TensorTonic:评测必须考量模型与配套系统的组合效果
作者指出评测智能体时,必须考虑配套系统(工具、提示词、运行框架)的影响,同一模型在不同框架下成绩可能相差悬殊。
首页已经看过的不重复列。下面从更早的内容继续,可以一直往下滚。
作者指出评测智能体时,必须考虑配套系统(工具、提示词、运行框架)的影响,同一模型在不同框架下成绩可能相差悬殊。
豆包工作宣布独家上线「工作台」功能,为专业工作场景提供预配置技能和工具的 AI 工作空间,首批覆盖金融、医疗、教育等 21 个场景。金融投研工作台提供公告解读、业绩分析等任务入口,可通过插件链接万得、同花顺、国泰海通等数据服务;用户还可自建并分享个人专属工作台。
斯坦福开放 CS329Z《Engineering AI Agents》课程,提供免费课程资料和低成本 API 额度,让学生可亲手搭建类似 Claude Code 的编程 Agent。
中国与东盟宣布将 2027 年定为人工智能合作年,中国-东盟自贸区 3.0 版升级议定书将于 2026 年 12 月 1 日生效。
清华大学团队提出 SkillMaster 框架,训练智能体自主创建、更新和保留技能,使技能进化与任务执行共同学习,显著提升 ALFWorld、WebShop 和 SearchQA 上的任务性能。
NovaSilicon 提出 CDK 概念,通过自研 Agent 系统在模拟版图和 floorplan 任务中分别超越 GPT-6 Astra 0.8154 分和 57.97 分,展示了 AI 驱动的芯片设计新范式。
国家统计局新闻发言人王冠华在国新办发布会上表示,人工智能快速发展带动部分装备行业价格上行。10 月份电气机械和器材制造业、计算机通信和其他电子设备制造业价格环比均上涨 0.1%,同比分别上涨 6.2% 和 5.9%,两行业合计影响 PPI 同比上涨约 1.18 个百分点。
9 所高校联合发布 126 页综述,系统定义并评估持续在线个人智能体,从感知、记忆、行动闭环到自演化能力,提出 L0-L5 六级标准并诊断现有系统瓶颈。
CMU 研究表明 Opus 5.5 配合 Claude Code 在 6 项 AI 基础设施构建任务中超越人类基线,奇点指数达 1.25,证明超级智能已具备递归自我改进的能力。
Qwen 转发 ValsAI 榜单:Qwen 4 Max 登上 Vals Index 第11名(63.20% 准确率、$9.33/test、1h 4m 39s 延迟),是榜单上排名最高的中国模型。相比 Qwen 3.8 Max 0902 能力整体明显提升,其中编码和金融任务改进尤为显著。
通义千问宣布发布 Qwen4 Max,据 Artificial Analysis 数据,其 Intelligence Index 得分 43,较 Qwen3.8 Max(xhigh)高 9 分,落后 Kimi K3.1 Pro 3 分。
微软推出 TokenEconomizer 工具,通过 Micro-skills、Tool Pruning 和 Failure-loop Intervention 三种机制,使 Claude Code 等 Agent 任务成本降低 18.4%-30.9%。
分享在 Agent 全局记忆中添加的 Git 提交规范提示词,提升代码变更的可追溯性与上下文质量。
作者解析近期流行的 AI 生成纯HTML 3D游戏为何能压到极小:一个1.4M游戏demo中约700KB是打包的 Three.js,其余靠程序化生成,贴图、音效全部由代码现场合成,没有图片、模型或录音文件,浏览器通过 WebGL/WebGPU 调用显卡实时渲染。
Qwen4-Max 已在 @OpenRouter 上线——去用它开发吧。🙌
千问 AI 平台首发 Qwen4-Max: 以 Token 用量减半、得分升近28% 切入开发者市场 · · Nov 16, 2026 32.3k 阿里巴巴11月16日正式发布全新一代基座大模型 Qwen4,千问 AI 平台首发上线 Qwen4-Max,API 服务与 Token Plan 同步开放。
文章总结了 Anthropic 发布的 Agent 自动化最佳实践,强调构建高效 Agent 需关注闭环设计、书签机制、投递确认、记忆分权和边界护栏等关键要素。
因黄仁勋突然离任 英伟达机器人学习工程师戴士钦宣布离职 · · Nov 16, 2026 32.3k 英伟达机器人学习工程师戴士钦(Darrell Dai)近日宣布将离开公司。他表示,黄仁勋的突然离职是其决定的关键原因,并坦言“黄仁勋离职让我格外失望”。 戴士钦称,黄仁勋远不止是CEO。
Qwen4-Max 在 Image-to-WebDev Arena 以 1674 分(初步成绩)位列第 6,较 Qwen3.8-Max 的 1639 分提升 35 分。其排名高于第 7 的 Claude Opus 5 (Max)(1664)和第 8 的 GPT-6 Sol (Max)(1657)。
英伟达官方在 11 月 12 日确认的只有黄仁勋辞职、克雷斯临时接任与董事会遴选程序,「回归」目前只存在于《金融时报》等媒体报道、请愿签名和个人表态里,候选人层面官方仅回应过一次「尚未接触任何潜在候选人」。对依赖英伟达的企业,唯一可按表核对的官方节点是北京时间 11 月 18 日凌晨的财报电话会。
Grok @Bot 几乎什么都能做
作者提出基于任务难度动态选择模型,结合 Prompt 缓存与 Session 检索优化 AI Agent 的 Token 消耗与上下文管理
Artificial Analysis 评测阿里巴巴新发布的 Qwen4 Max:在 Intelligence Index 上以 xhigh 推理档得 43 分。
Qwen4-Max 在 Agent Arena 以 +7.5% 净提升超过 Qwen3.8-Max,总体排名从 #39 升至 #14,是榜单第一名中国模型,使阿里巴巴成为第一中国实验室、全球第五实验室,仅次于 Anthropic、Google、OpenAI 和 Meta。
OpenRouter 公布 Qwen4 Max 的定价,输入 $1.50/M、输出 $4.50/M,较 Qwen3.8 Max 的 $2/$6 有所下降,缓存命中 $0.075/M,上下文 1M。
千问(Qwen)的 Qwen4 Max 现已在 OpenRouter 上线,是 Qwen4 系列的首款模型,面向编码、办公工作与长程智能体任务构建。
不调用图像模型,Claude Fable5.2用70万次笔触画出一辆购物车 · · Nov 16, 2026 Anthropic 当地时间11月9日发布 Claude Fable5.2与 Mythos5.2。该公司无传统文生图模型,Fable5.2却能以代码在虚拟画布上模拟画笔逐笔作画,还原笔刷纹理、颜料湿度与画布质感并可修正错误。
Arena 宣布 Qwen4-Max 进入 Arena,并发布 Peter Gostev 的实测视频,在 3D 场景、游戏、创意提示词、网站设计和交互讲解上与 Opus、GPT、Kimi、Fable 的输出对比,提示词在推文链接中。
千问发布 Qwen4-Max,基于新 MoE 架构,原生视觉并支持 1M token 上下文窗口,官方内部评测显示较 Qwen3.8-Max 可减少约 50% token,定价为输入 $1.5/M、输出 $4.5/M tokens。API 已在 QwenCloud 上线。