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。

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。

Anthropic放手，亚马逊想买！帮AI「换芯片」，凭什么值70亿美元？

本文报道《华尔街日报》爆料，亚马逊正洽谈以约70亿美元估值收购AI创业公司Decart，此前Anthropic曾推进收购后退出。Decart主打多AI芯片适配优化技术，同时自研AI模型，已获英伟达投资，是亚马逊战略客户。

谷歌开源移动端AI自动化测试神器

本文介绍谷歌最新开源的移动端AI自动化测试工具ARTEMIS，它可将自然语言指令转化为Android自动化操作，支持跨App测试、多模态定位，在AndroidWorld基准评测中取得99%+任务完成率，提供多场景使用方式，可一键快速上手。

MinerU又开源了！这次专治OCR跨页失忆症

文档解析领域，MinerU团队开源了专门给OCR结果做“后处理”的4B小模型MinerU - Popo。它能把碎成一页一页的OCR结果重新拼成文档级结构，解决了当前OCR跨页逻辑断裂问题，且效果和成本优势突出。

“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。

Agent开始“自我进化”：会出题、会反思，还会自己长出新技能

文章围绕自进化Agent展开，介绍其概念、受重视原因及三大技术路线，涵盖各路线代表工作的特点、评估及对比，指出研究空白如总结者训练等，最后还介绍了基于Agentic AI的全链路数据助手Dola。

对话 XYZ-Aquila丨Deep Search SOTA 背后 AI 到底怎么参与改进 AI？

近日，XYZ AI Lab发布两款面向Deep Search的Agent，在评测中领先。其采用AI4AI方法，让AI参与研发判断。团队接受采访，探讨AI4AI含义、与RSI关系、工作范式等，还分享了改进案例和未来方向。