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 127
美团发布1.6万亿参数多模态模型AI热点美团龙猫发布LongCat-2.5原生多模态模型，总参数1.6万亿，强化视觉理解与智能体编程能力。
启元发布PrimeSim世界模型仿真器AI热点启元具身研究中心发布面向机器人操纵任务的世界模型仿真器PrimeSim，在EWMBench和WorldSimProbe两大榜单登顶，权重与代码即将开源。
RPS-Serve发布：多模态推理调度新框架AI热点arXiv论文提出RPS-Serve模态感知调度框架，通过将视频、图像、文本分类为岩石、卵石、沙子优化GPU利用率，GPU利用率提升65%，TTFT最多降低9.3倍。
vLLM实现Mistral Large 4首日支持AI热点vLLM宣布对Mistral新旗舰模型Mistral Large 4提供Day 0支持，该模型为1T参数、每token激活49B的原生多模态MoE模型，采用MLA稀疏注意力、跨层KV共享等新架构，并内置DSpark推测解码草稿器与Pixtral视觉编码器。
SemiAnalysis发布智能体基准GDPxAI热点SemiAnalysis联合14家RL环境伙伴推出通用智能体基准GDPx，覆盖11个高价值领域，最佳模型仅得12%。
arXiv论文：LLM批处理评分受同批条目影响AI热点arXiv新论文指出LLM批量评分时，同批其他条目会显著改变11-22%的裁决结果
论文：截止时间改变LLM推理测量价值AI热点arXiv新论文指出，评估LLM智能体应将答案价值与到达时间一并衡量，并给出Qwen3-8B并发实验数据。
CMU新基准：9个AI智能体全未过审AI热点CMU联合美国能源部国家实验室推出Into the Unknown基准，9个AI智能体的135份开放课题研究提交无一同时满足诚实、完整与专家标准，114份未过诚信检查。
清华与Moonshot发布TCSExam基准AI热点清华与Moonshot AI等发布TCSExam基准，用100项专家评审任务测试模型定理证明与公开猜想求解能力。
论文审计九个政策决策基准，提出BAR修订框架AI热点研究审计九个政策决策基准，发现评分器与参考答案错误，并提出BAR修订框架，修正后模型接受率显著提升。
阿里等发布Co-Design Bench编码基准AI热点阿里与亚洲高校研究者发布Co-Design Bench，基于真实用户修改请求测试编码智能体，最佳模型GPT-6 Astra仅26.4%任务完全正确。
LM-SimBench发布LLM训练模拟基准AI热点LM-SimBench提供评估LLM训练模拟器的统一框架、数据集与基准，含348个可行配置并验证GPU-NPU跨平台适用性。
Fable 5.2登顶Remote Labor IndexAI热点Anthropic Fable 5.2 在 Remote Labor Index 基准上以 41.3% 排名第一，远超其他模型。
论文：LLM智能体内群体信任偏差难被审计AI热点arXiv论文显示五个开源推理模型在多智能体模拟中出现内群体信任偏差，且现有行为日志审计难以检测。
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%。
DeepSeek V4.1刷新ARC-AGI开源成绩AI热点ARC Prize公布DeepSeek V4.1 Flash 1017在ARC-AGI-2取得78.1%、ARC-AGI-1达94.5%，刷新开源模型纪录。
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