跳到正文
10月17日周六
10月16日周五
10月15日周四
  1. Latent Space24

    Modal ARR 达 10 亿美元、完成 160 亿美元 D 轮融资,成为纽约最新 AI 基础设施十角兽,5 个月用量与估值翻 3 倍、1 年翻 15 倍

    Modal ARR 达 10 亿美元并完成 160 亿美元 D 轮融资,估值 5 个月内翻 3 倍、1 年翻 15 倍,从基础设施独角兽升为十角兽。其 2023 年推出的 Sandboxes 已是 3 亿美元年化收入产品,累计启动近 30 亿个沙箱、可扩展至 100 万并发,服务于后台智能体、强化学习和 vibecoding 平台等场景。

10月14日周三
  1. 少数派34

    带给摄影师更多自由:Austin Mann 评 iPhone 18 Pro 影像体验

    摄影师 Austin Mann 在科罗拉多州邓顿河谷实地评测 iPhone 18 Pro 相机,认为可变光圈与专业控制让照片整体表现显著提升。可变光圈提供 ƒ/1.48 至 ƒ/4.0 四档,弱光进光量提升 50%;相机 App 还新增手动对焦与曝光分离控制、焦点追踪、摄影风格 3 的胶片质感与颗粒控制。4K 延时摄影与可为照片真实性签名的参考图像功能也首次加入。

10月13日周二
10月12日周一
  1. IT之家46

    Arena 公布新一轮 AI 大模型周榜:Claude Opus 5.5 Max 首登智能体榜首,国产多模型稳定中上游

    Arena 发布 2026 年第 41 周 AI 大模型排行榜,Anthropic Claude Opus 5.5 Max 新入榜即以 15.53% 净提升度登顶智能体榜第一。gemini-4-argon-high 继续稳居综合榜榜首,ELO 1525 分。国产模型整体处于中上游,kimi-k3-max 位列第 16,qwen3.8-max、mimo-v2.6-pro 等排名稳定。

10月11日周日
  1. IT之家45

    跻身全球第一梯队:华为 × 华东师大联合研发时序预测基础模型,登顶国际权威时序测评双榜单

    华为与华东师范大学联合研发的昇腾原生时序预训练模型"七曜模型"成功登顶 TIME-leaderboard 与 GIFT-Eval(Pretrained 类目)双榜单。该模型可直接用于零样本时序预测任务,覆盖电网负荷研判、工业设备异常时序检测、金融趋势分析等核心场景。模型同时支持低成本二次微调,可快速适配各垂直行业定制化需求。

  2. The Decoder67

    Odyssey-3 生成式世界模型开放免费公开预览

    Odyssey 将生成式世界模型 Odyssey-3 开放为公开研究预览,用户可用文本提示生成并实时探索交互环境。基础模型 14B 参数、生成 832×480 视频,Odyssey-3 Pro 支持 1280×720;官方称其在 Physics-IQ Verified 得分 66.1,但该成绩来自单次运行且经过八选一筛选,未满足四次运行的要求,不做筛选时平均 63.37 分。

10月10日周六
10月9日周五
  1. TechCrunch · AI71

    OpenAI 发布的数百份数学证明尚未达到数学界标准

    OpenAI 本周发布数百份声称解决世界级数学难题的证明,但未达到数学与人工智能顾问组 AGMAI 制定的多项标准。719 份手稿中仅 10 份公开了模型思维链,42% 的证明未经形式化验证;剑桥大学与伦敦国王学院的论文还发现 OpenAI 对 Navier-Stokes 衍生问题给出的自然语言证明与 Lean 代码存在至少两处不一致。

10月8日周四
10月5日周一
  1. GitHub Blog · AI & ML72

    GitHub 发布开源 AI 代码评审基准 ReviewBench

    GitHub 推出开源 AI 代码评审基准 ReviewBench,语料基于 103.9M 个真实 pull request 的语言与仓库规模分布建模,包含来自 187 个开源仓库的 219 个 PR、19 种语言。

    推荐理由:原文讲清了 ReviewBench 的语料构建与指标设计,做代码评审智能体的团队可以照同样的思路建立自己的离线评估。

10月3日周六
10月1日周四
  1. Latent Space79

    Gemini 4 Argon 发布:Google DeepMind 对标 Astra/Fable,输出上限达 1M token

    Google DeepMind 发布 Gemini 4 Argon,定位编码、企业知识与网络防御,称在 19 个已发布基准中的 13 项排名第一,但目前仅向 Fairwind 计划的政府与可信网络防御者开放。

    推荐理由:原文对照了官方基准与 Artificial Analysis、Vals 等第三方评测,读者可据此判断 Argon 的实际水平与适用场景。

9月30日周三
  1. Hugging Face Blog66

    Hugging Face 发布 Open TTS Leaderboard,覆盖开源多语言 TTS 与语音克隆评测

    Hugging Face 推出 Open TTS Leaderboard,用客观指标评测开源多语言 TTS 与语音克隆模型。榜单以 Qwen3 ASR 转写计算 WER/CER 衡量可懂度,以 RTFx 和 TTFA 衡量 H200 GPU 上的批量推理与流式延迟,并以 WavLM 嵌入余弦相似度衡量说话人相似度,把单个模型评测从数周缩短到数小时。

    推荐理由:原文对比了人工偏好竞技场与客观指标评测,说明新榜单用 WER、RTFx、TTFA 和说话人相似度补齐开源 TTS 评测的缺口。

8月17日周一
8月13日周四
  1. Microsoft Research54

    Microsoft Research 提出 MindTopo 基准,评估 VLM 拓扑推理与规划能力

    Microsoft Research 提出 MindTopo 基准,围绕连通性、分离、顺序、包围和打结五类拓扑性质,评估多模态模型在静态场景识别与交互式规划两层的表现。测试显示模型静态推理 consistently 强于交互规划,且均远低于人类水平,错误多发生在规划阶段,如丢失结构关系或提出违反物理约束的动作。图像与视频生成工具仅在单帧可见关系时偶有帮助,跨多步动作时并不可靠。