Chinese contentCodeSpec：面向智能体长周期特性开发的双可执行规范方法
这篇论文搞了个CodeSpec，让代码智能体在仓库里加新功能时先建可执行规范，在FeatureBench上用DeepSeek-V4-Pro跑到70.7%通过率，比Claude Code靠谱不少。
Latest
Every published item, in order · 1031 items
Jul 30
Jul 29
Chinese contentDeepSeek V4 Flash在Fireworks上线微调功能，支持偏好优化和RL训练
Fireworks给DeepSeek V4 Flash加了全套微调，监督、偏好、RL都能用，专为编码场景设计，快去试试。
Papers09:14
Chinese contentGraphRareBench：基于图谱证据的罕见病表型驱动诊断基准想测AI罕见病诊断能力？GraphRareBench用2365个案例和18093对混淆，专门检测模型能不能分清真病和假病。
Jul 28
Chinese contentLM Studio Bionic 新增月之暗面 Kimi K3 模型，公布定价方案
想用2.8万亿参数的Kimi K3？LM Studio Bionic刚上架，价格透明，还能混搭其他开源模型，值得一试。
Models12:05
Chinese contentZing框架提升LLM社会智能：SoMBench基准与Actio推理架构这篇论文发布了一个综合框架，让你看到当前LLM在社会智能上的短板（最高才72%），并提出Zing训练和Actio推理搭配，能显著提升表现。想了解模型怎么更懂社交规矩的可以看看。
Jul 25
Chinese contentNVIDIA ModelExpress将DeepSeek-V4 Pro启动时间降至2分钟内
NVIDIA把大模型冷启动快了4倍，DeepSeek-V4 Pro启动只要2分钟，靠ModelExpress和RDMA，推理和训练都能提速。
Jul 24
Chinese contentLean-QuantumAlg-Bench 和 Lean-QIT-Bench 评估 AI 定理证明
想知道 AI 定理证明在量子计算领域到底多强？这篇论文给了两个新基准和四个模型实测分数，LAD 方法能提升最高 15.9 分，很实在。
Jul 23
Chinese contentSLAI T-Rex在昇腾SuperPOD上对DeepSeek-V4家族进行全参数后训练
这是关于DeepSeek-V4在国产昇腾硬件上的后训练论文，对研究国产算力生态的开发者有参考价值。
Chinese contentSLAI T-Rex：在Ascend SuperPOD上对DeepSeek-V4系列进行全参数后训练
这篇论文展示了如何在华为Ascend芯片上高效后训练万亿参数模型，并且通过运筹学专用微调，在特定任务上超越了GPT-5.4-Mini。
Chinese contentSolar Open 2: 250B MoE模型，1M上下文，专为长程智能体任务设计
Solar Open 2 发了，250B MoE 模型，1M token 超长上下文，专门跑复杂智能体任务。MMLU-Pro 和 LiveCodeBench 都领先，韩语能力还特别强，比 DeepSeek-V4-Pro 小很多但性能接近。
Papers09:53
Chinese contentDARWIN：通过进化攻防框架实现LLM安全评估与防护论文提出DARWIN，用进化算法同时生成攻击和训练防护，在DeepSeek-V4-Pro和GPT-5.5上攻击成功率超高，安全召回率也强。
Jul 22
Products13:55
Chinese contentDeepSeek联网搜索因技术问题暂不可用，V4版即将上线DeepSeek 联网搜索挂了，但 V4 马上就来，顺便改了 API 收费规则，老用户留意一下。
IT之家Source
Chinese contentOpenAI Codex Code Review 新规则：AGENTS.md 让审查召回率从 58% 跃至 98%
OpenAI 给 Codex Code Review 加了 AGENTS.md 规则，能抓住 diff 看不出的破坏性改动，评测召回率从 58% 提到 98%
Jul 21
Jul 19
Chinese contentDeepSeek V4 Pro API 疑偷偷调用 Claude Fable 5 进行模型蒸馏
DeepSeek API 可能偷偷调用 Claude？测试者用 3D 游戏、安全题等挖出异常行为，但证据还不铁，吃瓜注意别上头。
Chinese content阿里云 Qwen 3.8 max preview 开源权重模型预览上线，2.4T参数
阿里云发了个 2.4T 参数的开源模型 Qwen 3.8 max preview，性能接近 Fable 5，首月才 4 美元，还能在 Claude Code 里用，可以试试。
Chinese contentDeepSeek V4 和 GLM 5.2 发布，Kimi K3 和 Qwen 3.8 曝光
这周模型圈太热闹了，DeepSeek V4、GLM 5.2 刚发，Kimi K3 和 Qwen 3.8 又来了，还有 Claude 和 GPT 对标，开源 SOTA 随时变天。
Chinese contentKimi K3 vs DeepSeek V4 Pro vs GLM-5.2：开源万亿参数MoE模型对比
想选开源万亿模型？这篇直接拿三个主流模型比了基准、许可证和成本，看完就知道选哪个合适。
Chinese content开放权重模型在网络安全能力上仅落后封闭前沿模型4-7个月
AISI实测发现开放模型追封闭模型只差几个月，GLM-5.2和DeepSeek V4-Pro表现接近，差距还在快速缩小，值得关注。
Jul 18
Chinese content开放权重模型网络能力追上四个月前的前沿模型，成本更低
英国AI安全所发现，GLM-5.2和DeepSeek V4-Pro的网络能力快追上封闭模型了，但安全防护基本没用，值得关注。
Chinese contentKimi K3 在 front-end coding 上超越所有美国模型，比多数闭源模型更小
Moonshot 的 Kimi K3 在前端编码上打败了所有美国模型，而且模型更小，值得关注。
Jul 17
Chinese content中国开源权重模型竞争激烈，K3超越GLM-5.2和DeepSeek v4
看看中国开源模型圈的新排名：K3压过GLM-5.2，GLM-5.2又干翻DeepSeek v4，竞争白热化了。
Jul 16
Chinese content前OpenAI CTO穆拉蒂推出多模态开源模型Inkling
前OpenAI CTO创业首秀，开源975B参数多模态模型，多模态有亮点，但推理编程弱于GLM和DeepSeek，看看值不值得用。
Chinese contentThinking Machines开源多模态模型Inkling，975B/A41B MoE
Mira Murati团队开源了多模态模型Inkling，975B参数，比Nemotron和Kimi K2.5强，指令遵循甚至超Claude，值得一试。
Papers10:48
Chinese contentPezego-HITL：面向加纳农业扩展的策略导向大语言模型架构这篇论文搞了个P-EVAL框架来评估农业AI的安全性，Pezego-HITL架构在加纳测试，延迟降了55%，还挺靠谱的。
Chinese contentSTOCKTAKE：用公平预言衡量LLM智能体感知与行动差距
这篇论文用STOCKTAKE基准把LLM智能体的‘没看懂’和‘看懂了却没行动’分开了，四个主流模型的表现差距比想象中大。
Jul 15
Chinese contentMozilla 2026开源AI报告：DeepSeek V4 Flash月用量18.4T Tokens登顶
Mozilla报告用数据告诉你开源模型有多猛：DeepSeek V4 Flash月用量18.4T Tokens碾压闭源，价格还暴跌50倍。
Jul 14
Chinese contentBrowser Use v4 通过 API 推出，一键自动化浏览器操作
Browser Use v4 直接通过 API 调用，不用写脚本就能让浏览器自己干活，比传统方案省事多了。
Papers11:17
Chinese contentFATE：用知识蒸馏评估AI导师的教学质量论文搞了个8B的小模型FATE，专门给AI老师打分，比蒸馏前涨了22个点。还顺便测了Gemini、ChatGPT等，Gemini 2.5 Flash得分最高，挺有意思。
Chinese contentEYT-Bench：以人为中心的多轮对话新基准，解耦用户模拟、目标建模与评判
这篇论文提出了EYT-Bench，能更真实地测出LLM在多轮对话中的意图追踪能力。用16/17模型发现推理模式大幅提升长上下文准确率，值得关注。
Papers09:59
Chinese contentSETA：为终端代理扩展训练环境终端代理训练数据难找，SETA开源了4500+环境的RL数据集，Qwen3-8B训后Terminal-Bench拿到12%，顺带还让DeepSeek-V4涨了分，搞终端AI的别错过。