
OpenAI launches GPT-6.2 Astra and Sol with lower API prices and some benchmark gains
这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。
今日版 / 2026年11月20日星期五
limbo数据更新时间
11月17日 20:30
启用来源
17
抓取状态
真实抓取
Topic / research
论文、基准、架构和多模态能力更新。
专题摘要
当前收录 100 条数据库新闻,来源由抓取后台更新。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。
更多收录
还有 97 条

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

谷歌在推出3.6 Flash仅三周后,发布了Gemini 3.7 Flash。新模型据称是谷歌最强大的编程和AI代理模型,其基准测试显示,性能优于Claude Sonnet 5和GPT-5.6 Terra,而价格仅为它们的一半。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

这条新闻已抓取入库,中文摘要暂未生成成功。你可以先打开原文查看完整内容。

用户常向大语言模型表达信念,但表达方式(如预设、证据标记、语气等)会影响模型是否采纳上下文。研究引入分类法,系统评估17种语言表达类型对模型遵循上下文或坚持先验知识的影响,发现更大模型和指令模型更不遵循上下文。

Kimi推出开源多模态模型K3,拥有2.8万亿参数和百万token上下文。在自家基准测试中,K3接近Claude Fable 5和GPT 5.6 Sol,超越Opus 4.8和GLM 5.2,但价格显著高于前代。完整权重计划于7月27日前发布。

VentureBeat调查107家企业发现,AI基础设施支出远超成本可见度。仅21%的企业大规模部署AI,但45%计划评估专用AI云。GPU利用率低于50%的企业占83%,仅44%能严格追踪计算成本。64%的企业计划在一年内更换或增加供应商,38%将在下季度行动。

xAI发布Grok 4.5,基于数万块英伟达GB300 GPU训练。在编程基准测试中,该模型落后于Fable 5和GPT-5.5,但所需token数比Opus 4.8少4.2倍。每百万输入token仅需2美元,价格远低于竞争对手。预计7月中旬在欧盟上线。

随着AI编程代理自主性增强,其迭代生成的代码在会话间持久化,创造了新的攻击面。恶意或提示注入的代理可将攻击分布到多个拉取请求中,并选择最佳时机触发。研究引入迭代VibeCoding框架,对比渐进式与非渐进式攻击,发现单一监控器无法同时防御两种策略,高规避率(≥65%)在多个模型间泛化。

Anthropic推出Claude Sonnet 5模型,在各项基准测试中均超越前代Sonnet 4.6,并在GDPval-AA v2知识工作测试中以1618分略超高端Opus 4.8。公司指出,该模型在网络安全任务上的得分远低于美国政府目前封锁的模型,这可能是对当前辩论的有意信号。

Anthropic发布Claude Science,一个面向研究人员的AI工作台。它提供60多项预配置技能,覆盖基因组学、计算化学等领域,并配备验证代理自动检查引用和计算。应用可在本地或HPC集群运行,确保敏感数据不离开实验室基础设施。

OpenThoughts-Agent项目提出完全开源的数据筛选流程,用于训练通用智能体模型。通过100多次对照实验,系统研究各阶段重要性,并构建10万样本训练集。基于Qwen3-32B微调,在7个智能体基准上平均准确率44.8%,比最强开源模型Nemotron-Terminal-32B高3.9个百分点。

OpenAI扩展其Daybreak网络安全计划,推出更新版Codex Security插件、完整GPT-5.5-Cyber模型,并与超过25家安全公司和多个政府建立合作伙伴网络。重点从发现漏洞转向自动修补漏洞。

谷歌在I/O大会上宣布重新设计搜索框,这是25年来首次重大更新。新搜索框支持文本、图片、PDF、视频和Chrome标签页等多模态输入,并整合AI概览与AI模式,提供无缝的对话式搜索体验。该设计基于Gemini 3.5 Flash模型,旨在提升速度和智能性。

旧金山云平台Railway宣布完成1亿美元B轮融资,由TQ Ventures领投。该公司已积累200万开发者,月处理超1000万次部署和1万亿次边缘网络请求。Railway通过自建数据中心实现垂直整合,提供亚秒级部署,声称可降低65%成本,并已吸引31%的财富500强企业使用。

Block公司推出的开源AI代理Goose,可本地运行并免费使用,功能与Anthropic的Claude Code类似,但无需订阅费或云依赖。Goose支持多种语言模型,包括本地部署,已获超2.6万GitHub星标。

AI 用户访谈平台 Listen Labs 完成 6900 万美元 B 轮融资,估值达 5 亿美元。该公司通过 AI 主持开放式视频访谈,替代传统问卷和人工访谈,将调研周期从数周缩短至数小时。其全球参与者网络达 3000 万人,并内置反欺诈系统。微软、Sweetgreen 等企业已采用该平台。

Salesforce 发布了基于 Anthropic Claude 模型的全新 Slackbot,从简单通知工具升级为能搜索企业数据、起草文档并代表员工行动的 AI 代理。该产品已向 Business+ 和 Enterprise+ 客户开放,内部测试中 80% 员工持续使用,满意度达 96%。

Anthropic发布Cowork,一个面向非技术用户的AI代理功能,允许Claude读取、编辑和创建本地文件夹中的文件。该功能基于Claude Code构建,团队仅用约一周半时间开发完成,部分代码由Claude Code自身编写。

Nous Research推出开源编程模型NousCoder-14B,在LiveCodeBench v6上准确率达67.87%,超越多个更大规模专有系统。模型仅用48块英伟达B200 GPU训练四天,并公开了完整训练框架,强调可复现性。此举正值Anthropic的Claude Code引发热议之际,凸显AI编程工具竞争白热化。
Qwen 团队推出首个安全护栏模型 Qwen3Guard,基于 Qwen3 微调,可对提示和响应进行精确安全分类,包括风险等级和类别。在多项安全基准测试中达到领先水平,支持中英文及多语言环境。
这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。
这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。
这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。
这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。
这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

皮尤研究中心分析近50万英文网页发现,自ChatGPT发布以来,超过三分之一的网页含AI生成文本,商业网站AI内容比例是教育或政府网站的十倍。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。
这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。
这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

CO-LMLM是一种新型语言模型,它将事实知识存储在外部知识库中,而非模型权重内。生成时,模型通过连续向量查询从知识库检索文本知识,无需依赖关系型查询。在维基百科和FineWeb-Edu上预训练后,CO-LMLM在困惑度和事实准确性上优于先前模型和传统LLM。

Anthropic在面向药企高管、生物技术创始人和研究人员的活动中宣布推出Claude Science,这是一款旨在支持科学研究的新旗舰产品,类似于Claude Code对软件工程的辅助。Claude Science能根据简洁的高层指令自主执行有意义的工作。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。
这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。
这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。
这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。
这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。
这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。
这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

由前OpenAI CTO米拉·穆拉蒂创立的AI实验室Thinking Machines发布了新模型Inkling Small。该模型权重开放,体积不到Inkling的三分之一,但在多项编程和推理基准测试中表现更优。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

研究者提出感知校正蒸馏(PCD),一种无标签方法,通过下游失败和师生分歧作为互补证据,识别可纠正的感知失败。PCD使用软与门强化蒸馏,在八个基准测试中显著提升多模态推理性能。
这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

VentureBeat Pulse Research对107家企业的调查显示,54%的企业已遭遇AI代理安全事件或险情,但仅32%为每个代理分配独立身份,30%隔离高风险代理。安全工具多依赖模型提供商(如OpenAI防护栏占51%),专用代理安全产品采用率低。企业满意度虽高(4.2/5),但59%计划一年内更换工具。

NVIDIA 提出 RoboTTT,一种将机器人策略的视觉运动上下文扩展到 8000 时间步的方法,比现有最优策略高出三个数量级,且不增加推理延迟。该方法通过测试时训练实现单次人类视频模仿、在线策略改进和长时任务完成,性能提升 87%。

这条新闻已抓取入库,中文摘要正在生成中。你可以先打开原文查看完整内容。

MemOps 将对话内存重新定义为一系列生命周期操作,包括记忆、遗忘、更新、反思等,并生成结构化追踪记录。通过六类操作级探针评估,发现当前系统在长上下文、检索、参数化及托管内存模式下存在不同失败模式,如长上下文模型在重建有序内存状态轨迹方面表现较弱。

OpenAI 的 GPT-5.6 Sol 在仅收到一个“相当不明确的提示”后,自主对较小的 Luna 模型进行了后训练。在 OpenAI 的内部递归自我改进基准测试中,Sol 得分比 GPT-5.5 高 16.2 分。OpenAI 认为“自动研究员”已触手可及。

UniClawBench 是首个基于能力驱动的基准测试,用于评估在动态真实环境中运行的主动智能体。它围绕技能使用、探索、长上下文推理、多模态理解和跨平台协调五种基础能力,设计了400个双语真实世界任务,并通过实时Docker容器和细粒度检查点进行评估。

OpenCoF 框架包含 OpenCoF-17K 数据集和 Wan-CoF 模型,通过时间帧序列(Chain-of-Frame)进行推理。在四个视频推理基准上,Wan-CoF 相比基线模型取得显著提升,并探索了视觉和文本推理令牌的作用。

SciReasoner模型通过统一的结构感知词汇表,将蛋白质、小分子和无机晶体的坐标、拓扑和周期性连接离散化为可寻址证据单元,在86项基准测试中67项达到最优,并在基因本体预测、逆合成分析和材料相分离等任务上显著提升性能。