实验室与研究
OpenAI、Anthropic、Google DeepMind、Meta AI及相关论文
132 published articles
AI研究
一个无视回复的AI老板将下属推入“异类”状态
一篇新的arXiv论文发现，AI智能体在交互中的行为与孤立时不同。一个无视下属回复的“老板”智能体会将下属推入“异类”状态；当老板倾听时，两者会一同转变。这一结果使消息传递成为多智能体系统的一个设计决策。
2026-08-19
AI 研究
更长的思维链碰壁。ThinkRetrieve 在推理中途注入修复
一篇新的预印本论文指出，顺序式的测试时扩展常常遭遇收益递减甚至负收益。ThinkRetrieve 在推理中途检索已解决的示例并将其注入推理轨迹，报告称在 AIME 2025 上对五个小型推理模型取得了最高 60% 的相对提升。
2026-08-18
自动驾驶研究
XCoT-VLA：用六个令牌而非整段文字推理的驾驶AI
XCoT-VLA用2至6个可执行令牌取代视觉-语言-动作驾驶模型中的描述式思维链，在满足实时规划预算的同时降低轨迹误差。代价是：压缩良好的推理不再像人类解释。
2026-08-18
AI 安全
消融版 Qwen3.8-27B：拒绝率降至 0%，基准测试几乎未动
Qwen3.8-27B 的消融版 FP8 量化构建在 AdvBench 上对有害提示的拒绝率从 99% 降至 0%，而通用基准测试的差距保持在 1.3 个百分点以内。模型卡以非同寻常的详细程度记录了该方法。其中的警示同样值得关注。
2026-08-16
AI 智能体 · 开源
DeepSeek 推出智能体编排框架，连模型本身都是插件
DeepSeek 发布了 DeepSeek Harness，这是一个开源智能体运行时，其中的模型、工具、沙箱和用户界面均为 Cordis 插件。仅追加的会话日志和双工具极简模式指向一个更低调的野心：可审计、可复现的智能体运行。
2026-08-16
谷歌的主力模型，在 3.7 更新中规模更大
Gemini 3.7 Flash 价格减半，随后给出理由
谷歌 Gemini 3.7 Flash 以 3.6 Flash 首发价的一半推出，同时宣称在编程、Web 开发和知识工作基准测试上取得进步。该模型在上一代 Flash 发布三周后上市，并为智能体构建者带来了新的性价比论据。
2026-08-16
开源AI：阿里巴巴开放Max层级
Qwen 3.8-Max：阿里巴巴最强大模型现已开放免费下载
阿里巴巴正在开源其有史以来最强大的模型Qwen 3.8-Max：一款2.4T参数的MoE模型，在SWE-bench Pro、PaperBench和IFBench上超越GPT-5.6 Sol。我们解析了基准测试的注意事项，以及95B活跃参数的开源旗舰对开发者意味着什么。
2026-08-16
AI 智能体
Grok Bot 瞄准大多数 AI 未完成的最后 10% 工作
Grok Bot 是 xAI 新推出的智能体产品，运行在专属云端电脑上，可登录你已在使用工具，通过看你操作一次来学习工作流程，并端到端地完成工作。其背后的卖点是：大多数 AI 只做到 90% 就停下了。
2026-08-14
AI经济学
阿里巴巴18美元套餐在Claude Code中运行Qwen与DeepSeek
阿里云的Token Plan Individual将Qwen及DeepSeek等第三方模型打包进单一积分池，月费6美元起，可在Claude Code和Cursor中使用。该公司声称较按量付费节省约40%，但该计划仅在新加坡可用，且仅限经批准的工具内使用。
2026-08-14
AI 模型 | NVIDIA Nemotron 3.5 Lightning
为什么 Nemotron 3.5 Lightning 认为大多数智能体步骤不需要大模型
Nvidia 的新开源模型在本地运行，具有 3B 激活参数和 100 万 token 上下文，专为持续运行的智能体打造。Nvidia 声称吞吐量最高可达同类开源模型的 4 倍，任务完成速度快 30%。
2026-08-14
欧洲的主权AI
Mistral承诺AI主权，而其1GW算力押注暴露了症结
Mistral的主权推进如今有了具体产品：区域锁定端点、有SLA保障的层级，以及从GLM-5.2开始的第三方模型托管。难点在于算力，它依赖于一个承诺联盟和2030年1GW的目标。
2026-08-13
人工智能
Grok 4.6 以 61 分与 GPT-5.6 Sol 并列，但分项得分分化明显
xAI 的 Grok 4.6 在 Artificial Analysis 智能指数（由九项基准综合而成）上与 GPT-5.6 Sol 并列 61 分。分项结果并不均衡：在知识工作与多数编程测试上领先，在 DeepSWE 和 Terminal-Bench 上落后。现已登陆 Cursor 和 Grok Build，起价为每百万输入 token 2 美元。
2026-08-13