Claw-Anything：评估始终在线个人助手的基准测试
这个基准测试揭示了当前 AI 代理在理解用户完整数字生活方面的巨大短板，做个人助手或智能体开发的团队值得关注——它直接指出了现有系统为何不够智能，并提供了改进方向。
全部动态
AI 相关资讯全量信息流 · 1222 条
5月26日
OpenAI GPT-5.6 曝下月发布：150 万 tokens 上下文窗口
150 万 tokens 上下文窗口让处理超长合同、分析大型代码仓库成为可能，做文档密集型工作或复杂编程的开发者值得关注，可以直接用上更强大的长文本能力。
微软 SkillOpt：将技能文档视为可训练外部状态，冻结智能体性能提升 23.5 点
做智能体开发的工程师别再手写技能文档了——SkillOpt 证明自动优化技能文件能带来显著性能提升，且零推理开销，值得在你的 Agent 工作流中尝试。
5月25日
阿里发布 Qwen-3.7-Max，性能强且成本远低于 GPT-5.5 和 Opus 4.7
Qwen-3.7-Max 以极低成本提供接近顶级模型的性能，做 AI 应用开发或智能体集成的团队可以大幅降低推理开销，值得立刻上手试试。
SkillOpt：首个系统可控的智能体技能文本空间优化器
SkillOpt 解决了智能体技能无法像深度学习权重那样可靠优化的问题，做智能体开发或技能自动生成的团队可以直接用这套方法替代手工调参，效果显著且部署零开销。
5月24日
Deepseek 永久降价 75%，输出价格比 GPT-5.5 低 34 倍
做智能体或高 token 消耗应用的开发者，Deepseek 这个永久降价直接拉低了推理成本，比 GPT-5.5 便宜几十倍，值得立刻评估迁移。
5月23日
Deepseek V4 Pro vs GPT-5.5 游戏开发对决：便宜4.3倍但质量落后
想用 AI 做游戏开发的团队，这个对比直接告诉你：省钱不一定省心——Deepseek 便宜但质量差一截，GPT-5.5 贵但成品更靠谱，建议根据预算和品质要求选模型。
5月22日
Qwen-3.7-max 在智能体任务中击败 GPT-5.5 和 Opus 4.7，成本低 9 倍
做智能体开发或自动化任务的团队，可以拿 Qwen-3.7-max 替代高价闭源模型，成本直降 9 倍效果反而更好，值得立刻跑个 benchmark 验证。
Qwen 3.7-Max 在智能体任务中击败 Opus 4.7 和 GPT-5.5
Qwen 3.7-Max 在智能体任务中成本仅为 Claude 的1/9、GPT 的1/2，性能提升却翻倍，做 AI 智能体开发的团队值得关注这个性价比之选。
OpenAI 新推理模型推翻 80 年几何猜想，AI 首次自主攻克数学难题
AI 首次自主攻克数学核心难题，对数学、物理等领域的科研人员是重大信号——AI 已能发现人类未曾想到的解法，做基础研究的团队值得关注。
Cursor Composer 2.5 发布：低成本高性能编程代理，成本仅为竞品1/60
Cursor 用 1/60 的成本实现了接近顶级模型的编程代理性能，做自动化开发或频繁使用 AI 编程的团队可以直接省下大笔费用，建议试试 Fast 模式感受响应速度。
GPT-5.2 同行评审达专家水平：45 位科学家 469 小时评估 82 篇论文
科研人员和学术编辑终于有了高效的评审助手——GPT-5.2 的评审质量已接近 Nature 顶级评审员，做论文审稿或投稿的团队值得关注这项进展。
5月21日
QuestBench：学生构建基准测试，揭示AI深层研究系统隐藏缺陷
想让学生真正理解AI局限性的教育者，可以用QuestBench的方法把课堂变成AI测试场——学生自己设计问题来考AI，比单纯教提示词更有深度。
产品08:00
Emergence AI 用不同模型建五座虚拟小镇，Claude 零犯罪，Gemini 小镇烧起来了这个实验直观展示了不同 AI 模型在模拟社会中的行为差异，做多智能体系统或社会模拟研究的团队值得一看——Claude 的零犯罪和 Gemini 的纵火自毁对比太有冲击力了。
OpenAI IMO金牌模型身份成谜，GPT-5.5 Pro Extended能否追上？
OpenAI的IMO金牌模型至今未公开，这背后可能隐藏着模型能力的真实上限。关注推理模型和数学能力的开发者，值得思考GPT-5.5 Pro Extended是否已填补这一空白。
5月20日
谷歌发布 Gemini 3.5 Flash：输出速度 4 倍于 GPT-5.5
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。
IT之家原文
5月19日
A-ProS：多模型反馈实现可靠自主编程
竞争编程开发者终于有了一个能可靠迭代的 AI 助手——A-ProS 通过多模型反馈将 GPT-5 的初始通过率提升 2 倍以上，做算法竞赛或自动化代码生成的团队可以直接参考其架构设计。
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。
Mythos漏洞复现基准测试：GPT-5.5仅5/18成功
这个实验戳破了AI漏洞发现能力的泡沫——即使给定了目标文件，顶级模型复现已知漏洞的成功率也极低。做AI安全评估或漏洞研究的团队，看完会重新审视benchmark的可靠性。
Raven 3.5 专精客服，小模型击败 GPT-5 和 Claude Sonnet
客服团队和语音 AI 开发者可以亲眼看到：小模型专精化路线在延迟和效果上碾压通用大模型，PolyAI 的新工具让 10 分钟部署语音代理成为现实，值得立即关注。
5月18日
Hermes 模型配置指南：国内外主流模型接入方法
Hermes 用户终于有了清晰的模型配置清单，覆盖 OpenAI、xAI、谷歌、DeepSeek、智谱、Kimi、小米等主流模型，做多模型切换的开发者可以直接按指令配置，省去摸索时间。
5月17日
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。
