全部 AI 动态 · AITOP

技巧 Agent 与开发者多源确认09:42

LoopCAT：本地化开源翻译教学工具

OpenAI用GPT-5.5/5.6开发的翻译教学工具，让学生既能操作工作流又能评估AI决策。

#LoopCAT #GPT-5.5 #GPT-5.6 #翻译技术

事件专题

arXiv: OpenAI@Gokhan Dogru, Adrià Martín Mor10 个信源在谈原文

产品08:23

GeoJSON地图查看器发布

Simon用GPT-5.6-Sol建议开发了这个工具，能快速展示和导出GeoJSON地图数据，比手动处理更高效。

#GeoJSON #GPT-5.6-Sol #Claude Code #地理数据

官方账号Simon Willison’s Weblog原文

论文中美对照04:33

Qwen团队发布电商智能体基准测试

Qwen团队测试了18个模型在365天电商运营中的表现，GPT-5.6 Sol盈利最多但效率不高，Qwen3.8-Max-Preview在开源模型中领先。

#Qwen #GPT-5.6 #E-Commerce Bench #智能体

elvis@omarsar0原文

产品 Agent 与开发者73°03:58

LangChain与Fireworks合作优化AI推理成本

LangChain和Fireworks合作，用微调Qwen模型替代GPT-5.5等昂贵模型，评估智能体轨迹成本降低100倍。

#LangChain #Qwen #GPT-5.5 #Fireworks

Fireworks AI@FireworksAI_HQ原文

模型中美对照精选73°00:34

Shopify训练0.8B模型超越GPT-5.6

Shopify用0.8B模型干翻GPT-5.6，小模型专用场景真香

#Shopify #GPT-5.6 #0.8B模型 #微调

elvis@omarsar0原文

模型中美对照23:43

GPT-5.6 Sol Ultra 适用场景分析

GPT-5.6 Sol Ultra 耗时耗token，过度思考，Sol High 加干活agent组合更实用

#GPT-5.6 #Sol Ultra #Sol High #Luna Max

Viking@vikingmute原文

论文精选12:20

ECGQuest：心电图语言模型评测与微调基准

ECGQuest为心电图领域语言模型提供了首个专业评测基准，微调让小模型接近大模型表现。

#ECGQuest #GPT-5 #DeepSeek-R1-Distill-Qwen-14B #微调

arXiv: DeepSeek@Mohammadsina Hassannia 等 3 人原文

论文精选73°10:18

多图像物体幻觉基准MIOH发布

MIOH基准帮你看清多模态模型在复杂视觉推理中的真实表现，GPT-5和Gemini-2.5-Pro也不例外。

#MIOH #多图像物体幻觉 #MLLMs #GPT-5

arXiv cs.AI@Joonki Min 等 7 人原文

论文78°09:33

LoopArena：模型作为管理者的可测量基准

LoopArena 基准首次单独测量模型作为'管理者'的能力，发现 GPT-5.5 在长程任务中表现最佳，但成功率仍不足 25%。

#LoopArena #Qwen3.7-Plus #GPT-5.5 #Claude Opus

事件专题

shao__meng@shao__meng2 个信源在谈原文

论文精选09:20

多智能体LLM交接中的边界元数据崩溃

多智能体系统交接时边界信息容易丢失，明确约束可大幅降低隐私泄露风险。

#多智能体 #LLM #GPT-5 #DeepSeek-R1-32B

arXiv: DeepSeek@Yian Wang 等 4 人原文

产品精选04:53

FactoryAI 推出 Droid Shield 代码秘密检测工具

FactoryAI 用微调 Qwen 模型打造了比 GPT-5.5 更强、更快的代码秘密检测工具 Droid Shield。

#FactoryAI #Droid Shield #Qwen #GPT-5.5

Fireworks AI@FireworksAI_HQ原文

产品多源确认精选73°08:26

ChatGPT Work 功能解析

OpenAI 推出了 ChatGPT Work，支持 GPT-5.6 多模型和代码执行，与普通 Chat 有明显区别。

#ChatGPT Work #OpenAI #GPT-5.6 #Luna

事件专题

官方账号Simon Willison’s Weblog11 个信源在谈原文

行业06:41

微软收紧员工AI预算成本

微软员工28天挥霍2.8万美元Token，公司开始收紧AI预算并转向GPT-5.6 Sol。

#微软 #GPT-5.6 Sol #Token #AI成本

IT之家原文

技巧 Agent 与开发者04:48

Claude系列模型在UI开发中表现更佳

dotey实测发现Claude系列写UI效果最好，GPT-5.6不太行，SwiftUI也有局限。

#Claude #Fable #GPT-5.6 #UI开发

宝玉@dotey原文

技巧 Agent 与开发者78°15:16

OpenAI发布AI Agent架构决策指南

OpenAI官方教你如何构建AI Agent，从模型选择到工具系统，再到多Agent编排，全是干货。

#OpenAI #Agent #推理模型 #工具系统

shao__meng@shao__meng原文

模型中美对照多源确认73°13:31

OpenAI Astra模型演示样本流出

OpenAI的Astra模型1次交互就能生成游戏和3D对象，比GPT-5.6 Sol推理时间长但能力更强。

#OpenAI #Astra #GPT-6 #GTA

事件专题

IT之家5 个信源在谈原文

模型 Agent 与开发者多源确认精选73°12:36

智谱开源 GLM-5.3 模型权重

智谱开源了擅长编程和网络防御的 GLM-5.3，性能比肩 GPT-5，还能本地部署商用。

#GLM-5.3 #智谱 #开源模型 #编程助手

事件专题

IT之家5 个信源在谈原文

行业中美对照02:16

GPT-5.6模型降价引发使用量暴增

OpenRouter对GPT-5.6模型打折，使用量暴增13.8倍，验证了杰文斯悖论在AI领域的有趣应用。

#GPT-5.6 #OpenRouter #杰文斯悖论 #AI定价

官方账号Greg Brockman@gdb原文

产品官方一手精选21:36

Amazon Bedrock支持OpenAI GPT-5.6模型印度区域推理

AWS在Bedrock上新增GPT-5.6模型的印度区域推理，数据不出国。

#GPT-5.6 #Amazon Bedrock #OpenAI #Terra

事件专题

官方一手AWS Machine Learning Blog@Sahil Verma11 个信源在谈原文

模型78°19:13

大语言模型可设计近优运筹算法

gpt-5.6-sol单次查询就能生成与专业方法相当的运筹算法，无需人工调优。

#gpt-5.6-sol #运筹算法 #大语言模型 #库存控制

arXiv cs.LG@Jackie Baek原文

技巧 Agent 与开发者多源确认精选18:55

JIT-Agent动态生成智能体框架

DeepSeek和GLM用JIT-Agent后性能大幅超越GPT-5.6，还能动态生成智能体框架并自我进化。

#JIT-Agent #DeepSeek-V4-Flash #GLM-5.2 #智能体

事件专题

elvis@omarsar05 个信源在谈原文

论文精选73°17:19

研究评估人类与大语言模型的心智化能力

这篇论文用经济游戏测试了四大模型家族的心智化能力，发现GPT-5能灵活调整推理深度，表现超过人类。

#GPT-5 #DeepSeek #Gemini 2.0 #心智化

arXiv: DeepSeek@Aamir Sohail 等 5 人原文

模型中美对照78°16:41

腾讯Hy4 preview开源发布

腾讯Hy4 preview开源，在智能体任务上超越GPT-5.5，但抽象推理仍有差距。

#Hy4 #腾讯 #GPT-5.5 #智能体

shao__meng@shao__meng原文

模型中美对照多源确认78°16:11

OpenAI测试持久模式AI代理

OpenAI在测试Codex的持久模式AI代理，能自主生成任务，但已有安全风险案例。

#OpenAI #Codex #AI代理 #持久模式

事件专题

官方账号Decoder@Matthias Bastian10 个信源在谈原文

技巧 Agent 与开发者精选11:04

长期智能体技能库维护技巧分享

Recuris分享了提升长期智能体效果的方法，对比GPT-5.6 Sol和Claude Opus 5，效果显著，值得一看。

#Recuris #长期智能体 #技能库维护 #GPT-5.6 Sol

事件专题

elvis@omarsar02 个信源在谈原文

论文09:25

LocalLSTC：用于本地GUI代理的长期短期控制架构

LocalLSTC通过时间组织控制信息，显著提升了本地GUI代理的性能，值得研究。

#LocalLSTC #长期短期控制 #GUI代理 #Qwen3.6-27B

arXiv cs.AI@Weiming Li 等 3 人原文

模型多源确认精选09:21

JIT-Agent：即时智能体通过即时智能体进化扩展智能

JIT-Agent模型可以即时合成适用于任意现成LLM的任务自适应智能体绑定，显著提升模型性能，值得一试。

#JIT-Agent #智能体 #MCP/工具 #推理模型

事件专题

arXiv: DeepSeek@Guibin Zhang 等 16 人5 个信源在谈原文

模型中美对照14:05

GPT-5.5 重新调优

GPT-5.5 被修复，ChatGPT 产品 Leader 回复，修复速度杠杠的，值得一试！

#GPT-5.5 #ChatGPT #模型调优 #修复问题

Geek@geekbb原文

论文 Agent 与开发者11:29

Recursive Experiential-Working Memory Evolution for Long-Horizon Agent Harnesses

Recuris模型在长时程任务中显著提升了GPT-5.6 Sol和Claude Opus 5的表现，是长时程智能体驱动的递归记忆架构的一个突破。

#Recuris #递归记忆架构 #GPT-5.6 Sol #Claude Opus 5

事件专题

arXiv cs.AI@Zhaochen Yu 等 8 人2 个信源在谈原文

论文11:11

StepGuard：学习级联防护与安全-效用平衡

StepGuard 通过自动数据生成和动态平衡学习，显著提高了安全防护的准确率，同时保持了效用。与 GPT-5.4 相比，防护效果更佳，值得一看。

#StepGuard #安全防护 #级联防护 #数据生成

arXiv cs.AI@Zhijie Zheng 等 8 人原文

模型中美对照精选10:29

开发者 GPT-5.6 Sol CPU 运行 Doom 游戏

看看 AI 定制 CPU 如何运行经典游戏，体验不一样的技术魅力！

#GPT-5.6 Sol #Codex-R32 #毁灭战士 #AI 计算

IT之家原文

论文多源确认10:18

模型发布如何塑造Reddit对对话式AI系统的看法

这篇论文通过分析Reddit上的讨论，揭示了模型发布如何影响用户对对话式AI系统的看法，对于了解AI产品与用户互动有重要意义。

#对话式AI系统 #模型发布 #用户感知 #Reddit讨论

事件专题

arXiv: OpenAI@Vahid Rahimzadeh 等 3 人11 个信源在谈原文

论文多源确认10:24

LLM-Enhanced Commit Message Generation via Issue Information: An Exploratory Study

研究ISAC框架，了解如何利用问题信息提升LLM生成提交信息的效果，与现有方法相比有显著提升。

#LLM #Commit Message Generation #ISAC #GPT-5.5

事件专题

arXiv: DeepSeek@Zongen Ren 等 5 人5 个信源在谈原文

论文多源确认10:16

LLMs在语法工程中的实用性评估：Cantonese ParGram资源和控制实验

这篇论文评估了LLMs在语法工程中的实用性，特别是针对Cantonese ParGram资源，与GPT-5.4相比，gpt-oss-120b表现稍逊。研究有助于了解LLMs在语法工程中的优势和局限性。

#GPT-5.4 #语法工程 #LLMs #Cantonese ParGram

事件专题

arXiv: OpenAI@Chit-Fung Lam5 个信源在谈原文

行业08:44

LLMs与AI混淆的行业误区

Gary Marcus指出行业混淆LLMs与AI，忽视添加元素和有限领域应用，提醒警惕行业对AI发展的误导。

#LLMs #AI混淆 #行业误区 #Gary Marcus

Gary Marcus@GaryMarcus原文

模型中美对照官方一手78°04:51

与 AWS 优化 Kiro 和 GPT-5.6 性价比

OpenAI 与 AWS 合作优化 Kiro 和 GPT-5.6，性价比大幅提升，值得一看。

#GPT-5.6 #Kiro #OpenAI #AWS

事件专题

官方一手@OpenAIDevs@OpenAIDevs11 个信源在谈原文

模型中美对照官方一手78°04:48

GPT-5.6加入kirodotdev

想用GPT-5.6模型规划软件的开发流程，kirodotdev是个好选择。

#GPT-5.6 #kirodotdev #智能体 #MCP/工具

官方一手@OpenAIDevs@OpenAIDevs原文

模型中美对照多源确认78°04:38

OpenAI降低了GPT-5.6 Sol的API和信用定价，使其在价格和性能上更具竞争力，值得关注。

#GPT-5.6 Sol #OpenAI #Pareto前沿 #价格调整

事件专题

lmarena.ai@lmarena_ai11 个信源在谈原文

模型 Agent 与开发者官方一手03:09

GPT-5.6 Kiro版提升开发价格性能

OpenAI推出GPT-5.6 Kiro版，价格性能更优，开发效率提升。

#GPT-5.6 #Kiro #智能体 #价格性能

官方一手OpenAI Blog原文

模型中美对照精选22:04

汤森路透研发AI模型Thomson，基于阿里千问

汤森路透新推AI模型，基于阿里千问，适合文档审查等场景，成本更低，调整更自由。

#Thomson #阿里千问 #汤森路透 #AI模型

IT之家原文