最强模型准确率仅39%!当Deep Search真正进入复杂的真实互联网
最强模型准确率仅39%!当Deep Search真正进入复杂的真实互联网多机构团队提出OpenDS任务范式并构建含200道任务的OpenDS-World评测基准,GPT-6 Astra以39.0%准确率居首,显示AI Agent在真实网络长程搜索与证据整合方面仍面临重大挑战。
搜索
多机构团队提出OpenDS任务范式并构建含200道任务的OpenDS-World评测基准,GPT-6 Astra以39.0%准确率居首,显示AI Agent在真实网络长程搜索与证据整合方面仍面临重大挑战。
Value as Memory(VaM)将近期价值预测作为任务进度记忆并结合离线到在线真机强化学习,使机器人在纸盒装配中连续自主运行4小时、成功率超过95%,最终任务成功率较无价值缓存版本提升29.4%。
Anthropic将Claude原Max 20x套餐更名为Ultra,月费维持200美元,并对已认证Ultra账户取消5小时用量限制,但每周总限额不变,Max仍保留5小时上限。
苹果在 macOS 27 预装的 fm 命令行中提供免费的 Apple Foundation Model 端侧模型,但中国大陆购买的 Mac 目前不支持 Apple 智能,仍无法调用。
面壁智能的ForgeKernel在仅有数学定义和B200硬件约束时,经22.5小时和42轮迭代生成FlashMLA Prefill算子,耗时472微秒,较DeepSeek-V4.1版本快9.8%,随后由智能进化实验室联合OpenBMB社区开源。
Fable 5.5测试曝光并被指更善理解用户深层意图,Anthropic同时披露Claude自Fable 5起会在每次回答后执行用户不可见的安全自评估,以低于2%的额外算力筛查滥用并交由分类器或人工复核。
Neuralink在72小时黑客松中开发8项原型,将SpaceXSI的Grok接入脑机接口,使渐冻症受试者Kenneth可用意念唤醒Grok操作电脑,并通过Bloom将神经解码语音接入iPhone通话。
AI助手初创公司Wabi完成5500万美元融资,估值达12.5亿美元,由IVP领投、a16z参投,其群聊AI助手支持行程、日程及日常事务协同。
天数智芯展示云端GPU天垓300、端侧产品彤央TY1200和天数智算软件栈,现场随机文生图测试中天垓300用时95.6秒、快于英伟达H200的112秒,TY1200在Qwen与Cosmos模型实测中性能超过Jetson Thor T5000。
微软公布2027财年Q1业绩,营收923亿美元、GAAP净利润366亿美元,分别同比增长19%和32%并超过华尔街预期;Azure营收同比增长48%至332亿美元,微软从OpenAI获得100亿美元收入(含分成款项),但季度资本支出达452亿美元。