搜索
港科广新基准UI2App以600张静态截图评测模型推断并实现应用交互的能力，Gemini 3.1 Pro Preview以73.2分获视觉还原第一，但Claude Sonnet 4.6以36.8分居交互推断首位，跨页面状态仍是参评模型共同难点。
Google Deepmind让4个Gemini 4 Argon Agent在随机《我的世界》地图中自主协作27小时，累计阵亡605次、耗费约520美元后击败末影龙，展示其长程任务中的分工、纠错与恢复能力。
Argon全面开放才8天，谷歌的下一张王牌，就杀进竞技场了！
嚯，GPT要住进Gemini家了！
如果让 GPT、Claude、Gemini 直接指挥机器人干活，谁更靠谱？
这两年大模型圈有一条几乎没人怀疑的信条，Scaling Law。
如今，AI正式杀入物理世界！
据 The Information 报道，Anthropic 正筹备一款尚未公布的新模型，据称其推理和直觉判断能力超过现有商用模型，并能推断用户未明确表达的意图；Google 正开发 Gemini 4 Carbon，OpenAI 预计未来几周推出 Terra 系列新模型。
谷歌，终于把这块最硬的骨头啃下来了。
Google DeepMind的4个Gemini 4 Argon智能体在无人预先分工和干预的情况下自主协作，通过编写2783个程序在《我的世界》中经历605次死亡后，于27小时14分钟内击败末影龙。