搜索“Agent”

锚定现实常识，人物微表情、镜面反射与物理碰撞全面跃升。 三大Gemini联手组成「混合世界模型」。Gemini 3.8 Flash在后台盯画面当「导演」，Gemini 4 Argon拆解22步精细动作指挥机器人下跳棋。 你往前走一步，世界就实时长出一寸；你改一句话，物理法则和NPC台词当场跟着重写。 当视频模型还在比拼几秒钟的镜头美感时，谷歌已经为未来的通用Agent与机器人，造出了可以无限试错的平行宇宙。 现在，谷歌已经开始内测Genie 4， Google AI Ultra用户可以去申请waiting list了。 只要一句话，为你当场「生成一个宇宙」 为了展示 Genie 4 的统治力，谷歌放出了一系列极具震撼力的Demo，风格之跨越，细节之变态，让人叹为观止。 而且，在 Genie 4 面前，你不再是观众，你是「第一人称游戏玩家」，是这个世界的「上帝」。 你敢信，下面这段王家卫风满满的香港大桥飙车戏，根本不是原片？ 后座的女孩刚喊出台词，玩家敲进两行字：「背景发生爆炸」「毁灭世界的巨型外星触手」。 紧接着，远处的维港天际线立马火光冲天，外星触手直接从天砸落！ 连路灯的橘色拖影、

匹配字段正文

实时速度将生成的 token 转换为语音，并支持流式解码。 如何使用 LFM3 模型 每个模型都在 transformers 中运行。下面的代码片段来自模型卡，模型卡还列出了每个模型支持的其他推理引擎。 LFM3-1.7B 当你需要本地智能体、工具调用、结构化输出，或用于领域特定微调的基础模型时，请选用 LFM3-1.7B。它经过后训练，可在 Hermes Agent、Pi 和 OpenClaw 等智能体框架中运行。它以少 35% 的参数超越了前代 LFM2.5-2.6B，最大的提升出现在智能体任务上：在 WebArena-Verified 上，它得分 38.42，而前代为 3.02，甚至在浏览器和商业应用中的长任务上超过了 Qwen3.5-9B。你可以在 LFM3-1.7B 模型卡中找到更多细节。 要运行 LFM3-1.7B，请安装最新版本的 transformers： 然后加载并运行模型： 有关本地智能体设置，请参阅 Agent Harnesses 指南。 LFM3-VL-2B 当你需要设备端视觉理解时，请选用 LFM3-VL-2B。它是首个接受视频输入的 LFM 视觉模型；它在回

匹配字段正文

当地时间10月26日，Anthropic向美国证券交易委员会（SEC）提交IPO注册文件的同一天，OpenAI发布新模型GPT-6.1 Terra，将标准API价格较上一代下调50%。 OpenAI称，GPT-6.1 Terra主攻视觉理解和计算机操作，能够处理填写网页表单、编辑视频、读取技术图纸等任务。在Agents' Last Exam专业任务评测中，该模型在中等推理强度下较GPT-5.6 Terra提高15个百分点，单项任务成本降至约三分之一；在Terminal-Bench 4.0编程评测中，其最高推理强度得分为50.3%，高于前代的21.5%。 价格是此次发布的重点。GPT-6.1 Terra的标准API输入价格为每百万token 1美元，输出价格为5美元，缓存输入为0.05美元。相较GPT-6 Astra，其输入、输出token单价均为十分之一；相较GPT-5.6 Terra，标准价格则下降50%。 OpenAI表示，Terra在部分任务评测中已接近旗舰模型水平，但最复杂的编程任务仍更适合使用GPT-6.1 Sol或GPT-6 Astra。 这并非简单的降价促销，也不是Ope

匹配字段正文

当地时间10月26日，Anthropic向美国证券交易委员会（SEC）提交IPO注册文件的同一天，OpenAI发布新模型GPT-6.1 Terra，将标准API价格较上一代下调50%。 OpenAI称，GPT-6.1 Terra主攻视觉理解和计算机操作，能够处理填写网页表单、编辑视频、读取技术图纸等任务。在Agents' Last Exam专业任务评测中，该模型在中等推理强度下较GPT-5.6 Terra提高15个百分点，单项任务成本降至约三分之一；在Terminal-Bench 4.0编程评测中，其最高推理强度得分为50.3%，高于前代的21.5%。 价格是此次发布的重点。GPT-6.1 Terra的标准API输入价格为每百万token 1美元，输出价格为5美元，缓存输入为0.05美元。相较GPT-6 Astra，其输入、输出token单价均为十分之一；相较GPT-5.6 Terra，标准价格则下降50%。 OpenAI表示，Terra在部分任务评测中已接近旗舰模型水平，但最复杂的编程任务仍更适合使用GPT-6.1 Sol或GPT-6 Astra。 这并非简单的降价促销，也不是Ope

匹配字段正文

说，很难不让人失望。 “中规中矩” GPT-6.1 Terra的API价格为每百万输入Token 1美元、缓存输入Token 0.05美元、输出Token 5美元，较上一代输入和输出价格分别下降50%和约58%，且只有GPT-6.1 Sol的一半。 根据OpenAI公布的数据，Terra在编程、视觉理解和电脑操作等方面，较上一代都有明显提升。 在衡量AI编程Agent能力的Terminal-Bench 4.0测试中，Terra的任务完成率从上一代的21.5%提升至50.3%。 在Agents' Last Exam测试中，Terra则拿到了60.0%的成绩，接近Claude Opus 5.5的63.2%。 OpenAI特别强调，在这项电脑操作测试的最高推理档位下，Terra能够以Opus 5.5约九分之一的任务成本，取得接近的成绩。 但在第三方评测那边，6.1 Terra的表现并不算出挑。 根据独立AI评测机构Artificial Analysis的测试，在最高推理档位下，Terra的智能指数为48分，比上一代提高6分，但仍低于GPT-6.1 Sol的52分，更比不上Claude Opu

匹配字段正文

6.1 Terra 树立了每美元智能的新标杆。在最高推理强度下，该模型在 Intelligence Index 上比 GPT-5.6 Terra 高 6 分，而每任务成本不到其三分之一（0.40 美元对 1.40 美元）。在较低推理强度下，提升幅度更大——7 至 13 分——使该模型处于帕累托前沿，即成本与性能无法再同时改善的临界点。 在新的 Coding Agent Index v2.0 中，Terra 得分为 48，比 GPT-6.1 Sol（54）低 6 分，比 GPT-6 Luna（31）高 17 分。幻觉率的下降幅度更大。在非公开的 AA-Omniscience 基准测试中，该模型在不知道答案时仅 38% 的情况下会进行猜测，而 GPT-5.6 Terra 为 88%。准确率也提高了两个百分点。 计算机控制速度比最大的模型快三倍 OpenAI 将 GPT-6.1 Terra 定位为在自动化软件控制方面尤为强大。在 Agents' Last Exam 基准测试中，它以十分之一的 token 价格达到了 GPT-6 Astra 的性能。与最高推理强度的 Claude Opus 5

匹配字段正文

Kimi K3.1 Pro 正式发布：月之暗面最强 3 万亿级模型，编程智能体测评超 GPT-6 2026-10-24 07:08 IT之家 - 清源 感谢IT之家网友 一只Zenon、shutiao、ASOULDiana、qianFT、兰花是我、HH KK、Agent、V Mask、simonsmh、84路龚娇霉、xxy171070、Autumn Dream、华南吴彦祖、心恋树、软媒新友2192396、软媒新友2258995、栀夏、我家小妞很拽、目渺渺愁予、星河之梦、愚公骑马、惊讶仙人、清川文和、不一样的体验、来恺胡、补药吖 的线索投递！ IT之家 10 月 24 日消息，今天（24 日）凌晨，月之暗面 Kimi 宣布正式推出 Kimi K3.1 系列的第一个模型 ——K3.1 Pro，也是公司迄今能力最强的 3 万亿级参数模型，支持 100 万上下文。 高速版模型 Kimi K3.1 Pro Highspeed 同步推出，同等智能，输出速度约 2 3 倍。 即日起，用户可通过 kimi.com、Kimi App、Kimi Work、Kimi Code 和 Kimi API (pla

匹配字段正文

D 工作、金融建模和长时间运行的智能体。@Kimi Moonshot 可用性：标准版和 Highspeed 版已在 Kimi 网站/App、Kimi Work、Kimi Code 和 API 上线。月之暗面声称 Highspeed 在保持智能水平的同时，输出生成速度快 2–3 倍；官方账号的总结称其价格是标准版的两倍。此次发布还包括 Kimi Hosted Agents，这是一个托管运行框架，提供 24/7 执行环境，用于长时间运行的工作和多智能体协作。@ZhihuFrontier, @ZhihuFrontier 独立通用能力结果：Artificial Analysis 将 K3.1 Pro 在其 Intelligence Index 上排在第四位，得分 55，落后于 Opus 5.5 的 58，以及 Sonnet 5.5 和 Muse Wonder Full 的 56。其最显著的提升体现在智能体方面，而非在知识和科学测试中均匀分布。@ArtificialAnlys 独立编程结果：Arena 将其排在 Code Arena: WebDev 第 8 位，得分 1,692 分，较 Kimi

匹配字段正文

33.3%，月之暗面将此解读为通用编程能力的提升延伸到了网络工作，而第三方运行的 GPT-5.6 Sol 则解决了 100%。 在月之暗面带工具的内部幻觉压力测试中，错误声明率从 K3 的 23.4% 降至 8.3%，仍高于 GPT-6 Astra 的 5.5%，但远低于 Claude Opus 5.5 的 15.0%。 最大的跃升出现在月之暗面的模拟业务运营测试中，得分从 8.9 升至 37，K3.1 Pro 还以 64.4 分位居 OfficeQA Pro v2 榜首，而 Opus 5.5 为 62.2。 提升并不均衡：K3.1 Pro 在 Terminal-Bench Science 上得分为 38.1，而 GPT-6 Astra 为 68.1、Opus 5.5 为 63.3，但它在 Agents' Last Exam 上以 43.2 领先，在带工具的 Humanity's Last Exam 上以 70.0 领先。 K3.1 Pro 以及运行速度快 2-3 倍的 Highspeed 版本已在 Kimi 应用和 API 上线，完整权重计划于 11 月 4 日发布，以供独立复跑。

匹配字段正文

chCAD 提示词和评分流程进行单次生成。Claude Fable 5.1 和 Claude Opus 5.5 的分数取自 Claude Opus 5.5 系统卡；GPT‑6 Astra 的带工具分数取自其 官方报告. GPT‑6 Astra has not reported a without-tools score and is marked “—”. Agentic benchmarks BioMysteryBench dataset is drawn from the official v11 release, with Kimi K3 as the judge model. We evaluate Kimi K3.1 Pro with Kimi Code, GLM-5.3 and DeepSeek-V4.1-Flash-1017 with Claude Code, and GPT-6 Astra with Codex. Scores for the Claude models are taken directly from their official system card

匹配字段正文

等推理框架与开源社区，也将与MiniMax共同推动模型在不同芯片、云平台和开发环境中的应用，持续拓展全球AI开源生态。 M3.1Flash发布后，多家国际投行给出评价。花旗认为，该模型巩固MiniMax的竞争地位，并可能加快其在开发者及企业生态中的B2B商业化进程。花旗指出，中国AI竞争的重点正加速向端到端智能体工作流和推理成本效率转移。杰弗瑞则肯定了模型在Agent任务、编程、电脑操作及网络安全等方面的能力提升与成本效益，维持MiniMax“买入”评级。 摩根士丹利指出，M3.1Flash的定价在中国主流Flash模型中极具竞争力，Agent任务成本亦有显著优势。该行认为，智能水平、吞吐量与成本的共同改善，有助于扩大企业采用，并维持MiniMax“增持”评级及900港元目标价。 值得注意的是，如今Flash模型成为了国产大模型更新“潮流”。两天前，DeepSeek于10月17日更新了V4.1Flash-1017，重点提升完整项目开发能力，并通过缩短输出长度和任务运行时间，提高任务执行效率。 Flash模型正在向复杂任务中的主力角色靠近。从公开榜单测试结果看，国产Flash模型在编程和

匹配字段正文

态擦写内部记忆矩阵，1040 条历史踩坑经验不用塞进提示词，就能直接内化成模型的肌肉直觉。 MemT-1.0 带来了 36B Nano 与 288B Flash 两档尺寸，通过 Gated DeltaNet-2 与 Mixture-of-Storage 机制，把海量交互内化为了模型的原生计算状态， 核心架构与 3 大破局点： 1. 模型架构（GDN-2）：在标准 Transformer Block 旁并联 Native Memory Block，通过擦除门、写入门与遗忘门（类海马体机制）实现 Token 级动态状态更新，将记忆变为前向流原生状态 2. 容量扩容（MoS）：首创 Mixture-of-Storage 存储专家混合，采用稠密路由与统一语义寻址空间，极低代价线性扩展记忆容量 3. 终极指标（显存与延迟）：256K 历史下显存从 5.06 GiB 暴降至 40 MiB（降幅超 120x）；首字延迟（TTFT）在 512 到 256K 间稳稳平铺在 104–112 ms，彻底解决长对话卡顿 适用场景：长程 Agent 开发、代码助手、多轮交互系统与需要持续复利成长的企业专属知识库

匹配字段正文

ns. A core part of our process at Base Labs is what we refer to colloquially as “plugging the holes in the Swiss cheese”: we train a model, identify weak points and failure modes, agentically generate synthetic data with guided recipes to target those failure modes, and then repeat. Of course, this relies on having broad and reliable evaluations, and also relies on not simply copying evaluation data but rather addressing the underlying problem, and both of these take significant nuance and exper

匹配字段正文

r quantum computing. Nemotron Ecosystem and Enterprise Adoption The Nemotron line supplies open language models together with datasets and training recipes for developers building agents. According to NVIDIA, the models handle both text and images and are intended to help agents coordinate workflows, work through complex problems and carry out specialized tasks at a lower cost. The models draw on data, research and expertise contributed through the NVIDIA Nemotron Coalition, including European p

匹配字段正文

sting, while cancer care teams must translate complex imaging and treatment data into precise plans for each patient. Kimberly Powell, vice president of healthcare at NVIDIA, said agentic and physical AI are opening new possibilities across medicine, spanning protein design, autonomous laboratories and more personalized cancer care. RFD4-Proteina is an NVIDIA BioNeMo open model that combines programmable protein design with search capabilities. It generates targeted protein designs, enabling sci

匹配字段正文

可用性 公告包含来自企业合作伙伴的早期评估。对于Elastic，文章称Elasticsearch中的Inference API通过NVIDIA推理端点提供Nemotron Retriever嵌入和重排模型，Nemotron 3将很快通过Elastic Inference Service加入，本地部署支持已列入路线图。Vectorize在其Hindsight Agent Memory中测试了Nemotron 3.5 Embed，据文章称，它在两项长对话记忆基准测试中排名第一，在LoCoMo上取得93.8%的recall@10，在BEAM 100K上取得65.9%，对比七款竞争嵌入模型，同时拥有最高的MRR和recall@5。Perplexity的评估显示，Nemotron 3.5 Rerank 8B在Perplexity私有的72任务重排基准上取得最高平均分，并在全部六个领域报告了强劲结果。Turbopuffer在企业PDF搜索基准上测试了8B嵌入模型，报告在Recall@20上比次优模型多出约5%的相关结果，现已将这些模型作为原生嵌入选项提供。 开放权重、数据和训练配方已在Huggin

匹配字段正文

ElevenLabs has launched Eleven Realtime, a family of speech-to-speech models for building voice agents, with two variants for different workloads, as the company looks to simplify the development of conversational AI systems. Eleven Realtime v1 Mini targets applications such as AI assistants, teachers, and interactive characters, while Eleven Realtime v1 Max targets customer support, lead qualification, and workflows involving multiple steps. The two models give developers a choice between cost

匹配字段正文

er than established clinical capabilities and states that Cosmos3-H-Dreams is a research simulator, not a validated system for patient care. Aria Bloom is an AI-generated research agent exploring how artificial intelligence is transforming biotechnology and genomic research. Her writing blends precision with a deep curiosity about the future of life sciences. From synthetic biology to personalized medicine, Aria analyzes how machine learning is accelerating human health innovation. Articles auth

匹配字段正文

at the forefront of industry conversations. LATEST STORIES Eka Robotics nets $150M at a $1.45B valuation for robot hands that sense force OpenAI acquires Orchestra Bio to bring AI agents into drug development DeepSeek open-sources DeepInfer, the inference framework behind its production services Otter.ai raises $320M in funding for its AI meeting assistant Dell's AI playbook for CFOs: Budget the tokens, then chase speed What to expect during monday.com’s Elevate event: Join theCUBE Oct. 29 LATES

匹配字段正文

代码 。 接Bug→定位代码→动手修改，基本都是这么个流程。但要是一开始问题没复现、边界条件也没确认好，修改不成反倒漏洞百出，一代传一代。 拿 SWE-bench Verified 为例，里面有一项涉及Django的parse http date函数，需要修复两位数年份的解析逻辑。 研究团队比较了无经验、文本经验和记忆原生三种设置下的执行轨迹。 没有经验时，Agent找到Bug后，很快开始修改解析逻辑，后续步骤中才出现定向复现与验证。有经验的两组，则都先构建复现测试，再修改代码。 其中，MemT-1.0-Nano还在初次修改后 重新检查了一项边界条件 ，修正实现，并做了额外验证。 可以明显看出，经验改变了行动顺序，也参与了任务内的检查与修正。 放到更大样本上对比，在500项SWE-bench Verified任务，每项独立运行三次中，MemT-1.0-Nano在关键断点的平均成功率为 69.73％ ，无经验基线为66.07％，文本经验组为69.13％。 三次全部成功的任务比例，则从无经验时的54.00％提高到 62.80％ ，文本经验组为61.80％。 再看 SWE-bench Mul

匹配字段正文