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
阿里Qwen4-Max正式上线:2.4万亿参数AI热点阿里通义千问正式发布Qwen4-Max,为Qwen4家族首款模型,采用MoE架构,任务成本较上一代降低超60%。
清华发布单细胞蛋白组模型ProtCellAI热点清华大学发布单细胞蛋白组基础模型ProtCell,基于3.8亿细胞、98个数据集预训练,并在摩尔线程MTT S5000上完成全流程复现,指标与国际平台差约0.2%。
OpenRouter上线7语言Beta本地化AI热点OpenRouter上线简体中文、日语等7种语言Beta本地化,并详解由GPT-6.1 Sol驱动的自纠错翻译流水线与成本数据。
Havon多词分词器发布:204语言token更省AI热点Havon v3/v4/v5分词器论文发布,在同等词表下英文比GPT-4o少6.1% token,覆盖204种语言。
LA-RAG框架实现长音频结构化问答AI热点论文提出LA-RAG框架,将长音频转为带时间戳事件记录并结合检索增强生成回答问题,并构建两个新QA基准。
伯克利论文自动生成6575个风险微调数据集AI热点UC Berkeley与Transluce提出自动化发现带隐蔽副作用微调数据集的流程,生成6575个数据集,多数行为可迁移至其他模型,且专家识别能力有限。
腾讯微信视觉开源长视频剪辑AgentAI热点腾讯微信视觉开源长视频自动剪辑Agent WeVisCut,输入旁白脚本即可自动输出数分钟成片。
米哈游清华开源通用游戏模型GameScalingAI热点米哈游联合清华等高校开源GameScaling系列通用游戏模型,覆盖四档规模共八个模型,权重与推理代码以Apache 2.0协议发布。
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。
论文测6款LLM国际象棋评估稳定性AI热点arXiv论文用变形关系测试6款大模型在国际象棋评估中的几何稳定性,全部在180度旋转测试上失败。
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。
AI同行评审基准:前沿LLM检测率差50点AI热点论文提出审计AI同行评审员的基准,向真实论文注入357个错误并评估12个评审系统,发现模型选择对检测率影响最大。
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。
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

