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 32
GPT-6.2 Sol灰度上线,智能指数60分AI热点GPT-6.2 Sol悄然灰度上线,Artificial Analysis智能指数获60分空降榜首,单任务成本仅$1.19,被视为Opus 5.5的强劲对手。
GPT-6.1 Sol参与小鼠脑手术,定位误差减半AI热点GPT-6.1 Sol参与活体小鼠脑手术,连续三次操作后定位误差从0.6毫米降至0.3毫米,靠上下文学习实现,未重新训练模型。
OpenAI发布GPT-6.2 Astra与Sol两款模型AI热点OpenAI发布GPT-6.2 Astra与Sol,Astra在Agents' Last Exam达78.3%,单任务成本仅2.89美元,并首次达到AI自我改进High风险等级。
GPT-6.2 Astra与Sol上线LMArena Agent ArenaAI热点GPT-6.2 Astra与Sol已进入LMArena Agent Arena,基于数百万条真实长周期智能体任务评测,模型可调用网页搜索、文件系统与终端工具。
Marvell与Penguin推光子内存架构,16系统共享16TBAI热点Marvell与Penguin Solutions推出光子内存架构,最多16套系统可共享16TB DDR5与1TB HBM,首批产品预计明年下半年上市。
Gemini 4 Carbon登顶MathArena,成本约15倍AI热点Gemini 4 Carbon以85.4%登顶MathArena数学基准,超越GPT-6.1 Sol,但推理成本约为其15倍。
OpenAI用自动化红队提升GPT-6鲁棒性AI热点OpenAI公布用自动化红队生成对抗数据训练GPT-6 Astra和Sol,提升其在网络、生物等高风险领域的模糊鲁棒性。
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。
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。
Deepnote评测12模型:OpenAI包揽前二AI热点Deepnote发布Agent Initiative Benchmark,12个模型在Slack虚拟公司场景中比拼判断力与性价比,OpenAI GPT-6 Astra与Sol包揽前二。
Canonical向Ubuntu Pro用户推出可选AI安全补丁AI热点Canonical为Ubuntu Pro用户推出可选的AI生成安全补丁库Edge archive,未全面验证不自动进稳定版。
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。
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。
Perplexity发布Orchestrator API支持KV缓存路由AI热点Perplexity推出Orchestrator API,一个API聚合45+模型,支持KV cache兼容的决策式路由与自动故障切换,实测将terminal-bench 4.1解题数从38提升至41。
sudo L7基准:Claude全系胜过GPTAI热点新基准sudo L7显示Claude各模型在软件工程判断力上全面超越GPT。
OpenRouter发布LLM基准测试教程AI热点OpenRouter发布教程,讲解如何用应用真实输入与输出契约评测LLM,并公布60个合成任务的实测结果与榜单相关性分析。
Datadog发布SRE排查模型ScoutAI热点Datadog发布面向SRE故障排查的专用AI模型Scout,已在Bits中封闭预览,成本显著低于通用模型。
ARC Prize公布Fable 5.2评测成绩AI热点ARC Prize公布Claude Fable 5.2在ARC-AGI-2取得93.8%,为第三高模型成绩,并披露各基准得分与评测成本。
斯坦福论文:信息披露对LLM交易影响不一AI热点斯坦福研究在交易、议价和拍卖场景测试10个前沿模型,发现信息披露并非总能改善结果,不同模型收益随披露粒度变化有升有降。
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%。