人工智能
人工智能：大语言模型、智能体、扩散模型、计算机视觉、自然语言处理及顶级实验室最新动态。
211 published articles
基准测试
牛津大学GauntletBench测试AI代理执行100个真实任务，它们失败了81%
牛津大学的GauntletBench对AI代理提出了100个具有挑战性的真实世界任务。前沿系统的成功率上限为19.1%，远低于人类表现。该基准测试针对五个专业应用中时间感知、图形理解和3D推理等被忽视的能力。
2026-07-01
人工智能
OpenAI的GPT-Live终于不再等着你讲完话
OpenAI的GPT-Live引入了全双工音频，使AI可以同时听和说。它能说“嗯”，在停顿期间等待，并将复杂推理任务交给后台的GPT-5.5，保持对话流畅。
2026-07-01
Anthropic 发布分析
Claude Sonnet 5 让 Opus 的价格差距更难合理化
Claude Sonnet 5 承诺以更低成本提供接近 Opus 级的推理和智能体性能。早期测试者报告称，在自主任务完成和多步骤复杂操作跟进方面有显著改善。通过 2026 年 8 月的入门定价，该模型使 Opus 的价格差距更难合理化。
2026-06-30
有效上下文、输出上限以及长窗口的隐性代价
你的AI模型说它能读取100万token，它在撒谎。这是真实的数学。
四大前沿大语言模型都宣称拥有100万+ token的上下文，但有效召回、输出限制和实际成本差异显著。DeepSeek V4 Pro 在输出上限和成本上领先，Gemini 在20万token以下表现出色，而 Claude Opus 在交互式代码审查的缓存方面胜出。本文分析了2026年4月的数据。
2026-06-30
人工智能
DeepSeek新模型让效率竞争成为AI军备竞赛的前沿
DeepSeek发布了一款新的大型语言模型，通过将赌注押在效率而非蛮力上，加剧了与主要AI实验室的竞争。该模型旨在通过优化资源利用提供强大性能，反映了行业向成本效益型AI的广泛转变。
2026-06-30
产品发布
Claude Sonnet 5 来了，Anthropic 押注科学与企业市场
Anthropic 发布了 Claude Sonnet 5，这是一款更快、更强大的编程和智能体模型，同时为研究人员推出了 Claude Science，为团队推出了 Claude Tag。该公司还发布了一份关于人工智能指数级增长的政策框架。
2026-06-30
智能体基准分析
ProgramBench：最硬核编程测试中，所有公开AI模型得分均为0%
ProgramBench要求AI智能体仅凭二进制文件重构程序，无需源代码或问题描述。所有公开模型均未能完全解决任何任务，暴露出在探测、架构和停止判断方面的弱点。该基准测试是针对编程智能体超越补丁式工作流程的压力测试。
2026-06-29
合成数据
没有老板，没有瓶颈：点对点框架重塑合成数据生成方式
Matrix是一个去中心化框架，通过分布式队列传递序列化消息，实现多智能体合成数据生成。通过消除中央协调器，在相同硬件上实现了2到15倍的吞吐量提升。
2026-06-06
本地 AI
Ollama 0.30 带来更快的 GPU 推理和原生 GGUF 模型支持
Ollama 0.30 将 NVIDIA 推理速度提升高达 20%，默认启用对 AMD 和 Intel 设备的 Vulkan GPU 支持，并扩展了 GGUF 模型兼容性，包括来自 Hugging Face 的微调模型以及对编码代理工具调用的支持。
2026-06-05
AI 基础设施
Nvidia Nemotron 3 Ultra 颠覆智能体工作流成本方程
Nemotron 3 Ultra，Nvidia 的密集-稀疏智能体模型，承诺将推理成本降低高达 30%（相比同级开源模型），同时保持前沿推理能力。凭借 100 万 token 上下文窗口和原生 NVFP4 量化，它被定位为企业工具调用工作负载的主力模型。
2026-06-04
人工智能
OpenJarvis 提供云端AI代理的本地优先替代方案
来自斯坦福大学Hazy Research和Scaling Intelligence实验室的OpenJarvis 1.0使得个人AI代理能够通过Ollama在本地运行，并可选云端接入。它包含用于晨间简报、跨文档研究和本地代码助手的预设，优先考虑效率和隐私，同时追踪能耗、成本和延迟。
2026-05-28
云基础设施
什么在驱动智能体？阿里云ANOLISA重写操作系统层
阿里云ANOLISA是为智能体时代设计的三层操作系统升级方案，可减少30%的令牌使用量，并将执行时间缩短类似幅度。专为高密度智能体部署而设计，它在内核层面解决了安全性、可观测性和效率低下问题。
2026-05-26