大语言模型与模型
大型语言模型：GPT、Claude、Gemini、Mistral 及开源权重模型
34 published articles
多代理协作
群聊成为AI代理的新前沿
阿里云的AgentTeams和Anthropic的Claude Tag正将群聊变成多代理协作的试验场。从一对一对话转向多对多对话，在上下文管理、权限治理和记忆方面带来了复杂挑战，也开创了AI在企业内部工作的新范式。
2026-07-16
AI 开发
氛围编码快，但将构建成果交付才是真正的工作开始。
氛围编码加速了原型设计，降低了初学者的门槛，但其隐藏的技术债务、安全风险以及缺乏推理可追溯性挑战了“AI 生成的代码已准备好投入生产”的假设。开发人员必须在速度和控制之间做出权衡。
2026-07-14
LLM性能
一家中国视频生成初创公司悄然在编程领域击败了Claude Opus
MiniMax的M2.7在SWE-Pro上得分56.22%，性能接近Claude Opus，同时宣称在复杂任务中技能遵循率达97%，并在办公生产力编辑方面表现优异。该模型标志着从追逐基准测试向实际部署智能体的转变。
2026-07-14
Google DeepMind
Gemma 4 让其他所有开放权重模型看起来都大了10倍
Google DeepMind 的 Gemma 4 原生多模态开放权重系列引入了思考模式、无编码器架构和 MoE 选项。2.3B 模型性能与 Gemma 3 的 27B 模型相当。31B 模型登顶开放权重排行榜。
2026-07-13
遥感AI
更智能的标记化技术将卫星AI成本削减三倍，同时不损失精度
Ai4earth的OlmoEarth v1.1通过更智能的标记合并技术，在卫星图像分析中将计算成本较v1降低多达3倍，同时保持性能。更新后的模型使合作伙伴能以更低成本实现行星尺度的地图刷新。
2026-07-13
Lean 4
Leanstral 1.5证明AI定价的旧规则不适用于数学
Leanstral 1.5，一款拥有6B活跃参数的模型，在miniF2F上达到饱和，解决了587道PutnamBench问题，并发现了开源仓库中5个此前未报告的错误。每解决问题成本约4美元，比Seed-Prover便宜75倍，比Aleph Prover便宜15倍，挑战了形式验证需要巨大计算预算的假设。
2026-07-12
系统优化
DSpark 揭示：快速 AI 推理是调度问题，而非模型技巧
DeepSeek 的 DSpark 论文揭示，简单的推测解码在高并发下会降低吞吐量。其解决方案, , 置信度调度的验证, , 根据每个请求调整块长度，并改变了服务性能的帕累托前沿。
2026-07-12
合成数据策略
英伟达数据图谱显示：合成数据比模型权重更重要
英伟达的Nemotron Post-Training v3 Prompt Atlas提供了一张包含数十亿合成数据样本的交互式地图，凸显了开放合成数据是构建可靠AI智能体所缺失的关键层。该公司认为，智能体行为必须可审计，而开放发布的合成数据是唯一既能保留专有信号又不泄露商业机密的方式。
2026-07-12
长上下文大语言模型
Jet-Long双焦注意力机制一举打破长上下文LLM的固定缩放权衡
Jet-Long根据序列长度动态调整RoPE重缩放，使用局部窗口和远程窗口，通过包含-排除机制合并。在Qwen3模型上，最高支持128K上下文，在RULER基准测试中超过现有零样本基线2个百分点以上，并在PG-19数据集上取得最低困惑度，同时生成开销增加不到4%。
2026-07-12
开源基础设施
你的AI搜索管道坏了，这个开源框架来修管道。
构建AI搜索基础设施的团队仍然在管道连接上耗费太多时间。Search Toolkit将摄入、检索和评估统一到一个单一的开源框架中，消除了拼接不同工具所需的数周集成工作。它专为RAG质量、领域特定检索和代理搜索等企业用例而设计。
2026-07-11
金融AI
全球首张AI原生信用卡：用消费重塑计算能力分配
月之暗面联合中国农业银行与美国运通发行AI原生信用卡，将会员等级与卡级别挂钩，提供代币型奖励。本文分析如何将AI代币经济学嵌入日常支付。
2026-07-11
神经科学
神经科学AI终解脑区功能之谜：生成式因果测试揭示大脑各部分真实作用
生成式因果测试（GCT）将基于大语言模型的脑预测模型提炼为简洁的语言解释，然后利用大语言模型编写故事，在fMRI中对这些说法进行因果检验。实验中，GCT确认了已知的选择性，区分了相邻的地点处理区域，并发现了新的前额叶微区域，这些区域对对话和度量等概念具有选择性。
2026-07-11