清华、英伟达等开了个新榜，38个AI实时视频模型露短板
清华、英伟达等开了个新榜，38个AI实时视频模型露短板清华大学、英伟达等机构联合推出全球首个流式交互视频生成评测榜单StreamEval，以300个用例评测38个模型，揭示当前模型在连续指令执行和状态一致性方面仍存明显短板。
来自主题: AI技术研报
10174 点击 2026-10-27 13:40
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
清华大学、英伟达等机构联合推出全球首个流式交互视频生成评测榜单StreamEval，以300个用例评测38个模型，揭示当前模型在连续指令执行和状态一致性方面仍存明显短板。
Anthropic已公开IPO申请并向美国证监会披露招股书，拟募资约1000亿美元、估值约1.5万亿至2万亿美元，同时揭示了营收激增、上半年净亏损807亿美元及创始人的特殊投票权安排。
OpenAI发布GPT-6.1 Terra，每百万token输入1美元、输出5美元，较上代大幅降价，并强化视觉理解、写作和电脑操作；Agents’ Last Exam中追平GPT-6 Astra且速度快3倍以上，第三方评测幻觉率由88%降至38%，现已全面开放。
机器人动手前，能不能先看一看不同选择会带来什么后果？ParallelWorld 将多步预演引入具身智能体的高层规划，将任务成功率从 56% 提升至 83%。
10 月 23 日，杭州龙坞，亚马逊云科技 × 观猹「AI Native 创业复兴」的 Top 20 的路演现场，红杉中国种子基金合伙人公元感慨，十年前移动互联网的时候，路演基本就是讲 PPT；而今天上午登台的这七个团队，平均只有四五个人，却全都带着成型的产品原型和 Pilot 客户，有的已经有商业化收入了，这放在过去很难想象。
GPT-6 Luna 要被扩散 LLM 抢饭碗了？
在换机周期拉长、端侧AI与端云协同加速成熟的背景下，苹果、谷歌、OpenAI及国内厂商竞逐智能体手机入口，努比亚NaviX Ultra以豆包手机助手实现跨App操作，高通发布第六代骁龙8至尊版和超级至尊版强化智能体计算能力。
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。
Hi3D正式开放V1.0模型代码，这款基于Sparc3D、约用200万个3D资产训练的国产可商用模型支持研究与部署，最新V3.0达到2048³分辨率并由Hi3D Agent用于3D创作。
Anthropic与Theorem合作，让Claude为123个开源库的239个测试入口完成形式化验证，产出约1.8亿行经机器检查的证明代码并发现数百个Bug，实现其已知首次大规模汇编层生产软件形式化验证。