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
97 published articles
自主智能体
为什么带有学习循环的智能体改变了自主AI的游戏规则
Nous Research的Hermes Agent超越了典型的编码副驾驶，嵌入了一个闭环学习循环、跨会话记忆和自主技能创建。它可以在任何地方运行，集成20多个消息平台，并旨在随着时间的推移建立每个用户的深度模型。
2026-07-19
瓶颈
阿里巴巴新基准证明AI智能体仍做不到的事：遵守规则
阿里巴巴的HSCodeComp基准揭示了差距：顶级AI智能体在关税分类上的准确率为49.4%，而人类专家为95%。瓶颈是结构性的，增加算力无济于事。
2026-07-19
AI研究
阿里巴巴通义千问将世界建模转化为语言问题
Qwen-AgentWorld是一种原生语言世界模型，可在七个领域模拟智能体环境。通过从一开始就将环境建模作为训练目标，它为基于视频的世界模型和特定领域模拟器提供了另一种选择，用于具身AI。
2026-07-19
Picbreeder 借助VLM智能体复活
当AI智能体重建互联网最具创意的实验时，它们丢失了什么
Sakana AI、MIT 和 NYU 使用 VLM 智能体重建了 Picbreeder，以研究开放式创造力。智能体陷入重复模式的困境，无法实现人类所擅长的概念性飞跃。多样化的个性有所帮助，但人工创造力与人类创造力之间的差距仍无法解释。
2026-07-19
AI 编码
Opencode 平台数据显示：Kimi K3 使用量一周翻倍
Opencode 的 X 账号报道称，过去一周该平台上 Kimi K3 的使用量翻了一倍。该帖子未列出完成次数或提及任何竞争对手，因此关于 K3 现已成为最常用模型的说法应视为未经证实。
2026-07-18
具身智能
Mistral的80亿参数小模型让办公机器人不再依赖激光雷达
Mistral AI的Robostral Navigate是一个80亿参数的模型，仅使用一个RGB摄像头就在R2R-CE基准测试中达到76.6%的成功率，比多传感器方法高出4.5个百分点。它通过模拟数据和一种token高效的前缀缓存方法构建，能够跨机器人类型泛化并适应未见过的障碍物。
2026-07-17
多模态AI
12B参数模型击败90B：扩展范式遭遇挑战
Pixtral-12B 在多模态基准测试中匹配或超越了比其大七倍的模型，且未牺牲语言性能。Mistral 还发布了一个用于实用视觉语言评估的新开放基准，挑战了“越大越好”的观念。
2026-07-17
大语言模型与模型
Mistral 级联蒸馏：在不牺牲推理能力的前提下压缩大语言模型
Mistral 的级联蒸馏技术将大模型压缩为小模型，同时保留了推理和视觉能力。3B 变体所具备的能力过去需要十倍于其参数的模型才能实现，且全部采用 Apache 2.0 许可证。
2026-07-17
分析
Kimi K3 在哪些基准测试上领先前沿模型？对开放 2.8T 模型的逐项解读
月之暗面推出的 2.8T 参数开源模型 Kimi K3，在大多数通用基准测试上落后于前沿专有模型，但在 SWE Marathon、Terminal-Bench 2.1、BrowseComp 等测试中领先。详细表格揭示了其在 KDA 和 Stable LatentMoE 架构上的投入在哪些方面获得了回报。
2026-07-17
人工智能
阿里巴巴开源世界模型：让AI智能体在模拟器中训练
阿里巴巴Qwen团队发布Qwen-AgentWorld，一种语言世界模型，能在七个领域模拟智能体环境。其CPT、SFT、RL三阶段流程构建出一个在保真度上击败GPT-5.4的模拟器，使智能体能够通过心理排练而非昂贵的真实环境展开进行训练。
2026-07-16
文档AI
Mistral OCR 4 高分胜出，但自身审计揭示基准测试分数并不能反映真实情况
Mistral OCR 4 在文本提取之外引入了边界框、块分类和置信度分数，支持 170 种语言。它实现了 72% 的人类偏好胜率和顶级基准测试分数，但 Mistral 自身的分析表明，标准基准测试会因格式伪影而非准确性错误而惩罚正确的输出。
2026-07-16
竞技编程
NousCoder-14B以开源RL流程挑战奥林匹克编程
Nous Research发布NousCoder-14B，一个基于Qwen3-14B通过RL构建的竞技编程模型。完整开源栈：权重、环境和评估套件。目标针对奥林匹克级别编码基准。
2026-07-16