全部动态

做智能体开发和评测的团队终于有了一个贴近真实工作场景的排行榜——Agent Arena 用 30 万+ 任务和 200 万+ 工具调用数据，告诉你哪个模型在写代码、做研究、处理文档时真正靠谱，值得点开看看你的模型排第几。

rohanpaul_ai@rohanpaul_ai2 个信源在谈原文

化学研究者和药物开发团队终于有了一个能反向推断分子结构的通用 AI 工具，省去专业软件和人工分析的双重成本，建议做结构解析的团队直接关注报告细节。

rohanpaul_ai@rohanpaul_ai11 个信源在谈原文

Arena 的 Agent Mode 让开发者能直接对比主流模型在真实复杂任务上的表现，做智能体应用选型的团队值得亲自上手测试，结果会直接影响排行榜。

lmarena.ai@lmarena_ai原文

智能体评测终于从玩具任务走向真实场景——做 AI 应用或智能体开发的团队，可以直接用 Arena 的评测结果来选模型，比跑基准测试更有参考价值。

lmarena.ai@lmarena_ai11 个信源在谈原文

做智能体编程或深度搜索的团队，现在就能免费试用一个对标顶级闭源模型的开源 MoE 模型，且能直接接入 Claude Code、Cursor 等工具，值得立即体验。

官方账号SiliconFlowAI@siliconflowai原文

法律 AI 团队终于有了降本增效的实战方案——用 GLM 5.1 搭配 Claude Opus 4.7 做稀疏顾问，性能提升 28% 的同时成本砍掉 61%，做法律智能体或长链推理的开发者值得一试。

Fireworks AI@FireworksAI_HQ2 个信源在谈原文

做编码智能体开发的团队终于有了一个智能省钱方案——Factory Router 用路由策略自动平衡成本与性能，建议试试能否集成到你的工作流中。

rohanpaul_ai@rohanpaul_ai原文

Grok Build 0.1 用 1.65 美元完成了一个 webhook 服务开发，成本远低于同类模型，做全栈或自动化开发的团队值得关注这个新选择。

做 AI 模型评估或选型的团队，DeepSWE 能帮你看到模型在长周期软件工程任务上的真实差距，建议关注这个新基准。

rohanpaul_ai@rohanpaul_ai2 个信源在谈原文

速度翻倍意味着更低的延迟和更高的吞吐量，做实时 AI 应用或大规模推理的开发者值得关注，可以直接用起来提升效率。

杨植麟用460万美元和极致架构打脸烧钱竞赛，做AI代理或准备2026年入场的团队，看完会重新思考资源分配策略——建议存下来周末细看。

berryxia@berryxia2 个信源在谈原文

Claude Opus 4.7 在编程和智能体任务上显著提升，做复杂自动化和多步骤工作的开发者值得升级；Claude Design 让非设计师也能快速产出视觉作品，创意团队可以直接试。