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
上海创智学院开源801-30B预训练模型AI热点上海创智学院与新序智能联合发布预训练级RSI技术报告及801-30B base模型,评测进入同尺寸开源第一梯队。
HumanLayer创始人质疑无人值守软件工厂AI热点HumanLayer联合创始人德克斯·霍西在演讲中质疑“无人值守”软件工厂,并公布SlopCodeBench分阶段评测结果:受测Agent最高严格通过率仅16.3%。
商汤开源循环架构模型Loop-9BAI热点商汤开源采用 Looped Transformer 架构的 SenseNova Loop-9B-Preview,以 9B 参数在多项评测中超越 27B 模型。
Databricks:开源权重AI占企业Token用量30.9%AI热点Databricks AI Index显示开源权重AI在企业Token用量占比4个月内从7.3%升至30.9%,DeepSeek V4.1与GLM-5.3编程智能体评测并列第三。
腾讯开源LoopForge:团队Coding Agents交付平台AI热点腾讯开源LoopForge,面向团队的Coding Agents流程化交付平台,支持角色分工、沙箱执行与评测改进流程。
SPU湿实验预测基准发布,Opus 5.5仅0.486分AI热点UniPat AI牵头发布湿实验预测基准SPU,覆盖116个任务、4207个湿实验,首轮评测12款前沿模型,最高分Claude Opus 5.5仅0.486,且提高推理强度与算力未带来明显提升。
港科大视觉原生智能体框架被NeurIPS 2026接收AI热点港科大MMSense Lab提出视觉原生智能体框架与ODE数据合成方法,论文被NeurIPS 2026接收,8B与30B模型八项评测平均准确率显著提升。
Zero-HLM让仿真训练人形机器人零样本迁移真机AI热点北京通用人工智能研究院等推出Zero-HLM,将45条仿真示范扩展为4800条数据,训练策略零样本迁移至宇树G1,泛化成功率69%,并开源Zero-HLM-Bench评测基准。
谷歌与Meta开源TorchTPU原生PyTorch后端AI热点谷歌与Meta合作开源TorchTPU,为Google TPU提供原生PyTorch后端,现有模型少量改动即可运行,并公布吞吐与评测数据。
首个触觉推理模型Touch-R1入选NeurIPSAI热点戴盟机器人团队联合多校提出首个触觉推理模型Touch-R1,论文入选NeurIPS 2026,并同步发布数据集与评测基准。
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。
基元律动发布1250亿参数智能体模型AI热点前华为盘古负责人王云鹤创办的基元律动发布NeoHorse-1.5-Flash Preview并开放内测,主参数1250亿、激活60亿,评测成绩较基座明显提升。
DGP动态门控打通ViT与LLM全层连接AI热点NeurIPS 2026接收论文提出DGP机制,在ViT与LLM所有层间建立动态门控全连接,较LLaVA-1.5基线多项评测显著提升。
小鹏联合北大港大发布GroundingPI模型AI热点小鹏联合北大、港大等发布具身感知基座模型GroundingPI,约40亿参数,34项感知基准综合评测第一,对比GPT-6 Astra得分73.68对71.54。
小米机器人汽车工厂连续作业8小时AI热点小米CyberOne 02人形机器人在汽车工厂首次完成8小时连续作业验证,并披露具身基座模型XR-1的技术细节与评测结果。
京东具身数采覆盖百余场景AI热点京东在2026年世界互联网大会乌镇峰会披露,具身数采已覆盖百余细分场景,采集超10万真实作业任务。计划两年内采集超千万小时真实视频数据,已推出自研采集终端与仿真引擎,仿真与真实评测一致性达90%。
优必选发布Thinker-Sim仿真平台AI热点优必选发布具身智能仿真平台Thinker-Sim,构建覆盖真实场景数字化、仿真数据合成与机器人能力评测的一站式体系。
Amazon审计9个AI基准发现评分错误AI热点Amazon新论文审计9个专业领域AI基准,发现参考答案与评分代码常误判正确回答,修复后模型得分显著提升。
FrontierHarness v1.1:2.7万次运行64%推理开销耗于失败AI热点FrontierHarness Eval v1.1发布,27,280次编码智能体运行显示64%推理开销耗于失败任务,harness与模型搭配显著影响成本。
谷歌开源多智能体冲突基准CLASHarnessAI热点谷歌等团队发布并开源CLASHarness基准,首次对15个主流大模型在多Agent冲突场景下的表现进行实测。
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

