全部 AI 动态 · AI 热点

7月14日

04:18

AI Engineer@aiDotEngineer

精选

Erik Meijer 在 AIE World's Fair 闭幕演讲中介绍了 Automind 和 Universalis interpreter。他引用 @solomonstre 对智能体的定义（“循环中破坏环境的 LLM”）及 @simonw 提出的尚未解决的 Lethal Trifecta 概念。Automind 智能体能够携带自身的可验证安全证明，代码示例使用 Lean 和 Dafny 语言。演讲融合了 Dario、Daniella、Sam 等人物故事和编程示例。

推荐理由：Erik Meijer 给智能体加了“自带安全证明”，用 Lean 和 Dafny 验证行为，解决了 Lethal Trifecta 问题，技术宅必须看。

原文

03:36

官方账号Anthropic@AnthropicAI

精选

Anthropic发布推文称，Claude在不同语言对话中表达的价值观差异显著，主要体现在温暖性与严谨性维度。在印地语和阿拉伯语对话中，Claude更倾向于温暖回应；在俄语对话中则偏向严谨，常要求用户提供支持证据。该发现基于Claude实际对话行为分析。

AI模型 Claude Anthropic 多语言

事件专题

推荐理由：Anthropic发现Claude在不同语言里性格还不一样，印地语温暖，俄语较真，挺有意思的发现

原文

03:24

elvis@omarsar0

actAVAai推出Cura，一个1T参数的医疗智能体模型，采用递归自我改进（RSI）训练。该模型专为长临床和健康管理流程设计，推理成本比前沿模型低20-100倍，性能相当。企业可定制并拥有模型。试用可获得20美元信用额度。

AI模型 Cura actAVA RSI

推荐理由：1T参数的医疗模型，推理成本比前沿模型低20-100倍，性能却差不多，企业还能自己定制，医疗AI这波挺实在。

原文

03:15

AK@_akhaliq

Long-Horizon-Terminal-Bench 是一个新基准。它专门测试智能体在长期终端任务上的表现。其评分采用密集奖励机制。这有助于衡量智能体在长时间跨度任务中的极限性能。

AI模型 Long-Horizon-Terminal-Bench 智能体基准测试

推荐理由：这个新基准用密集奖励测智能体在长期任务上的极限，很有意思，推荐一看。

原文

02:35

官方账号Fei-Fei Li@drfeifei

斯坦福大学启动第二届 BEHAVIOR 机器人挑战赛，聚焦日常生活中的长周期复杂任务。去年获胜方案在真实场景中完整任务成功率仅12.4%。本届新增更多任务类型，改进评估方法并降低使用门槛。提交截止日期为2026年10月16日，奖金池总额11000美元。

AI模型 BEHAVIOR Challenge 斯坦福机器人

推荐理由：斯坦福的机器人挑战赛又来了，去年最佳方案成功率才12%，说明这事真难。今年任务更多、评测更靠谱，想测测你家机器人的真实水平就参加。

原文

02:33

lmarena.ai@lmarena_ai

精选

SpaceXAI 发布 Grok-4.5，它是专为编程和智能体训练的首个模型。在 Agent Arena 排行榜上，Grok-4.5 从 Grok 4.3 的第29名升至第13名，基于9.8K个实时智能体会话评估。它在 Bash Recovery 任务上大幅提升，接近 Anthropic 和 OpenAI 模型，确认任务成功率显著提高。

AI模型 Grok-4.5 SpaceXAI Agent Arena

事件专题

推荐理由：Grok-4.5 是 SpaceXAI 的首个编程+智能体专用模型，在 Agent Arena 上从29名跳到13名，Bash Recovery 追平了Claude和GPT，实测任务成功率很高。

原文

02:30

lmarena.ai@lmarena_ai

Grok-4.5在Agent Arena基准测试中总体排名第13，较此前提升5.0%。其幻觉指标排名第4，提升1.3%；确认任务成功排名第6，提升6.9%。Bash恢复排名第9，提升9.7%；表扬与投诉比例排名第12，提升6.1%。可操控性排名第15，提升0.9%。

AI模型 Grok-4.5 Agent Arena 智能体

推荐理由：xAI的Grok-4.5在Agent Arena进步明显，幻觉控制做到第4，任务成功提升近7%，适合关注智能体性能的朋友。

原文

02:27

lmarena.ai@lmarena_ai

Agent Arena是一个评估模型在真实世界、长期智能体任务上的排行榜。该排行榜基于全球用户贡献的百万级任务数据。模型需使用网络搜索、文件系统和终端工具完成复杂工作流。性能评估采用因果追踪方法，测量各模型相对于平均模型的表现。

AI模型 Agent Arena 智能体模型评估

推荐理由：Agent Arena用百万真实任务测模型自主能力，看看谁在复杂工作流里最靠谱。

原文

02:17

官方账号vLLM@vllm_project

精选

Novita Labs 训练并开源了 DSpark 投机解码器，用于 Kimi-K2.6 和 Kimi-K2.7-Code 模型。DSpark 是 DeepSeek 提出的投机解码方法，能一次性生成整个 token 块。vLLM 从 v0.25.0 版本起原生支持 DSpark。使用该解码器可加快 Kimi 系列的推理速度。

AI模型 Kimi-K2.6 Kimi-K2.7-Code DSpark

推荐理由：DeepSeek 的 DSpark 投机解码，能让 Kimi-K2.6 和 K2.7-Code 一次生成整块 token，配合 vLLM 0.25.0 原生支持，解码更快。

原文

01:40

lmarena.ai@lmarena_ai

GPT-5.6 Sol在Agent Arena评测中综合排名第二，整体得分提升10.9%。在可操纵性（Steerability）指标上以+17.3%位列第一。确认任务成功（Confirmed Task Success）和工具幻觉（Tool Hallucination）指标均排名第二，分别提升10.9%和1.3%。赞美与抱怨比（Praise vs. Complaint）排名第三（+17.6%），Bash恢复（Bash Recovery）排名第14（+7.5%）。

AI模型 GPT-5.6 Agent Arena 智能体

推荐理由：GPT-5.6 Sol在Agent Arena里表现挺猛，可操纵性直接第一，整体第二，具体各项指标排名都有数据，值得看看。

原文

01:38

lmarena.ai@lmarena_ai

78°

GPT-5.6 Sol在Agent Arena排行榜上以7800次真实世界智能体会话位列第二。相比GPT-5.5 (xHigh)净提升1.6%。与榜首Claude Fable 5的差距主要来自“表扬 vs 投诉”信号，后者得分+17.3%，GPT-5.6 Sol为+10.9%。Agent Arena基于数百万真实世界长周期任务，使用因果追踪方法评估。GPT-5.6系列（Sol, Terra, Luna）已开始在ChatGPT、Codex和API中推出。

AI模型 GPT-5.6 OpenAI Agent Arena

事件专题

推荐理由：OpenAI的GPT-5.6 Sol在Agent Arena上冲到第二，比前代进步明显，和Claude Fable 5差距缩小了，想看看真实任务中模型表现的话值得关注。

原文

00:45

Rowan Cheung@rowancheung

一项AI技术成功读取了一卷2000年前因火山喷发而烧成碳的卷轴，识别出其中文字。这卷来自公元79年维苏威火山爆发的碳化文书此前被认为无法阅读。该突破为AI在考古领域树立了新标杆。未来有望用类似方法揭示数千份同样被毁的历史文献。

AI模型碳化卷轴 AI考古古文字识别

推荐理由：AI居然能读懂烧成炭的2000年古卷，比考古学家用手揭靠谱多了。快来看看这波操作。

原文

00:18

Recraft@recraftai

Recraft V4新版本发布，能在四张不同主题的海报中保持用户给定的风格方向，不默认统一风格。该模型通过同一模型生成风格零重复的四张海报，每张都忠实遵循提示词指令。用户可通过提示词精确控制每个输出的独特性。

AI模型 Recraft V4 Recraft 图像生成

推荐理由：Recraft V4能让你用一个模型生成风格完全不同的海报，不套模版，直接按你的提示词来。

原文

7月13日

23:18

官方账号快手可灵 Kling@Kling_AI

Kling AI被用于制作葡萄牙世界杯宣传片，播放量接近1亿次。该片由78 Films采用Kling AI进行混合制作，在保持人类创意和情感的同时实现电影级画质。导演João Seiça表示AI用于拓展而非替代创造力。

AI模型 Kling AI 视频生成 78 Films

推荐理由：Kling AI做的世界杯宣传片，播放快1亿了，画面跟电影一样，看看AI怎么帮人拍大片。

原文

14:41

官方账号vLLM@vllm_project

精选

PrimeIntellect推出Verifiers v1，使用vLLM进行训练rollouts，确保精确的token IDs和logprobs。该方法消除了tokenization漂移，使rollouts与训练保持同步。vLLM还支持开源RL基础设施如prime-rl。这一发布提升了强化学习训练的稳定性和效率。

AI模型 PrimeIntellect Verifiers vLLM

推荐理由：PrimeIntellect发了Verifiers v1，用vLLM做强化学习rollout，token精度更高，训练更稳定。搞开源RL的可以看看。

原文

12:22

Hunyuan@TXhunyuan

腾讯混元发布Hy3模型，以295B参数MoE架构在OpenRouter LLM排行榜上获得第一。该模型在同参数规模中表现最优，性能可媲美万亿参数级旗舰模型。Hy3采用Apache 2.0开源协议，适合商业使用，并提供为期两周的免费API体验。

AI模型 Hy3 Tencent Hunyuan OpenRouter

推荐理由：腾讯混元的Hy3，295B MoE模型，登顶OpenRouter第一，性能比肩万亿参数大模型，还免费试用两周，赶紧去试试。

原文

11:17

官方账号Together AI@togethercompute

精选

GLM 5.2 模型在 Together AI 平台部署后，在 Artificial Analysis 评测中输出速度和延迟均获得第一名。该评测覆盖多个主流模型，GLM 5.2 在吞吐量和响应时间指标上表现领先。Together AI 通过优化推理栈使模型达到接近实时的生成速度。

AI模型 GLM 5.2 Together AI Artificial Analysis

推荐理由：GLM 5.2 在 Together AI 上跑出了最快速度和最低延迟，想用低成本跑推理的话可以去试试这个组合。

原文

11:00

官方账号Together AI@togethercompute

NVIDIA的开放模型Nemotron 3 Ultra在Together AI上线后迅速获得社区青睐。该模型在OpenRouter平台上的处理量在几天内达到每天350亿token。这反映了社区对快速、高效且可定制开放模型的积极支持。Nemotron 3 Ultra是一款完全可定制的开放模型，由NVIDIA开发。

AI模型 Nemotron 3 Ultra NVIDIA Together AI

事件专题

推荐理由：NVIDIA刚推的Nemotron 3 Ultra在Together AI上火了，几天就在OpenRouter冲到每天350亿token用量，社区超爱这种又快又省又好改的开放模型。

原文

10:59

官方账号Together AI@togethercompute

精选

Together AI团队在@aiDotEngineer大会上发布了ParallelKernelBench，一个开源基准测试。该基准专门评估大语言模型能否为通信密集型多GPU工作负载编写高效的CUDA内核。与现有单GPU测试不同，ParallelKernelBench聚焦真实场景下的并行内核性能。开发者可使用该基准对比不同LLM的代码生成质量。

AI模型 ParallelKernelBench Together AI CUDA

推荐理由：Together AI搞了个新基准ParallelKernelBench，专门测AI写多GPU CUDA代码的能力，比单核测试更贴近真实场景。

原文

09:49

官方账号阿里云 Alibaba Cloud@alibaba_cloud

在第9届摩纳哥AI电影节黑客马拉松中，作品《Between》获得第9名。该片由Davit Jijavadze创作，采用水彩动画风格，讲述一朵野花破开办公室地板唤醒主角的故事。短片使用了阿里云Model Studio和Happy Horse 1.0生成。这一成绩展示了AI视频生成工具在艺术创作中的潜力。

AI模型 Alibaba Cloud Model Studio Happy Horse 1.0 AI Film Festival Monaco

推荐理由：阿里云和Happy Horse 1.0合作做了一个水彩动画短片，在摩纳哥AI电影节黑客马拉松拿第9。故事很走心，技术也酷，值得看看。

原文

09:05

官方账号Greg Brockman@gdb

87°

OpenAI的GPT-5.6 Sol在Design Arena中以Elo 1353排名第一，超过Anthropic的Claude Fable 5。它和智谱的GLM 5.2处于同一性能区间（前端设计）。相比GPT-5.5，GPT-5.6 Sol提升了18个名次和60分Elo。该模型还建立了偏好与速度的新帕累托前沿，比同性能级别模型更快。

AI模型 GPT-5.6 Sol OpenAI Claude Fable 5

事件专题

推荐理由：OpenAI新模型GPT-5.6 Sol在网页设计评测中拿了第一，比上一代强很多，还比Claude Fable 5更快。想看看AI设计的新天花板吗？

原文

08:55

Amjad Masad@amasad

Replit CEO Amjad Masad展示其computer use模型与自建国际象棋引擎的对弈过程。他在Replit上微调了一个Qwen-8b模型来下棋，并行运行三个实验分支并取得进展。Masad指出模型在ML任务上的能力提升显著，即使没有机器学习经验的人，只要有好的直觉也能做出有趣的ML工作。

AI模型 Replit Qwen-8b 智能体

推荐理由：Replit老板用Qwen-8b模型下棋，三个实验同时跑，还说没学过ML也能搞，值得看看怎么玩的。

原文

08:50

andrew chen@andrewchen

一位用户在X上分享使用GLM 5.2一周的体验，认为该模型表现令人满意。他将使用GLM 5.2比喻为早期在Pentium PC上运行程序的感受，表示短期内足够。同时他指出，随着技术发展，用户总会期待更强的新模型。该推文获得13条评论、2次转发和30个点赞。

AI模型 GLM 5.2 智谱开源模型

推荐理由：看看有人实测GLM 5.2一周的真实感受，别被'够用'骗了，他说后面肯定还有更好的。

原文

08:22

orange.ai@oran_ge

A社因Fable 5模型占用大量GPU资源，最初未将其纳入coding plan，而是采取限时体验并按API定价销售以获利。GPT 5.6的发布吸引了大量用户，导致Fable 5用户流失。A社随后调整策略，将Fable 5重新放回coding plan。这一轮变化体现了产品定价受替代品影响。

AI模型 Fable 5 GPT 5.6 A社

事件专题

推荐理由：A社原来把Fable 5当API卖赚钱，结果GPT 5.6一来用户全跑了，它又把模型塞回coding plan。竞争就是这么直接。

原文

08:05

andrew chen@andrewchen

Andrew Chen预测消费级显卡2029年可运行Fable级别模型，依据是LLM知识压缩比约400:1，量化至4-bit后达1600:1。Densing Law显示模型能力每3.3个月翻倍，27B参数模型已接近几年前更大模型。当前27B参数量化版已能在32GB显存GPU运行，且每年效果提升。

AI模型消费级GPU Fable Densing Law

推荐理由：Andrew Chen用Densing Law和量化数据推测，消费级显卡跑顶级模型可能只需几年，感兴趣可以看看他的推导。

原文

7月12日

20:29

官方账号vLLM@vllm_project

精选72°

Cohere 团队开发了硬件感知的动态投机解码（Dynamic SD）并合并到 vLLM 项目。传统方法使用固定数量的草稿 token，而 DSD 会根据批次大小和硬件自适应调整。在有利场景下实现加速，在不利场景下回退以保持性能。该更新提升了 vLLM 在推理时的效率。

AI模型 Cohere vLLM Dynamic SD

推荐理由：vLLM 合并了 Cohere 的动态投机解码，能根据硬件和批次大小自适应，想提升推理速度的可以试试。

原文

07:03

AI Will@FinanceYF5

82°

据可靠来源确认，GPT-5.6已完成训练并内测两个月。OpenAI与监管机构提前协调，导致公开延迟。GPT-5.6被指比上一代token效率高54%（Sam Altman在CNBC表态），但复杂任务中实际token消耗更大。下一个广泛流传的传闻是GPT-6将在六周内预览或发布，其采用了全新预训练。这意味着前沿模型发布节奏从季度级加速到周级，但推理预算增大使计算需求超供应，能源瓶颈将更突出。

AI模型 GPT-5.6 GPT-6 OpenAI

事件专题

推荐理由：GPT-5.6偷偷跑了两月才公开，效率提升但更吃算力。六周内可能来GPT-6，背后是监管和算力双重卡脖子。

原文

07:00

AI Will@FinanceYF5

73°

ArenaAI 数据显示，OpenAI 的 GPT-5.6 Sol 在 Code Arena: Frontend 基准上与 Anthropic 的 Claude Fable 5 并列第一。这是 OpenAI 模型首次登上 Code Arena 榜首。该基准主要评估 Agentic Coding、前端开发和 Web App 构建能力。

AI模型 GPT-5.6 Sol Claude Fable 5 OpenAI

事件专题

推荐理由：OpenAI 的 GPT-5.6 Sol 在代码前端基准上追平了 Claude Fable 5，前端能力进步很明显，做网页的可以留意。

原文

06:59

AI Will@FinanceYF5

精选73°

OpenAI 的 GPT-5.6-sol 在 Code Arena: Frontend 中跃升至第一，与 Claude Fable 5 并列。该模型从之前的第 18 名大幅提升至第 1 名，并在 Data & Analytics、Brand Marketing、Consumer product 和 Gaming 类别中均排名第一。定价为 $5/$30 每百万输入/输出 Token，大约是 Claude Fable 5 价格的一半。这是 OpenAI 模型首次在 Code Arena 中取得最高排名。

AI模型 GPT-5.6-sol OpenAI Claude Fable 5

事件专题

推荐理由：OpenAI终于登顶了！GPT-5.6-sol在代码竞技场和Claude Fable 5打成平手，价格还便宜一半，搞前端开发的快来看看。

原文

04:52

官方账号Allen AI (Ai2)@allen_ai

精选

Allen AI 发布 olmOCR 2，将其部署到 Ai2 Playground 平台。该模型支持文本、视频和图像理解，完全开源。Ai2 Playground 整合了多项开放模型，提供交互式体验。

AI模型 olmOCR Ai2 多模态

推荐理由：Allen AI 开源了 olmOCR 2，能同时理解文字、视频和图像，直接在网页上试玩，比很多闭源模型更透明。

原文

04:50

官方账号Allen AI (Ai2)@allen_ai

Ai2研究科学家pjreddie解释合作伙伴如何定制OlmoEarth模型。OlmoEarth是开源地球观测模型，通过微调可在地图作物和野火风险等任务上提升性能。嵌入方法只能达到一定效果，微调是下一个性能提升的关键。该模型基于卫星图像训练，支持多种地理空间应用。

AI模型 OlmoEarth Ai2 微调

推荐理由：Ai2的OlmoEarth模型开源了，微调比嵌入效果更好，能用来做作物映射和野火预测，实用性强。

原文

01:20

官方账号Sam Altman@sama

83°

OpenAI发布GPT-5.6系列，在医疗任务中表现优于医生。最小变体GPT-5.6 Luna在最低推理努力下即超越GPT-5.5最高推理努力，成本降低25倍。最大变体GPT-5.6 Sol创下新标杆。研究收集了患者和临床医生两类任务，由专科医生花费无限时间并联网撰写回答，再由另一些医生盲评。在20000次轴评级（准确性、沟通、完整性、指令遵循、健康决策有用性）中，所有GPT-5.6变体在完美率上显著超过医生。

AI模型 GPT-5.6 OpenAI AI医疗

事件专题

推荐理由：OpenAI发了GPT-5.6，医生写回答都写不过它，成本还更低，医疗AI又进步了一大截

原文

7月11日

23:02

Ethan Mollick@emollick

用户将GPT-5.6 Sol模型通过Codex平台赋予电脑控制权，要求它赢得游戏Slay the Spire 2的每日挑战。该挑战包含随机化因子，无法通过预知方式作弊。模型连续工作了5个小时，自主做出复杂游戏决策，最终成功通关。此演示展示了AI在长时间自主任务中的决策能力。

AI模型 GPT-5.6 Sol Codex Slay the Spire 2

推荐理由：GPT-5.6 Sol在Codex里花了5小时自己打穿了Slay the Spire 2每日挑战，这自主性有点强啊。

原文

23:01

AI Will@FinanceYF5

OpenAI 在不到 24 小时前发布了 GPT-5.6 模型。用户已开始尝试多种创新用法，并引发广泛关注。

AI模型 OpenAI GPT-5.6 模型发布

事件专题

推荐理由：OpenAI 刚出了 GPT-5.6，网上已经有不少人秀各种花式玩法，快去围观。

原文

23:00

elvis@omarsar0

推文指出大多数视频动作机器人模型是将视频生成器拼接动作头，而LingBot-VA 2.0从头预训练整个控制堆栈。该模型在技术上有多项改进，与传统方法相比在控制任务上表现更优。推文提及LingBot-VA 2.0的预训练策略使其在机器人动作预测中脱颖而出。

AI模型 LingBot-VA 2.0 机器人视频动作模型

推荐理由：如果你想了解机器人视频动作模型的新路子，LingBot-VA 2.0直接从头训练控制栈，不搞拼接，挺有看头。

原文

22:58

elvis@omarsar0

LingBot VA-V2是Robbyant（蚂蚁集团旗下）开发的视频动作基础模型，原生用于机器人控制。该模型接收视频输入即可生成机器人动作指令，无需额外传感器。项目页面和完整论文已在GitHub公开，提供技术细节与基准评测。

AI模型 Robbyant LingBot VA-V2 Ant Group

事件专题

推荐理由：Robbyant这个视频动作模型直接用视频训练机器人，别家还没见过类似的。论文和代码全公开，搞机器人和具身智能的可以看看。

原文

22:41

AI Will@FinanceYF5

精选

新测试对比了 GPT-5.6（Sol Ultra、Terra Ultra、Luna Max）和 GPT-5.5 xhigh 在 4 项 canvas 动画提示上的表现。在 macOS 'hello' 手写测试中，Sol Ultra 与 5.5 并列最佳。火球入水测试中，GPT-5.5 的蒸汽和气泡效果更真实。燃烧湿纸测试里，5.5 的火焰在水边停止、湿半页焦黑的表现更准确。ChatGPT 应用 UI 测试中，5.6 三大变体均正确遵循多步指令并逐字流式输出，而 5.5 跳过了流式。结论：5.6 在指令遵循和多步协调上明显更好，但原始物理直觉仍是 5.5 更强。

AI模型 GPT-5.6 GPT-5.5 OpenAI

事件专题

推荐理由：想知道 GPT-5.6 哪里比 5.5 强、哪里反而弱？这篇实测用四个具体动画场景拆给你看，不吹不黑。

原文

22:00

小互@imxiaohu

社交平台用户称 Grok 4.5 在多数测试中能与 Opus 4.8 持平。该模型处理简单任务速度极快，被比喻为 SpaceX 火箭般的体验。用户还表示期待今晚 GPT5.6 的表现。

AI模型 Grok 4.5 Opus 4.8 GPT5.6

事件专题

推荐理由：有人说 Grok 4.5 比肩 Opus 4.8，速度还快得像火箭，你要不要试一下？

原文

21:22

AI Will@FinanceYF5

Meta 发布了 Muse Spark 1.1 版本。这是该模型的版本更新。更多技术细节请参阅 Meta 研究博客。

AI模型 Muse Spark Meta 模型更新

推荐理由：Meta 把 Muse Spark 更新到了 1.1，想了解具体改进可以去翻博客。

原文

21:20

AI Will@FinanceYF5

Alexandr Wang表示Muse Spark 1.1是一款具备行业竞争力的Agentic和编程模型。该模型在多个Agentic评测中与GPT-5.5和Opus 4.8相抗衡。目前可通过Meta Model API和Meta AI直接使用。

AI模型 Muse Spark 1.1 GPT-5.5 Opus 4.8

事件专题

推荐理由：Muse Spark 1.1在Agentic任务上声称能追上GPT-5.5，还能直接用Meta API调用，挺有吸引力。

原文

仅展示最近 2000 条内容。更早的内容请查阅 AI 日报存档（侧边栏 → AI 日报 → 顶部「往期日报」）。