产品05:36
微软 Frontier Tuning：从租用智能到真正掌控 AI企业 AI 团队终于能摆脱通用模型的限制——Frontier Tuning 让模型真正学会你的业务逻辑，效率提升 10 倍且数据不外流，做定制化 AI 落地的团队值得深入研究。
全部动态
AI 相关资讯全量信息流 · 97 条
6月4日
6月2日
OpenAI 模型现可通过 AWS 使用
AWS 用户终于可以直接在 Bedrock 上调用 OpenAI 最新模型，无需切换平台或管理额外 API，做云上 AI 应用开发的团队值得关注。
OpenAI GPT-5.5/5.4 和 Codex 登陆 Amazon Bedrock
AWS 用户终于能在 Bedrock 上直接调用 GPT-5.5/5.4 和 Codex，做多步编码和数据分析的团队可以省去自建推理基础设施的麻烦，按量付费自动扩缩，值得试试。
5月31日
AI搜索智能体常确认已知信息而非真正研究网络
这项研究戳穿了AI搜索智能体的真实能力——它们更擅长背书而非真正搜索。做信息检索或依赖AI获取最新资讯的团队，看完会重新评估工具选择。
5月28日
DeepSWE 新基准发布：GPT-5.5 领先，小米模型表现亮眼
这个基准测试解决了现有 coding benchmark 数据污染问题，做 AI 编程模型评估的团队可以直接参考排行榜，小米模型的表现值得一试。
Datacurve 发布 DeepSWE：更难、更真实的编程基准测试
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。
5月27日
OpenAI Codex oAuth 修复，Sub2APl 用户需更新
如果你在用 Sub2APl 或 OpenAI Codex 做自动化开发，这个 oAuth 修复直接关系到你的 API 调用是否正常，建议立即更新避免中断。
5月26日
推理能力反而有害？SOAP笔记生成评测揭示LLM推理与文档质量的关系
医疗AI开发者注意了：推理模型在临床文档任务上可能适得其反，做医疗NLP的团队在部署前务必做任务专属评估，别盲目相信推理能力。
MDIA：多智能体诊断管线在HealthBench上超越ChatGPT for Clinicians
医疗AI开发者注意了：MDIA用架构设计而非提示工程就超越了专业临床模型，做临床决策系统的团队值得研究其7节点路由和药物安全门控设计。
微软 Webwright：约 1000 行代码让 GPT-5.4 网页智能体跑分提升 81%
做网页自动化或智能体开发的团队，可以用这 1000 行代码让模型自己写脚本、调试、反思，效果远超传统方法，值得直接拿源码试试。
IT之家原文
5月24日
微软发布Webwright：终端原生Web Agent框架，Odysseys得分60.1%
微软开源了能跑60%的Web Agent框架
5月19日
MARS 系统在 EgoVis 2026 CASTLE 挑战赛中获第二名
多模态推理是 AI 落地的关键瓶颈，MARS 展示了如何整合视频、转录、热成像等异构数据做智能体决策，做多模态 AI 或视频理解的团队值得参考其开源代码。
前沿模型包幻觉率降至5%左右，但跨模型一致幻觉构成新威胁
包幻觉率虽降但跨模型一致幻觉风险被首次量化，做AI安全或供应链防护的团队值得关注这127个危险包名。
5月17日
LLM智能体记忆不可靠：反复重写反而更糟，清华等团队新研究
做智能体系统或记忆管理的开发者，这篇论文戳中了记忆重写的致命缺陷——原始经验比精炼总结更可靠，看完你会重新思考记忆存储策略。
5月16日
MiniMax-M2.7 开源模型性能媲美 GPT-5，推理速度 440+ tokens/s
开源模型首次在性能上追平顶级闭源模型，且推理速度和成本优势巨大，做 AI 应用开发或模型选型的团队值得立即体验。
5月14日
LLM 对高级消息序列图的理解：仅 52% 准确率
做形式化方法或软件建模的开发者会发现，LLM 对 UML 序列图语义的理解远不如预期，依赖 LLM 生成设计文档时需谨慎验证。
5月13日
Interfaze混合架构：专精任务吊打Gemini/Claude/GPT
做 OCR、视觉或音频处理的团队，终于有了一个又准又快又便宜的替代方案——Interfaze 用混合架构把通用大模型的痛点解决了，建议直接看博客跑一下自己的用例。
