GPT-6“看不懂 3D”实锤，250道题只拿0.53分，Claude没及格
一时间，GPT-6 Astra 的 BenchCAD 跑分达到了惊人的 95.9%，评论区不少人已经在讨论 CAD 工程师的再就业问题了。
开源！阿里甩出首个语言世界模型，能造智能体环境
智东西6月24日消息，刚刚，阿里千问大模型上新，发布首个原生语言世界模型Qwen-AgentWorld，该模型有35B-A3B与397B-A17B两种参数规模。
为APEC助力，“语言使者”进社区义务教居民英语
“如果遇到拿着地图不知所措的外国人怎么办？”“推荐深圳美食要怎么说？”10月16日下午，受南山区粤海街道创业路党群服务中心的邀请，志愿者刘昊元用一个多小时为台下的老年居民讲授APEC志愿服务实用英语口语，让更多居民也能向东道主展现深圳的热情，向即将到来的外国友人展示“深圳温度”。
《Agent 评测白皮书》系列：Agent 评测全览
前不久，我们发布了一篇博客《Agent 评测漫谈》（https://mp.weixin.qq.com/s/gZKWRqznB8sNBFf69fBIvw），收到最多的反馈是：方法论看懂了，但落到自己项目上还是不知道从哪下手。
AI做题家卷疯了！高数考试正确率81%，竞赛题成绩超过计算机博士
梦晨 丰色 发自 凹非寺量子位 | 公众号 QbitAI高数考不好，不知道是多少人的噩梦。如果说你高数考得还不如AI好，是不是就更难以接受了？没错，来自OpenAI的Codex已经在MIT的7门高数课程题目中正确率达到81.1%，妥妥的MIT本科生水平。
谷歌发76页智能体白皮书，你的「AI替身」已上线
谷歌最新发布的76页AI智能体白皮书，深入剖析了智能体的应用前景。智能体通过感知环境、调用工具和自主规划，能够完成复杂任务并做出高级决策。从智能体运维（AgentOps）到多智能体协作，这份白皮书为AI智能体指明了方向。近日，谷歌发表了76页的AI智能体白皮书！
最强模型准确率仅39%！当Deep Search真正进入复杂的真实互联网
团队构建了 200 道任务，覆盖 4 种模态、42 种资源格式和 7 类证据访问需求，给予 GPT-6 Astra、Claude Opus 5.5、Gemini 3.8 Flash、Qwen3.8 Max、GLM-5.3 Flash、DeepSeek V4.1-Flash、Kimi K3 等 12 个前沿模型同一套搜索、浏览器和视频相关工具，同时限制每题 1 小时搜索时间、100 次工具调用，让它们自行决定搜索过程，串联证据，并最终给出问题的答案。
只会写Prompt救不了AI产品经理：聊聊“Eval驱动开发”
拒绝“玄学”调优：从Demo到生产环境，AI产品经理如何跨越“90%准确率”的死亡之谷？这篇文章，我们看看作者的分享。破局——为什么你的AI产品总是“Demo惊艳，上线翻车”？1. “抽卡式”开发的困境现象还原：Vibe Check驱动的开发流程“这个效果可以啊！
入职AI应用公司必备！万字讲解你必须了解的RAG技术
如果你想做出一个电商智能客服或者企业知识问答助手，或者想入职加入一家做AI应用的公司，RAG是你必须要去学习的一项技术，RAG技术说难不难，说简单也不简单。
从 Token-Maxxing，到 Token-Minimizing
如今各家都掏出又快又便宜的 Flash 级口粮模型，该算的是每一份智力投在哪更值:Pro 告诉我们什么能交给 AI，Flash 告诉我们什么值得交给 AI。