AI 评测与前沿 今日: 0|主题: 220|排名: 24 

🚨对比测评：神秘模型 Ox Alpha 性能封神！ OpenCode 刚放出的 stealth 模型 Ox Alpha，在 DeepSWE 10 个硬核任务实测中直接碾压一众一线模型，平均分高达 80%，把大家都整不会了。 关键要点拆解： 🔹实测成绩（10 任务均值）
• Ox Alpha：80%（8 个任务全过 ✓，仅 2 个 ×，且有接近过线）
• fable-5：65%
• glm ...

Grok 4.6 刚刚在 MedAgentBench 上排名第一......这是现实世界代理医疗保健任务最有趣的基准之一 现在，Grok 有两代人跻身前三名 • #1 Grok 4.6 — ~95.9% • #2 GPT-5.6 Sol — ~94.7% • #3 Grok 4.5 — ~93.4% MedAgentBench 远远超出了回答医疗问题的范围 它在真实的电子健康记录环境中针对 10 个类别的 300 项临 ...

DeepSeek V4 Pro 正式版测评来了，SuperCLUE 综合总榜第2。 对比预览版，几个关键数字变化挺大：智能体编程 47.37→63.16（+15.85），幻觉控制 79.70→89.73，任务规划也涨了6.48分。推理耗时同步优化了，不是纯堆分。 精确指令遵循小幅下滑，开发团队明显优先强化长链路智能体和深度推理。支持百万级长文本，开源。 跟 ...

24 人团队，撬动 AI 芯片格局，Taalas 被 AMD 收购背后，是算力战场的转向。 不同于英伟达通用 GPU 路线，Taalas 选择牺牲通用性，将模型直接固化进硬件，绕开 HBM 内存墙，实现超低延迟推理，但缺点也很明显：一块芯片只能跑一套模型，灵活性大打折扣。 AMD 这次收购，瞄准的正是高速推理赛道。 在训练市场竞争之外，推 ...

LLM-as-a-Verifier 不断突破性价比的极限！ 在 Terminal-Bench 2.1 测试中，它将 DeepSeek V4 Flash 的准确率从 79% 提升至 88%，而价格却比竞争对手低 4 到 11 倍！ 点击此处体验：https://github.com/llm-as-a-verifier/llm-as-a-verifier @jackyk02

🚨中国人又干了一票！! 阿里巴巴刚刚发布了它所缺少的那一块拼图 它叫 OpenSandbox。 真正的隔离环境，让你的代理随心所欲。 里面可以运行什么： → Claude Code、Codex CLI、Gemini CLI、Qwen Code 和 Kimi CLI → Chrome 和 Playwright 用于自动化浏览 → 通过 VNC 的完整桌面 → 浏览器中的 VS Code → 多语言代码 ...

三星开始让AI造芯片了：一个月的工作压缩到两天，Exynos研发迎来新变量 如果一个原本需要一个多月才能完成的芯片研发任务，现在两天就能搞定，会发生什么？ 三星正在给出一个很有意思的答案。 根据韩国媒体最新报道，三星电子 System LSI 事业部从今年 5 月开始正式将 Anthropic 的 Claude Code 引入半导体研发，而且已 ...

#DeepSeekHarness发布# 【DeepSeek Harness 真正狠的地方，是它没有"核心"】 DeepSeek 的 agent 框架 Harness 上线三天，39,735 个 star。多数人当它是又一个 Coding 工具，但架构文档开头就写了它的定位：no privileged core，没有特权核心。 Claude Code、Codex 的内核是内置写死的。想加能力，走 MCP，在外部挂插件。a ...

黄仁勋9大预言！3年后机器人满街跑，AI将重塑世界。 他是黄仁勋，英伟达“皮衣刀客”，手握全球AI算力命脉。2026年最新9大预言，每一条都将改变未来！ 1、生成式AI只是开胃菜，智能体AI才是主菜，3年内爆发 2、3–5年机器人无处不在，走进家庭工厂 3、物理AI催生50万亿产业，2026是落地元年 4、数据中心变Token工厂，2 ...

今天，菲尔兹奖得主Timothy Gowers在个人博客上发了一篇长文—— 最近一次使用ChatGPT 5.5 Pro的体验 标题平平无奇，内容却让整个数学圈坐不住了。 文中，他亲手验证了一个令整个数学界不寒而栗的事实： GPT-5.5 Pro，用了不到两个小时，独立完成了一项博士论文级别的数学研究。 而Gowers本人在整个过程中，数学贡献 ...

索尼 AI 发布的一段视频显示 展示了一个代号为 Ace 的自主乒乓球机器人 再正式规则下和人类高水平选手对打的画面 该机器人在与顶尖人类球员的对决中不仅能轻松应对，有时甚至能将人类选手击败... 乒乓球运动是一项需要高速感知、实时决策、精确执行的竞争性运动 球速通常在 70到100 km/h... 机器人需要再不到 0.1 秒 ...

【AIGC日报】2026.4.12 | 今日要闻速览 1、智谱GLM-5.1编程能力首超GPT-5.4，国产算力闭环跑通 2、阿里Wan 2.7-Video正式发布，AI视频迈入「导演时代」 3、OpenAI GPT-6官宣4月14日发布，200万token超长上下文 4、DeepSeek V4确认4月下旬发布，万亿参数+国产芯片适配 5、华为新一代算力芯片发布，性能达英伟达H20的2.87倍 ...

据传 Anthropic 正在测试一个代号为「Conway」的突破性新项目，一个“永远在线”的 AI Agent，Claude 从被动的 ChatBot 转变为自主的 Digital Twin！怎么感觉这是 Anthropic 的 Siri，也期待今年 WWDC Siri 的框架大更新 ✨ http://t.cn/AXImXDLf ​​​ ...

【微软发布 Harrier 系列嵌入 AI 模型，MTEB-v2 基准测试超越谷歌夺冠】微软必应（Bing）团队于 4 月 7 日发布博文，宣布为满足现代 AI 智能体系统对信息处理的高标准需求，开源推出业界领先的文本嵌入模型系列 Harrier，该模型在多语言 MTEB-v2 基准测试中排名第一。 ​​​ ...

【阿里 AI 进入战时体制：打通模型、云与业务的全链路】 快速阅读：阿里巴巴通过全员信宣布重大组织调整，核心在于将AI战略从单纯的技术探索转向规模化商业落地。通过成立集团技术委员会并升级通义实验室为事业部，阿里试图打破业务壁垒，实现模型、云基础设施与应用场景的深度集成。 --- 这次调整更像是一次系统级的内 ...

Seedance2.0 最大的竞争对手来了，Artificial Analysis 突然冒出一匹黑马，没有官网，没有论文，没有任何公开信息，HappyHorse 盲测超越 Seedance 2.0 登顶第一 。 大家猜一猜，HappyHorse 这是谁家的快乐马，不对，黑马啊？ 大概率是国产的。 ## ​​​ ...

Redis作者 antirez 的一项实验，这里GPT 5.4 要优于Claude Opus ----------------------------- 过去一周里，我分别对 Claude Code Opus 4.6 和 Codex GPT 5.4 跑了很长时间的自主会话，两者都开到了最大思考预算。它们运行在各自克隆出的目录中；只要其中一边落后了，我就会重新刷新目录。我为此消耗了大量 token（按固 ...

anthropic启动了Project Glasswing（玻璃之翼？），应该是前几天报道Claude发现了一个隐藏了23年的Linux漏洞的后续计划。 ------------------------------------------------- 我们成立 Project Glasswing 是基于 Anthropic 训练的前沿模型所展示的能力，我们认为它可能重塑网络安全。Claude Mythos² Preview 是一款通用 ...