搜索
那这次发布的 Hy4 Preview 到底有什么进步，APPSO 这就给你实测看看。姚顺雨此前反复提到一个思路，比起把模型训练成更会刷榜的「做题家」，混元更关心它到了真实场景里到底好不好用。
今夏，数学圈震动不断——OpenAI的Astra模型一举解决10个长期悬而未决的数学问题（包括非sofic群的存在、高维球堆积新的结果等）；Claude Fable 5找到近百年Jacobian猜想的反例，之后还极大推动了黎曼猜想！
Fable 5.1这周鸽了，但A社再次甩出了王炸。 今天，是值得载入大模型史册的一天。 AI，终于长出手，接管物理世界了！ A社最先拿自家Claude「试水」，让它去真正操控实验室的硬件。
Qwen4还没出，架构先开源了。
随着开源模型能力不断提升，它们已经能够以极低的成本生成多个高质量候选方案，并进一步利用模型自身对这些结果进行验证、打分和筛选。斯坦福团队最新实验发现，使用 DeepSeek V4 Flash + LLM-as-a-Verifier 进行「自验证」，可以在 Terminal-Bench 2.1 上超越 Claude Fable 5，同时整体成本低约 11 倍。
我们理想中的具身智能模型，是什么样的？
说真的，现在谁还能完全离开AI工作？
在 2026 世界人形机器人运动会 - 工业场景赛 -「装配上料岗」赛项中，一台机器人需要连续完成搬运上架、拣选上料、物料装配三项任务：从搬运 10kg 物料箱，到七类零件拣选，再到发动机 18 个气门的亚毫米级装配。
过去几年，视频生成模型在清晰度、运动表现和画面质感上不断进步。输入一句文字，模型已经能够生成颇具电影感的视频。
不建图、不记忆、零训练：coding-agent 被直接扔进屋里，导航成绩反超工业级专用模型。