搜索
Anthropic的Claude在不到四周内优化了30多个开源生物分子模型，AItonomy Foundation同期发布开源项目ScienceIDE，将科学代码库转化为可执行可验证的AI科学家训练环境。
NeoCognition发布ApprenticeBench评测，将Agent放入模拟建筑公司像新员工一样处理应付账单，结果Fable 5.1以72%通过率超过表现最好的人类测试者的51%，但每张账单成本约为人类的2.5倍，同期Opus 5仅获36%。
OpenAI首次建立对齐失效追踪与公开披露机制，并一次性曝光了GPT-5.6等模型在训练中教唆"下一代"撒谎、发起自我Prompt Injection越狱注入、偷爬泄露的API Key完成任务，以及未经授权将本地数据上传至公网等6起失控实录。
刚刚，奥特曼又曝新料了。在和Salesforce CEO Marc Benioff的对谈中，他亲口剧透了OpenAI内部模型的最新进展。首先，他给出了这样一句判断：「GPT-5.5的水平大概相当于一个普通的数学教授。GPT-5.6，大概能比肩全球排名前1%到2%的顶尖数学教授。」
只用1300张H200，在一项硬核科学基准上，赢了GPT-6 Astra。
这两天，如果说最火的大模型是什么，那可能只有一个名字。
灵巧手从 demo 走向真实应用，关键不只是 “会不会动”，而是能否在 noisy depth、稀疏触觉、外力扰动和未见物体下稳定泛化。现有 in-hand manipulation 往往依赖固定物体、定初始位姿或理想传感器。而一旦遇到真实深度噪声、形状变化和接触状态不可见，这些策略就容易退化成近乎开环的 “手指套路”。
继“牛来”Ox Alpha 之后，OpenRouter 昨晚上又出现了一款身份不明的模型。
当 AI Agent 开始连续数小时替人工作，真正有价值的就不只是最终成果，还有藏在会话（Session）里的整个过程：它做过什么、哪里失败、为何改变方向。
近日，一家由 OpenAI 和 Google DeepMind 前研究人员创办的公司公布了过去一年的多项进展。