词、预训练、微调、评测与推理全流程的极简LLM训练框架,通过单一深度参数配置模型规模。查看
openai/math:模型产出的数学手稿与 Lean 形式化开源项目OpenAI 内部模型在开放研究问题上产出的数学手稿、证明材料与部分 Lean 形式化库。查看
Yuan3.0 Flash:40B MoE 多模态基础模型开源项目YuanLab.ai 团队发布的 40B 参数 MoE 多模态大语言模型,每次推理激活约 3.7B 参数,支持 128K 上下文。查看
Step-3.5-Flash:稀疏 MoE 开源基础模型开源项目196B 参数、每 token 激活 11B 的 MoE 基础模型,面向推理、编码与 Agent 任务。查看
dInfer:扩散语言模型推理框架开源项目面向 dLLM 的高效可扩展推理框架,将推理拆分为模型、扩散迭代管理器、解码器与 KV 缓存管理器四个组件,支持批量推理。查看
LMT:中英为中心的多语机器翻译模型开源项目覆盖60种语言、234个翻译方向的LLM多语翻译模型系列,含0.6B至8B四种规格及配套SFT数据。查看
Pixel LLMs:像素级视觉定位的多模态模型系列开源项目以Sa2VA为核心的多模态LLM研究项目集合,将SAM-2与MLLM结合,实现图像和视频的密集定位理解。查看
HY-SOAR:扩散模型的免奖励自纠错后训练方法开源项目面向 rectified-flow 扩散模型的免奖励后训练方法,在出错的时间步上直接纠正去噪轨迹。查看

