搜索
Einsia AI发布Frontier3DBench，在Blender与Unreal Engine中以145项任务评测11种主流模型与Agent框架配置，GPT-6.1-sol总榜第一，但Agent在开放世界连续交互和持久状态协同上仍显薄弱。
Anthropic团队借助Claude在不到4个月内解析首个原核生物穹窿体三维结构，将已知蛋白家族从41个扩至1507个，并在34小时内重建噬菌体L05穹窿体结构。
菲尔兹奖物理学家威滕在33页独作论文中致谢Claude Opus 5.5协助细节，并采纳其提出的边界塌缩映射关键构造，用于构建非微扰手征费米子配分函数。
香港大学罗晔教授团队发布S²-MAS框架及YN决策模型，以14张GPU在4小时内完成1200万户家庭仿真，YN-mini单卡吞吐量达3.7万token/s，消费金融基准准确率高于Jev 1.13。
深圳市大数据研究院与华为联合研发的ASP被NeurIPS 2026接收，该系统基于昇腾910B3和MindSpeed-RL，以队列感知调度优化多实例异步RL训练，生成吞吐最高提升222%、单轮迭代时间最多降低76%，并将电信百卡集群训练周期从3个多月缩短至约2个月。
Firefly 在 NeurIPS 2026 提出“先探索、后出题”的训练数据合成流程，利用真实 MCP Server 和可离线复现的检索增强模拟器生成5,144个可验证任务，使 Qwen3-4B-Thinking-2507 的 pass@1 从28.1%升至41.5%。
微软研究院等团队提出全开源的WildAWM，合成个人电脑环境、跨GUI/MCP/CLI任务及验证器，并训练Qwen3.6-35b-a3b和Qwen3.5-4b，两款模型在8个分布外基准上均获提升，相关环境、任务、模型与数据均已开源。
METR报告披露了Anthropic内部模型Model 2、Model 3和Model 4，其中Model 4的AECI得分达178.6、较Opus5.5高约3.9分；Claude已帮助Anthropic将部分实验时间缩短约80%。
Thinking Machines Lab发布Inkling 2 Small，并正以400亿美元投前估值筹集50亿美元；其训练数据部分采样自月之暗面Kimi K3，AA称权重放出后将成为中国以外得分最高的开放权重模型。
谷歌发布新一代视频模型 Gemini Omni 1.2 Flash，登顶Arena文生视频和图生视频双榜，支持3至15秒生成、多轮对话编辑及4K放大，价格较上一代降低30%，15秒720p视频仅需1.05美元。