有点子了，就去执行……
JetBrains推Mellum2.1：12B MoE开源模型瞄准编码智能体
JetBrains刚更的Mellum2.1，把SWE-bench Verified的分数从2.0拉到了47.0——这个提升幅度够让做代码大模型的人眼前一亮。升级的门道：几乎全靠真实代码环境的RL...
Oracle靠ChatGPT和Codex 把数天工作压缩至几分钟
Oracle在招聘、工程、运营三大核心业务领域，已经把原本需要数天完成的专业工作，靠两款AI工具压缩到了几分钟。三大板块全落地，覆盖多类专业工作不是某一个团队的试点，是全公司级的应用。招聘里的岗...
量子代码自动迁移：13个基准的实测与启示
把13个量子编程基准从Qiskit换到CUDA-Q，三个大模型各有优劣：有的能省96%的算力消耗，有的得反复催才不踩坑——这是arXiv上一篇quant-ph分类的案例研究，讲的是量子代码自动迁...
Agentic BBO新基准出炉：LLM优化能力大比拼
为什么要做这个统一基准？之前研究Agentic BBO的各家，选的任务领域不一样，系统配置也不统一，导致结果没法横向比，连哪个设计选择真正起作用都分不清——说白了就是各说各的好，没个准谱。黑盒优...
Claude Haiku 5.5：降本七成后，操作暴涨编程仍有差
Anthropic刚推的Claude Haiku 5.5，两个核心数字先记牢：OSWorld 2.1评测成绩从上代的15.7%跳至72.4%，平均运行成本直接砍了75%。但有个容易忽略的点：复杂...
BATok：适配预算的电磁频谱信号分词新方案
现在做电磁频谱监测的，没人再满足于只做特定信号的识别或检测了——要灵活分析不同场景的信号。但卡在一个核心问题：怎么把原始I/Q信号转成大模型能懂的token，同时不超“预算”。原来的信号分词有两...
谷歌上线一站式Gemini工作代理，打通全场景办公应用
周四谷歌在Gemini at Work活动上，宣布上线一款通用Gemini AI代理。这不是那种只能在单应用里帮你改文档的小工具，是能在后台跨应用、跨设备干活的。一个界面，搞定跨场景任务它会整合...
Pollo AI用OpenAI模型把创意转成营销素材
Pollo AI现在用上了OpenAI的三款模型——GPT-5.6、GPT-6 Astra、GPT-Image-2.5，帮创作者把创意变成落地的营销素材。做的事很明确它的服务对象是创作者，核心是...
Architect’s Real-Time Auction for LLM Inference
The first 500 users of Architect’s new LLM inference tool get $20 free credit. That’s one small p...
NVIDIA新训练法让多轮AI智能体挽回7成关键错误
多轮AI智能体做复杂任务时，59%的失败案例里藏着一个关键错误——它要么拉长了完成任务的最短路径，要么让任务彻底没法做。过去的训练方法能从这些错误里挽回的概率只有20.3%。什么是多轮智能体的关...