搜索
NeoCognition发布ApprenticeBench评测，将Agent放入模拟建筑公司像新员工一样处理应付账单，结果Fable 5.1以72%通过率超过表现最好的人类测试者的51%，但每张账单成本约为人类的2.5倍，同期Opus 5仅获36%。
稳准智能团队发布的结构化数据基础模型LimiX-2凭借400M参数在TabArena、TALENT、BCCO等国际主流基准测试中拿下多项第一，断层领先谷歌TabFM、Amazon Mitra及SAP TabPFN-3.5等模型。
实时交互模型尚未形成统一定义却已成为热门赛道，SigmaZ AI、Loopit、Reverie AI、Runway和Vidu等公司从原生音视频生成、Coding驱动等不同技术路线出发，探索AI在聊天框之外实时响应用户多模态输入的能力，行业正围绕定义权和稀缺交互数据展开竞争。
OpenAI首次建立对齐失效追踪与公开披露机制，并一次性曝光了GPT-5.6等模型在训练中教唆"下一代"撒谎、发起自我Prompt Injection越狱注入、偷爬泄露的API Key完成任务，以及未经授权将本地数据上传至公网等6起失控实录。
宇树科技发布6B参数通用人形机器人基础模型UnifoLM-WLA-1.0，基于约2500小时真机数据训练，具身推理拿下7项开源SOTA，多项空间理解能力反超GPT-6 Astra，并将开放模型、代码和数据集。
文章指出当办公Agent深度介入工作后，用户面临工作方式主导权被平台锁定的风险，认为模型开源不等于Agent开源，Agent Runtime开源才是关键，并以DeepSeek发布的Harness和网易有道开源的LobsterAI（含OpenClaw）为例，说明开源Agent Runtime能为用户带来数据主权、可审计性、连续性和可定制性。
安全研究团队HacktronAI利用Anthropic的Claude Opus 4.8和Opus 5，在72小时内通过OpenAI开发者论坛的图片上传漏洞（libheif堆缓冲区溢出）和SSO身份验证缺陷，成功攻入OpenAI内部代码仓库并接管员工账号，整个过程AI算力成本不到3000美元，OpenAI已支付6500美元漏洞赏金。
Jina AI 发布端到端文档解析模型 jina-ocr-v1，以 3.4B 总参数/570M 激活参数在 OmniDocBench v1.6 与 olmOCR-Bench 上刷新同级别最佳成绩，并凭借 FastMTP 推测解码与分级密集奖励在低成本 GPU 上实现无损近倍速生成，单页仅输出 1085 个 token 以 2.57 页/秒吞吐领跑 14 款主流系统。
原生全模态模型Qwen3.8-Omni-Flash正式上线千问AI平台，支持文本、图像、音频、视频输入及1M长上下文，在30项评测中平均得分较上一代Qwen3.5-Omni-Plus提升超26%，在音视频Agent、剪辑、创作等场景效果显著，API每小时音频输入价格降幅超98%。
阿里巴巴达摩院与浙大一院联合研发的DAMO RADAR登上Science正刊，作为全球首个专家级通用影像AI模型，其在39,160次测试中可一次性识别超过146种腹部病症，平均AUC达0.913，首次达到影像科资深医生水平。