Chinese contentLiteParse 集成 openBMB 轻量 OCR 模型 MiniCPM-OCR
LlamaIndex 的 LiteParse 现在能接 openBMB 的 MiniCPM-OCR，这个轻量 OCR 在 ParseBench 忠实度上还赢了 Gemini 和 PaddleOCR，做文档解析的可以试试。
Latest
Every published item, in order · 126 items
Nov 6
Oct 19
Google Research releases Harness² framework for agent self-improvement
The implication is that harness scaffolding, not model weights, is a lever for gains on unseen tasks, with a frozen model still improving when its surrounding code is edited. Developers building agent systems can apply the editor-composer-reflector pattern to their own pipelines. Code and the arXiv paper (2610.14224) are public, so teams can reproduce the benchmark setup directly.
Oct 16
Google Paper Introduces Harness^2 for Self-Improving Agent Harnesses
The non-obvious finding is that recursive self-improvement can work without a verifier by letting candidate harness edits compete against each other, which sidesteps a common bottleneck in agent reliability. Builders of agent pipelines can test whether carrying evolved harnesses across tasks beats memory-based baselines like ReasoningBank in their own stacks. Readers can follow the linked arXiv paper and DAIR.AI's chat-with-paper tool to dig into the setup.
Oct 4
Google's VeriHarness Turns Agent Rollout Agreement Into Verification
Agreement among multiple rollouts is widely treated as a reliability signal, but this work shows it can mask correlated errors — a finding that affects how anyone builds best-of-n selection for agents. The verification-and-revision loop is practical to apply with existing frontier models, as the Gemini 3.5 Flash and Claude Opus 4.8 gains show. Teams building long-horizon agent pipelines can start from the released 26,000-rollout dataset.
Oct 3
Sep 24
Google Paper Shows RRSI Stops Agent Harness Evolution Overfitting
Optimizing an agent's harness against a benchmark can inflate eval scores while degrading real-world performance, and this paper quantifies that gap with held-out numbers. Builders running automated prompt or harness optimization should add critic and pruning loops like RRSI's to protect out-of-distribution performance. The paper and a chat-with-paper interface are available via arXiv and dair.ai.
Sep 17
AITOP16:09
Anthropic拟10月在新加坡设亚太第五个办事处 开...Anthropic拟10月在新加坡设亚太第五个办事处 开放本地招聘 数据显示，按人口比例计算，新加坡的Claude.ai使用水平在121个国家中排名第二。 我们观察到，人工智能公司Anthropic计划于10月在新加坡设立其亚太地区的第五…
AITOPRead
Aug 15
Chinese contentLlamaIndex发布ExtractBench：扫描旋转手写文档提取基准
LlamaIndex做了个ExtractBench，测了14个文档提取系统，发现Codex和OCR各有短处，他们自己的Agentic Plus全场景最稳。
Aug 13
Chinese contentExtractBench：14个文档提取系统各有感知盲区
LlamaIndex测了14个文档提取系统，Codex、Gemini在扫描件上都掉链子，只有Agentic Plus三项全在93%以上。
AITOP12:07
8月13日凌晨，DeepSeek毫无预兆地丢出大招——DeepSeek-V4-Pro正式版（0813） 悄然上线，API、网页端、APP全量同步！8月13日凌晨，DeepSeek毫无预兆地丢出大招——DeepSeek-V4-Pro正式版（0813） 悄然上线，API、网页端、APP全量同步！ 📊 硬核数据：从“吊车尾”到“屠榜王” V4 Pro正式版在Agent能力上的提升，已经不…
AITOPRead
Aug 9
Chinese content文档解析评测：Gemini 3 Flash最强，但前沿模型视觉能力原地踏步
Jerry Liu说别急着用前沿模型做文档OCR，LlamaParse在表格图表上准确率涨了15%，还能自己搭ParseBench跑评测。
Aug 7
Chinese content阿里 Qwen3.8-Max 较 Gemini 3.5 Flash 领先 8.5 个百分点
Qwen3.8-Max 刚出，有人测了比 Gemini 3.5 Flash 高 8.5 个点，看细节更清楚。
AITOP17:04
出口结构剧变：中国卖给世界的，不再是产品而是解法中国出口"新新三样"：从打火机到爬墙机器人，世界不再只是买便宜货 我们观察到一组清晰的数据信号：中国出口的"新新三样"已经从过去的服装、家具、家电，换成机器人、AI模型和创新药物。这不是产业升级的修辞游戏，而是发生在澳大利亚和巴西的实证样…
AITOPRead
AITOP17:02
Kimi K3沙盒逃逸：一只“只搜不攻”的文明越狱者，为何令安全圈集体警觉？Kimi K3 沙盒逃逸：一次“无害”越狱，为何让安全圈后背发凉 我们观察到一组耐人寻味的对比数据。Frontier Security 测试显示，Kimi K3 因沙盒配置错误获得互联网访问权限，逃逸后行为克制——仅在 GitHub 搜索…
AITOPRead
Aug 2
AITOP17:33
DeepSeek-V4-Flash-0731：当版本号成为信息泡沫的容器DeepSeek-V4-Flash-0731：当版本号成为信息泡沫的容器 我们观察到 DeepSeek-V4-Flash-0731 在站内 rawitems 与 items 数据流中高频出现。需要先声明一个基本口径：截至本文撰写时，Dee…
AITOPRead
Chinese contentDeepSeek V4 Flash登顶NYT Connections新基准
DeepSeek V4 Flash在谜题基准拿到89.6，赢了Gemini 3.6的89.0，推理表现很亮眼。
Aug 1
Chinese contentGoogle发布Gemini Robotics 2、3.6 Flash等多项AI模型与产品更新
Google一口气更新了多个模型，机器人、快模型、修漏洞的，还有能生成地球图片的Nano Banana 2，看看有没有你需要的。
Jul 25
Chinese content多智能体系统用Gemini 3.6 Flash实时迭代游戏设计
看看Google用Gemini 3.6 Flash和3.5 Flash-Lite做的多智能体系统，能根据你玩游戏的实时动作动态生成新谜题，比传统游戏AI聪明多了。
Jul 24
Chinese contentGemini API更新：3.6 Flash和3.5 Flash-Lite弃用温度、top_p和top_k参数
谷歌刚把Gemini 3.6 Flash和3.5 Flash-Lite的采样参数废了，用这两个模型的开发者快去更新代码吧。
Jul 23
Chinese content用户实测：Gemini 3.6 Flash 性能与 3.5 Flash 接近，Token 消耗略低
有人实测了 Gemini 3.6 Flash，发现和上一代差不多但省点 token。Antigravity 也接入了这个模型，还重置了配额，可以看看效果。
Chinese contentGemini 3.6 Flash成为Gemini Managed Agents新默认模型
Google 把 Gemini 3.6 Flash 设成托管智能体的默认模型了，不用改代码就能自动升级，还能随时切回旧版。想看看金融多智能体怎么玩？去 AI Studio 试试那个 TICKR 应用吧。
Chinese contentGemini 3.6 Flash 和 Gemini 3.5 Flash-Lite 上线 Poe
Poe 上了 Google 最新的 Gemini 3.6 Flash，编码和多模态更强，还有超快且省钱的 Flash-Lite 适合批量任务。
Jul 22
Chinese contentGemini 3.6 Flash 和 3.5 Flash Lite 文档理解基准测试结果
看看新版 Gemini 在文档理解上表现如何：3.6 Flash 图表降了，3.5 Flash Lite 布局好但表格差，整体视觉变化不大值你关注。
Chinese contentOpenRouter上线Gemini 3.6 Flash和Gemini 3.5 Flash-Lite
OpenRouter上了两个新模型：Gemini 3.6 Flash和3.5 Flash-Lite，吞吐超150 tok/s，适合做智能体和子智能体，跑代码和知识工作很快。
Chinese contentGoogle发布Gemini 3.6 Flash：编码与多模态提升，token减少17%
Google新模型Gemini 3.6 Flash来了，编码和多模态更强，还省token，比3.5 Flash少17%输出。
Chinese contentGoogle 发布 Gemini 3.5 Flash-Lite：系列最快模型，面向低延迟高吞吐
跑 Agent 和批量文档处理最快的 Gemini 来了，150+ tok/s 的吞吐，OpenRouter 直接用，便宜又爽。
Chinese contentVercel AI Gateway 新增支持 Gemini 3.6 Flash 和 3.5 Flash-Lite
Vercel 把两个新 Gemini 模型加到 AI Gateway 了，开发者可以直接用，省去自己配环境的麻烦，想试试的可以走起。
Chinese contentGoogle DeepMind 发布 Gemini 3.6 Flash 和 3.5 Flash-Lite，企业文档任务提升显著
Box 实测 Gemini 3.5 Flash-Lite 在企业文档任务上比上代强了 17 个点，速度快还更轻，做数据分析和金融场景的可以关注。
Chinese contentGemini 3.6 Flash 在 GitHub Copilot 中正式可用
Google 刚把 Gemini 3.6 Flash 塞进 GitHub Copilot，任务完成率比 3.5 高，写代码更省 token，试试看。
Chinese contentGemini 3.5 Flash-Lite 发布，在智能体和编程基准上超越 3 Flash
Google 刚出的 Gemini 3.5 Flash-Lite 在智能体和编程上比 3 Flash 还强，现在 Gemini App 和搜索里就能用，API 也开放了，赶紧试试。
Chinese contentGoogle DeepMind 发布 Gemini 3.5 Flash-Lite，面向高吞吐重复任务
Google DeepMind 出了个更轻量的 Gemini 3.5 Flash-Lite，专门跑重复性任务，又快又便宜，适合批量处理场景。
Chinese contentBox评估：Gemini 3.5 Flash-Lite企业文档任务比3.1提升17个百分点
想看看Gemini Flash系列在企业文档处理上到底有多少进步？Box实测了3.5 Flash-Lite对比3.1，总体提升17pp，四个领域都拉高了不止一点点。
Chinese contentOpenWiki 集成 Gemini AI Studio 及新模型 3.6 Flash 和 3.5 Flash Lite
OpenWiki 现在能用 Gemini 的新模型了，3.6 Flash 和 3.5 Flash Lite 刚出就能用，而且是开源免费的，生成代码文档超方便。
Chinese contentGoogle AI发布Gemini 3.5 Flash Cyber，专注网络安全漏洞修复
Google新出的Gemini 3.5 Flash Cyber模型，专门用来找安全漏洞，效率高成本低，在CyberGym上表现很能打。
Chinese contentGemini 3.6 Flash发布，浏览器智能体任务性价比最佳
Google DeepMind新模型Gemini 3.6 Flash在浏览器自动化上性能接近Opus 4.8但价格便宜很多，还顺带发布了安全模型。
Chinese contentGemini 3.6 Flash 与 3.5 Flash Lite 正式上线
Google 新出了 Gemini 3.6 Flash，专门强化了智能体和多模态，适合需要平衡速度和智商的任务；更有便宜的 3.5 Flash Lite 适合大规模调用。
Chinese contentGemini 3.6 Flash 发布：更高效 token 利用率
Google DeepMind 的 Gemini 3.6 Flash 在 token 效率上明显优于前代，还推出了面向文档和安全场景的两个专用版本，更省更专。
Chinese content谷歌DeepMind推出Gemini 3.6 Flash等三款新模型，更快更省更便宜
谷歌一口气出了仨新模型：3.6 Flash用更少token做更好活，还有个专门抓软件漏洞的，搞安全的可以看看。
Chinese contentGemini 3.6 Flash 正式可用，已集成到 GitHub Copilot
Google 新模型 Gemini 3.6 Flash 正式上线，直接在 GitHub Copilot 里用。比上一代 3.5 Flash 任务完成率更高，token 更省，写代码和做智能体任务更高效。
Chinese contentGoogle 发布 Gemini 3.6 Flash 和 Gemini 3.5 Flash-Lite，面向智能体工作流
Google 出了两个新模型 Gemini 3.6 Flash 和 3.5 Flash-Lite，专为智能体场景优化，延迟更低、token 更省，做自动流程的可以看看。
Chinese contentGoogle 发布 Gemini 3.5 Flash-Lite：最快最经济的低延迟模型
Google 刚发了 Gemini 3.5 Flash-Lite，比自家其他模型更快更便宜，适合搞批量自动化和智能体。
Chinese contentGemini 3.6 Flash 和 3.5 Flash-Lite 在 GeminiApp 中推出
Google DeepMind 刚发了两个新模型，3.6 Flash 和 3.5 Flash-Lite，现在就能在 GeminiApp 和 API 里用，还有一个安全版要试点，开发者可以试试
Chinese contentGoogle发布Gemini 3.6 Flash及3.5 Flash Lite，效率提升但基准低于竞品
谷歌发了两款新模型，速度和价格更香，但跑分不如Grok和GPT，想追新可以瞧瞧。
Chinese contentGemini 3.6 Flash及3.5 Flash-Lite/Cyber 新模型上线
Google 更新了三个新模型：3.6 Flash 更省 token，3.5 Flash-Lite 主打便宜，还有个专门搞网络安全的 Cyber 版本，选模型下拉菜单就能用。
Chinese contentGoogle AI 推出 Gemini 3.6 Flash 和 Gemini 3.5 Flash-Lite 两个新模型
Google一口气出了两个新模型：3.6 Flash效率更高，3.5 Flash-Lite速度快还便宜，适合做AI智能体。