最近，Ai2耶鲁NYU联合推出了一个科研版「Chatbot Arena」——SciArena。全球23款顶尖大模型火拼真实科研任务，OpenAI o3领跑全场，DeepSeek紧追Gemini挤入前四！不过从结果来看，要猜中科研人的偏好，自动评估系统远未及格。
“Grok”一词不是马斯克原创，而是源于科幻作家罗伯特·海因莱因 (Robert A. Heinlein) 1961年的经典小说《异乡异客》(Stranger in a Strange Land)。在小说中，“Grok”是一个火星词汇，其含义远超“理解”，它代表着一种深刻、直观、感同身受的领悟，一种与被理解对象融为一体的境界。
2025上半年AI Agent领域经历模型竞争加剧和范式演进，DeepSeek等新模型打破垄断，推动Tool Use和强化学习突破。Agent从Prompt、Workflow发展为自主决策、环境感知和工具使用的智能体。编程领域验证PMF，落地机会集中于垂直场景和C端创新，但商业壁垒和技术挑战仍待解决。
“人类最后的考试”首次突破30分，还是咱国内团队干的！ 该测试集是出了名的超难，刚推出时无模型得分能超过10分。
2025 年已经过半， 文本生成大模型是否已经进入下半场了？ OpenAI 完全不重视 API 市场？ Grok3 根本没人用？ 「大模型战」未来的走向如何？
ChatGPT的对话流畅性、Gemini的多模态能力、DeepSeek的长上下文分析……
DeepSeek推理要详细还是要迅速，现在可以自己选了？
为什么 DeepSeek-V3 据说在大规模服务时快速且便宜，但本地运行时却太慢且昂贵？为什么有些 AI 模型响应很慢，但一旦开始运行就变得很快？
在互联网信息检索任务中，即使是很强的LLM，有时也会陷入“信息迷雾”之中：当问题简单、路径明确时，模型往往能利用记忆或一两次搜索就找到答案；但面对高度不确定、线索模糊的问题，模型就很难做对。
近日，真格基金管理合伙人戴雨森与 @课代表立正展开了一场关于 AI 创业的深度对谈。对话围绕一个共识展开：真正的技术突破，不依赖营销也能实现自发传播。DeepSeek 是例子，一上线即火遍全球，Manus 亦然。戴雨森认为，AI 正在把我们带回那个凭产品力打动用户的时代。Genspark、Manus、Cursor 等新产品正在快速验证：只要创造了真实价值，就有机会跨越鸿沟。
