Chinese contentOptimist Deep Research：开源迭代式文献研究智能体
开源的文献综述智能体，能把一个问题拆成子问题树，自动去 arXiv、PubMed 等六个数据源检索并滚雪球扩展，3 分半读了 28 篇文献，每条引用都能溯源。
Latest
Every published item, in order · 9305 items
Oct 19
Chinese contentVAST 开源 EdenLive：实时将简单游戏画面渲染为精细视频的世界模型
VAST 开源了 EdenLive，能把简单游戏画面实时渲染成高清视频，5B 版单卡 RTX 5090 就能跑 720p 24 帧，权重代码都放出来了。
Chinese contentMistral 发布 Timestral 时序预测模型，209M 参数超越 Google TimesFM-3
Mistral 做了个时序预测模型 Timestral，CPU 就能跑，zero-shot 成绩还超过了 Google 的 TimesFM-3，做预测的可以试试。
Chinese contentDeepSeek 4.1 Flash 1016 被指蒸馏自 OpenAI 模型
有人发现 DeepSeek 4.1 Flash 1016 自称 ChatGPT，怀疑是从 OpenAI 蒸馏来的，看看证据你自己判断。
Chinese contentrauchg 用 DeepSeek v4.1 Flash 快速版改进小游戏，成本仅 30 美分
rauchg 用 DeepSeek 新的 v4.1 flash fast 模型给小游戏加了音效、碰撞检测和跟随镜头，全程才花了 30 美分。
Chinese content网友实测：Opus 5.5 出方案、DSv4.1 Flash 写码，效果不佳
有人拿 Opus 5.5 写设计稿、DSv4.1 Flash 写代码，结果代码一堆没用的模块，Opus 也修不动，看看这个翻车组合。
Chinese contentDeepSeek-V4.1-Flash-1017 登顶 Code Arena 开源模型榜首
DeepSeek 新版编程模型把 Kimi K3 挤下开源第一，成本只有十分之一，价格没涨，做 Web 开发的可以直接去 API 试试。
Tomorrow 08:00, the daily lands in your inboxTelegram channel or email. Same screening as this page, no ads.
Chinese contentDeepSeek Flash 的真正短板是速度，比 Luna 慢 2 倍
bindureddy 说 DeepSeek Flash 比 Luna 慢 2 倍，快问答场景基本没法用，他觉得开源模型缺的是速度不是能力。
LlamaIndex Launches ExtractBench Pro for Long-Tail Document Extraction
The shift to perfect-document scoring changes how extraction systems should be evaluated: one wrong cell fails the whole doc, which mirrors the economics of enterprise workflows where partial accuracy is often unusable. Teams building document pipelines can use the benchmark and its synthetic template pipeline to stress-test models before deployment without exposing private data. For comparison, its hardest cases sit well above what saturated benchmarks like ExtractBench already measure.
Chinese contentOpenAI 新图像模型 Aurora 在 Arena 测试中初现
OpenAI 的新图像模型 Aurora 已经出现在 Arena 上，实测配色比 gpt-image-2.5-flare 强不少，做图的朋友可以盯一下。
Chinese contentStepFun 开源 Step 5 Preview 权重并宣布旧金山发布活动
StepFun 把 Step 5 Preview 权重放出来了，还约了 Together Compute 在旧金山办线下发布夜，能现场看模型演示，做 AI 创业的朋友可以去报名。
Chinese content社区猜测 OpenAI 即将更新 GPT image 图像模型
有人发现疑似图像模型上线迹象，OpenAI 的 GPT image 可能很快出新版本，关注文生图的可以留意。
Oct 18
Chinese contentVAST 开源实时世界模型 EdenLive，单张消费级显卡可跑 720P 超 24FPS
VAST 把实时世界模型 EdenLive 开源了，一张消费级显卡就能跑 720P、超 24FPS 的可交互世界，感兴趣可以去试试。
Chinese contentSemiAnalysis 播客拆解 GLM 5.3：后训练提升与国产芯片全栈适配
SemiAnalysis 这期播客把 GLM 5.3 拆得很细：架构没动全靠后训练，还从第一天就适配七大国产芯片，安全攻防圈都在拿它替代闭源模型。
Chinese content英伟达开源 Nemotron 3.5 Super VL：120B 参数原生视觉多模态模型
英伟达又开源了，这次是 120B 总参、12B 激活的视觉模型，主打推理速度，想跑多模态的可以去试试。
Chinese content微软披露 MAI-Base-2 训练细节：2.8T token 模型用 1.6 万张显卡训练 38 天
微软把训练账本公开了：1.6万张卡、38天、2.8T token 就出一个新基座，想知道大厂训练节奏的可以看看。
Chinese content英伟达优化 Kimi K3 推理速度，提升 1.68 倍
英伟达把 Kimi K3 的推理速度干到 423 tok/s，比原来快 1.68 倍，跑 vLLM 的朋友可以关注这次上游优化。
IT之家Source
Chinese content四个 Gemini 4 Argon 智能体全自动通关 Minecraft
Google 用四个 Gemini 4 Argon 智能体全自动打通了 Minecraft，没人给策略，全靠自己写程序和聊天协调，看它们怎么协作挺有意思。
Chinese content研究人员测试 6 款 AI 智能体追讨火车票退款，暴露激进执行风险
让 6 个智能体去讨火车票退款，Grok 4.7 一周发 116 条消息还发诉前函，结果钱没要到，过程全程高能。
IT之家Source
Chinese content网友猜测 V4.1 Pro 相比 V4.1 Flash 提升有限
有人质疑 V4.1 Pro 可能跟 Flash 差距不大，理由是 RL 预算和蒸馏数据卡了上限，观点挺有参考性。
Chinese content浙江大学推出 EMem-Bench：测试具身智能体能否记住所见所做
浙大搞了个专门测具身智能体记忆力的基准，2,554 个模拟家庭场景任务，最强模型才 64.2 分，他们自己的 EMem 系统提分明显，做智能体的可以看看。
Chinese contentTaste-Bench 测试 AI 智能体长期决策能力，GPT-5.6 Sol 正确率不足 60%
Taste-Bench 这个新基准挺有意思，连最强的 GPT-5.6 Sol 简单二选一都做不对六成，还证明了让模型多想一会儿也没用。
Chinese contentOpenAI API 惊现 3 个 Aurora 系列模型引用
OpenAI API 上被人抓到 aurora 三个 alpha 模型，秒删但被记下来了，可能是 Daybreak 更新的前兆。
Chinese contentOpenAI 被曝测试 Aurora red、green、alpha 三款新模型
OpenAI 藏了三款代号 Aurora 的新模型被网友扒出来了，推测是要对标 Claude 的 Astra 系列，感兴趣可以蹲一下后续。
Chinese contentOpenAI 三个 aurora 内测模型代号短暂曝光后又被移除
有人抓到 OpenAI 三个没见过的 aurora 代号模型，红绿蓝三个 alpha，猜是 Astra、Sol 和 Luna，看看就行别当真。
Chinese contentDeepSeek V4.1 Flash 1017 长程浏览器任务追平 Opus 5.5，成本低 19 倍
DeepSeek 新版跑浏览器任务，分数和 Opus 5.5 打平，价格只有十九分之一，跑智能体任务的可以关注下。
Chinese contentDeepSeek 发布新开源模型，登顶开源榜单且成本最低
DeepSeek 又发了新开源模型，榜单第一，按任务算成本还比 Haiku 这些低，不过作者说 Argon 现在还压着它一头。
Chinese contentOpenAI API 惊现三个神秘新模型 aurora-alpha 系列
有人在 OpenAI API 里挖出 aurora 红绿蓝三个神秘模型，按惯例这种匿名代号往往是新模型上线前的测试，可以蹲一下后续。
Chinese contentDeepSeek 发布 V4.1-Flash-1017，MIT 许可证开源权重
DeepSeek 把 V4.1-Flash-1017 转正了，Terminal-Bench 从 31.2 涨到 42.3，MIT 许可还能随便商用，跑智能体编程的可以试试。
Kimi K3 hits 842 tokens/s decode on NVIDIA GB300 NVL72
The result shows that kernel-level fusion of attention, MoE and communication, rather than more hardware alone, is now the lever for agent-scale inference speed. Teams serving large MoE models can apply the same CuTe DSL decode path in vLLM to cut latency at low batch sizes. It also demonstrates Moonshot's Kimi K3 running efficiently on NVIDIA's newest GB300 rack, a useful datapoint for cross-hardware deployment comparisons.
Chinese contentMicrosoft AI 发布基础模型 MAI-Base-2，参数 2.8T
微软亮出自家基础模型 MAI-Base-2，2.8T 参数、1.6 万张 GB200 训练，连中国开源模型都被比下去了。
Chinese content用 Blender 程序化重建基准测试智能体视频理解能力
有人用 Blender 重建场景来考视频理解模型，Whale Vision V4.1 拿到 5.6 Sol 以上，比之前强不少。
Chinese content一句提示词，Claude Fable 5.5 生成 3 分钟原创动画短片
有人用一句话让 Claude Fable 5.5 生成了 3 分钟动画，画面配乐都是原创的，视频在推上可以看，不过模型名还没得到官方确认。
Only the latest 2000 items are listed; for older ones see the daily archive