中美用户模型使用差异显著
中国用户的模型使用情况与美国用户截然不同： • Anthropic 模型的使用量少约 7.5 倍 • OpenAI 模型的使用量多约 2.5 倍 • 开源模型的使用量多约 3.9 倍（这并不意外） 其他模型的情况如何？👇
全部动态
按时间排列的全部内容。默认只显示通过双重评分的入选条目；切换到“全部收录”可以检索所有抓到的资料。
2,297 条收录动态，更新于 16:36
全部收录包含没有通过评分的资料，标题以常规字体显示并标为“未入选”，只供检索，不写入选理由。
11月11日
星期三，8 条OpenResearch 排名数据一览
所有数据均来自 OpenResearch 排名：https://openresearch.sh/rankings 你也可以亲自试用 OpenResearch：https://github.com/alphaXiv/OpenResearch
ARC-AGI-3 游戏模型动作数对比
@Google 在 23 个 ARC-AGI-3 公开游戏上，两个模型均借助提供商适配器取得高分胜利，Carbon 用了 5,731 个动作，Argon 用了 5,846 个（少 2%）。人类速通总计 4,804 个动作；Carbon 比人类参考多用了 19.3%。
Gemini 4 Carbon 在 ARC-AGI 基准上的成绩
来自 @Google 的 Gemini 4 Carbon 在 ARC-AGI 上（已核验）： - ARC-AGI-3：97.7%，$4.4K（provider adapter），65.1%，$7.2K（标准测试框架） - ARC-AGI-2：49.6%，$0.10/任务 - ARC-AGI-1：98.5%，$0.16/任务 在标准测试框架下，Carbon 在 ARC-AGI-3 上以 18 个百分点击败了其前代 Argon。
Gemini 4 Carbon 登 ARC Prize 排行榜
@Google - 排行榜：https://arcprize.org/leaderboard - 复现公开结果：https://github.com/arcprize/arc-agi-benchmarking - 测试政策：https://arcprize.org/policy - Gemini 4 Carbon 完整结果：https://arcprize.org/results/google-gemini-4-carbon
Redwood Research 质疑 GDM 是否在 Gemini 4 训练中刻意使用思维链
Redwood Research 指出 Gemini 4 安全报告第 114 页疑似提到用辅助奖励对思维链（CoT）训练，但 GDM 博客称训练中从不惩罚 CoT 内容，双方说法矛盾。
AI 成为“神谕”后，数学会怎样？《Big Math》新书探讨
应用数学家 Steven Strogatz 与 Alex Townsend 合著新书《Big Math: The Hidden Codes That Run Our World》，聚焦大语言模型、AI 聊天机器人与量子计算推动的“大数学”正开始超出人类理解能力这一变化。
11月10日
星期二，1 条Artificial Analysis 与 Google DeepMind 推出 MKA 基准，用复杂视觉文件测试智能体知识工作能力
Artificial Analysis 与 Google DeepMind 合作推出 Multimodal Knowledge Agent（MKA）基准，要求智能体阅读建筑图纸、工程示意图、临床扫描等复杂视觉项目文件，并产出幻灯片、表格、PDF、Word 文档和标注图片等交付物。
11月11日
星期三，1 条STABL 成立非营利研究机构，聚焦 AI 影响的下游瓶颈
非营利研究组织 STABL 成立，主张在“重视 AI 变革潜力”与“重视下游瓶颈”的 2x2 框架中占据此前思考稀疏的右上象限。该组织将开展关于 AI 进展速度与递归自我改进（RSI）的实证研究，并分析风险缓解、劳动力市场冲击与社会韧性等议题。其观点是，社会转型速度更多受人类与组织变革速度制约，而非能力进步。
11月10日
星期二，4 条SciSpace 发布 AI 辅助科研数据分析九步指南
SciSpace 发布一份 AI 辅助科研数据分析的分步指南，把流程拆成写分析简报、确认数据可否处理、评估质量、记录清洗、探索、选方法、检查代码与输出、解释结果、报告并披露 AI 使用等步骤。
SciSpace 网络研讨会：Dr. Faheem Ullah 讲解系统综述的 8 个步骤
SciSpace 举办了一场 39 分钟的网络研讨会，由阿德莱德大学的 Dr. Faheem Ullah 讲解系统文献综述的 8 个步骤，从确定综述必要性到分析与报告数据。他建议研究问题控制在 2 到 6 个，先用 8–10 篇已知相关论文试测，并称评审者通常会质疑纳入研究少于约 50 篇的综述。研讨会还演示了用 SciSpace 的 SLR 智能体从研究问题生成 PRISMA 流程图等环节。
系统综述应该有几个研究问题？SciSpace 网络研讨会给出 2–6 个的建议
阿德莱德大学 Dr. Faheem Ullah 在 SciSpace 关于 8 步撰写系统综述的网络研讨会上建议，一项系统综述通常设 2–6 个研究问题，超过 6 个就难以逐一深入回答。
如何用 SciSpace Agent 按 PRISMA 2020 完成系统文献综述（SLR）
SciSpace 发布指南，说明如何用 SciSpace Agent 按 PRISMA 2020 完成系统文献综述（SLR）：从 PICO 研究问题、纳入排除标准、数据库检索到分阶段筛选与数据提取。
11月11日
星期三，2 条NaiveAI 的 Naive-N0.5-Flash 号称每秒 2,100 Token，编程能力究竟如何？
NaiveAI 推出开源权重模型 Naive-N0.5-Flash，主打 AI 编程任务与超高吞吐，基于小米 MiMo-V2.5 继续训练并搭配自研 NaiveRT 推理引擎。
Artificial Analysis 与 Google DeepMind 合作推出 MKA 基准
很高兴与 @GoogleDeepMind 合作，将 MKA Benchmark 引入 Artificial Analysis
引用Google DeepMind@GoogleDeepMindWith @ArtificialAnlys, we built MKA (Multimodal Knowledge Agent): a benchmark for how well agents handle visually complex tasks. Everyday professional work often uses more than just text – from cross-referencing blueprints to reading scientific charts. This is not covered by existing evaluations. Gemini 4 Carbon ranks #2, at 6x lower average cost per task than the top model. → https://goo.gle/4AikIja
11月10日
星期二，1 条Baseten 与 Genspark 后训练 Qwen3.5-397B 打造深度研究模型，称在自有评分上超过 Opus 5.5
Baseten Applied Research 与 Genspark 合作，将 Qwen3.5-397B 后训练为专用 Deep Research 模型，在 Genspark 自建质量评分器上得分 0.759。
11月11日
星期三，2 条Artificial Analysis 与 Google DeepMind 推出 MKA 多模态知识工作基准
Artificial Analysis 与 Google DeepMind 合作推出 Multimodal Knowledge Agent（MKA）评测，用于衡量智能体处理复杂视觉文件并产出交付物的能力。
PSI 用 Anthropic 模型解决量子计算领域悬置 18 年的 Aaronson-Ambainis 猜想
初创实验室 Physical Superintelligence（PSI）的技术人员 David Turturean 借助 Anthropic Fable 5.2 模型的早期访问权限。
11月10日
星期二，1 条OpenAI 首席人力官 KC 谈 AI 时代：初级与高级人才的界限正在消失
OpenAI 首席人力官 KC 在 Office Hours 活动中提出，应彻底弃用"初级"与"高级"的称谓，因为 AI 迭代太快，所有人对特定情境的相关经验都在迅速贬值。
11月11日
星期三，3 条Gemini 4 Carbon 正式开放，谷歌称其在开放式科研与漏洞发现上更强
谷歌将 Gemini 4 Carbon 从面向安全专家的两周测试转为正式可用，称其与 Gemini 4 Argon 并存，Argon 更适合多数软件工程与知识工作任务，Carbon 面向复杂多步编码调试和开放式科学研究等任务。
Gemini 4 Carbon 发布
开始使用 Gemini 4 Carbon 构建：这是我们面向复杂、长周期任务的最强模型。 它旨在深入探索问题，并在软件工程、网络安全、知识工作和科学领域运行扩展验证循环。
Google DeepMind 推出 MKA 多模态基准
我们与 @ArtificialAnlys 共同构建了 MKA（多模态知识智能体）：一个衡量智能体处理视觉复杂任务能力的基准。 日常专业工作往往不只用到文本——从交叉比对蓝图到阅读科学图表。现有评估并未覆盖这些内容。 Gemini 4 Carbon 排名第 2，每任务平均成本比排名第一的模型低 6 倍。→ https://goo.gle/4AikIja
11月10日
星期二，1 条元科学应成为证据来源，而非控制手段
原文正文未能加载，仅标题表明其主张元科学应作为证据来源而非控制手段。因缺少正文内容，无法提供更多细节。
11月11日
星期三，5 条Gemini 4 Carbon 现已开放使用
更多信息见此，祝构建愉快！https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-carbon-now-available/?utm_source=tw&utm_medium=social&utm_campaign=og
Claude 新功能开始推送
这些更新今天开始陆续推送，因此你可能不会立刻看到全部功能。 了解更多关于 Claude Whiteboards、Sheets、Data 和交互式连接器的信息：https://claude.com/resources/articles/more-ways-to-work-with-claude-sheets-whiteboards-and-interactive-connectors
Gemini 4 具备前沿网络能力并安全部署
该模型具备前沿水平的网络能力，因此团队一直在努力确保它能安全地部署给网络防御者及广泛用户，感谢大家的耐心！请继续提供反馈，我们会持续迭代！ https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-carbon-now-available/
Gemini 4 Carbon 现已可用
了解更多：https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-carbon-now-available/
Gemini 4 Carbon 上线 API 与 AI Studio
Gemini 4 Carbon 已在 Gemini API、Google AI Studio 和 Antigravity 上线，面向 Google AI Ultra 订阅用户。
11月10日
星期二，1 条研究者能否让混乱的 AI 基准测试变得有序
Science 报道称，AI 基准测试结果常因方法披露不全、提问标点等细节差异而难以复现，同一翻译任务中三个模型的准确率分数从 40% 到 94% 不等，研究者要判断一个基准结果是否可信，可能需花费数千美元以上。