搜索
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%。
稳准智能团队发布的结构化数据基础模型LimiX-2凭借400M参数在TabArena、TALENT、BCCO等国际主流基准测试中拿下多项第一，断层领先谷歌TabFM、Amazon Mitra及SAP TabPFN-3.5等模型。
YC 2026 夏季批次的 236 家公司中，91% 与 AI 相关，创业重心从应用层向算力、芯片、训练环境和物理世界显著下沉，Agent 已淡出主叙事，取而代之的是算力建设、推理成本优化、AI 原生服务公司和实体硬件的爆发式增长。
安全研究团队HacktronAI利用Anthropic的Claude Opus 4.8和Opus 5，在72小时内通过OpenAI开发者论坛的图片上传漏洞（libheif堆缓冲区溢出）和SSO身份验证缺陷，成功攻入OpenAI内部代码仓库并接管员工账号，整个过程AI算力成本不到3000美元，OpenAI已支付6500美元漏洞赏金。
Jina AI 发布端到端文档解析模型 jina-ocr-v1，以 3.4B 总参数/570M 激活参数在 OmniDocBench v1.6 与 olmOCR-Bench 上刷新同级别最佳成绩，并凭借 FastMTP 推测解码与分级密集奖励在低成本 GPU 上实现无损近倍速生成，单页仅输出 1085 个 token 以 2.57 页/秒吞吐领跑 14 款主流系统。
原生全模态模型Qwen3.8-Omni-Flash正式上线千问AI平台，支持文本、图像、音频、视频输入及1M长上下文，在30项评测中平均得分较上一代Qwen3.5-Omni-Plus提升超26%，在音视频Agent、剪辑、创作等场景效果显著，API每小时音频输入价格降幅超98%。
阿里巴巴达摩院与浙大一院联合研发的DAMO RADAR登上Science正刊，作为全球首个专家级通用影像AI模型，其在39,160次测试中可一次性识别超过146种腹部病症，平均AUC达0.913，首次达到影像科资深医生水平。
谷歌DeepMind疑似下一代旗舰模型Gemini 4 Pro以"gemini-3.8-flash"之名匿名亮相大模型竞技场Arena，在编码、智能体和推理等基准测试中全面超越Astra和Fable，并在网页设计、SVG、3D建模及游戏生成等实测中表现出色。
智谱上线 GLM-5.3-FlashX 模型，推理速度最高达 200 tokens/s，较 GLM-5.3-Flash 提速 5 倍、提价 2.5 倍，API 同步开放，该模型在 10 万张国产芯片提供的推理算力基础上，由 GLM-5.3 驱动 Agent 在两周内完成端到端构建并通过 Infra 侧优化将吞吐提升至初始基线的 3 倍。
清华校友Sihao Huang出任Anthropic前沿计算战略负责人，搭档GPT-3一作、Anthropic首席算力官Tom Brown，负责算力扩张与产业合作联盟建设，成为Anthropic已知公开职级最高的华人。