字节系之外，RunningHub突围：顶级AI模型争夺“首发阵地”
字节系之外，RunningHub突围：顶级AI模型争夺“首发阵地”模型的发布流程，早已在密集迭代中演变为精准的工业流水线：技术报告开路，Benchmark榜单刷屏，紧接着开放API，最后以开源权重收尾。
来自主题: AI资讯
10048 点击 2026-08-25 11:41
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
模型的发布流程，早已在密集迭代中演变为精准的工业流水线：技术报告开路，Benchmark榜单刷屏，紧接着开放API，最后以开源权重收尾。
8 月 13 日，DeepSeek 开源 Agent Harness dsh，将 “Harness” 这个原本更偏工程语境的概念，推到了整个 AI 行业讨论的中心。
最近，葬AI和我们的朋友钟经纬、正阳一起，推出了懂模帝这个产品，现在任何人都可以登陆 fuckai.md 去看各种各样的benchmark。
2026 年 3 月，轨道数据中心公司 Starcloud 宣布完成 1.7 亿美元 A 轮融资，由 Benchmark 与 EQT Ventures 领投，估值达到 11 亿美元，累计融资额达到 2 亿美元。
近日，浙江大学 OmniAI 团队在 《Show, Don’t Tell: Evaluating Spatial Cognition in Generative Pixels Rather Than LLM Text》 中提出 ProVisE，让图像生成模型直接在图中回答空间问题，并将视觉答案还原为原 benchmark 可以评分的结构化预测。
本期播客，No Priors 请来了一位在 AI 推理领域被业内称为「教父级」人物的研究者Noam Brown。他是 OpenAI 的研究科学家，也是推动「test-time compute scaling」成为行业主流方向的关键人物之一。从扑克 AI 到前沿大模型的评估方法论，Brown 的研究轨迹几乎与整个行业对「推理」认知的升级同步。
你可能已经在各种 benchmark 榜单上看过 GUI Agent 的 "大胜" 了。
对 AI Coding 来说，有人用，比任何 Benchmark 都管用，而有人持续付费，又比有人用更管用。
7月2日，字节 Seed 发布了一个 Agent评测项目 EdgeBench。看起来又是一个 benchmark，但它问了一个其他榜单不问的问题。EdgeBench 的切口就是把盲区里的东西放进评测，解答一个问题：把Agent扔进一个陌生环境，12小时后，你能变强多少？
为了解决这一问题，来自 University of Arizona、Zoom 与 Stony Brook University 的研究团队推出了 VISTA（VIsual Spec-To-App Benchmark）, 首个面向 Visual Spec-to-Web-App Coding Agents 的端到端 Benchmark。