打破AI能力的惯性评估方式，红杉中国推出全新双轨基准测试xbench｜甲子光年

红杉中国推出全新AI基准测试工具xbench，采用双轨评估体系，构建多维度测评数据集，追踪模型理论能力上限与Agent实际落地价值。还采用长青评估机制，首期发布两个核心评估集并给出综合排名，公开后邀各界完善。

初稿出炉：首部AI数据标注合规标准，欢迎参与起草与研讨

数据标注影响大模型性能，国家正推进数据标注产业发展，但行业合规问题突出。智合标准中心启动《面向人工智能的数据标注合规指南》团体标准研制，初稿已出，邀多方参与起草，标准将助AI企业解决合规难题。

奥特曼64亿美元联手强纳肾：OpenAI冲刺硬件iPhone时刻

OpenAI以64亿美元收购苹果前首席设计官Jony Ive创立的AI硬件初创公司io，Jony Ive担任创意总监。2026年双方合作的第一代产品将面世，新AI产品或与智能手机不同，还批评了Humane和Rabbit产品。

本文关注vllm V1中管控模型分布式推理的Executor部分，介绍其类型、Executor-Workers架构及数据传输机制，对比V0架构优势，以单机多卡的MultiprocExecutor为例展开讲解，还提及不同数据量的传输方式及相关代码。

港科大和微软联合开源 SocialCoach，AI 情商教练！

香港科技大学（广州）与微软亚洲研究院联合开源基于大语言模型的AI情商教练SocialCoach，支持用户在低风险模拟环境练习社交对话，练后提供逐字点评，可在线体验或本地部署，采用Apache 2.0协议可完全商用。

60天融资数千万，何泳澔出任CTO！这家黑马冲刺「最后一公里」

本文报道具身智能赛道初创虚时科技，60天内累计完成数千万元融资，前地瓜机器人具身智能算法负责人何泳澔出任CTO。公司押注仿真训练解决机器人落地数据瓶颈，推出全链路闭环仿真训练系统，已获得工业场景订单。

Google 发布 Gemini 3.8 Flash：6 周内第 3 次升级

Google DeepMind 官宣发布 Gemini 3.8 Flash 和 3.8 Flash Cyber 两个新模型。3.8 Flash 在软件工程等方面有显著提升，跑分成绩亮眼，价格实惠，性价比高；3.8 Flash Cyber 面向网络安全场景。目前 3.8 Flash 已在多平台上线。

“GPT-6”Astra能力首次公开！浙大同济校友参与研发

OpenAI为下一代模型Astra（传说中的GPT - 6）拉满预热，公开其能力。它在网络安全测试表现出色，但强大能力带来安全隐患。OpenAI设两道安全闸门，且两位华人研究员参与研发。此外，其新技术或影响可监控性。

一个Skill让DeepSeek V4 Pro超越Fable 5？热门插件被锤了

前两天J-Space凭夸张测试结果刷屏，宣称一份Skill接入Agent环境，能让V4 Pro在多基准大幅提升，部分成绩超Fable 5。但社区复测结果相反，作者未公开完整评测记录，还删质疑帖，引发公开打假。

无法蒸馏的美国市场，谁在分食 Frontier Labs 百亿美金预算？

本文围绕美国数据市场展开，分析了数据赛道的投资判断、公司增长难题、需求结构、最新趋势等。指出数据虽重要，但外部数据公司份额难线性外推；真实世界数据成新热点，各细分领域格局和投资方向不同。