「新物质发现」共找到 4393 篇相关文章
Claude 5史诗级泄露，史上最强编程模型评测炸裂！核心秘密曝光
Anthropic的Claude Sonnet 5即将发布，已存在于谷歌基础设施中，性能领先谷歌‘Snow Bunny’一代。它价格比Opus 4.5便宜50%，有100万token上下文窗口，SWE - Bench成绩超80.9%，还有自动开发团队模型。
2026 年，全球 CEO 对 AI 的态度，集体变了
普华永道第29届全球CEO调查显示，CEO们对短期增长信心下降，担忧宏观经济等威胁，但仍大力推进AI投资。多数企业AI投入未获财务回报，不少企业跨界探索，CEO需兼顾当下与未来。
Karpathy：20年的编程生涯几周之内被颠覆，80%由AI来写，Claude和Codex跨过某种一致性门槛
OpenAI创始成员Andrej Karpathy分享用Claude编程心得，工作流从80%手动变为80%由AI完成，阐述AI编程优缺点、影响，还对行业未来提出疑问，认为2026年是充满能量的一年。
“DeepSeek-V3基于我们的架构打造”，欧版OpenAI CEO逆天发言被喷了
欧洲版OpenAI（Mistral）CEO Arthur Mensch在访谈称DeepSeek-V3基于其架构构建，引发网友质疑。经对比，Mixtral与DeepSeek的SMoE论文虽研究方向相同，但架构思路差异大，此前Mistral 3 Large还曾被指照搬架构。
LLM规划能力飙升79%！Google：内在自我批评技术拿下多项SOTA
Google DeepMind研究《通过内在自我批评提升大语言模型的规划能力》，不借助外部验证器，让LLM反复“自评+重写”，使Blocksworld准确率从49.8%升至89.3%，还介绍了方法及跨模型验证情况。
FACTS 基准测试套件问世，用于评估大型语言模型的事实准确性
FACTS 基准测试套件由 FACTS 团队与 Kaggle 联合开发，基于原 FACTS Grounding Benchmark 增加三个新基准，可从四个维度评估大模型事实性。初步结果显示进展与挑战并存，多模态成难题。
刚刚，喝到了千问APP给我点的奶茶
2026 年初，智能体发展迅猛。Anthropic 发布 Cowork，谷歌联合推出 UCP 标准。1 月 15 日千问 App 上线「任务助理」，打通阿里生态，有 400 多项新功能，实测显示其在多场景表现出色。
AI开始“动手”了，全世界第一个带头的是阿里千问
阿里千问App上线400多项新功能，依托Qwen模型和阿里生态，在全新Agent架构下提升AI能力。它能在购物、旅游、办公等场景帮用户办事，使AI具备现实世界落地能力，推动人机交互跃迁。
DeepMind发布SIMA 2！打通「感知-推理-行动-反思」闭环
DeepMind推出的SIMA 2，可让智能体在虚拟环境中边聊天边进行复杂多模态推理。它整合Gemini能力，从指令执行者变为互动伙伴，有强大迁移泛化与自我提升能力，是迈向AGI重要一步，但也面临一些挑战。
AI 美妆 ARR 一年增 14 倍达 5500 万美金；另一 Newsletter 阅读 App 融了 600 万美金
海外创业者做的 Newsletter 聚合阅读 App Perch 融 600 万美金，可聚合内容，有语音朗读和 AI 摘要功能，还有类似 X 的推荐机制。同时，AI 美妆产品一年 ARR 增 14 倍达 5500 万美金。