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 187
SecureGARD实现智能体0%注入攻击成功率AI热点SecureGARD提出动态本体引导治理框架,在三个基准上实现0%间接提示注入攻击成功率并提升任务效用。
Kimi发布K3.1 Pro,降价对标Opus 5.5AI热点Kimi发布K3.1 Pro后训练模型,编程基准逼近Claude Opus 5.5,API价格下调约三分之一。
EnvOpt框架发布:智能体环境自动优化降本48%AI热点提出EnvOpt框架,通过自动优化智能体环境表示,在五项基准上平均降低48%成本且通过率持平或更高。
Artificial Analysis编程智能体指数升至v2.1AI热点Artificial Analysis发布Coding Agent Index v2.1,升级FrontierCode与Terminal-Bench基准,Claude Fable 5.2与Claude Opus 5.5并列58分领跑。
LEAP框架让通用LLM形式数学解题率达70%AI热点论文提出LEAP智能体框架与Lean-IMO-Bench基准,通用LLM一次形式化解题率从低于10%提升至70%,并解出2025 Putnam全部12题。
Unsloth发布Qwen3.8-27B量化版AI热点Unsloth发布Qwen3.8-27B Dynamic V3.1 GGUF量化版本,智能体基准平均领先5–10%。
OpenAI发布网安模型GPT-6 CyberAI热点OpenAI发布网络安全专用模型GPT-6 Cyber,ExploitGym基准相对提升51%,并发现Firefox 81个新漏洞。
MEMENTO长上下文智能体准确率升至67.8%AI热点MEMENTO基于Qwen3-8B训练上下文压缩管理,在书籍问答基准上将准确率从36.9%提升至67.8%,成本远低于GPT-5.5与GLM-5.3方案。
英伟达UT-Austin发布Realtime-BenchAI热点英伟达与UT-Austin等机构提出Realtime-Bench实时交互基准,测试12个前沿模型,最佳模型GPT-6-Astra任务成功率仅44%。
OpenAI更新Astra for Law并开放企业申请AI热点OpenAI发布更新版Astra for Law法律模型配置,在Harvey LAB-AA基准排名第一,并向所有ChatGPT Enterprise客户开放申请访问。
Turing Agent发布:形式化验证研究级数学AI热点Turing Agent实现研究级数学端到端形式化验证,在TCS基准取得57-62%与83%成绩,并完成三项未解决任务。
MIT与Meta提出ReHarness修订智能体记忆AI热点ReHarness用后续任务结果修订智能体旧笔记,减少过时经验误导,多基准测试显示增益并节省token。
PhysMoE单令牌坐标定位提速8.31倍AI热点PhysMoE通过模态解耦与单令牌坐标表示,在9个定位基准上较基座提升15.7%,吞吐提速8.31倍。
英伟达提出Reshard加速RL权重重拟合AI热点英伟达提出Reshard Collective,通过DTensor重排替代gather-and-broadcast,在NeMo RL基准上实现2.7x至5.7x的权重重拟合提速。
RIVER多智能体检索酶反应登arXivAI热点arXiv论文提出RIVER多智能体框架,用于酶-反应双向检索,在公开基准上取得最高成功率。
La-JEPA提出紧凑机器人世界动作模型AI热点La-JEPA在V-JEPA 2.1特征空间从零训练策略Transformer,多项基准达到SOTA且参数更少,真机表现与pi0.5相当。
百度开源文心5.5 Flash Base模型AI热点百度开源文心5.5 Flash Base基座模型,2800亿参数MoE架构,多基准刷新同尺寸SOTA。
新框架进化智能体安全防护,攻击成功率大降AI热点arXiv论文提出Evolution Under Fire框架,通过自适应注入压力器进化智能体安全防护,在多项基准上显著降低攻击成功率。
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。
Runway开源机器人模型Praxis-1,可商用AI热点Runway以Apache 2.0协议开源机器人控制模型Praxis-1,权重与源代码可商用,在英伟达RoboLab-120基准以46.2%成功率居World Action Model类别首位,但尚不能自主规划复杂动作序列,测试由Runway自测、未经独立验证。
开源项目 64
bombardier:HTTP(S) 基准测试工具开源项目用 Go 编写的 HTTP(S) 压测命令行工具,默认基于 fasthttp,也可切换 net/http 以支持 HTTP/2.x。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
powerpipe:DevOps 仪表盘与合规基准工具开源项目用代码定义的 DevOps 仪表盘工具,可可视化各类数据源并运行 CIS、NIST 等 5000+ 开源合规基准。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
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
Spirit-v1.5:机器人视觉-语言-动作模型开源项目Spirit AI 的 VLA 机器人基础模型官方实现,含推理与微调代码、模型权重及 RoboChallenge 基准运行脚本。查看
inference-optimisation:本地LLM服务提速的Agent技能开源项目面向本地LLM服务的Agent技能,指导在任意硬件与量化配置下逐项爬坡优化解码、预填充、KV缓存、启动与首token延迟,并配套基准测试脚本。查看
whichllm:本地大模型选型与运行命令推荐工具开源项目读取本机GPU、内存与带宽,估算哪些开源模型能跑、速度多快,并按基准排名给出可直接运行的命令。查看
AgiBot World:机器人学习数据集与 GO-1 模型开源项目大规模双臂操作机器人学习平台,含百万级轨迹数据集与 GO-1 基础模型。查看
Zeekstd:Zstandard可寻址格式的Rust实现开源项目Rust实现的Zstandard Seekable Format库与CLI,支持对压缩文件的局部解压与跳转。查看
FireRedASR:开源工业级语音识别模型开源项目支持普通话、中文方言和英文的开源ASR模型家族,含LLM与AED两种架构及命令行/Python推理代码。查看
LongCat-Flash-Chat:MoE语言模型开源项目560B总参数、按需激活约27B参数的MoE非思考型基础模型,面向agentic任务,附技术报告。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
clx:Lua 5.5 提前编译器与运行时开源项目跨平台的 Lua 提前编译器与运行时,把 Lua 脚本编译成独立的原生可执行文件。查看
Litefuse:开源 LLM 应用工程平台开源项目可自托管的开源平台,用于协作开发、监控、评估和调试 LLM 应用。查看
LongCat-Flash-Omni:全模态开源模型开源项目5600 亿参数(激活 270 亿)的开源全模态模型,支持实时音视频交互与流式语音生成。查看
UniScientist:科研数据合成与智能体研究模型开源项目包含 UniScientist-30B-A3B 模型与科研问题合成、智能体研究循环、报告聚合的推理代码。查看
CodeKatas:Java 编程练习题集开源项目一组以失败单元测试为起点的 Java 编程练习,覆盖 Lambda、Streams、Eclipse Collections、日期时间 API 等主题。查看
GoMem:Go 高性能内存分配库开源项目从 Monibuca 项目中抽出的 Go 内存分配器库,提供多种分配策略、可回收内存与零拷贝多缓冲读取。查看
AutoResearchClaw:自主研究与论文生成流水线开源项目输入一个研究想法,通过23阶段多智能体流水线产出带真实文献、实验与LaTeX论文的学术稿件,支持全自动与人工协同模式。查看