Papers10:45
Chinese content开源模型能否媲美闭源模型？金融文本理解基准更新想知道开源模型在金融领域到底行不行？这份基准测试用数据说话，Kimi K2.6和GLM 5的表现可能会让你意外。
Latest
Every published item, in order · 827 items
Aug 11
Products08:13
Chinese content阿里巴巴千问 App 推付费服务，办公助理年付最高 1499 元千问 App 出了付费档，办公助理最高年付 1499，AI 视频按量买，最低 26 块 10 个。想对比价格可以看看。
IT之家Source
Aug 10
Chinese contentMeta将开源Muse Spark 1.2权重，发布30B模型Muse Glimmer
Meta把Muse Glimmer开源了，30B参数能在本地跑智能体，还说要放出Muse Spark 1.2，比Gemma4和Qwen3.6都强，建议看看。
Chinese contentMeta 开源 30B 模型 Muse Glimmer，4bit 量化可单卡 24GB 显存运行
Meta 开源了一个 30B 模型，量化后 24GB 显存就能跑，本地做智能体交互很流畅，想玩本地大模型的可以看看。
Chinese contentArena周榜：阿里qwen3.8-max综合第6，Meta muse-spark-1.2第4
这周榜单有意思：阿里qwen3.8-max追平Claude，Meta新模型第4，kimi代码第6，信息量足。
Chinese contentTransformer难用涌现世界模型：河内塔任务新研究
这篇论文说推理模型其实能建出世界模型，但解题中途就弄丢了。它用小模型和可解释性方法把问题定位得很清楚，还给出了补救办法。
Papers10:43
Chinese contentTRIAL：智能体强化学习的轨迹相对事后蒸馏框架这个新框架TRIAL能让智能体强化学习更高效，在多个任务上超过GRPO，成功率提升近19个百分点，搞RL的可以看看。
Chinese contentMeta新研究：EvoHarness-RL让智能体学习协调策略
Meta 新论文让智能体学会管理外部记忆，Qwen3-8B 在 ALFWorld 到 96.9%，长任务不用堆工具。
Aug 7
Chinese contentQwen3.8-Max看图识云，被赞与Claude Opus 5等持平
有人拿云朵照片同时问 Qwen3.8-Max、Claude Opus 5、Kimi K3、GPT 5.6 Sol，画动物轮廓它没输。
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。
Papers12:28
Chinese content无监督自蒸馏：U-OPSD仅靠模型自身生成提升推理能力不需要标注和外部反馈，U-OPSD靠投票让Qwen3数学成绩再涨一截，追平甚至超过OPSD和GRPO。
Products11:31
Chinese content千问 App 新增思考研究、定时任务、办公助理，支持 Qwen3.8-MAX阿里千问 App 新增定时任务、办公助理和智能体广场，能自动整理新闻、跨端操作电脑，试试看。
IT之家Source
Aug 6
Chinese contentQwen3.8 Max追平Claude Opus 4.8，但Kimi K3便宜25%仍领先
Qwen3.8 Max一口气涨10分追平Claude，但Kimi K3更便宜还更强，值得看。
Chinese content阿里Qwen3.8登顶Artificial Analysis Agentic能力榜
阿里的Qwen3.8在Artificial Analysis的智能体能力榜上拿了第一，做Agent开发选它准没错。
Chinese content华为昇腾支持RL训推一致性，实测最高60%性能收益
华为昇腾把RL训推一致做出来了，Qwen3-30B上Logdiff归零，还能提速20%-60%，搞强化学习训练可以看看。
Papers12:14
Chinese contentABSeeker：用答案回溯信用分配训练长程搜索智能体它用答案倒推给搜索智能体每一步打分，4B模型在BrowseComp上拼到55.3%，能对标30B模型，值得看方法。
Papers11:34
Chinese contentSkill Entropy：长程推理的技能切换评测与训练Skill Entropy能测出模型切换推理技能的短板，还能当训练信号：Qwen3小模型得分从34%飙到68%，也能用在OpenR1-Math数据上。
Papers09:33
Chinese contentA-SR：分层协调的自演化智能体LLM符号回归框架符号回归老被单一大模型提示词卡住，这个A-SR让不同智能体分工盯不同失败信号，准确率从25%拉到48%，还开源蒸馏路子，值得看一眼。
Aug 5
Chinese contentLiquid AI 发布 LFM2.5-2.6B 端侧小模型，可手机本地运行
想在手机上跑智能体？Liquid AI 这个 2.6B 小模型本地就能跑，指令和工具调用还干翻了不少大模型。
Chinese contentVulcanBench实测：Qwen3.8-Max慢且贵，要准确率选Grok 4.5、要性价比选DeepSeek V4-Flash
VulcanBench 实测：Qwen3.8-Max 跑一趟 126 美元，DeepSeek V4-Flash 只要 13.6 美元，便宜 10 倍还更快。选性价比就 DeepSeek，选准确率就 Grok 4.5。
Papers11:56
Chinese content跨模型KV缓存迁移：线性映射实现预填充复用同系列模型切换总得重新预填充？这篇用线性映射传KV缓存，能省2.7到25倍时间，四对组合还保住九成以上准确率。
Papers11:41
Chinese contentCARE-X：统一辅助监督与奖励对齐的胸片视觉语言模型医学影像领域的小伙伴可以看看这篇，CARE-X 把胸片分类、定位、报告生成整合到一个模型里，还靠工具调用做解剖测量，临床实用性比纯生成模型强不少。
Papers11:38
Chinese contentTACT：面向教学自适应英语辅导的分类对齐后训练这篇论文把教学策略拆成13种，用260段真实对话和3.2万条标注训练出TACTutor，在78个测试场景比基座涨了20%，盲测还赢过商业模型。
Chinese contentQwen3.8-Max拿下Image-to-WebDev Arena第二，距榜首39分
阿里新出的Qwen3.8-Max看图写网页排第二，只比第一的Claude Opus 5少39分，挺牛的。
Papers11:25
Chinese content对比激活加和干预实现Qwen3时间偏好双向操控这篇论文在Qwen3-32B上找到了时间偏好的内部方向，用对比激活加和就能双向改变模型选短期还是长期，还能顺带提升规划能力，挺有意思。
Chinese content阿里巴巴发布Qwen3.8基础模型与千问办公智能体，重卡位企业AI赛道
阿里发了Qwen3.8，总参数2.4T，还带了办公智能体，直接跟豆包和WorkBuddy抢企业客户。
Chinese contentUrbanAgent：跨系统城市任务的工具增强智能体框架
想解决城市服务碎片化问题？这个框架把LLM和代码、API、MCP接起来，跑通跨系统任务，成功率比最强基线高10个点。
Chinese contentQwen3.8-Max在Image-to-WebDev Arena位列第二，下周开源
阿里这波可以啊，Qwen3.8-Max网页开发跑分第二，只比Claude Opus 5低39分，下周开源就能玩。
Chinese contentQwen3.8-Max 登陆 Hermes Agent，限时八折
Qwen3.8-Max 现在在 Hermes Agent 里能用了，还打八折，一条命令就能上手，赶紧试试。
Aug 4
Chinese contentKimi K3与DeepSeek V4路线之争：原生多模态成中国前沿模型分水岭
Kimi K3和DeepSeek V4现在走了两条路：一个搞原生多模态，一个纯文本硬扛。长任务里能不能看懂画面，差距会越来越大。
Chinese contentQwen3.8 Max上线OpenRouter，开放权重下周发布
Qwen3.8 Max已上线OpenRouter，2.4万亿参数、950亿激活，下周还首次开源Max级权重，想试的可以蹲。
Chinese contentQwen智能体基准成绩：PaperBench达93，OSWorld达86
Qwen放出了新基准分，PaperBench直接到93，比之前64.8涨了一大截，智能体任务可以关注。
Chinese contentQwen3.8 Max上线OpenRouter，下周开放权重
阿里把 2.4T 参数的 Qwen3.8 Max 放 OpenRouter 了，下周开源，长时程编码和多模态智能体都能用，想体验可以直接去跑。