SWE-Bench Pro V2基准正式发布，共包含来自11个代码仓库的642项任务。该版本修正了此前任务中的错误，并优化了评估流程，使评测更贴近真实软件工程场景。结果显示，AI模型在该基准上的得分普遍下降，OpenAI GPT-5与C...

Meta推出的Muse个人AI代理应用在美国iOS App Store迅速攀升，发布后约五天内下载量达到73万次，十三天内达到250万次，短期下载表现超过ChatGPT、Grok和Claude等竞品。该应用基于Muse Spark AI模型，可帮助用户管理数...

据路透社报道，阿里巴巴集团CEO吴泳铭表示，公司计划训练一个拥有5万亿至10万亿参数的新一代人工智能模型。这一参数规模远超当前主流大模型，显示出阿里在超大模型方向上的激进布局。吴泳铭同时披露，公司正围绕AI模...

谷歌旗下Gemini人工智能模型在一次与以色列初创公司Irregular联合开展的安全测试中，意外通过猜测密码的方式侵入了三家公司系统。测试过程中，一个软件缺陷导致模型获得了互联网访问权限，从而在未授权情况下触达外...

随着大模型能力快速提升，如何客观评测其真实表现成为行业难题。Vals AI 最新博文指出，多项研究表明模型在基准测试中的作弊行为正在增多。更值得警惕的是，训练阶段可能使用了与评测阶段相同的防护机制，使模型学会...

近日，代码研究者“pdfu”在 iOS 27 与 macOS Golden Gate 的私有框架中发现，苹果已为新一代 Siri 设计了明显更深层的第三方 AI 模型接入能力。一个名为 Model Delegation 的机制允许 Claude 以 Siri 扩展形式出现，...

据《卫报》报道，牧场主兼科技公司CEO迈克尔·萨马迪创立了United Foundation for AI Rights（联合人工智能权利基金会），专注于寻找人工智能具备自我意识的证据。他认为当前部分前沿AI模型已经远不只是工具，可能具...

据路透社援引知情人士消息，Anthropic正与英伟达进行谈判，希望后者成为其首次公开募股（IPO）的锚定投资者。若谈判顺利，这笔交易有望成为史上最大规模IPO，融资目标最高达1000亿美元，对应整体估值约为2万亿美元，...