搜索“搜索”

.7%（用 Claude-Code harness），高于 GPT-6 Astra 58.2%，略低于 Claude Opus 5.5 的 66.4%。 · Kimi Code Bench 3.0 Long-horizon（内部）：61.2%，高于 K3 的 55.95%。 · 覆盖修 bug 到整项目构建；Unity / Unreal / Godot + 搜索 + 3D 生成；前端与 Three.js 观感更好。 · 内部案例：基于含 296 骨骼件、402 肌肉的 human-atlas，做人体行走动力学模拟；167 次任务、420 次独立评审后，连续行走约 11.2 秒；奖励塑形无效时，用开环探针查出并修正肩部肌力矩臂 36 处错误后再训练。 3D 与设计 · BenchCAD（多视图渲染 → CAD 代码）：带工具 92.7%，接近 Opus 5.5（96.2%）与 GPT-6 Astra（95.9%）。 · 强项：参数化建模（机械件、建筑、可配置产品、定制家具）；无需 MCP 也可写/跑 Blender、CAD 脚本。 · 产品侧：3D Make 已上线 https://t.

匹配字段正文

3.1 Pro 得分为 61.2%，高于 K3 的 55.95%. 编程 K3.1 Pro 覆盖了完整的编程工作范围，从真实代码库中的快速修复到完整项目构建。它还为游戏和网页体验带来了更考究的视觉风格，并懂得如何用合适的工具来构建它们。 K3.1 Pro 可在各类游戏引擎上高效工作，例如 Unity、Unreal Engine 和 Godot，并将它们与网络搜索和 3D 生成相结合，打造完整的体验。其前端页面、交互式 Three.js 场景和 3D 资产在构图、排版、动画和精致度上表现更为出色。以下示例均由 K3.1 Pro 端到端创建： K3.1 Pro 的长程编程能力也通过大规模强化学习得到增强。 在一项内部测试中，它在 human-atlas，这是一个开源的人体解剖模型，包含296个骨骼组件（含软骨）和402个肌肉组件。在167次任务和420次独立评审中，它分析实验结果、诊断问题，并迭代改进行走控制器，使模拟人从几秒内就瘫倒，进步到能以交替步态连续行走11.2秒。当奖励塑形未能改善手臂运动时，K3.1 Pro并没有一味继续调整奖励：它对模拟器的动力学进行了开环探测，发现并纠正了肩

匹配字段正文

应的车底盘。 创建一个多人夺旗游戏。 Chong-U（X 上的 @chongdashu） 使用 Gemini 4 Argon 构建了“Backyard Rascals”，这是一款多人浏览器游戏，卡通动物在其中竞相夺取对方的旗帜。Argon 能够在复杂工作流中保持深度和精度，这帮助这位创作者打造了一款功能复杂的游戏，让角色可以奔跑、碰撞、互相击打，并在多名玩家实时对战时欢呼。 Gemini 4 Argon 现已通过 API 面向开发者和企业全球开放，可通过 AI Studio 和 Gemini 平台使用，面向 Google AI Ultra 和付费 Pro 订阅用户 在 Google Antigravity中提供，以及面向 Google AI Ultra 和 Pro 订阅用户在 Gemini 应用 以及 搜索中的 AI 模式. 在您的收件箱中获取 Google 的最新消息 订阅我们的新闻通讯，获取产品更新、活动信息、特别优惠等更多内容。 完成。只差一步。 请查看您的收件箱以确认订阅。 您也可以使用 . 订阅。 您的信息将按照 Google 的隐私政策使用。 您可以随时选择退出。 发布于：

匹配字段正文

好的数学模型，”他说，并暗示类似的情况很可能在其他科学领域上演。 “我们希望为开放研究社区提供工具，使他们不必完全依赖某个外部的单一供应商，”他补充道。 研究人员可以在自己的电脑上运行Carbon-X，从而避免与外部AI公司共享敏感的患者数据。他还表示，在更大模型中出现的一些失准行为——例如7月份曾著名地入侵Hugging Face的OpenAI智能体——尚未在更小、更专门的模型中被观察到。 滕斯托尔说，通用聊天机器人有时也会拒绝回答研究人员提出的正当生物学问题，因为它们把这些提问误认为是试图“设计生物武器”。他说，病毒被明确排除在Carbon-X的训练数据之外，以避免该模型被滥用。 Business Insider有游戏！ 在Google中添加BI，这样当您搜索重要内容时，更容易找到我们的报道。 虽然Carbon-X很可能被研究人员使用，但滕斯托尔说，该模型代表着朝着这样一个未来迈出的一小步：AI能够帮助提供更个性化的医疗服务。 “我认为终极目标是，总体而言，就是个性化医疗这一概念，即我们作为个体，能够拿自己的病历、自己的基因组，利用这些最终找到、甚至也许设计自己的治疗方案，”他说。

匹配字段正文

的参数数量是 Mercury 1 的 40 多倍，但运行速度同样快。与小型 Mercury 1 mini 相比，性能也提升了两倍。Inception 认为这表明扩散模型能像标准语言模型一样随着规模扩大而可靠地提升。具体参数数量仍未披露。 Mercury 3 瞄准小延迟会累积的应用场景 Inception 主要将 Mercury 3 定位用于 AI 智能体、搜索、客户支持和辅导。AI 智能体通过许多独立步骤完成任务，并在每一步等待模型。这些小的延迟会迅速累积。 早期访问合作伙伴在公告中分享了他们的结果，其中大多数也关注速度。Octen AI 为智能眼镜构建搜索功能。“在智能眼镜上，一个需要五秒的答案会让人觉得坏了，”创始人邹宽说。他表示，搜索本身只花了约 80 毫秒，语言模型才是瓶颈。使用 Mercury 3 后，中位响应时间为 0.9 秒。整个过程耗时 2.2 秒。 教育公司 General Learning 表示，它现在能在约一秒内向学生提供提示和纠正。客户服务提供商 Lorikeet 报告响应时间更快，结果也更好。在 TinyFish AI，联合创始人张书豪表示，Mercury

匹配字段正文

Rerank 8B BF16，以及拥有6.31亿参数的Nemotron 3.5 Parse。 在NVIDIA发布于Hugging Face的公告中，该公司表示此次发布面向企业智能体工作流，新增了多模态检索、相关性排序和文档处理能力。NVIDIA将检索质量视为影响智能体所生成答案以及任务LLM推理成本的因素，并指出当返回的证据不完整或不相关时，智能体会执行更多搜索、审阅更多文档，在完成任务前消耗额外的推理token。 四种Embed和Rerank变体分别对应不同的部署角色。Nemotron 3.5 Embed 8B BF16定位于面向文本和视觉丰富文档的高质量搜索。1B BF16模型将8B模型的多模态检索能力浓缩到更小的体量中，用于多模态索引和查询服务。1B NVFP4模型对文本编码器和图像编码器均应用NVFP4量化，面向支持硬件上的大规模文档索引和高吞吐检索。Nemotron 3.5 Rerank 8B BF16对查询—文档对进行联合打分，以优化文本和图像候选的相关性排序，为检索增强生成和智能体工作流筛选证据。检索范围涵盖文档文本以及表格、图表、信息图、数据手册和示意图等图像。NVID

匹配字段正文

6氪Auto数字时氪未来消费智能涌现未来城市启动Power on36氪出海36氪研究院潮生TIDE36氪企服点评36氪财经职场bonus36碳后浪研究所暗涌Waves硬氪氪睿研究院媒体品牌 企业号企服点评36Kr研究院36Kr创新咨询企业服务 核心服务城市之窗政府服务 创投发布LP源计划VClubVClub投资机构库投资机构职位推介投资人认证投资人服务 活动搜索项目推荐我要入驻城市合作国模Agent第一，MiniMax爆改Flash战力，全时段大肥鱼谷价量子位·2026年10月20日 20:33兔皮底下，竟然是M3.1 Flash！MiniMax股权融资上海市2021-11人工智能技术研发商36氪报道物联网/硬件智能硬件WISE2025 商业之王 年度AI应用场景突破企业WISE2024年度企业榜单-人工智能我要联系 国庆期间在OpenRouter上横空出世、匿名屠榜的神秘模型Space Bunny（玉兔），马甲终于被扒下来了。 兔皮底下，竟然是MiniMax！ 正式交卷的代号是M3.1 Flash。 而这个正式版的跑分能力，比Space Bunny还要猛一点，尤其是Agent这个技能

匹配字段正文

6氪Auto数字时氪未来消费智能涌现未来城市启动Power on36氪出海36氪研究院潮生TIDE36氪企服点评36氪财经职场bonus36碳后浪研究所暗涌Waves硬氪氪睿研究院媒体品牌 企业号企服点评36Kr研究院36Kr创新咨询企业服务 核心服务城市之窗政府服务 创投发布LP源计划VClubVClub投资机构库投资机构职位推介投资人认证投资人服务 活动搜索项目推荐我要入驻城市合作RSI三块关键拼图，MemT 1.0从模型层补上“记忆”量子位·2026年10月20日 15:28把记忆原生焊进Transformer AI圈，最近集体盯上了三个字母：RSI。 Hinton的RSI论文，22位署名作者里，坐着Bengio、OpenAI首席科学家Pachocki、Anthropic联创Jack Clark……几乎AI的半壁江山都在这儿。 一次改进，如何成为下一次的起点？ 有效的方法需要被保留，走过的弯路也需要被识别，承接这件事的，其实是记忆。 记忆张量在这方面的探索，则给出了一份截然不同的答卷——记忆原生。 何为记忆原生？就是将经验的保留、更新和调用，做成模型可以学习的能力。 当记忆在模型

匹配字段正文

Gemini 4 Argon 是一款前沿模型，已在 Wide-And-Deep-Research（WANDR）基准上刷新了 SoTA。现已在快速搜索和 Computer（智能体）模式下向所有 Perplexity 用户开放。

匹配字段正文

IDIA 表示，Scale AI 已为该模型针对 Skydance 的供应商信贷融资智能体和 EY 的并购尽职调查智能体进行了后训练。 其他应用包括为 Hebbia 进行信贷协议分析、通过 AI21 和 Alice 实现网络安全，以及通过 Mercor 进行编程。Ramp 正在为该模型定制金融文档智能功能，而 Lila Sciences 则将其用于科学发现和搜索。 软件公司也在将 Super VL 集成到其产品中。Atlassian 正在探索跨 Jira 和 Confluence 的智能体搜索，而 CrowdStrike 正在为其定制企业安全运营功能。 Perplexity 正在集成该模型以用于搜索和 AI 智能体任务。 NVIDIA 表示，组织可以根据其安全和数据驻留要求部署 Super VL。该模型包含开放权重、数据集和训练配方。开发者可以通过 NVIDIA NeMo 和基于 Python 的流水线对其进行定制。 Super VL 可通过 Hugging Face、OpenRouter、ModelScope 社区和 NVIDIA NIM 获取。Bolt 74B-A9B 模型也可在

匹配字段正文

6氪Auto数字时氪未来消费智能涌现未来城市启动Power on36氪出海36氪研究院潮生TIDE36氪企服点评36氪财经职场bonus36碳后浪研究所暗涌Waves硬氪氪睿研究院媒体品牌 企业号企服点评36Kr研究院36Kr创新咨询企业服务 核心服务城市之窗政府服务 创投发布LP源计划VClubVClub投资机构库投资机构职位推介投资人认证投资人服务 活动搜索项目推荐我要入驻城市合作刚刚，Mac Studio 迎来小扎最强开源模型，苹果等来了最意外的助攻爱范儿·2026年10月16日 11:50小扎给苹果送来大模型 扎克伯格曾嘲讽苹果，在 iPhone 之后就没发明过什么了不起的东西。如今，他却主动晒出 Meta AI 在 Mac 上工作的照片，感谢苹果和新任 CEO John Ternus 的支持。 让双方走到一起的，是一个拥有 8160 亿参数的大模型，以及把它搬上用户书桌的共同目标。 今天凌晨，Meta 发布开放权重模型 Muse Spark Open，并与苹果共同展示了它在两台或四台 Mac Studio 上运行的方案。开发者可以在本地使用模型编写代码、分析视频、执行智能体任

匹配字段正文

6氪Auto数字时氪未来消费智能涌现未来城市启动Power on36氪出海36氪研究院潮生TIDE36氪企服点评36氪财经职场bonus36碳后浪研究所暗涌Waves硬氪氪睿研究院媒体品牌 企业号企服点评36Kr研究院36Kr创新咨询企业服务 核心服务城市之窗政府服务 创投发布LP源计划VClubVClub投资机构库投资机构职位推介投资人认证投资人服务 活动搜索项目推荐我要入驻城市合作Meta发布美国最强开源大模型36氪的朋友们·2026年10月16日 15:00专为编程和智能体工作打造。 当地时间10月15日，美国科技巨头Meta发布开放权重大模型Muse Spark Open，号称这是迄今能力最强的美国开放权重模型。 据介绍，Muse Spark Open是一个原生多模态模型，总参数为8160亿（激活参数420 亿），上下文窗口为100万Token。它专为编程和智能体工作打造，擅长长时程任务、复杂软件工程和多步推理。 值得注意的是，Muse Spark Open是同类模型中首个可借助最新MLX框架，在两台苹果M5 Ultra Mac Studio上运行的模型。 Meta称，依托最新

匹配字段正文

6氪Auto数字时氪未来消费智能涌现未来城市启动Power on36氪出海36氪研究院潮生TIDE36氪企服点评36氪财经职场bonus36碳后浪研究所暗涌Waves硬氪氪睿研究院媒体品牌 企业号企服点评36Kr研究院36Kr创新咨询企业服务 核心服务城市之窗政府服务 创投发布LP源计划VClubVClub投资机构库投资机构职位推介投资人认证投资人服务 活动搜索项目推荐我要入驻城市合作OpenRouter周榜全球第二，这个国产模型终于开源了智东西·2026年10月16日 10:31在能力、成本、稳定性之间寻找最优解。 在能力、成本、稳定性之间寻找最优解。 智东西10月15日报道，今天，一款刚登上OpenRouter Token全球使用量周榜第二的大模型，开源了！ 阶跃星辰正式开放Step 5 Preview的模型权重，BF16、FP8两个版本同步上线HuggingFace和ModelScope。 Hugging Face： ModelScope： Step 5 Preview采用稀疏MoE架构，总参数量600B、激活参数仅27B，支持100万Token上下文窗口。在Artificial

匹配字段正文

的时候，还能看到两旁的桃花缓缓飘落的动画效果。 Ling-3.1-flash能够将文学文本转化为可运行的3D场景，完成场景搭建、交互设计和动画细节，将创意需求落实为完整项目。 最后，我们让Ling-3.1-flash参考智东西官网，制作手机版新闻App Web原型。 模型获取了13篇真实新闻及配图，按照大模型、智能硬件、机器人、AI基础设施分类，搭建了首页、搜索、文章详情和收藏页面。 页面首页用大图突出头条，下方以图文列表展示资讯，底部提供导航栏。文章页包含标题、署名、发布时间、正文、配图及原文入口，整体排布清晰，适合手机阅读。 实际操作中，分类切换能够更新新闻列表，关键词搜索可以找到对应文章，点击头条或列表即可进入详情页。收藏功能也支持本地保存，刷新页面后仍能查看已收藏的内容。 从新闻获取、内容分类到页面开发，Ling-3.1-flash交付了一个界面美观、功能完整的移动新闻应用原型，体现出将产品需求转化为可运行应用的开发能力。 第三方评测结果也印证了我们在实测中的真实体验。在Design Arena的Open Weights（开放权重模型）分类评测中，模型在数据可视化、React

匹配字段正文

reach email templates?" @@@ 代码和智能体 代码和智能体是 Hy3 preview 提升最为显著的方向。得益于预训练及强化学习框架的重建和强化学习任务规模的提升，我们以较快的速度在 SWE-Bench Verified、Terminal-Bench 2.0 等主流代码智能体基准以及 BrowseComp、WideSearch 等主流搜索智能体基准中取得了强竞争力的结果。 @@@imageGroup imageWidth = 390 aspectRatio = 0.9690644800596347 gap = 16 direction = "row" justify = "space-between" align = "flex-start" wrap = true @@@tabContentCard [[tabs]] label = "小程序开发" name = "VideoList" [tabs.data] footer = "Prompt：请帮我使用微信小程序原生框架开发一个完整、可直接编译运行的徒步路线与旅游计划推荐小程序，请一次性输出包含 app.js

匹配字段正文

\nmodels/changcheng.glb 长城 / Great Wall\nmodels/tulou.glb 福建土楼 / Fujian Tulou\nmodels/mogao.glb 莫高窟 / Mogao Caves\n\ndraco/draco wasm wrapper.js\ndraco/draco decoder.wasm\n\t禁止再次联网搜索、生成或替换建筑模型。\n\t左侧缩略图由对应 GLB 的离屏渲染生成，可缓存为 canvas/data URL。\n\t右侧正面、背面、左侧、右侧视图由同一 GLB 在 0°、180°、−90°、90° 相机角度渲染，不额外依赖图片。\n\t模型加载失败时显示小型靛蓝色重试提示，不允许静默换成占位图。\n三、页面骨架与尺寸\n.app {\n position: fixed;\n inset: 20px;\n display: grid;\n grid-template-rows: 60px minmax(0, 1fr);\n overflow: hidden;\n}\n.main {\n display: grid;\n g

匹配字段正文

适的工具推进工作，并根据中间结果及时修正路径。最终的衡量标准，是模型能否形成可检查、可继续使用的工作成果。 基于这些真实需求，百灵推出 Ling-3.1-flash。 Ling-3.1-flash 拥有约 560B 总参数，每个 Token 激活约 25B 参数；模型上下文窗口上限为 1M，可容纳更长的文档、代码和任务历史。在研发过程中，我们围绕通用智能体、搜索、日常办公和软件研发等任务持续优化，并在医疗、金融和材料科学研究等场景持续提升模型能力。 01 在真实任务中检验模型能力 一项业务任务往往要连续完成多个环节：办公人员需要把分散资料整理成报告和汇报材料；医疗沟通需要从不完整的描述中厘清问题、解释专业信息；软件研发则要进入代码库和终端环境，经过修改与验证才能交付。百灵因此用办公、医疗、软件工程、终端操作等多类任务评测，观察 Ling-3.1-flash 在不同工作流程中的表现。 在办公任务评测 GDPVal-AA V2.1 中，Ling-3.1-flash 展现了处理多步骤工作任务的竞争力，对应资料整合、任务规划和成果交付等需求。 在 HealthBench Professiona

匹配字段正文

于保留这种能力，同时减少不必要的推理并摆脱无成效的循环。我们相信，从任务和环境反馈中学习可以教会模型更高效地推理，同时保持其能力。 对于智能体任务，这种学习贯穿整个交互过程。模型探索可能的行动，纳入新的观察，并随着推进不断改进其推理。反馈将决策与其后果联系起来，鼓励在整个任务中进行有益的反思。 我们将这些洞见带入一个训练集合，涵盖数学、编程、指令遵循、对话、搜索、工具使用和软件工程，既包括独立问题也包括延展交互，以强化对观察和结果的适应。任务反馈引导同策略规划与学习，重点是在这一系列场景中保持能力。 公开基准测试和实时 A/B 测试的结果支持这一方向：在七个基准测试和两家客户的生产流量中，Kimi K3 的推理可缩短 35–50% 而不牺牲准确率。这种内化的行为还体现在失败尝试上克制的 token 使用，减少了冗长、无成效的推理。 专用智能指数：Ember-1 为 Bedside Bench 设定帕累托前沿 本周早些时候，我们推出了专用智能指数（SII），以行业专家创建的真实世界任务来对开源、闭源和专用模型进行基准测试。 我们在 Doximity 的 Bedside Bench 上评估

匹配字段正文

:null,"video preview media key":null,"belowTheFold":true}" class="pencraft pc-display-flex pc-flexDirection-column pc-gap-12 pc-padding-16 pc-reset bg-primary-j62Gac outline-detail-Yl5oYx pc-borderRadius-md sizing-border-box-LGXObM pressable-lg-bfeQpw font-text-a4IB2X tweet-fWkQfo twitter-embed" Riley Walz @rtwlz 我抓取了1亿张儿童画作的照片， 并让它们变得可搜索，这样你就能看到过去 20 年的趋势 walzr.com/kids-trends 下午12:00 · 2026年9月8日 · 884 次查看 3 条回复 · 1 次转发 · 28 个赞 在 X、Linkedin 或 YouTube 上找到我 了解我和 Ben’s Bites 📷 缩略图来自 @keshavatearth

匹配字段正文

位和会计口径；一项真实的金融任务，则可能同时包含信息检索、信源核验、数据计算、逻辑分析和结果交付。 当大模型开始进入真实金融工作流，我们需要回答两个问题： 模型能否处理复杂、连续的金融任务？ 我们又该如何判断它找到的信息是否可靠、计算是否正确、答案是否有据可查？ 今天，我们正式开源面向真实金融工作流的 Ling-3.0-flash-Fin，并同步开放面向金融搜索 Agent 的评测基准 FinFIRST（Financial Information Retrieval, Sourcing and Traceability）。 Ling-3.0-flash-Fin 将金融模型能力开放给更多开发者，使模型能够进入机构自己的数据、工具和业务环境；FinFIRST 则提供一套更贴近真实金融需求的搜索任务、标准与评测方法，用于检验模型能否在得到答案的同时，给出可靠信源、清晰口径和可复核的推导过程。该测评基准由蚂蚁集团构建并开源，中金公司投行团队在构建过程中提供专业支持。 01 Ling-3.0-flash-Fin 开源：从模型可用，走向模型开放 Ling-3.0-flash-Fin（124B A5

匹配字段正文