搜索
Ornith-1.5采用模型自出题、自搭脚手架、自跑轨迹的三段式强化学习闭环，在Terminal-Bench 2.1自测中以86.1分超过其自测的Claude Opus 4.8（85.0分），较两个月前的1.0版本提升约11%。
OpenAI内部代号mozaik-alpha-fdm的Astra模型扩大灰度测试，其在Max effort模式下展现的零样本前端与3D网页一次生成能力引发开发者惊叹，预计9月3日前后正式发布以正面硬刚Anthropic的Fable 5.1。
在此背景下，新加坡国立大学、普林斯顿大学与斯坦福、牛津等研究团队合作提出了 Recuris（Recursive Experiential–Working Memory Evolution），作为首个将递归自我改进应用在记忆控制层内的智能体架构，Recuris 通过三项核心技术突破，无需训练即成功实现了从 3B 小模型到 Claude Opus 5 的全面提升。
智东西实测Hermes Agent新上线的Real Profile Browsing功能，该功能可复制Chrome登录态让Agent直接以用户身份访问网站，但实测中发现存在浏览器卡死、匿名Cookie覆盖原登录信息及macOS加密保护导致无法读取登录数据等问题，目前功能可用性仍有待优化。
随着开源模型能力不断提升，它们已经能够以极低的成本生成多个高质量候选方案，并进一步利用模型自身对这些结果进行验证、打分和筛选。斯坦福团队最新实验发现，使用 DeepSeek V4 Flash + LLM-as-a-Verifier 进行「自验证」，可以在 Terminal-Bench 2.1 上超越 Claude Fable 5，同时整体成本低约 11 倍。
过去几年，视频生成模型在清晰度、运动表现和画面质感上不断进步。输入一句文字，模型已经能够生成颇具电影感的视频。
过去两年，大模型几乎重写了人机协作的默认想象：写代码、查资料、做分析，似乎都能 “一问即答”。但仔细看会发现，当下很多能力并不是模型自己长出来的，而是人为地在外面包了一层又一层框架。
这几天 ox-alpha 用爽了吧...正如很多人猜的那样，这个模型来自智谱，正式名称为 glm-5.3-flash，支持多模态，但很多人没猜到的是：这个乱杀的模型只有 321B，且与 glm-5.3 不同，是完全的新架构
这是前OpenAI推理模型一号位Jerry Tworek抛出的最新暴论。他2019年进的OpenAI，一待就是七年。当年强化学习死活scale不动，是他死死咬住不放硬推上去的，o1和o3这两代大杀器都是他亲自带队砸出来的。
8月26日，据彭博社报道，智谱AI确认，近期匿名上线的Ox Alpha由其开发，是GLM系列的新一代模型。Ox意为“牛”，恰逢电影《牛来》走红，因此中文开发者社区把Ox Alpha叫作“牛来大模型”。