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”。
AI热点 15
OpenRouter公布Claude Code会话成本数据AI热点OpenRouter公布Claude Code各模型会话成本中位数，Opus 5.5短会话$0.31。
Kimi发布K3.1 Pro，降价对标Opus 5.5AI热点Kimi发布K3.1 Pro后训练模型，编程基准逼近Claude Opus 5.5，API价格下调约三分之一。
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。
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。
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。
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。
Karpathy用Claude打造HackerTube推荐站AI热点Karpathy用Claude从20年HN评论中筛出6454个视频，约2小时完成HackerTube推荐站。
我的世界测试GPT与Claude智能体集群AI热点研究人员借助《我的世界》沙盒测试 GPT 与 Claude 智能体集群表现，协作测试中智能体群落发展受阻，对抗测试里 GPT 智能体策略更激进且胜率更高，相关项目已开源。
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。
清华团队发布代数世界模型AWMAI热点清华大学姚期智、袁洋团队提出代数世界模型AWM，通过探索、凝炼、证明三步让AI理解游戏规则本质，在ARC-AGI-3测试集上183关全部通关，得分99.9%，平均动作数仅为人类基准的43%，并能证明任务无解。
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%。
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%。
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
思科Talos披露集成大模型的窃密木马AI热点思科Talos披露新型信息窃密木马Volta-Autodoxer，攻击者引入商业大模型自动对受害者数据画像，快速筛选高价值目标，展示LLM被用于增强传统恶意软件能力。
Anthropic扩大Claude文本水印覆盖AI热点Anthropic为合规将文本水印扩展至四款Claude模型，两款旧模型被曝可调参绕过。