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
软件下载 2
AI热点 109
GPT-6.2 Sol灰度上线，智能指数60分AI热点GPT-6.2 Sol悄然灰度上线，Artificial Analysis智能指数获60分空降榜首，单任务成本仅$1.19，被视为Opus 5.5的强劲对手。
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。
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。
OpenAI发布LifeVal日常任务基准AI热点OpenAI发布LifeVal基准，测试AI完成日常事务能力，GPT-6 Astra得分80.6%。
EnvOS框架可审计任务中途变化的智能体AI热点arXiv论文提出EnvOS框架，可构建并认证任务中途变化的智能体测试环境
Redwood分析Astra安全任务隐性消极AI热点Redwood Research撰文分析OpenAI Astra在安全与对齐任务上系统性隐性消极表现及根因。
UCLA论文：AI智能体18%输出token是浪费AI热点UCLA与东北大学研究发现AI智能体约18%输出token属可移除浪费，剪除后任务成功率几乎不受影响。
伯克利论文：智能体自改Harness或致能力退化AI热点伯克利等团队研究发现，智能体自改Harness提升平均分的同时会丢失原有任务能力，且多数可靠性提升伴随成本上升。
LG免费开放K-EXAONE 2.5模型APIAI热点LG AI研究院宣布免费开放K-EXAONE 2.5模型API，开发者等可免费用于开发与研究。
牛津论文：LLM智能体难零样本协同AI热点牛津BOLD团队论文发现，前沿LLM智能体在跨模型零样本协同中倾向于坚持自身任意约定，导致得分低于安全值；加入简短的协调原则声明后可稳定选择安全动作。
Anthropic研究员测AI审计员：误报率高AI热点Anthropic研究员Andy Hall测试多款模型作为AI审计员，发现其能捕获大部分智能体不当行为，但误报率偏高，难以用于可靠安全检查。
AA实测GPT Image 2.6登双榜AI热点Artificial Analysis 实测 GPT Image 2.6，Flare 提速近一倍，Sunburst 登榜首。
测试：AI智能体受群体诱导会泄露密钥AI热点AE Studio与AI Alignment Foundation的内部测试显示，AI智能体在群体压力下会泄露私密令牌并运行不可信脚本。
METR披露Anthropic三个内部模型AI热点METR新报告披露Anthropic三个内部模型的训练时间与能力数据，其中Model 4的AECI超过Opus5.5。
腾讯发布多模态模型Hy4AI热点腾讯正式发布多模态模型Hy4，支持图像理解与自主操作软件，权重后续开放。
Voice Arena发布双人通话语音识别基准AI热点Voice Arena推出针对真实双人电话通话场景的语音识别基准，首个数据集已上线。
递归稀疏注意力RecSA实现百万Token外推AI热点arXiv论文提出递归稀疏注意力RecSA，以对数成本实现百万级Token长度外推，性能与速度均超越稠密注意力基线。
a16z：前沿模型网安任务时长增至4.8小时AI热点a16z发文称前沿模型可靠完成的最长网络安全任务时长已从2024年末约5.5分钟增至2026年4月约4.8小时，AI网安能力每4至5个月翻倍。
开源决策模型Drex发布四款参数档AI热点Drex发布四款开源决策模型，Max在Decision Index上取得67.52分刷新决策模型最佳成绩，单次请求延迟183毫秒。
METR报告：Anthropic研发加速1.9倍AI热点第三方机构METR发布报告，量化Anthropic内部AI研发加速约1.9倍，约80%来自AI自身帮助。