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 43
Goodfire：Qwen3.6神经元可解释AI热点Goodfire研究发现Qwen3.6-35B-A3B的神经元可作为可解释的计算单元，具备功能稀疏、语义模式少、可用自然语言描述预测等特性。
Zyphra发布树状稀疏注意力ZHAAI热点Zyphra AI发布ZHA稀疏注意力方法，用树状索引器实现稀疏检索，约4B token即可蒸馏进冻结模型，在256K检索基准上接近稠密注意力。
DiffuSpace开源Clover-35B扩散语言模型AI热点DiffuSpace发布Clover系列首个成员Clover-35B-A3B-Preview，以Apache许可开源，采用MoE架构的扩散语言模型，性能超同规模自回归模型且生成速度更快。
微软等发布WildAWM合成电脑环境训练CUAAI热点微软研究院等机构提出WildAWM，通过合成个人电脑环境与跨界面任务训练计算机使用智能体，使两个Qwen模型在8个分布外评测榜单上全部提升。
面壁开源MiniCPM-V 4.7端侧模型AI热点面壁智能联合OpenBMB开源MiniCPM-V 4.7，35B-A3B端侧MoE多模态模型内存约3GB，iPhone 18 Pro Max推理超30 token/s。
淘宝MNN开源0.3B端侧模型AI热点淘宝MNN团队发布并开源约3亿参数的手机端模型MNN-Pocket-0.3B，在iPhone 18 Pro上完全离线运行，平均解码速度约350 token/s。
GPT-6 Astra直接改写模型权重AI热点GPT-6 Astra可直接编辑Qwen3.5-0.8B权重，仅改0.016%即修复推理循环，数学提升6倍。
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。
清华伯克利开源uni-robot-agentAI热点清华与UC Berkeley团队开源uni-robot-agent，本地Qwen3.8-Flash-Next在零样本机器人控制中击败GPT-6 Astra，每任务成本约1美元。
阿里开源实验模型，预览Qwen4架构AI热点通义千问开源180B实验模型Qwen3.8-Flash-Next，首秀Qwen4三项架构设计，上下文可扩至百万token。
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。
微软提出Self-HPO让编码智能体自进化AI热点微软研究者提出Self-HPO方法，让编码智能体交替优化运行框架与模型权重，在三项SWE-Bench评测上平均解决率从57.8%提升至64.8%。
普林斯顿推出Scientist World科研实验场AI热点普林斯顿团队发布Scientist World，将1000篇论文转化为AI可运行、可评分的科研环境，并用研究轨迹训练Qwen3-8B。
基元律动发布1250亿参数智能体模型AI热点前华为盘古负责人王云鹤创办的基元律动发布NeoHorse-1.5-Flash Preview并开放内测，主参数1250亿、激活60亿，评测成绩较基座明显提升。
天数智芯发布端侧终端TY1200AI热点天数智芯开放日发布端侧算力终端彤央TY1200，300 TOPS算力实测超越英伟达Thor T5000，并预告600T的TY2000。
中科院等团队发布A-RSI自主换池方法AI热点中科院、港中大与小米联合团队提出A-RSI，用训练动态决定何时更换任务池，且新任务答案由程序独立验证，Qwen3-VL-8B与MiMo-VL-7B多基准分数均上涨。
递归稀疏注意力RecSA实现百万Token外推AI热点arXiv论文提出递归稀疏注意力RecSA，以对数成本实现百万级Token长度外推，性能与速度均超越稠密注意力基线。
Qoder CN双十一限时特惠：专业版月付首购19.9元AI热点Qoder CN双十一特惠，针对CN个人用户首次开通专业版与高级版。专业版首次月付订阅首月原价59元直降至19.9元，包含2000 Credits，数量有限先到先得；能否享受特价以价格页显示和实际支付为准。高级版首次月付订阅在原有6000 Credits基础上，首月加赠等额的6000 Qwen专属Credits，仅可用
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。
英伟达提出Reshard加速RL权重重拟合AI热点英伟达提出Reshard Collective，通过DTensor重排替代gather-and-broadcast，在NeMo RL基准上实现2.7x至5.7x的权重重拟合提速。