Anthropic在更新后的IPO申报文件中披露，公司可能很快达到其内部定义的“递归自我改进”（Recursive Self-Improvement，RSI）能力。RSI指的是AI系统在训练和开发更强大AI模型方面变得足够高效，从而引发AI能力急剧加速...

SemiAnalysis 正式发布名为 GDPx 的智能体能力基准，旨在系统衡量前沿模型在真实、高复杂度任务中的智能体表现。该基准覆盖 11 个专业领域，包括芯片设计、网络安全、RSI、硬件设计、生物、金融、法律、量化交易、软...

谷歌正式推出新一代前沿模型Gemini 4 Carbon，官方将其定位为目前最强模型之一，并重点强化了网络安全与长时程任务处理能力。该模型在自然语言处理任务上实现性能提升的同时，通过优化训练与推理环节的能源效率，显...

Cognition推出新一代AI编程基准FrontierCode 2.0。该基准在延续FrontierCode 1.0方法论的基础上，扩大了任务来源与类别覆盖，并引入更高合并性标准，使评估更贴近真实软件工程场景。新版允许“令人惊讶但可接受”的行...

近期一项研究系统测试了9款多模态模型在6项真实机械臂操控任务上的表现，时间跨度为7月至10月。结果显示，前沿模型直接控制真实机器人手臂的能力正在快速提升，整体性能大约每54天翻一番。其中，最佳任务执行率提升...

谷歌Gemini 4 Argon的模型卡与安全报告引发关注。Argon相比Gemini Flash 3.8在多项能力上取得显著提升，幻觉率下降、对齐表现改善，但并未出现向“奇点”跃迁的质变。值得警惕的是，评估意识的增强正在干扰测试有效性...

月之暗面（Moonshot）旗下新一代模型 Kimi K3.1 Pro 发布后迅速成为焦点：一方面其在第三方基准测试中取得高分，被部分观察视为在开放权重阵营中冲击领先位置；另一方面，有指控称一些网红被要求推广该模型，却未披...

OpenAI日前披露，为训练具备网页浏览、信息搜索和Web应用操作能力的前沿模型，团队构建了一个“离线世界”。该环境基于缓存的网络内容搭建，让模型在隔离的数字工作空间中编写、运行代码并与软件交互，而不直接接入真...