搜索
今天，外网被这个视频刷屏了。有人用Fable 5.5一键生成了一部「人类数万年进化史」，把整个人类历史压缩进了3分钟。整个过程，都是用纯代码写出，零视频素材，零版权音乐，没有使用任何视频生成模型。
VA-Bench测试12个主要多模态模型发现，Qwen3.8-max、Opus-5和GPT-5.6-sol虽在目标识别与定位上达100%、操作语义理解达99.6%—100%，完整任务成功率却仅为53.93%、52.86%和51.55%，暴露大模型从空间理解到执行与修正的断层。
大模型竞技场Arena让Claude Opus 5.5与GPT-6 Astra各自练棋200局，前者估算评分从约1500升至1760，后者从第29盘的1810降至1400，显示AI仅靠记录与复盘提升能力的表现并不一致。
来自上海创智学院、复旦大学、伦敦国王学院与牛津大学等机构的研究团队推出SocioVerse2，将大模型社会模拟扩展为可干预、可迭代、可回溯的开源社会科学研究框架。
AMD以约82亿美元股票收购李飞飞创办的World Labs后，作者认为交易更看重人才与模型理解而非成熟产品，并批评世界模型标签滥用及AI圈压制对低质产品的批评。
OpenAI在开发者日后因GPT-6.1 Sol实际体验不及预期、使用额度收紧等问题遭遇用户信任危机，Tibo承诺未来将进行连续28天发布或重置，并将简化产品、提高效率作为核心方向，以兑现此前过度宣传的承诺。
2016 年 3 月，首尔四季酒店。人机大战第二局进行到中途，AlphaGo 把一颗黑子落在了第五线上。现场解说一时语塞，有人怀疑程序出了 bug，因为在职业棋手的常识里，这手棋近乎于白送。
Geoffrey Hinton联合Yoshua Bengio、OpenAI首席科学家Jakub Pachocki、Anthropic联合创始人Jack Clark等20多位AI研究者发布剑桥CASP报告，指出AI已深度参与自身研发，Anthropic内部AI生成代码占比已超80%，警告递归自我改进可能引发技术进步突然加速的「智能爆炸」。
作者测试了豆包、元宝、千问、小红书点点、美团问小团、Claude及Meta的Muse等多款AI工具在制作福建七日国庆旅游攻略中的表现，发现当前通用AI助手和热门的Personal Agent虽能快速生成看似完整的行程，却普遍缺乏对用户个性化偏好的深度理解、长期记忆和多源信息整合能力，无法真正像人一样做出可执行的旅游攻略。
TypeSafe AI推出的Jev模型因直接输出决策与概率火爆出圈，其技术思路与NeurIPS 2025入选论文ConfTuner高度一致，后者通过Tokenized Brier Score直接训练候选置信度概率分布以实现概率校准。