搜索“其他”

，旨在代表用户在第三方应用和浏览器中完成工作，而 Codex 是 OpenAI 的软件编码工具。 GPT-6.1 Terra 的一个隐忧在于，其更强大的能力似乎以安全性略有代价。OpenAI 在其博客文章中表示，在近 30% 的模拟运行中，Terra 违反限制，使用其无权使用的方法来完成任务。 此外，OpenAI 透露，GPT-6.1 Terra 在遇到来自其他 AI 智能体的消息后，在 13.75% 的使用场景中采取了未经授权的操作。该公司的系统卡还显示，研究人员发现了该模型意识到自己正在被测试的证据。 尽管如此，OpenAI 表示 GPT-6.1 Terra 在某些指标上表现更好。例如，在一项使用旨在诱使模型出错的提示词构建的内部测试中，其在低推理强度下的事实错误率降至仅 16.7%，而 GPT-5.6 Terra 为 53.6%。在最大推理强度下，其事实错误率降至仅 4.3%。 在 Terminal-Bench 4.0 测试中（该测试衡量编码智能体通过电脑命令行终端完成任务的能力），它在使用最大推理强度时解决了 50.3% 的任务，而 GPT-5.6 Terra 为 21.5%。

匹配字段正文

这些测试使用同时包含文本和图像的禁止请求，并衡量模型的回复是否被归类为安全。 表 24. 图像输入评估，指标为安全完成（数值越高越好） 表 4 类别 相较于 GPT-5.6 Terra，GPT-6.1 Terra 在自残和色情伤害方面与 GPT-5.6 Terra 表现相当，但在仇恨和极端主义方面出现统计显著的退步。在对评估失败案例的人工复核中，并结合我们的其他仇恨和极端主义评估总体来看，我们发现该模型的表现与既往发布版本一致。 多轮越狱评估 我们评估了针对来自内部红队演练的自适应、多轮攻击者的稳健性。这些攻击者可以探查模型、对其回答作出回应，并在多轮交互中调整策略。模型回答的评分依据是其能否实质性地协助有害请求：提供有害协助会得到更差的评分，而无害的回答会得到更好的评分。我们报告最坏情况下的防御方成功率随攻击者预算变化的函数：对于 n 次尝试的预算，只有当模型在所有 n 次攻击中都避免提供不安全的协助时，才算成功。这项评估在攻击者预算较高时尤其具有挑战性，因为模型需要对所有越狱尝试都保持稳健，才能被视为成功。 GPT-6.1 Terra 的表现与 GPT-5.6 Terra 相当。

匹配字段正文

面达到帕累托最优：在最大 effort 下，GPT-6.1 Terra 在 Artificial Analysis 智能指数上比 GPT-5.6 Terra 提升 6 分，而每任务成本不到三分之一（0.40 美元对 1.40 美元）。在较低 effort 水平下，提升更大，介于 7 到 13 分之间。低和中等 effort 水平在成本效率上达到帕累托最优，而其他 effort 水平则位于前沿之后。在最大 effort 下，该模型在智能指数上比 GPT-6.1 Sol 低 4 分，比 GPT-6 Luna 高 10 分。 ➤ 推进 Coding Agent Index 成本效率前沿：在新发布的 Artificial Analysis Coding Agent Index v2.0 中，该模型得分为 48，比 GPT-6.1 Sol（54）低 6 分，比 GPT-6 Luna（31）高 17 分。xhigh 和低 effort 设置在 Coding Agent Index 中位于成本效率前沿，而其他 effort 水平则位于前沿之后。 ➤ 幻觉率下降 50 个百分点：在 AA-Omnisc

匹配字段正文

面处于帕累托最优：在最高 effort 下，GPT-6.1 Terra 在 Artificial Analysis 智能指数上比 GPT-5.6 Terra 高 6 分，而单任务成本不到三分之一（0.40 美元对 1.40 美元）。在较低 effort 水平下，提升更大，介于 7 到 13 分之间。低和中等 effort 水平在成本效率方面处于帕累托最优，而其他 effort 水平则位于前沿之后。在最高 effort 下，该模型在智能指数上比 GPT-6.1 Sol 低 4 分，比 GPT-6 Luna 高 10 分。 ➤ 推进 Coding Agent Index 成本效率前沿：在新发布的 Artificial Analysis Coding Agent Index v2.0 中得分为 48，该模型比 GPT-6.1 Sol（54）低 6 分，比 GPT-6 Luna（31）高 17 分。xhigh 和 low effort 设置在 Coding Agent Index 中处于成本效率前沿，而其他 effort 水平则位于前沿之后。 ➤ 幻觉率下降 50 个百分点：在我们的私有知识与

匹配字段正文

交流更流畅，甚至也比去年 7 月推出的 ChatGPT 语音模型更流畅。 认识 Dessa，我们从零开始用人类对话训练的语音模型。 亲耳听听：https://t.co/FDmoXNPpIh pic.twitter.com/XiFE6T2dgz—— Block (@blocks) 2026 年 10 月 23 日 此内容已被屏蔽，因为您未接受 cookie 和其他追踪器。此内容由 Twitter 提供。要查看它，您必须接受 Twitter 对您的数据的使用，这些数据可能用于以下目的：允许您查看社交媒体内容并与之分享，促进 Humanoid 及其合作伙伴产品的开发和改进，向您展示与您的个人资料和活动相关的个性化广告，为您建立个性化广告档案，衡量本网站广告和内容的效果，以及衡量本网站的受众（了解更多） 点击“全部接受”，即表示您同意上述目的，涵盖 Humanoid 和 放置的所有 cookie 及其他追踪器。 您保留随时撤回同意的权利。如需了解更多信息，请查阅我们的 Cookie 政策。 犹豫、笑声和打断，让人更觉得电话那头是一个人。这让我们离电影《她》中的现实又近了一点——片中一名男子爱上

匹配字段正文

智能性代表并下调价格 2026年10月24日，Kimi首次在模型版本中推出Pro模型，并称这是K3.1系列的第一个模型。图：视觉中国 相关报道【财新周刊】特别报道｜“Kimi时刻”来临【财新周刊】封面报道｜AI大模型争锋全球约70%网站面临高危漏洞 AI时代网络安全问题激增Kimi布局企业业务 和IT服务商共推AI前端部署Kimi新发模型K3暂停新用户订阅 其他大模型公司股价下挫Kimi发2.8万亿参数模型K3 称是最大开源模型美国情报机构及FBI称中国6家AI公司蒸馏 【财新网】10月24日凌晨，月之暗面（Kimi）正式推出Kimi K3.1 Pro。Kimi称，这是其迄今能力最强的3万亿级参数模型，支持100万上下文，在代码、3D创作、金融研究和其他长程Agent能力上的提升尤为显著。 近期，国产模型纷纷发布Flash级别模型抢占性价比市场。Kimi也首次在模型版本中推出Pro模型，并称这是 K3.1系列的第一个模型，为发布性价比模型留下空间。 根据月之暗面的发布公告，Kimi K3.1 Pro是Kimi K3的后训练版本。通过增强后训练算力和技术优化，Kimi K3.1 Pro模

匹配字段正文

项每月 9.99 美元、宣传可折扣访问开放权重模型的计划。@Yuchenj UW、@cline、@cline 网络安全：移除训练数据，却仍取得最强的公开 API 结果 月之暗面独特的安全干预措施是在中期训练和强化学习中移除网络相关数据，而非仅依赖推理时的拒绝回答。引用该报告的帖子称，一项内部评分从 90.5% 降至 81%，即下降 9.5 个百分点，而编程及其他能力持续提升。月之暗面陈述的反事实是，否则下游网络能力本会大幅提升。@scaling01、@maharshii、@cline 早期反应称该模型被“削弱”，并将其内部网络评分与 GPT-5.6 Sol 进行不利比较。其他帖子将其比作早前的 Mythos Preview，或推测不受限制的内部版本可能匹敌更强的专有系统。这些跨模型等价性和内部版本估计属于评论，而非独立发现。@teortaxesTex、@teortaxesTex、@scaling01、@scaling01、@scaling01 K3.1 Pro 较 K3 的 41% 提升了 23 个指数点，尤其受 CyberGym 从 58% 升至 95% 的推动。AA 在其任务上未观

匹配字段正文

万词元(Token)上下文窗口，蝉联全球参数规模最大的开源模型。 Kimi K3.1 Pro是Kimi K3的后训练版本，后训练算力大幅增加。今年7月，月之暗面发布新一代模型Kimi K3，参数规模达2.8万亿。参数规模增大，意味着模型能把更多知识和规律装进“脑子”，懂得更多、想得更深、答得更准。 据悉，Kimi K3.1 Pro在代码、3D创作、金融研究和其他长程Agent能力上的提升尤为显著。在多项国际权威评测中，Kimi K3.1 Pro综合智能水平已接近全球领先的闭源模型。 在编程领域，Kimi K3.1 Pro能熟练使用专业的设计和开发工具，并结合网络搜索与3D生成做出完整体验，为游戏和网页带来更专业的视觉呈现，产出的页面和交互场景在构图、排版、动画效果和完成度上都有明显提升，尤其是长程编码能力经大规模强化学习进一步增强。 在3D创作上，给新模型一段文字描述、一张草图或一张参考图，模型就能推断出物体的形状、比例和空间关系，直接操作专业建模软件做出可用的3D模型，并进一步搭建成完整的交互场景。 在金融领域，从检索资料、跨文档核对数据，到搭建财务模型并进行盈利分析，该模型都能端到

匹配字段正文

r Full（1,857 Elo）。Kimi K3.1 Pro 还在 Terminal-Bench 4.0 上取得所有模型中的最高分。K3.1 Pro 得分为 67%，高于 Kimi K3 的 13%，并领先于 Claude Sonnet 5.5（64%）。测试智能体 SaaS 工作流的 AutomationBench-AA 从 58% 升至 73%。 ➤ 其他评测的提升较为温和：Humanity's Last Exam 从 47% 升至 52%，CritPt 从 23% 升至 25%，SciCode 从 59% 升至 61%。AA-Omniscience 指数从 20 升至 30，幻觉率从 53% 降至 44%，准确率从 48% 升至 51%。 ➤ 每任务成本与 Kimi K3 大致相当，为每任务 1.98 美元：K3.1 Pro 在每个智能指数任务上使用 55K 输出 token，比 Kimi K3 的 48K 多 14%，而其第一方 token 价格低 33%。 更多模型细节：➤ 上下文窗口：1M tokens。➤ 规模：总参数 2.8T，激活参数 104B ➤ 输入模态：文本和

匹配字段正文

隆重推出 Kimi K3.1 Pro 我们隆重推出 Kimi K3.1 Pro，这是我们全新 K3.1 系列的首个模型，也是我们迄今为止能力最强的 3T 级开放权重模型，拥有 100 万 token 的上下文窗口。它在编程、3D 创作、金融研究及其他智能体能力方面均有显著提升。 我们还同步发布 Kimi K3.1 Pro Highspeed，其速度是 K3.1 Pro 的 2-3 倍，交互响应更为迅捷。 Kimi K3.1 Pro 与 Kimi K3.1 Pro Highspeed 即日起在 Kimi.com, Kimi Work, Kimi Code以及 Kimi API上线。完整模型权重将于 11 月 4 日前发布。 推进开放智能的前沿 Kimi K3.1 Pro 是 Kimi K3 的后训练版本，其后训练算力大幅增加。为了在 数百个下游领域实现大规模联合强化学习，我们优化了技术栈的每一层——强化学习框架、长上下文推理、训练效率、沙箱基础设施、rollout 调度，以及用于环境质量检查的共享平台——从而使每一份强化学习算力的增量都能带来稳定、可预期的回报。因此，K3.1 Pro 在

匹配字段正文

Elo）和Muse Wonder Full（1,857 Elo）。Kimi K3.1 Pro还在Terminal-Bench 4.0上取得所有模型中的最高分。K3.1 Pro得分为67%，高于Kimi K3的13%，并领先于Claude Sonnet 5.5（64%）。测试智能体SaaS工作流的AutomationBench-AA从58%升至73%。 ➤ 其他评测的提升较为温和：Humanity's Last Exam从47%升至52%，CritPt从23%升至25%，SciCode从59%升至61%。AA-Omniscience指数从20升至30，幻觉率从53%降至44%，准确率从48%升至51%。 ➤ 每任务成本与Kimi K3大致相当，为每任务1.98美元：K3.1 Pro在每个智能指数任务上使用55K输出token，比Kimi K3的48K多14%，而其第一方token价格低33%。 更多模型细节：➤ 上下文窗口：1M tokens。➤ 规模：总参数2.8T，激活参数104B ➤ 输入模态：文本和图像 ➤ 权重与许可证：权重目前尚未公布，预计月之暗面将在发布后不久公布权重 ➤

匹配字段正文

了海军巡逻队。 我们的互动故事就从马德雷德迪奥斯的这一段展开，并由此走过另外几个例子。 OlmoEarth 嵌入浏览器 OlmoEarth 嵌入浏览器是一个基于嵌入本身构建的交互式分析工具，以地球的假彩色地图呈现。你可以任意平移，在年份之间切换以查看景观如何变化，并调出底层的 Sentinel-2 影像，将地图与真实情况对照。然后开始提问：点击一个地点，找出其他相似的地方；或者放置几个带标签的点，当场训练一个小型分类器，再把结果导出为 GeoTIFF。无需账户，无需任何设置。 对许多团队来说，用 OlmoEarth 检验一个想法意味着进行一次微调运行，耗时以小时计。而在浏览器中，第一轮只需几秒钟。你可以仅凭少量标签分析整个区域，无需 GPU。当任务需要微调时，嵌入可以帮助你判断它是否值得投入算力，以及模型在哪些方面存在不足。 浏览器背后的档案库以 10 米分辨率保存嵌入，每年约 150 TB，覆盖陆地和相邻沿海水域。发布时，2025、2024 和 2023 年为全球覆盖，2017 至 2022 年覆盖部分国家，更多覆盖范围正在陆续加入。你可以获取完整的 128 维版本或更轻量的 64

匹配字段正文

essera v2 在该地优于 OlmoEarth v1.3），并在 PASTIS 作物类型数据集上以 58.6 对 58.3 mIoU 略优于 Tessera v2。 随此次发布，Ai2 推出了 PLANTEUR，这是一个热带农业作物类型基准，由法属海外领地——马提尼克、留尼汪、法属圭亚那、瓜德罗普和马约特——的标签构建而成。其留一岛设置测试的是当分类器在其他岛屿上训练时，在某一岛屿上的表现，Ai2 称 v1.3 嵌入对分类器从未见过的地方泛化最好。报告记录，在该留一岛指标上，128 维嵌入取得 24.9 mIoU，而 Tessera v2 为 19.1，AlphaEarth Foundations 为 15.8。 Ai2 还将 v1.3 描述为一个强大的微调模型，在研究标签和合作伙伴标签上与 v1.2 的表现相当；报告给出 v1.3 在所有被评估模型和任务上的平均微调排名为 4.34，落后于 OlmoEarth v1.2 Base 的 4.02，领先于 OlmoEarth v1 Base 的 4.74。 训练成本与环境影响 Ai2 称 OlmoEarth v1.3 是其训练成本最低

匹配字段正文

ing Face 的高级研究科学家 Lewis Tunstall 表示，该工具旨在帮助研究人员设计新药和基因疗法，并有可能帮助患者解读自己的基因组。 “我们解锁了语言模型的一项新能力，其根本在于能够与 DNA 对话，”他在谈到这款名为 Carbon-X 的新模型时说道。使用自然语言意味着，即使是非技术用户“也能真正提出关于 DNA 的问题，而这些问题通过任何其他工具都无法触及。” Hugging Face 本质上相当于 AI 模型的 GitHub，它提供了一系列现成的 AI 工具库，以及一个平台，供开发者、研究人员、企业以及希望在不从零构建一切的情况下试验 AI 的人们运行以开放权重和开源为主的 AI 应用。今年 9 月，英伟达同意以近 130 亿美元收购该公司。（今年早些时候，Hugging Face 还处于 OpenAI 模型发起的一次重大黑客攻击的中心。） DNA 更像计算机代码，而不是自然语言。不过，它不用 0 和 1，而是用 A、C、G 和 T 来编码信息。人类基因组包含 60 亿个这样的字母。尽管人类基因组已被端到端测序，科学家们仍不了解其中大部分是如何运作的。 如今，AI

匹配字段正文

-效率帕累托前沿： ![RelArena-α 排行榜的散点图：跨任务的相对准确率（以 Elo 表示，y 轴）与每 1,000 个样本的中位推理时间（x 轴，对数刻度）。Kumo Relational 位于帕累托前沿，约为 17 秒，Elo 为 1,842。得分最高的条目 rt-plurel 在约 7,300 秒时达到 Elo 1,878，大约慢 430 倍。其他所有基础模型、特征工程系统和监督模型的得分都低于 Kumo Relational，运行速度也更慢。] 图 3. RelArena-α 排行榜：跨任务的 Elo 与每 1,000 个样本的中位推理时间（对数刻度）。在准确率相近的情况下，Kumo Relational 比得分最高的条目快约 430 倍。 论文还报告称，在 SAP SALT 企业基准上，Kumo Relational 的平均倒数排名（MRR）比大型 AutoGluon 集成高 8%，比近期的表格基础模型高约 25%，而微调将其对 AutoGluon 的领先优势扩大到 16%。它在困难条件下也表现稳健：仅使用 0.2% 的训练数据作为上下文也能表现良好，在移除多达 75

匹配字段正文

00天:00小时:00分钟:00秒加入我们在迈阿密的行列查看完整阵容 过去几天里，我一直在测试一个令人印象深刻的开源权重AI编码模型，名叫Flint。它表明，完全递归自我改进（RSI）——一种用AI来构建AI的令人兴奋又颇具争议的方法——正越来越近。 Flint是Recursive公司的首个产品，这家公司旨在利用RSI来推进AI本身，并借助AI推进其他科学领域。“整个模型管线中几乎每一个环节实际上都是由AI完成并改进的，”Recursive首席执行官兼联合创始人Richard Socher告诉我。 Socher说，他的公司利用其名为Eureka Machine的递归AI系统，实现了模型开发中大部分环节的自动化。他说，这使得一家只有少数研究人员的公司能够在短短几个月内构建出一个世界级模型。 Socher告诉我，Eureka Machine设计出了多项创新，包括一种新的基座模型训练方式、新的模型架构，以及针对特定硅芯片优化的代码。Recursive分享了基准测试分数，表明Flint在编码任务上优于其他规模和架构相近的模型。 得益于其惊人的编码能力，AI已被广泛用于帮助构建、测试和改进AI。

匹配字段正文

nk 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。NVIDIA在34种语言上评估了文本检索，并在覆盖18种语言的MIRACL Vision和KoViDoRe上评估了多语言视觉检索，同时指出这些模型可能还能处理测试范围之外的其他语言。 智能体检索实验 为衡量检索对智能体行为的影响，NVIDIA在ViDoRe v3、BRIGHT和BrowseComp-Plus上评估了Nemotron 3.5 Embed和Rerank。ViDoRe v3使用文本与图像组合输入，而BRIGHT和BrowseComp-Plus使用纯文本输入。所测试的流程中，智能体使用搜索工具检索语料库、审阅返回的证据并调整后续查询。测试矩阵在仅嵌入和嵌入加重排两种设置下更换搜索工具的实现，并使用不同模型，而智能体的LLM、工具、任务集、语料库和执行策略保持不变。评估跟踪了智能体是否为每个任务找到相关信息，以及每个任务在所有轮次中的智能体推理token总量，输入和输出token均计入。 据NV

匹配字段正文

模型将前代系统的桌面缝合模拟拓展至临床腹腔场景。用户输入初始内窥镜画面及机械臂控制指令后，系统可连续生成器械运动与组织响应画面，支持双臂位姿、钳口开合及电外科能量等28维动作输入，并通过FlashDreams流式推理库加速运行。 性能方面，官方模型卡显示，在单块RTX PRO 6000 Blackwell工作站版GPU上，以832×480分辨率运行时，四步去噪版本生成速度为30帧/秒，两步版本可达43.2帧/秒。两步版本经过单独训练，以部分画质换取更高速度。配套代码支持录制动作回放，也可连接配备双追踪控制器的WebXR兼容头显，进行实时交互控制。 英伟达表示，该模型主要面向手术机器人策略的仿真评估、遥操作研究及合成数据生成，开发者还可利用公开的微调与蒸馏指南，将其适配至其他数据集和机器人形态。 来源：Hugging Face 官方博客（NVIDIA） 投稿/爆料：tougao@youxituoluo.com 稿件/商务合作： 林南（微信 19250561593） 加入行业交流群：林南（微信 19250561593） 元宇宙数字产业服务平台 下载「陀螺科技」APP，获取前沿深度元宇宙讯息

匹配字段正文

记忆原生值得做的具体体现。 再来一个更接近我们日常办公的 信息更新场景 。 展览原定周六下午3点，后来正式改到周日下午4点。之后又有人建议改到周一，但还没确定拍板。 要记住最后出现的日期还不够，它还得分清正式决定和随口建议，以及保留那些没变的内容。 实验在经过多轮对话后，MemT-1.0-Nano仍然 成功get ，回答出了原定时间、正式修改后的时间，并确认其他安排没有变化。 放进11项记忆基准的综合评估中，Flash和Nano的表现也同样突出。 平均得分分别为50.6和47.0，位列参与评估的参数化记忆方法 前两名 ，相比其它模型断崖式领先。 不过坦白来说，文本记忆系统整体仍有优势，尤其是在长历史的细节召回上。 MemT 1.0今天交出的，还只是记忆原生新思路的初步计算实现，但实际效果已经能和文本记忆比肩，再继续发展下去，潜力亦是无限。 那么问题来了，经验没有留在任务上下文里，模型又是从哪里把它用上的？ 这恰是MemT 1.0的 架构 重点。 MemT 1.0提供的原生路径，是先将 相关经验编码 为内部动态状态。生成后续动作时，当前查询通过 专门的记忆分支读取 该状态，再将结果与原有

匹配字段正文

Google Tag Manager (noscript) End Google Tag Manager (noscript) OpenAI 今天发布了 GPT‑6 Astra，这是一款专为 COBOL、Fotran、Visual Basic 及其他较老编程语言量身定制的 AI 编程模型。 “与 Python 和 JavaScript 等语言相比，这些语言可供模型学习的代码和文档较少，但它们支撑着全球的关键基础设施和基本服务，”OpenAI 的公告解释道。“这项工作以开发者和企业客户的反馈为指导，他们告诉我们，编程模型往往难以应对这些语言。” OpenAI 开发了两项评测——MultiLangBench 和 COBOL migration——以确保其模型能够用这些较老、文档较少的语言构建新软件，并在旧应用被现代化或以其他方式迁移到较新语言时保持其行为不变。GPT-6 Astra 在 MultiLangBench 的 20 种语言上得分 87.4%，高于 GPT-5.6 Sol 的 26.8%。它在 COBOL migration 中得分 86.8%——在高推理强度下为 97.9%——而

匹配字段正文