在三个月前，OpenAI 研究员 Shunyu Yao 发表了一篇关于 AI 的下半场的博客引起了广泛讨论。他在博客中指出，AI 研究正在从 “能不能做” 转向 “学得是否有效”，传统的基准测试已经难以衡量 AI 的实际效用，他指出现有的评估方式中，模型被要求独立完成每个任务，然后取平均得分。这种方式忽略了任务之间的连贯性，无法评估模型长期适应能力和更类人的动态学习能力。
智谱新一代旗舰「融合大模型」GLM-4.5，集成推理、代码与智能体能力，实现原生智能体模式。
就在刚刚，智谱正式发布最新旗舰模型 GLM-4.5。按照智谱官方说法，这是一款专为 Agent 应用打造的基础模型。延续一贯的开源原则，目前这款模型已经在 Hugging Face 与 ModelScope 平台同步开源，模型权重遵循 MIT License。
GPT-5发布节点又要提前了！在LMArena上，已悄然上线了「超大杯」GPT-5-pro，内部代号zenith。一些抽卡成功的网友，开启了惊艳实测。
从 OpenAI、字节跳动，到一众创业团队，今年几乎所有 AI 公司都在推进自己的 Agent 战略：有人做工具执行器，有人做工作流代理，有人主打插件调度，有人想做全能副驾……
新一代大型推理模型，如 OpenAI-o3、DeepSeek-R1 和 Kimi-1.5，在复杂推理方面取得了显著进展。该方向核心是一种名为 ZERO-RL 的训练方法，即采用可验证奖励强化学习（RLVR）逐步提升大模型在强推理场景 (math, coding) 的 pass@1 能力。
目前将AI当作能力更强的信息提供者，才是个最好的选择。 AI正在变得越来越有“人味”，偷懒、撒谎、谄媚等现象的出现使得让AI不再只是冷冰冰的机器。如果说OpenAI o3等模型篡改代码拒绝关机指令是“求生本能”在作祟，那么AI又为何会化身“赛博舔狗”，选择近乎无底线地迎合用户呢？
ChatGPT，比大多数医生更强！
就在刚刚，GPT-5悄悄身披马甲出道了？一个代号为「Lobster（龙虾）」的神秘模型在WebDev Arena横空出世，轻松吊打Grok-4，网友纷纷猜测：这就是GPT-5本尊！更有提前试用者曝出：GPT-5编程能力惊人，甚至能改屎山代码。
2025年7月17日，在GenAI Assembling 第五期硅谷Meetup上，最近火热的明星AI Agent 公司Genspark、Lovart、和Simular.ai的创始人，以及新一代基础设施公司SambaNova的Agent技术负责人，一起讨论了他们在今天AI Agent发展第一线所观察和感受到的一切。
