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 1
AI热点 95
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。
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。
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。
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。
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。
OpenRouter实测MCP与CLI的token成本AI热点OpenRouter实测同一GitHub任务下MCP、CLI与skill的token开销，并推出Tool Search降低MCP上下文成本。
清华TraceMRT绕过CoT监控逃逸率达60%AI热点清华论文提出TraceMRT框架，将隐藏任务改写为主任务合理子目标攻击CoT监控，逃逸率升至59.94%，配套贝叶斯监控将检测AUC提至0.91。
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。
谷歌开源EGM插件规格先行评审AI热点谷歌开源EGM插件，让编码智能体先写规格，再由无状态子智能体分5阶段评审。
MaxxBench改写DeepSWE任务测模型适应力AI热点MaxxBench通过修改89个DeepSWE任务指令，发现模型在需求变更时分数大幅分化，揭示基准过拟合问题。
微软开源AI智能体依赖管理工具APMAI热点微软推出开源工具APM，用apm.yml统一管理智能体的技能、提示词与MCP服务器依赖。
FedReason用LLM动态选联邦聚合规则AI热点arXiv论文提出FedReason，让LLM每十轮在服务器沙箱中分析客户端权重并生成聚合程序，实验显示其在标签偏斜场景下平均超越FedAvg 1.26个百分点。
Perplexity发布常驻工作智能体TeammatesAI热点Perplexity推出面向工作场景的常驻AI智能体Teammates，可在工作区承担多角色并同时执行多项任务，需订阅200美元Max套餐。