人工智能基准测试已从单纯的评估工具，逐渐演变为影响模型训练目标和能力设计的关键力量。Contrary Research 的最新报告指出，构建不当的基准测试可能把整个行业推向错误方向。随着模型越来越针对榜单表现进行优化，...

Inception Labs正式发布Mercury 3，这是目前该公司能力最强的扩散语言模型。官方称其在多项基准测试中超越了GPT-6 Luna和Claude Haiku 5.5，同时每秒可生成超过1000个token，运行速度比对比模型快4到8倍。这标志着扩...

xAI正式推出Grok Voice 3.0，这是一款语音到语音（speech-to-speech）模型，可通过xAI API直接调用，并且定价与上一代模型保持一致。官方强调，该模型具备亚秒级响应延迟，能够显著提升实时语音交互体验。在独立基准...

Liquid AI推出开源权重推理模型LFM2.5-24B-A2B，总参数量为240亿，但每次推理仅激活20亿参数。这种稀疏激活设计使其更适配资源受限的端侧设备，可在本地完成快速、私密的智能体任务。官方数据显示，该模型在8项基准...

React Compiler 通过缓存槽（cache slots）跟踪一起变化的值，以减少不必要的渲染计算。在一项包含 2,000 行的微基准测试中，作者进行了多种优化原型验证：仅引入内联优化会移除每行缓存，使渲染时间从 444ms 增至 1...

Meta正式发布Muse Wonder及Wonder Full，这是其首款前沿级模型系列。官方信息显示，新模型在编码能力和基准测试表现上较此前产品明显增强，并引入主动记忆（Active Memory）与主动专注（Active Focus）机制，能够持...

Google 正式推出新一代前沿模型 Gemini 4 Argon，主要面向长周期编程、企业知识工作和防御性网络安全等复杂场景。该模型支持高达 100 万 token 的输出限制，为大规模代码生成、长文档处理和深度推理任务提供了更大上...

OpenAI正式推出GPT-6.1 Sol，这是一款在智能水平上接近Astra、但价格仅为后者五分之一的模型，API输入与输出token均按Astra标准价格的五分之一计费。GPT-6.1 Sol针对编码、计算机使用和专业工作任务进行了优化，在多...