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 105
Revolut两千工程师转用自托管GLM编码AI热点Revolut将约2000名工程师迁移到自托管GLM进行编码，Claude Code和Codex列为例外，成本约为前沿API的十分之一。
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。
ServerBench发布：智能体设计LLM服务系统AI热点arXiv论文提出ServerBench基准，评测编码智能体设计专用LLM服务系统的能力，Claude Sonnet 5.5表现领先。
MedPhysBench评测12模型医学物理计算AI热点MedPhysBench发布，评测12个语言模型在医学物理计算与错误检测任务上的表现，Claude Sonnet 5.5在等中心MU计算中19/20漏掉平方反比修正。
字节跳动将封禁L4代码库外部AI访问AI热点字节跳动本月起将对全公司L4级代码仓库和飞书文档实施外部AI访问封禁，限制员工自费使用Claude、Codex等账号。
OpenAI解封误杀账号并道歉AI热点OpenAI向被误封的安全研究员致歉并恢复账号，同时Anthropic收紧Claude风控。
CyberArena发布466场Agent攻防评测AI热点研究团队推出CyberArena对称攻防评测，12款模型进行466场对局，GPT-5.6 Sol以78.6分居首，Claude Opus 5与GLM-5.3分列二三。
VideoMemBench发布：MLLM视频记忆仅45.7%AI热点新基准VideoMemBench评测多模态大模型在长视频多轮对话中的记忆能力，Claude Opus 5以45.7%居首，凸显上下文视频记忆挑战。
无界前沿开源生物信息模型Fx-Bio-1031AI热点无界前沿开源生物信息大模型Fx-Bio-1031，开放完整权重，在BioMysteryBench困难子集取得70.59% Pass@5，超越GPT-6-Astra与Claude Opus-5。
Q0-Preview登顶Robodojo Sim榜单AI热点乾章智能Q0-Preview以68.87%任务成功率、74.2综合分登顶Robodojo Sim Agent榜单，采用Agent路线并基于Claude Opus 5.5驱动，官测代码已开源。
OpenRouter升级MCP视频生成与上下文优化AI热点OpenRouter发布多项MCP更新：视频生成改为链接返回、模型查询上下文缩减96%、Claude Code任务完成率提升至8/8，并支持聊天内测试600+模型。
SLDBench v2发布：AI自主选实验评测AI热点研究团队发布SLDBench v2，让AI在付费实验目录中自主选择实验以发现Scaling Law，评测显示8个前沿模型自主选实验时成绩全部下滑，Claude Opus 5.5以4%成本取得最佳精度。
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。
Duolingo智能体合并22.5万行测试AI热点Duolingo公开用智能体编写并合并22.5万行iOS测试代码的生产级工作流。
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。
伯克利论文：监督者重组智能体团队超越专家内核AI热点UC Berkeley论文提出Evolving Agent Teams，用supervisor在进度停滞时重组编码智能体团队，在GPU kernel优化上超越专家代码。
论文评测14个模型临床引文佐证能力AI热点研究评测14个LLM在临床问答中用逐字引文佐证主张的能力，发现多数模型能附上引文但难以完全佐证。
AI同行评审基准：前沿LLM检测率差50点AI热点论文提出审计AI同行评审员的基准，向真实论文注入357个错误并评估12个评审系统，发现模型选择对检测率影响最大。
百度文心5.5 Flash Preview发布，两项基准居首AI热点百度文心发布ERNIE 5.5 Flash Preview，在八项基准测试中两项排名第一，并公布推理价格与开源计划。
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。