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 102
Claude Opus 5.5成Anthropic多套餐默认模型AI热点Anthropic宣布Claude Opus 5.5成为Pro、Max、Ultra和Team套餐默认模型，并公布各款模型定位与价格。
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。
苹果AMP1让通用模型零样本控机械臂AI热点Apple论文提出AMP1框架，Claude Opus 5.5等通用模型零样本操控机械臂成功率超越VLA模型。
Einsia AI发布多智能体编排基准AI热点Einsia AI旗下Navers Lab发布WorkflowArena，评测大模型多智能体编排能力，Claude Opus 5.5以36.95%完全解决率居首。
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。
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。
无界前沿开源生物信息模型Fx-Bio-1031AI热点无界前沿开源生物信息大模型Fx-Bio-1031，开放完整权重，在BioMysteryBench困难子集取得70.59% Pass@5，超越GPT-6-Astra与Claude Opus-5。
Q0-Preview登顶Robodojo Sim榜单AI热点乾章智能Q0-Preview以68.87%任务成功率、74.2综合分登顶Robodojo Sim Agent榜单，采用Agent路线并基于Claude Opus 5.5驱动，官测代码已开源。
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。
Claude Code 2.1.317放宽游戏开发限制AI热点Claude Code 2.1.317调整了游戏开发限制，允许参考现有游戏玩法机制，但直接复刻仍会被拒绝。
百度文心5.5 Flash Preview发布，两项基准居首AI热点百度文心发布ERNIE 5.5 Flash Preview，在八项基准测试中两项排名第一，并公布推理价格与开源计划。
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。
Anthropic发布研究：Claude靠做梦整理记忆AI热点Anthropic发布研究《The components of agent memory》，介绍Claude智能体通过“做梦”机制在空闲时段回顾日志、纠错并构建知识结构，显著提升长任务表现。
LLM直接写出医学分类器权重AI热点新论文探索权重空间编程：让大模型直接写出医学图像分类器参数，无需训练数据，并给出与基线模型的AUC对比结果。
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。
论文评测14个模型临床引文佐证能力AI热点研究评测14个LLM在临床问答中用逐字引文佐证主张的能力，发现多数模型能附上引文但难以完全佐证。
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。
MaxxBench改写DeepSWE任务测模型适应力AI热点MaxxBench通过修改89个DeepSWE任务指令，发现模型在需求变更时分数大幅分化，揭示基准过拟合问题。
FedReason用LLM动态选联邦聚合规则AI热点arXiv论文提出FedReason，让LLM每十轮在服务器沙箱中分析客户端权重并生成聚合程序，实验显示其在标签偏斜场景下平均超越FedAvg 1.26个百分点。