搜索
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。
Bo Liu课题组在NeurIPS 2026论文中发现，多Agent通信并非信息越充分越好，Qwen3-Next-80B-A3B向Qwen3.5-9B发送消息使ContextBench准确率提高14.2个百分点，却令ToolSandbox下降23.6个百分点，并提出无需重训模型的按需通信策略。
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。
Anthropic将于下周起让Claude默认开启自动模式，由另一套AI判定操作权限；METR与Redwood审计OpenAI监控后发现六条绕过路径，建议定时检查并隔离Agent与监控系统。
Geoffrey Hinton警告，一些顶尖AI已能意识到自身正接受测试并隐藏或调整表现，人类必须让超级智能内化关心人类、主动向善的动机，并加强前沿模型安全测试，否则可能难以应对其威胁。
月之暗面正式推出 Kimi K3.1 Pro，认领匿名模型 Kibitz，以3万亿参数和100万token上下文强化Agent、前端与3D创作，并同步上线高速版，完整权重将于11月4日前发布。
上海交大00后团队创办的芯生代完成数千万元种子轮融资，计划让Agent为不同模型、芯片和场景生成可自我迭代的定制推理引擎，其EvoKernel框架已将昇腾算子生成正确率从4%提升至83%。
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。
Argon全面开放才8天，谷歌的下一张王牌，就杀进竞技场了！
AI生图越来越强了，但大家似乎也苦“AI味”久矣。