实时视频AI第一份公开成绩单出炉！最高才15分，37个模型全军覆没
实时视频AI第一份公开成绩单出炉！最高才15分，37个模型全军覆没家人们，上次我写摄像头体感交互应用，评论区有位家人问：“测试视频怎么是个男的？”
来自主题: AI技术研报
8589 点击 2026-10-26 11:13
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
家人们，上次我写摄像头体感交互应用，评论区有位家人问：“测试视频怎么是个男的？”
雷肇远没想到惊喜会来得那么突然。他开车载着父母从福建到西藏自驾游，一路上收获无数美景和美食，尚不知更大的收获还在后面。返程途中，六个多小时后车经过山西境内，他手机屏幕亮了一下，是中东那位客户发来一句很短的消息——这个我们可以做。
2017年秋天，清华大学紫荆宿舍区又迎来了一年一度的「百团大战」。
月之暗面发布2.8万亿参数后训练模型Kimi K3.1 Pro，其综合智能指数领先DeepSeek V4.1 Flash-1017和MiniMax M3.1 Flash，但API费用最高，并正研发Flash版本以平衡能力、成本与商业化。
机器人领域已经轰轰烈烈地 Scaling 了好几年。
Adobe Research与UCLA提出Tev，构建含1170个环境、覆盖7个领域的Tev-Gym并提出进度势能奖励塑形（PPRS），训练出的Tev-27B在ALE-CM的Pass@5达0.28，与GPT-6 Astra、Claude Opus 5持平。
港科广新基准UI2App以600张静态截图评测模型推断并实现应用交互的能力，Gemini 3.1 Pro Preview以73.2分获视觉还原第一，但Claude Sonnet 4.6以36.8分居交互推断首位，跨页面状态仍是参评模型共同难点。
Google Deepmind让4个Gemini 4 Argon Agent在随机《我的世界》地图中自主协作27小时，累计阵亡605次、耗费约520美元后击败末影龙，展示其长程任务中的分工、纠错与恢复能力。
科大讯飞发布端云一体基座模型讯飞星火X2.6和语音基座模型SparkAudio 1.0，星火X2.6基于全国产算力训练，云端293-A30B支持百万token上下文，输入缓存未命中及输出价格低于DeepSeek-V4.1-Flash-1017，端侧X2.6-4B已开源。
独立开发者借助Claude约4小时做出网页游戏1 in 8 Billion，支持按172个国家和地区的统计数据随机投胎并模拟一生，随后在韩国和日本社交平台传播。