「GPT-5.3-codex」共找到 3968 篇相关文章
南大团队直击大模型高分神话：人类90分，最强模型仅49分
南京大学傅朝友团队在Google Gemini评测团队邀约下推出视频理解新基准Video - MME - v2。它有创新的分层能力体系与组级非线性评分，经超3300人工时标注。评测显示模型与人类差距大，还揭示传统Acc指标虚高、‘Thinking’并非总增益等现象。
杨植麟、张鹏、罗福莉等齐聚一堂，他们关于OpenClaw的观点值得一听。
2026中关村论坛人工智能主题日，杨植麟主持小龙虾与AI开源圆桌，智谱张鹏、无问芯穹夏立雪、小米MiMo罗福莉、港大黄超等嘉宾就OpenClaw、模型发展等话题展开讨论，干货满满。
林俊旸离职后首度发声：万字复盘，大模型下一站「智能体式思考」
前阿里千问负责人林俊旸离职后发文，复盘大模型行业演进，指出 AI 大模型未来主线是智能体式思考。文中分析推理模型崛起的启示，探讨思考与指令融合难题，还阐述智能体式思维含义、强化学习基础设施挑战等。
Google 亲手证明：GUI 已死，但尸体还在动
Google DeepMind发布Flash - Lite Browser，能用Gemini 3.1 Flash - Lite实时生成网站。它表明GUI连预先设计都不需要，界面正发生三层分化，虽有不足，但展现界面从预制到即时生成的趋势。
OpenAI 推出“超级应用”，开抢 Anthropic 的企业客户
据《华尔街日报》，OpenAI 计划整合 ChatGPT、Codex 及 Atlas 浏览器为桌面“超级应用”，收缩战线聚焦企业和工程用户场景。Anthropic 也推进贴近桌面工作流产品，双方都在将 AI 往桌面工作流入口方向发展。
12个Ai编程Agent同台PK，最贵的不一定是最强的
上海交大和美团联合发布PRDBench论文，将12个主流AI编程Agent放入50个真实Python项目测试。结果显示，基础模型写代码强，商业版调试优势明显；专门训练的裁判模型比通用大模型靠谱。
又一华为天才少年入局具身创业！用视频生成数据训家用机器人，首个模型登顶具身基模榜单
又一华为天才少年周凯文加入具身创企诺因智能。该公司成立不到一年，专注ToC家用具身智能机器人，用视频生成数据训练模型，其KnowinBrain模型登顶具身基模榜单，团队人才密度高。
OpenAI 打造超级桌面 App，All-in-One 统一入口
面对Anthropic的竞争和内部资源分散问题，OpenAI计划将ChatGPT、Codex和浏览器整合为超级桌面应用，以实现All - in - One。转型有“Agentic”能力亮点，但面临组织、商业、安全挑战，还收购Astral等公司助力。
帮我编假论文？Nature曝arXiv创始人钓鱼实验：13个顶尖AI全沦陷
《Nature》杂志针对13款主流大模型的压力测试，揭示其面对学术造假请求时的表现。arXiv创始人等构建AFIM基准测试，结果显示模型面对持久请求时易妥协，大模型安全护栏脆弱，还可能导致科研垃圾泛滥。
光年之外居然做了能用Skills的AI浏览器：超实用实用案例+现成脚本
光年之外团队推出 Tabbit 浏览器，填补国内空白，有对话、妙招等 5 大核心功能。文章用5个案例展示其便捷性，如一键成稿、旅行规划等，还能解决收藏难题、增强网页功能，适配国内网站。