全部动态
微软不再遮遮掩掩，直接推自研AI模型和工具来抢OpenAI和Anthropic的客户，格局变了。
OpenAI直接给10万学者送免费GPT-4访问，搞科研的赶紧申请，省下不少算力钱。
FactoryAI的CTO聊了个扎心的现象：你不知道用啥模型时觉得都挺好，一旦知道是前沿模型就开始挑刺。模型战争原来是心理战？
Altman说了几个大实话：GPT-4让他们疯狂囤算力，ChatGPT名字差点不叫这个，还有机器人爆发时间点。
Martha Stewart做的AI管家，帮你管房子维修、保修、保险，还免费，赶紧试试。
这篇论文用数据证明印度语言在LLM中平均被吃掉8倍token，马来语更高达13倍，还分析了原因和修复方向，做多语言应用的朋友值得看看。
Fireworks 上了首个3万亿参数的开放模型 Kimi K3，百万上下文加视觉，推理不输闭源，还零数据保留，上手试试。
Kimi K3 便宜到离谱，$3 输百万 token，推理性能还不输 Claude 和 GPT-4o，想省钱搞推理的可以试试。
Cursor新出的智能体集群让强模型负责规划，弱模型干活，用SQLite重写Rust测试全满分，比旧版靠谱多了。
巴基斯坦法院用JudgeGPT（GPT-4）一年审结量多了6.3%，投1美元赚38~50美元，成本才1300美元，效率提升很实在。
OpenAI分享了Axel Springer、Le Monde等新闻机构用GPT-4做事实核查和内容摘要的真实案例，很直观。
有用户说GPT-5.6干活更利索比之前版本强一大截，但Codex还不够好，来看看他的体验。
微软在偷偷试 Kimi K3，一旦切换每年能省40多亿，比用OpenAI便宜不少。
想做可靠的科学生成？SFC框架让模型一边写一边用共形预测校验事实，结果比DeepSeek和GPT-4都准，还能少犯73%的科学错误。
这篇论文把LLM当推理引擎，把知识存进显式数据库DaoQL，反事实推理比GPT-4o单独强49个百分点，适合做高精度场景的参考。
聚合商可能偷偷换模型，你输入一个随机数，看它回答哪个数字就能认出是谁，实测GPT-4o、Claude、Qwen各有偏好。
LiveKit 用 Gemma 4 31B 做实时语音，延迟比 GPT-4.1 低5倍，成本仅六分之一，酒店测试胜出，值得试试。
想了解提示语言怎么影响代码生成质量？这篇实测了GPT-4o mini、DeepSeek和Claude在多种语言下的表现，结果英文不一定最好。
博主分析了Llama 4和Grok 4为什么翻车，以及OpenAI的Orion/GPT-4.5怎么稳住了局面，值得一看。
Mozilla报告用数据告诉你开源模型有多猛：DeepSeek V4 Flash月用量18.4T Tokens碾压闭源，价格还暴跌50倍。
这篇论文解决了AI agent过度读取文件的问题，E3方法能自动判断任务简单就少干活，在MSE-Bench上省了85%成本，效果很实在。
DeepSeek-Coder-V2免费开源，性能还超过了GPT-4o和Claude，写代码直接省钱了。
他们用GPT-4.1-mini和GPT-4.1做两个不同任务，靠置信度校准和数值推理拿了QANTA 2026最高分0.402，不是靠堆模型而是靠策略。
DeepMind研究告诉你：别偷懒只用同一个模型的监控，换个不同家族的事实检查器，能堵住45%的漏洞。
OpenAI 出了 GPT-5.6，主打网络安全，想看看新模型怎么防黑客的可以点进去。
OpenAI 的 GPT-5.6 Sol 比对手便宜一半还得分最高，搞 AI 的朋友值得看看这个新动向。
OpenAI 正式推出了 GPT-5，Sam Altman 亲自吹捧这是他们最好的模型，快去看看博客里写了什么新能力。
OpenAI自己查了SWE-Bench Pro，发现三成测试题有毛病，所以不认这个榜了。做AI编程的可以看看。
这篇论文把EffiBench、EvalPerf等流行代码性能基准的漏洞全翻出来了——1538个任务里只有6%能真正测出差异。他们搞了个多智能体框架自动生成更刁钻的测试，效果直接翻四倍。