大语言模型

AI Agent的“期末考试”来了，这次谁才是真学霸？ 说实话，每次看到AI基准测试发布，我都有种看学霸们同台竞技的既视感。但今天这个AA-Briefcase，确实让我眼前一亮——它测的不是模型会不会...

当“更多计算”不再是答案：LoopCoder-v2重新定义测试时计算 在AI领域，有一个近乎被奉为圭臬的信念：模型的输出质量与它投入的推理成本成正比。无论是OpenAI的o系列、Anthropic的C...

当Transformer遇见粒子云：一种理解大模型的全新物理学视角 你有没有想过，当你向ChatGPT输入一句话时，那几个简单的文字在模型的“脑海”里究竟经历了什么？ 我第一次读到“把Transfor...

当AI遇见虚假信息：爱沙尼亚团队的这项测试，让所有人脊背发凉 你信不信，一款AI助手在0.3秒内就能把一段精心编织的俄罗斯官方叙事，“翻译”成听起来客观中立、甚至带有同情色彩的新闻稿？ 这不是假设，而...

当我让5个AI代理并行工作，结果却让我重新思考了一切 说实话，我第一次意识到这个问题时，愣了好几分钟。 那是一个再普通不过的周三下午。我在调试一个需要多代理协作的代码审查系统——一个代理负责检查语法...

苹果写给Google的10亿美元支票：一场战略大转向的隐喻 2026年6月10日，苹果刚刚向一家AI公司支付了2.5亿美元和解金。四天后的6月14日，这家公司又签下了一张10亿美元的支票——只不过这次...

AI数学王座争夺战：Claude Fable 5如何在一夜之间改写游戏规则 说实话，当我看到Claude Fable 5在FrontierMath最难层级拿下88%准确率这个数字时，我的第一反应是反复...

MiniMax M3开源：428B参数、1M上下文，国产大模型向AGI狂飙 当行业还在争论"小参数模型能否打赢大模型"的时候，MiniMax悄悄放了一颗"深水炸弹"。 6月13日，这家中国AI独角兽在...

ChatGPT不再是AI代名词：市场份额从76%跌至54%，问题不在质量 当一个产品名字成为整个品类的代名词，它还需要担心竞争吗？ 2022年底，ChatGPT用了5天时间吸引了100万用户，创造了互...

当通用AI开始"跨界"：医学评估赛道的意外颠覆 你可能还记得，当ChatGPT在2022年末横空出世时，医学界的第一反应是审慎的观望——它能写病历吗？能辅助诊断吗？会不会胡说八道害死人？三年后的今天...

当AI Agent拿起命令行：一段关于隔离与风险的实验之旅 "给大语言模型一个BashShell，就像把喷火器交给幼儿园小朋友——毫无用处，但令人胆战心惊。" 半年前，我在某个AI工程社区看到这句话时...

当AI智能体撞上“天花板”：GPT-5.5登顶背后，最难任务0%成功率意味着什么 说实话，看到这条新闻的时候，我愣了好几秒。 OpenAI研究员诺姆·布朗（Noam Brown）在社交平台上宣布：GP...