推荐理由：LlamaIndex 搞了个 ExtractBench，测了 14 个系统，发现长文档提取召回率很低。它家 Agentic Plus 能到 96.1%，比别的都稳。

推荐理由：Arena 用数千万人类真实对战数据训了个奖励模型，评估速度飞快，还比 LLM-as-judge 更贴近真实偏好。

推荐理由：DeepSeek 又发新模型了，V4-Pro (Max) 在编码榜上排开源第二，比贵得多的 Opus-4.8 还强，价格只要零头。

推荐理由：DeepSeek V4 Pro 到底行不行？这条推文用公开数据聊了聊它为什么不够惊艳，顺便夸了 Flash 和 GLM-5.2，观点挺实在。

推荐理由：xAI 把 Grok 4.5 又练了更长一轮，还专门强化编程、内核和 CAD，想搞技术活的话可以看看。

推荐理由：NVIDIA 的 Nemotron 3.5 Lightning 微调后，在 6 项任务上超过 4 个同类 MoE 模型拿了第一。想知道怎么调出来的，可以看这篇。

推荐理由：开源模型大爆炸！DeepSeek、Meta、NVIDIA一口气发了十几个新模型，从推理到视频到语音都有，性能还紧追闭源。

推荐理由：Grok 4.6来了，比4.5强不少，价格没涨，终端里就能直接用。

推荐理由：想用前沿模型又嫌贵？Grok 4.6 比 4.5 强但价格不变，输入百万才 2 美元，Twitter 会员还能白嫖。

推荐理由：Chelsea Finn 在 YC 活动上讲强化学习让机器人效率翻倍，还能连续干活几小时，想了解通用机器人怎么落地可以听听。

推荐理由：微软自己从头搞了个推理模型 MAI-Thinking-1，已经放到 Foundry 里能用了，想试推理模型的可以去看看。

推荐理由：微软出了个新基准MindTopo，专测AI懂不懂拓扑关系，像路径绕圈、绳结这种空间题，看看模型会不会犯晕。

推荐理由：Meta 新出的开源模型 Muse Glimmer，30B 参数，Apache 2.0 随便用，本地跑智能体挺靠谱，MCP Atlas 和 SWE-Bench Pro 分数都不错，想玩本地 AI 的可以试试。

推荐理由：Meta 新开源了个 30B 模型，专为智能体连续调用工具设计的，还能从报错里恢复，128K 上下文，想玩智能体的可以试试。

推荐理由：Qwen3.8-Max在Legal Research Bench上从第22冲到第4，三个月内得分翻倍，看看它怎么做到的。

推荐理由：字节的Seedance 2.5来了，单次出30秒视频不用拼，还能塞30张图当参考，做长视频的可以试试。

推荐理由：NVIDIA出了个轻量模型，30B参数但只激活3B，跑长任务上下文能到1M，单卡就能部署，速度还快4倍。

推荐理由：Upstage 的 Solar Pro 4 是首个登上多个 Arena 榜单的韩国模型，适合做生产级智能体，价格便宜，值得试试。

推荐理由：想测智能体真实干活能力？Agent Arena用百万真实任务打分，比普通聊天评测靠谱多了。