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 43
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%。
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。
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。
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。
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。
MEMENTO长上下文智能体准确率升至67.8%AI热点MEMENTO基于Qwen3-8B训练上下文压缩管理，在书籍问答基准上将准确率从36.9%提升至67.8%，成本远低于GPT-5.5与GLM-5.3方案。
FinDendro基准测LLM时间自知识AI热点arXiv新论文提出FinDendro基准，用2226条带日期事实测试大模型时间自知识，发现自述会低估模型知识，回测无法靠自述证明无泄漏。
Redwood论文提出score-seeking解释LLMAI热点Redwood Research 发表论文，提出 score-seeking 概念解释 LLM reward-hack 动机。
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。
两大旗舰模型提前曝光，疯狂11月要来了AI热点Anthropic与OpenAI接连传出新模型线索，Claude Fable 5.5、GPT-6.2 Astra相继现身，11月或迎旗舰集中更新。
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。
LiberAI发布世界动作模型Liber-0AI热点LiberAI发布基于超220万小时人类经验数据预训练的世界动作模型Liber-0，真机测试中在GPT-6生成的60项任务上取得36%成功率，显著高于对照的GPT-6 Astra。
Astra效应：具身数采爆单英伟达实测AI热点GPT-6 Astra发布后，具身数据采购订单激增，英伟达与银河通用公布测试成功率，宇树股价大涨，行业格局生变。
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。
普林斯顿发布SSoN空间智能基准AI热点普林斯顿AI Lab推出SSoN基准，人类准确率83.3%，主流视觉语言模型最高仅39.7%，多数低于随机基线。
OpenAI部署激活分类器监控模型AI热点OpenAI自GPT-5.6起在最强模型部署激活分类器，逐token实时评分并可中途阻断违规回复与工具调用。
OpenAI发布网安模型GPT-6 CyberAI热点OpenAI发布网络安全专用模型GPT-6 Cyber，ExploitGym基准相对提升51%，并发现Firefox 81个新漏洞。
OpenAI发布湿实验基准BioBasicsBenchAI热点OpenAI联合Ligo推出BioBasicsBench，含100项湿实验任务，评测AI智能体解析原始实验数据能力，GPT-6 Astra得分66.7%。
XStack基准发布：测智能体跨生态迁移代码AI热点研究人员发布XStack基准，评测AI智能体将PyTorch仓库迁移至JAX/TPU的能力，Claude Opus 5通过率75%居首。
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。