Chinese contentMIT CSAIL 用 Astra 编辑 Qwen3.5-0.8B 权重，MATH-500 从 7.9% 升至 48.1%
MIT 团队不改训练直接改 Qwen 小模型的 13 万个权重，数学分数翻了六倍，还有一篇逐条反驳，正反两篇都值得看。
SuperTechFansSource
Latest
Every published item, in order · 2490 items
Nov 4
Chinese contentOpenAI 发布 LifeVal 基准：测试 AI 处理幼儿园报名、报税等日常任务
OpenAI 出了个新基准 LifeVal，专门测 AI 能不能帮你挑幼儿园、整理报税表格这种杂事，还有具体得分，不过暂时没法第三方复现。
IT之家Source
Chinese contentOpenAI 用 GPT-6 Astra 一周内从零设计出 Codex 硬件设备
OpenAI 让 GPT-6 Astra 一周搞定一台设备的硬件、电路和固件设计，虽然制造公差还得人工改，但流程已经跑通了。
Chinese contentOpenAI 与 Anthropic 两款新模型在 Codex 统计和云端目录中现身
有人从 Codex 统计和云端目录里挖出 OpenAI 和 Anthropic 各一个未发布模型，喜欢追模型动态的可以先看看线索。
Chinese contentDeepSeek 团队发布 Super-agent 原型：AI 可自主从聊天群和 GitHub 接活
DeepSeek 团队搞了个 Super-agent 原型，能自己盯着聊天群和 GitHub 接活干活，不用人派任务了。
Nov 3
Chinese contentSemiAnalysis 推出 GDPx 测试：最贵 AI 模型并非最强
SemiAnalysis 搞了个 GDPx 测试，把模型扔进模拟的金融法律工作场景里跑，结果最贵的模型分数反而不是最高的。
Chinese content华为云 openPangu-2.0-Flash / Pro 将于 11 月 6 日停售，11 月 30 日下线
华为云的盘古两款开源模型要下线了，官方还给了替代方案，用着的朋友记得提前迁移评测。
IT之家Source
Chinese content小米机器人工厂8小时作业与家庭50+任务长程验证
小米机器人这次真跑起来了：工厂8小时连轴干、公寓里30分钟收拾3个房间，两款模型架构和榜单成绩也讲了，信息量不小。
IT之家Source
Weight Space Programming lets LLMs read and edit neural network weights
Direct weight editing by LLMs reframes model debugging: instead of retraining, practitioners could patch specific failure modes like repetitive outputs in place. The GDPx benchmark and DeepSeek super-agent references suggest early infrastructure is forming around this idea. Researchers and engineers working on post-training or model introspection should track how these methods compare with fine-tuning workflows.
Tomorrow 08:00, the daily lands in your inboxTelegram channel or email. Same screening as this page, no ads.
Chinese content商汤发布日日新 SenseNova 6.8 Flash 正式版，支持动态 PPT 与 3D 设计
商汤的 SenseNova 6.8 Flash 正式版来了，一次生成能直接出带动效的 PPTX 和 Blender 3D 场景，还带长期记忆，可以在线试试。
IT之家Source
Chinese contentZyphra 发布 ZHA：树状索引稀疏注意力，无需重训让冻结 LLM 支持长上下文
Zyphra 搞了个稀疏注意力 ZHA，冻结模型加 4B token 蒸馏就能上 256K 检索，不用重训，做长上下文的可以看看。
Chinese contentOpenAI GPT-6.2 Astra 疑似灰度测试，Codex 用量统计中已出现
有 Codex 用户发现后台偷偷跑上了 gpt-6.2-astra，一个账号用量占比都到 19.8% 了，OpenAI 还没官宣，感兴趣可以去自己用量页看看有没有。
IT之家Source
Chinese content腾讯 Hunyuan 发布 Hyra 2.0 科研智能体，可自建工具用于蛋白质设计、数学证明与量子化学
腾讯 Hunyuan 的 Hyra 2.0 不只会答题，还能自己造工具：蛋白质设计快 57 倍，连数学证明和量子化学代码都搞出来了，开源可看。
Chinese contentHarnessSQL 让 8B 小模型在 Spider 2.0-SQLite 上跑到 45.2%
港科大把 8B 小模型塞进 DeepSeek 的 SQL 智能体框架训练，成绩从 15.5% 拉到 45.2%，直接超过了 32B 大模型，小模型玩法可以看看。
Chinese content清华 Algebraic World Model 用 Lean 4 证明 ARC-AGI-3 六关不可通关
清华和浙大搞了个 AWM，用 Lean 4 把 ARC-AGI-3 六个关卡的规则写成数学证明，直接证明全部不可通关，前沿模型全卡壳。
Chinese contentGoogle 发布 Gemini 4 Carbon，主打网络安全与复杂任务能力
Google 放出了新的 Gemini 4 Carbon，这次专门加强了网络安全和复杂任务处理，搞安全或自动化的可以看看它能干嘛。
Chinese contentHippocratic AI 发布 Polaris 6 Ultra，专注临床语音交互
Hippocratic AI 出了个专攻医疗语音的 Polaris 6 Ultra，能边说话边读患者情绪、自动调语速，做医疗对话的可以看看。
Chinese contentDeep Principle 发布 Hydrogen-1.0：753B 开放权重科学发现模型
Deep Principle 把 Z.ai 的 GLM-5.3 改造成了 753B 的科研模型，专攻化学和材料，还开源了 MIT 权重，搞科研计算的可以直接拿来跑。
Chinese contentOpenAI 发布 LifeVal 基准：衡量 AI 完成日常任务的能力
OpenAI 搞了个新基准叫 LifeVal，专门测 AI 能不能帮你找托儿、管钱、办政务这些日常琐事，比跑分更贴近生活。
Nov 2
Chinese content商汤发布 SenseNova 6.8 Flash：免费、可商用
商汤上新了免费的 SenseNova 6.8 Flash，轻量任务响应快还支持商用，预算紧的项目可以直接试试接入。
Chinese contentDeepSeek 开发可调度多个 AI 助手协同工作的超级智能体
DeepSeek 在做的这个系统能把一个任务自动拆给多个 AI 助手同时干，还替你检查结果，方向挺有意思。
Chinese contentqwenGPU：把 4 通道 SIMT GPU 编译进 Qwen3.5-2B 权重
阿里 Qwen 团队把一个小 GPU 直接编进 2B 模型权重里，模型自己写 CUDA，玩法挺硬核，喜欢底层架构的可以看看。
Chinese contentGPT-6.2 Astra开启灰测，Claude Mythos 5.5同日曝光
OpenAI 和 Anthropic 撞日子发新模型，GPT-6.2 Astra 灰测中，还有疑似权重泄露被下了 5000 次的瓜。
Chinese contentThe New Stack 实测 GPT-6.1 Terra：速度更快，成本远低于 Claude Opus 5.5
The New Stack 拿 GPT-6.1 Terra 和 Claude Opus 5.5 跑了三组硬核测试，Terra 答题更准还只要八分之一的价格，数据很实在。
Chinese content美团发布 LongCat-2.5：1.6T 原生多模态模型，面向长程智能体编程
美团放出 1.6T 的 LongCat-2.5，只激活 48B，专门练了长程智能体编程，还支持 W4A4 跑国产芯片。
Chinese contentGPT-6.2 Astra 与 Fable 5.5 曝光，11 月基模大战开启
GPT-6.2 Astra 和 Fable 5.5 同时被曝出来，11 月怕是要连着熬夜看发布了，先看看这波都有谁下场。
Chinese content美团龙猫发布 LongCat-2.5：1.6T 参数原生多模态模型，主打长程智能体任务
美团把 LongCat-2.0 升级成 1.6T 参数的多模态版本，专门练长程编程和 Agent 任务，视觉和代码能力都拉满，可以在线直接试。
IT之家Source
Nov 1
Chinese contentNace AI 开源 Drex Max v1：27B 决策模型可在 Apple Silicon 本地运行
Nace AI 开源了 27B 的 Drex Max v1 决策模型，Mac 上就能本地跑，权重直接可下载。
Chinese contentDeepSeek Harness 团队开源 Super-agent 原型：自动修 bug 并提交 PR
DeepSeek 团队开源了个 Super-agent 原型，Worker 能监听 GitHub 事件自动修 bug、提 PR，MIT 协议可以直接拿去改。
SenseNova Loop-9B-Preview open-source model matches 27B rivals
Parameter-sharing loops let a 9B model punch at 27B weight class, which cuts inference cost for teams running complex agent pipelines on limited hardware. Developers building coding or office-automation agents can download the weights from Hugging Face and benchmark them against Qwen3.5-27B directly. The approach also signals a broader shift in Chinese labs toward compute-depth efficiency over raw parameter scaling.
IT之家Source
Chinese contentDeepSeek 开源 Agent 底座架构，AI 可自主找 Bug 并提交 PR
DeepSeek 又开源了，这次的 Agent 底座能让 AI 自己找 Bug、提交 PR，做开发的可以直接看看代码怎么搭的。
Oct 31
Chinese contentDeepSeek 发布全新 Agent 架构，AI 开始指挥 AI 完成任务
DeepSeek 搞了个新 Agent 架构，让 AI 调度 AI 干活，不用事事等人下指令，做智能体的可以看看思路。
Chinese contentDeepSeek 发布 Super-agent 架构设计：Router 与 Worker 双层结构
DeepSeek 把 Agent 从单会话工具改成了双层架构，能接群聊和 GitHub 自己跑任务，实验数据也公开了，做 Agent 开发的可以看看。
IT之家Source
Chinese contentACE Robotics 与 NTU S-Lab 发布世界模型 Mundo：几张照片生成机器人训练 3D 场景
新加坡团队做的 Mundo，拍 1 到 12 张照片就能生成带物理的 3D 场景练机器人，代码和权重 11 月底开源，搞机器人仿真的可以蹲一下。
Chinese contentDeepSeek 网站前端代码现 Cyber 网络安全模型线索
有网友扒出 DeepSeek 官网代码里藏着 Cyber 安全模型，分个人版和企业版，还没官宣就先泄露了，感兴趣可以看看细节。
Oct 30
Chinese contentMistral 发布 Mistral Large 4，开源模型中编程成绩居首
Mistral 出了个 1 万亿参数的开源模型，编程跑分超过了 DeepSeek V4.1Flash，价格还挺便宜，写代码的可以看看。
Xiaomi open-sources 0.8B OCR model Xiaomi-OCR-0
A sub-1B model reaching near-top OmniDocBench scores means document parsing and invoice extraction can now run on modest hardware rather than large multimodal models. Teams building document pipelines can deploy it locally, pull weights from Hugging Face or GitHub, and use the JSON and Markdown outputs directly in automation workflows. Against rivals like PaddleOCR's larger document models, it trades scale for efficiency while matching them on benchmarks.
IT之家Source
Only the latest 2000 items are listed; for older ones see the daily archive