NVIDIA Nemotron Labs 探讨如何评估 Agent Skills
NVIDIA Nemotron Labs 的 "Ask the Experts" 活动聚焦 AI 智能体技能（Agent Skills）的评估方法。内容以 x.com 直播形式发布，原帖互动为 7 条回复、14 次转发、65 次点赞，浏览量 12033。
#Agent
#Agent
今日 0 条NVIDIA AI(@NVIDIAAI)AI 评估 · 18/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 18/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Fish Audio(@FishAudio)AI 评估 · 38/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 38/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Fish Audio MCP 迎来重大升级：新增图像与视频生成
Fish Audio MCP 新增图像与视频生成能力，用户可在 agent 内把一句 brief 做成广告：先生成画面、再编辑、最后生成视频，创作前还能看到成本。该功能支持 Claude、Codex、Cursor、Windsurf。
Lovable(@lovable_dev)AI 评估 · 52/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 52/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Lovable 改用 Opus 5.5 构建，步骤最多减少 48%
Lovable 宣布即日起其构建流程改用 Opus 5.5，质量与 Opus 5 持平。官方称在 0 到 1 构建与迭代修码上质量不变，在已有代码库上步骤最多减少 48%；自检测试得分高出 4-6%，达成同样结果所需步骤最多减少 57%。
HeyGen(@HeyGen_Official)AI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 HeyGen Muse 发布两周，接入 MCP 后可自动生成并本地化视频内容
HeyGen 的 Muse 上线两周已能代用户跑腿办事，接入 HeyGen 的 MCP 后还能一并处理内容：早上 7 点生成简报、以用户自己的声音写脚本并合成视频，在用户醒来前完成日语、德语和法语本地化。
v0(@v0)AI 评估 · 65/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 65/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 v0 已支持使用 Claude Opus 5.5
v0 宣布用户现可在 v0 中使用 Claude Opus 5.5，并给出试用入口 v0.app/?opus55。所引用的 Anthropic 内容称，Claude Opus 5.5 是 Claude 5.5 系列的首个模型，多数任务上表现与 Claude Fable 5.1 持平，运行成本比 Opus 5 低 40%。
mem0(@mem0ai)AI 评估 · 25/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 25/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Agent Memory Benchmarks 对比：智能体记忆评测的三个关键属性
一个智能体记忆基准需满足三项属性：按行动评分、在准确率之外同时衡量成本与延迟、以及可解性认证（带历史能通过、不带历史则失败）。该观点用于对比现有的 Agent Memory Benchmarks。
mem0(@mem0ai)AI 评估 · 26/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 26/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 DolphinBench 公布 Hermes 与 Claude Code 两套测试框架下 GPT-5.6-Luna、MiniMax M3、Claude Sonnet 5 的官方结果
DolphinBench 公布了两套测试框架（Hermes、Claude Code）与三个智能体模型（GPT-5.6-Luna、MiniMax M3、Claude Sonnet 5）的官方测试结果，实时榜单已在 dolphinbench.ai/leaderboard/ 上线。
mem0(@mem0ai)AI 评估 · 34/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 34/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 mem0 发布 DolphinBench：绘制 AI 智能体记忆的帕累托前沿
mem0 发布 DolphinBench，这是一个面向 AI 智能体记忆的评测基准，把准确率、成本与延迟放在同一张榜单上。它不再像传统记忆评测那样只出题判分，而是考察长历史之后智能体能否在工具调用中采取正确行动。DolphinBench 已在 dolphinbench.ai 上线。
cat(@_catwu)AI 评估 · 74/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 74/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Claude Opus 5.5 成为 Claude Code 与 Claude 应用默认模型
Claude Opus 5.5 现已成为 Claude Code 和 Claude 应用（含 Cowork）的默认模型，面向 Pro、Max 和 Team 套餐开放。
Browser Use(@browser_use)AI 评估 · 54/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 54/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Browser Use 称开源 MiMo v2.6 模型成为新帕累托前沿
Browser Use 称开源 MiMo v2.6 系列模型成为新的帕累托前沿，其中 MiMo v2.6 Flash 得分 37.6，Grok 4.7 为 39.9。其记录的智能体成本比 Grok 4.7 低 57 倍，比 DeepSeek v4.1 Flash（low）便宜 27%，每任务 $0.10 对 $5.72，两项对比各跑 60 个任务。
Dify(@dify_ai)AI 评估 · 34/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 34/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Dify 新 Agent 发布：两分钟了解从想法到上线的体验
Dify 发布新版 Agent，用户可从一句想法出发、通过对话完成构建，并在 Preview 中测试，一次构建即可在团队常用的多个场景中复用。官方同步放出一段两分钟演示视频，展示完整流程。
Anthropic NewsAI 评估 · 72/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 72/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Anthropic 用 Claude 发现类 CRISPR 的新型酶系统 ART
Anthropic 成立生命科学实验室，让 Claude 智能体在 DNA 数据库中自主搜索，发现了一种与重复序列关联的新型逆转录酶系统 ART，相关预印本已发布。
Firecrawl(@firecrawl_dev)AI 评估 · 45/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 45/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Alexandria 完成 7500 万美元 B 轮融资，由 Smash Capital 领投，打造超级智能知识库
Alexandria 宣布完成 7500 万美元 B 轮融资，由 Smash Capital 领投，用于构建面向超级智能的全球最大知识库。该平台让 AI 智能体即时接入最强大的数据集与数据供应商。
DockerAI 评估 · 14/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 14/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Docker 在 WeAreDevelopers 大会展示 AI 智能体生态合作伙伴与客户阵容
Docker 在 9 月 23–25 日圣何塞 WeAreDevelopers World Congress North America 的 Docker Pavilion 带来合作伙伴与客户分享，覆盖模型提供商、MCP 工具与网关、身份安全、可观测性和代码质量。
Y Combinator(@ycombinator)AI 评估 · 20/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 20/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Confido 为消费品牌打造 AI 员工，完成 5500 万美元 B 轮融资
Confido 正在为消费品牌构建 AI 员工，把会计、销售到需求预测等流程自动化，客户包括 Olipop、Dude Wipes 以及 Mars 和 Unilever 旗下部门。
DeepLearning.AI(@DeepLearningAI)AI 评估 · 42/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 42/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 10,000 个 AI 智能体用 88 小时在 Lean 中攻克 Navier-Stokes 方程，引发的争议带来重要启示
10,000 个 AI 智能体在 Lean 中耗时 88 小时形式化复杂数学证明，围绕 Navier-Stokes 方程的结果引发争议。DeepLearning.AI 指出，智能体已能大规模形式化证明，但人类评估仍是解释证明为何成立的关键，企业数据隐私与零数据保留设置也是必需项。
魔搭ModelScope社区精选AI 评估 · 87/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 87/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 小米发布并开源 Xiaomi MiMo-V2.6 系列，扩展强化学习规模
小米团队正式发布并开源 Xiaomi MiMo-V2.6 系列，包含 Pro 和 Flash 两个原生全模态模型。
为什么值得看
原文给出开源模型在AA综合指数上的位置与RL算力扩展的公开细节，便于比较开源与闭源差距。
AI科技大本营AI 评估 · 62/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 62/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 “当年在 OpenAI 像在疯人院”：Jev 作者 Diogo Almeida 访谈谈反叛 RLHF 与可编程 AI
前 OpenAI 核心研究员、TypeSafe AI 创始人 Diogo Almeida 在播客 Latent Space 完整访谈中，解释其新模型 Jev 为何完全不做文本生成，只向程序输出带概率和置信度的决策，并以代码作为唯一消费者。
阶跃星辰AI 评估 · 36/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 36/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Step 5 Preview 现已上线 TRAE
阶跃星辰 Step 5 Preview 已在豆包旗下 AI 开发产品 TRAE 上线，可直接在 TRAE 中调用，覆盖 9 类任务、33 种编程语言，从复杂代码库理解、跨文件修改到 Bug 修复、重构、性能调优及数小时长程任务。官方公布 DeepSWE 67.7 分、ProgramBench 通过率 80.5%。
Founder ParkAI 评估 · 69/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 69/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Jev 创始人 Diogo Almeida 谈为何做只做判断的 System 1 模型
TypeSafe 于 9 月 15 日结束两年隐身期发布 Jev，并宣布完成由 DCVC 领投的 4000 万美元种子轮融资；创始人 Diogo Almeida 曾在 OpenAI 参与 InstructGPT、ChatGPT 和 GPT-4 研究，此次转向做一个不生成文字、只输出 Choice、Score、Noul 三种结构化判断与概率的 System 1 模型。
袋鼠帝AI客栈AI 评估 · 61/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 61/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 阿里千问办公发布 QwenNote Eva 桌面机器人和 A2 随身助理
阿里千问办公发布 QwenNote 硬件产品线，包含带三轴云台、以手机为头的桌面机器人 Eva 和随身助理 A2，前者靠人脸与声纹识别用户，无需唤醒词即可直接对话并打断。
字节跳动技术团队AI 评估 · 18/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 18/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 一图看懂 ADrive 跨产品协作实践：文件通了，Agent 就通了
火山引擎存储分享 ADrive 跨产品协作实践，基于 ve-adrive-cli v1.0.2，展示如何选择一个正在进行的内容项目、跑通第一个文件协作闭环。ADrive CLI 已在 GitHub 发布并提供下载，开通 ADrive 需联系 ADrive 团队申请试用。
字节跳动技术团队AI 评估 · 34/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 34/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 火山引擎 ADrive 智能网盘：让 Agent 直接读写团队项目文件夹
火山引擎推出 ADrive 智能网盘，让 Agent 直接读取项目资料并把成果保存回同一项目空间，团队成员再从熟悉的文件夹接手审阅。项目空间可挂载为本地盘符，人和 Agent 共用同一文件夹；未授权的写入尝试在演示中三次均被拒绝，操作留有审计记录。该产品已开放企业版试用申请。
海外独角兽AI 评估 · 57/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 57/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 和一线研究员的闭门讨论：蒸馏变难后，下一步的重点是什么？
拾象整理了一场与来自多家模型厂商的 AI Researchers 的线下闭门交流，讨论 Astra 的 Computer Use、RSI、模型蒸馏和训练数据等方向，保留其中的共识与分歧。
机器之心SOTA模型AI 评估 · 74/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 74/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 小米开源 MiMo-V2.6 Pro/Flash，xAI 发布 Grok 4.7，APUS 开源决策模型 OpenJev-v1
小米发布原生全模态模型 MiMo-V2.6 Pro 与 Flash 并开放 MIT 许可权重，API 沿用 V2.5 定价；Pro 与 Flash 在长程软件工程评测 DeepSWE v1.1 中分别达到 72.6 和 65.7，较本轮训练前提升约 14 分和 17 分。
乱翻书AI 评估 · 30/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 30/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 当AI给出所有答案，年轻人如何找到自己的问题？
乱翻书第276期邀请上海外国语大学学生金贤婷、港科大（广州）博士生李俊伟与欧莱雅徐轶凡，讨论AI时代年轻人的成长路径。嘉宾认为AI接管学徒工作、打断传统职业成长路径，但缩短试错流程不等于消灭试错，实习生需要证明自己不是AI答案的搬运工。欧莱雅美妆科技黑客松已在2026世界人工智能大会启动，以"用AI造点美"为题，鼓励青年用AI回应产业真实需求。
网易科技AI 评估 · 35/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 35/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 网易有道用 AI 重做语音输入：叭哥说、Hi Echo 与子曰模型矩阵
网易有道推出语音产品"叭哥说"，把语音从"转文字"推进到"转意图"，用户先说完整段内容再由系统整理成可用文本，PC 端已上线并承诺语音输入场景终身免费。同期升级的 Hi Echo 转向个性化口语学习系统，并已与启元机器人合作进入机器人场景。
51CTO技术栈AI 评估 · 38/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 38/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 AI教父辛顿：模型出问题现在还靠内部员工爆料，AI工程师最先失去的可能是说"不"的权力
辛顿在CNN访谈中表示，外界目前基本依靠内部员工爆料才能知道模型在哪些地方出了问题，他支持独立机构进入头部AI公司验证模型开发与测试过程。CNN调查指出，AI人才稀缺让研究人员当下拥有公开质疑公司和要求暂停发布的筹码，但当AI能参与生成训练数据、编写评测和改进下一代模型时，这种话语权可能被压缩。辛顿认为"关机键"只能应对部分风险，真正的问题是谁有权按下它。
小米技术AI 评估 · 19/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 19/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 第七届小米黑客马拉松收官：首设高校赛区，新增最佳 MiMo 应用奖
第七届小米黑客马拉松于 9 月 22 日在北京小米科技园颁奖，284 支队伍报名、近千名选手参与，现场 149 支队伍进行 48 小时极限开发。本届首次开设高校赛区，覆盖北京大学、武汉大学、香港中文大学等 94 所高校，并新增"最佳 MiMo 应用奖"，3 个项目获奖，分别探索智能家居服务、独居老人主动关怀和 AI 陪伴硬件。
小米技术精选AI 评估 · 84/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 84/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 小米发布并开源 MiMo-V2.6 系列：扩展 RL 算力，含 Pro 与 Flash 两个全模态模型
小米正式发布并开源 Xiaomi MiMo-V2.6 系列，包含 Pro 和 Flash 两个原生全模态模型，定位为探索 RSI（递归自我改进）路径的关键一步。
为什么值得看
小米开源 MiMo-V2.6 系列，公开 RL 算力扩展细节与 6 天 Live 训练实测数据，可观察开源模型追赶闭源的一条路径。
The IntelliJ IDEA BlogAI 评估 · 62/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 62/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 JetBrains 推出 JetBrains Air 智能体软件开发产品体系
JetBrains 发布 JetBrains Air，将智能体开发相关产品整合为覆盖开发者、团队与组织的开放产品体系。
Hunyuan(@TXhunyuan)AI 评估 · 44/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 44/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 腾讯混元推出 WebCraftBench：让智能体真正上手用应用来评测前端生成
腾讯混元发布 WebCraftBench，通过让智能体实际操作线上应用、并用覆盖率引导的探索找出未被触达的部分，再从美观度、可用性和是否满足原始需求三个维度打分。该基准在 197 组人工验证样本上与人类偏好的一致率为 85.3%。论文已发布于 arxiv.org/abs/2609.15387。
腾讯研究院AI 评估 · 25/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 25/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 当 AI 数字员工上岗，会带来什么？腾讯云峰会圆桌谈智能体落地
腾讯云城市峰会圆桌讨论聚焦 AI 数字员工落地：企业用 AI 分“能对话、能干活、能上岗”三级，其中“能上岗”最难。科拓把停车场收费、抬杆等管理权交给 AI 岗亭，蝉妈妈将客服 AI 接管研发问题响应后，研发被打断比例降低 70% 以上、响应时间缩短 80% 以上；华祥苑的“店效 AI 经营官”已开 10 万次门店会议，覆盖近 1000 家门店。
Stack Overflow BlogAI 评估 · 32/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 32/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 AMD 的 ROCm 如何让 AI 智能体写 GPU 代码
AMD 软件副总裁 Anush Elangovan 在播客中介绍 ROCm——AMD 面向自家硬件加速器的统一开源软件层与工具链，并称智能体 AI 正在大幅降低底层硬件编程的门槛，软硬件开发周期的收敛也在加快。
METRAI 评估 · 60/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 60/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 METR 发布 Claude Opus 5.5 部署前评估摘要
METR 发布对 Claude Opus 5.5 的部署前评估摘要，认为该模型对 AI 研发的加速略高于 Fable 5.1，但不太可能完全自动化 AI 研发。
idoubi(@idoubicc)AI 评估 · 29/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 29/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 douchat.ai 开启内测，定位"Agent 版微信"
douchat.ai 开始内测，定位为"Agent 版微信"，由 xgo.ing 提供支持。原文未披露模型版本、参数规模或开放范围等细节。
阿里技术AI 评估 · 54/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 54/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 阿里开源六个 AI 基础设施项目，覆盖强化学习到代码评审全链路
阿里在云栖大会集中发布 ROLL、RTP-LLM、Atrex Kernel Agent、OpenSandbox、Open Agent Auth、OpenCodeReview 六个开源项目，分别面向大规模强化学习、生产级推理、异构算子生成优化、Agent 沙箱运行、企业级授权和智能代码评审。
阿里研究院AI 评估 · 40/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 40/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 吴泳铭云栖演讲：未来机器思考总量将达人类的1000倍以上
阿里巴巴集团CEO吴泳铭在2026杭州云栖大会上判断，未来机器供给的思考总量将达人类思考总量的1000倍以上，机器将承担99.9%的思考工作。他宣布平头哥发布新一代AI芯片真武V900，性能达M890的3倍，单一集群可扩展至50万卡；Qwen团队正探索递归式自我改进（RSI），计划训练5-10T参数规模的新模型。阿里云目标到2032年全球数据中心规模超20GW。
卡尔的AI沃茨AI 评估 · 71/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 71/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 我把463个AI视频做成Skill和提示语模版，全都开源
作者开源了awesome-seedance项目，用真金白银复现463条AI视频提示语，蒸馏出14个覆盖各类视频的提示语模版和25个Skills。项目每条提示语都经过实测复现并打分分类，用gpt、claude、grok、deepseek四个多模态模型复测打分、聚类和起标题，每天自动收录GitHub、抖音、小红书、X上带提示语的case。
数字生命卡兹克精选AI 评估 · 81/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 81/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 小米发布 MiMo V2.6 系列模型并全面开源
小米发布 MiMo-V2.6 系列，含 Pro、Flash 和 20 倍速的 Pro-UltraSpeed 三个版本，AA 指数 46 分与同日发布的 Grok 4.7 打平，位列开源模型第一。
为什么值得看
作者以实测视角对比 Grok 4.7 与 MiMo V2.6 的性能、价格和速度，呈现国产开源模型的实际能力边界。