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”。
工具 2
AI热点 28
SLDBench v2发布：AI自主选实验评测AI热点研究团队发布SLDBench v2，让AI在付费实验目录中自主选择实验以发现Scaling Law，评测显示8个前沿模型自主选实验时成绩全部下滑，Claude Opus 5.5以4%成本取得最佳精度。
Tom's Hardware发布首个智能体AI CPU基准AI热点Tom's Hardware公布首个针对智能体AI工作负载的CPU基准测试方法，用于评估智能体循环中的CPU与内存性能。
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%。
谷歌发布Gemini 4 Carbon，登顶全球大模型榜首AI热点谷歌发布新旗舰Gemini 4 Carbon，以59分登顶第三方智能指数全球第一，本周仅向部分安全防御人员开放。
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%。
多模态推理新基准ReGap-Bench发布AI热点arXiv论文提出ReGap-Bench，任务匹配的视觉参考可将多模态推理准确率提升至多25%
CyberArena发布466场Agent攻防评测AI热点研究团队推出CyberArena对称攻防评测，12款模型进行466场对局，GPT-5.6 Sol以78.6分居首，Claude Opus 5与GLM-5.3分列二三。
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%。
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。
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。
商汤开源具身框架，成本降至GPT-6的1/50AI热点商汤开源具身智能执行框架RoboRSI及27B模型，宣称任务成本降至GPT-6-Astra的1/50。
模思智能发布全双工语音系统MOSS-LiveAI热点模思智能发布全双工实时交互系统MOSS-Live，多项语音交互指标领先，并开放API接入。
TextSeal2发布无失真LLM水印方案AI热点arXiv论文TextSeal2提出基于Copula混合的无失真大模型水印，兼容投机解码
谷歌发布T2J-Bench迁移评测基准AI热点谷歌团队发布T2J-Bench，用63个整仓任务评测PyTorch到JAX迁移，TwinHarness将得分提升11.4%。
VideoMemBench发布：MLLM视频记忆仅45.7%AI热点新基准VideoMemBench评测多模态大模型在长视频多轮对话中的记忆能力，Claude Opus 5以45.7%居首，凸显上下文视频记忆挑战。
星衍智能Auriga领跑RoboDojo榜单AI热点星衍智能推出通用具身Harness框架Auriga，在Zero-shot协议下领跑RoboDojo榜单，并在RoboCasa365 Target50评测中取得领先表现。
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。
Meta提出路由式持续学习架构，API成本降72%AI热点Meta FAIR提出Routed CL架构，通过簇化记忆与LLM路由复用经验，实验显示API成本降低65%至72%，归一化奖励提升15%至30%。
印度IPR法律抽取式问答基准发布AI热点arXiv发布IndicIPR-QA基准，含4462个问答对覆盖印度七大知识产权法案
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。