最新报告指出，人工智能正迅速迈向其自身研发（R&D）的全流程自动化。在编程、实验执行以及长期任务自主性方面，AI 已取得重大突破。基准测试显示，当前模型不仅能处理复杂的工程和科学工作流程，还能有效管理其他智...

苹果机器学习研究团队提出了一种名为LaDiR（Latent Diffusion Reasoner）的创新推理框架，为大型语言模型（LLM）的文本推理能力带来了显著提升。LaDiR框架的核心在于巧妙地将连续潜在表示的强大表现力与潜在扩散模型...

Mistral AI最新发布了Mistral Medium 3.5模型，这是一款拥有1280亿参数的密集模型（128B dense model），专为驱动远程Vibe代理而设计，能够在云端执行长时间、异步的编码任务，用户可直接从命令行界面（CLI）或Le Ch...

NVIDIA日前发布了名为Nemotron 3 Nano Omni的全新多模态模型，标志着其在长上下文多模态智能领域的重要进展。该模型专为文档、音频和视频分析设计，在MMlongbench-Doc和VoiceBench等多个权威基准测试中均取得了业界...

OpenAI最新发布的GPT-5.5模型系统卡（System Card）揭示了其性能表现与安全评估结果。这份详尽的报告显示，GPT-5.5在多项基准测试中表现出色，尤其在事实性查询、网络搜索和结构化任务执行上，已能与业界顶尖模型Cla...

来自arxiv的最新研究提出了一种名为Vision Banana的通用视觉模型，该模型的核心创新在于将传统的视觉感知任务重新表述为图像生成问题。通过指令微调（instruction-tuning）的图像生成模型，Vision Banana能够在多种...

Qwen团队今日发布了其最新的开源权重模型Qwen3.6-27B，在AI社区引发广泛关注。该模型虽然仅有27B参数（稠密架构），却在智能体编码任务中实现了旗舰级性能。据Qwen团队宣称，Qwen3.6-27B在全部主流编码基准测试中均...

随着人工智能向智能体（Agent）方向演进，传统的大模型推理基准测试正面临根本性变革。智能体工作负载不再是简单的单轮问答，而是包含多轮交互、工具调用等复杂场景。这种变化给推理引擎带来了前所未有的压力，尤其...