搜索
Adobe Research与UCLA提出Tev，构建含1170个环境、覆盖7个领域的Tev-Gym并提出进度势能奖励塑形（PPRS），训练出的Tev-27B在ALE-CM的Pass@5达0.28，与GPT-6 Astra、Claude Opus 5持平。
港科广新基准UI2App以600张静态截图评测模型推断并实现应用交互的能力，Gemini 3.1 Pro Preview以73.2分获视觉还原第一，但Claude Sonnet 4.6以36.8分居交互推断首位，跨页面状态仍是参评模型共同难点。
Google Deepmind让4个Gemini 4 Argon Agent在随机《我的世界》地图中自主协作27小时，累计阵亡605次、耗费约520美元后击败末影龙，展示其长程任务中的分工、纠错与恢复能力。
科大讯飞发布端云一体基座模型讯飞星火X2.6和语音基座模型SparkAudio 1.0，星火X2.6基于全国产算力训练，云端293-A30B支持百万token上下文，输入缓存未命中及输出价格低于DeepSeek-V4.1-Flash-1017，端侧X2.6-4B已开源。
独立开发者借助Claude约4小时做出网页游戏1 in 8 Billion，支持按172个国家和地区的统计数据随机投胎并模拟一生，随后在韩国和日本社交平台传播。
达瓦科技凭借实时世界模型产品Scenes AI拿下NVIDIA半程展示卓越企业奖，其34B模型在单张NVIDIA GeForce RTX消费级显卡上实现720P、25帧实时输出。
用户借助 Claude Code 制作开源项目 TV Detox，在逐项确认后关闭 Android 电视广告和预装应用；OpenAI 评测显示 GPT-6.1 Sol 迁移 COBOL 的隐藏测试准确率最高达 97.9%，但真实银行系统仍需专家审查。
这一周的AI视频圈，简直是神仙打架。
EinsiaAI旗下Navers Lab发布Quant Arena，将6家厂商的9个模型置于A股历史数据中评测，4个代表策略盈利、5个亏损，最佳GPT-6 Astra年化收益10.7%仍低于17.1%的市场基准。
美团AI也在加码中。