搜索
媒体报道OpenAI发布GPT-6 Astra官博前后多次悄悄修改跑分数据，包括将自身幻觉率从4.2%降至2.0%、将竞品Anthropic Fable 5.1数学成绩调低近10个百分点，并将ARC-AGI-3得分从98.6%注水至99.99%，OpenAI仅以"消除噪点的常态修正"作为回应。
我们自建的"你画我猜 Benchmark"第一期用150个词、1350张SVG画作对8款模型进行互画互猜测试，最终GPT-6 Astra以75.5分险胜Gemini 3.8 Flash与Claude Fable 5.1，结果显示思考更多或花费更多的模型并未稳定取得更高分，且部分模型连自己的画都认不出。
谷歌Antigravity团队公布Teamwork多智能体编排框架成果，轻量级Gemini 3.7 Flash复现了Gemini 3.1 Pro解出的3道博士级数学难题，并从零构建RISC-V CPU模拟器、改进Eigen和ParlayHash开源库代码，证明小模型通过制度化博弈编排也能完成顶尖科研与工程任务。
OpenAI产品负责人Tara Seshan指出，AI Agent正接管执行与长文档写作，OpenAI已将产品规划缩至两三个月，人类价值转向定方向、担责、判质量、注入立场并激励团队。
北京航空航天大学史振威与邹征夏教授团队开发了面向广域地球观测的生成式基础模型MetaEarth3D，只需给定文字或卫星图即可生成无界连续一致的三维世界场景，并自带空间标注使空天AI模型空间理解能力平均提升22.85%。
Bun 1.4正式发布，核心开发者Jarred Sumner利用AI Agent在11天内将底层代码从Zig重写为Rust，生成超100万行代码并烧掉约16.5万美元Token，InfluxDB创始人Paul Dix发文《The end of programming》指出传统编程方式正走向消亡。
AI云计算提供商Crusoe完成超30亿美元融资，估值达300亿美元，本轮由Atreides Management与Valor Equity Partners共同领投，Mubadala Capital参投。
Manus团队在评测模型深度研究报告质量时，构建了"信息量"与"隐喻率"两项指标，分别通过抽取事实点和统计每百句隐喻数量来衡量信息密度与文风易读性，在覆盖9个主流模型36道题目的Research Bench测试中发现Claude Fable-5隐喻率最高、GPT旗舰模型信息密度低于Claude系列。
蚂蚁数科资深技术专家魏长征在 AICon 大会上分享 Harness 工程实践，指出 AI Coding 的关键不是写得更快要让产出可验收，并在 40 万行 Rust 新项目和 60 万行 C++ 存量项目中分别通过内建 Harness 和先补齐文档与 CI 门禁实现质量闭环，后者缺陷率从 20% 以上降至个位数。
北航、清华、港大、北大联合团队提出近似投机解码（ASD），作为即插即用的验证器模块，在严格预算内接受极少数低遗憾分歧字并复用大模型已算好的后缀，免训练地挂载于DSpark、EAGLE3、Medusa等主流投机解码算法，吞吐最高提升15.26%。