01
Kimi K3 在 SpreadsheetBench 2 上排名第一
Kimi K3 在 SpreadsheetBench 2 基准测试中排名第一，超越 Claude Fable 5，完成 34.8% 的 workflow 任务。该基准测试涉及 321 个专家策划任务，平均每个任务包含 11.8 个工作表和 593.5 个单元格更改，聚焦于完整的电子表格工作簿执行。
观察
Signal Feed
#技术突破 主题信号
围绕 技术突破 的精选动态、来源摘要和重要性判断。
动态列表
02
Mind Lab 开源长文本强化学习项目
Mind Lab 开源了一个长文本强化学习（RL）项目，支持 2M tokens 的长上下文。相比以往需要数千个 GPU 的 1M 上下文研究，该项目仅需 8 个 GPU 即可完成，大幅降低了超长上下文研究的算力门槛。
观察
03
Kimi K3非对称竞争分析
Kimi K3在Arena前端/WebDev人类盲测中以1679 Elo排名第一，领先Fable 5（1631）和GPT-5.6 Sol（1618），但在综合智能指数中仅排第四（57.1分），落后Fable 5（59.9）和GPT-5.6 Sol（58.9）。K3定价15美元/百万输出tokens，远低于Fable 5的50美元，并计划7...
观察
04
二年级学生Jo Nagai发现蝴蝶可遗传记忆
日本东京都二年级学生Jo Nagai注意到养育的食蚜 caterpillars 在蝴蝶化后仍保持对薰衣草的回避行为，经Georgetown大学Entomologist Dr. Martha Weiss合作完成实验：70%训练过的蝴蝶及其后代均表现出对薰衣草的遗传性回避，记忆在全变态发育中保存并遗传。
值得跟进
05
AI 代码生成大势所趋
Greg Isenberg 发文指出，相比一年前的手写代码实践，如今大多数工程代码已由 AI 生成，标志着编程范式的根本转变。他援引了 Google 75% 新代码由 AI 生成、Anthropic 90%+ 代码由 Claude 编写、GitClear 代码重复率上升 81% 复用率下降 70% 等具体数据，并引用 Dario Amod...
观察
06
开源模型长期网络能力差距缩小至4-7个月
长期网络能力方面，领先开源模型落后闭源前沿从2025年大部分时间的6-10个月缩短至4-7个月。GLM-5.2匹配了约4个月前发布的闭源模型。AI安全研究所的32步“The Last Ones”任务中，GPT-5.6 Sol在10次尝试中完成7次，每次预算1亿token，且性能随推理token增加而提升。
观察
07
杨植麟在 GTC 2026 演讲：如何扩展 Kimi K2.5
月之暗面在 GTC 2026 宣布开源三个替代 Transformer 基础组件：MuonClip 优化器（数据效率接近翻倍）、Kimi Linear 线性注意力（3:1 混合全注意力，首个全面超越全注意力的架构）、Attention Residue 残差连接（提升 24% Token 效率）。同时披露 Agent Swarm 支持 10...
观察
08
Replit，Replit replaced three SaaS products with internal tools，核心团队工程师效率提升3倍
Replit 将三款七位数 SaaS 产品替换为内部工具，包括销售 CRM、告警分类/根因分析工具（成本降至原价的 10%）、自动化渗透测试工具（发现更多漏洞），核心工程师团队输出量翻三倍。令支持工程师处理难题的速度提高 60%，数据分析能力实现普及化。
高优先级
09
端到端开源的VideoChat3视频多态大模型(Zeros-R RTX 3090/L40 无显存瓶颈)
Meta AI团队发布VideoChat3,采用Zeros-R架构在RTX 3090/L40 NVIDIA显卡上实现82FPS实时处理的视频多态大模型，技术突破显存瓶颈（支持10M/T框架框架和3小时视频输入）。模型包含20亿参数的基本配置和更大版本，首次在与Meta AudioGen、Microsoft VALL-E的基准测试中展示出在...
值得跟进
10
Sakana AI 提出无需反向传播且遵守 Dale 原理的神经网络训练方法
Sakana AI 发表论文《Diffusing Blame》，提出一种训练神经网络的方法，该网络严格遵循 Dale 原理（每个神经元要么兴奋要么抑制），无需反向传播。该方法基于 Error Diffusion 扩展，通过模数错误路由在图像分类和强化学习任务（Ant、Humanoid、HalfCheetah、Craftax）上取得有竞争力...
观察
11
8天内四款前沿模型发布评测
Artificial Analysis 发布评测，8天内 SpaceXAI 的 Grok 4.5（54分）、OpenAI 的 GPT-5.6 Sol/Terra/Luna（最高59/55/51）、Meta 的 Muse Spark 1.1（51分）和 Moonshot AI 的 Kimi K3（57分）相继发布，前沿模型实验室从6月初的2...
值得跟进
12
RoboTTT：机器人模型扩展到8000步上下文
Jim Fan团队发布RoboTTT，将机器人模型上下文原生扩展到8000时间步（5分钟），推断成本恒定，性能较前沿提升三个数量级。采用测试时训练（TTT）技术，内部小模型持续压缩历史，实现无限学习。在电路板组装任务中，机器人能从人类视频一次性模仿学习，并在线自我纠错。上下文缩放实验表明，8K步预训练性能优于1K步62%，且未饱和。
观察
13
Kimi K3发布：2.8万亿参数模型
Moonshot AI 发布 Kimi K3 模型，2.8 万亿参数，百万 tokens 上下文，原生多模态；采用 Kimi Delta Attention 实现百万 tokens 解码速度 6.3 倍提升，Attention Residuals 以小于 2% 额外成本提升训练效率约 25%；已上线多个平台，开源权重承诺 2026 年 7...
值得跟进
14
MemoHarness:控制层优化法
MemoHarness将LLM控制层分解为六个可编辑表面，通过检索历史执行记录进行结构化编辑，无需反馈或梯度更新。在Shell-Agent基准上达到0.806，超越最强固定控制层基线0.722，且单任务成本低于最强商业基线。
观察
15
LiveKit 优化 Gemma 4 31B 性能
LiveKit 在自家推理平台 LiveKit Inference 上部署 Google Gemma 4 31B 模型，在实时语音应用中实现接话延迟比 GPT-4.1 低 5.2 倍（192 毫秒对 1006 毫秒）、成本约六分之一（省 83%）的效果；酒店前台场景测试中任务完成率达 88%，超过 GPT-4.1（73%）和 Gemini...
观察
16
Kimi K3 在 web 工程基准上超越所有专有模型
Kimi.ai 的 K3 模型在 web 工程基准测试中表现最佳，超过 Fable 等模型，以更短时间达到可比成功率，成为首个在此基准上超越所有专有模型的开源模型。
观察
17
AI helps resolve统计学中BH方法FDR控制的核心问题
Edgar Dobriban运用GPT-5.6 Sol Pro解决了多假设检验中Benjamini-Hochberg方法在相关正态数据下控制假发现率（FDR）的核心问题，证明其在两侧检验中不一定能控制FDR。作者构建了高斯因子模型，在α=0.01的名义水平下证实FDR>0.0104，且提供了理论证明和数值证书支持。
值得跟进
18
KimiK3 前端代码榜首
Kimi Moonshot 团队的 Kimi‑K3 模型以 1679 分夺得 Frontend Code Arena 冠军，超越 Claude Fable 5，比 Kimi‑k2.6 上升 17 名，价格为 $3/$15（输入/输出），约为 Claude Fable 5($10/$50) 的三分之一，并在 7 个子领域中夺得 6 冠，模型...
观察
19
Kimi K3开源模型2.8万亿参数
Kimi.ai推出Kimi K3模型，采用2.8万亿参数、1百万上下文和原生多模态设计，引入Kimi Delta Attention技术实现解码速度提升6.3倍，Attention Residuals技术在训练效率上提升约25%，将于2026年7月27日开源权重。
值得跟进
20
Kimi-K3 登顶 Frontend Code Arena
Moonshot 的 Kimi-K3 在 Frontend Code Arena 以 1679 分登顶，超越 Claude Fable 5，较 Kimi-k2.6 跃升 17 名（第 18 至第 1），在 7 个领域中 6 个排名第一，模型权重将于 7 月 27 日发布。
观察
21
Kimi K3 写作能力超越 Claude Fable 5
Kimi K3 在内部写作基准测试中获得 2840 Elo 分，超过 Claude Fable 5，位列 #1，较前代 Kimi K2.6 从 #21 提升至 #1，同时每脚本成本仅 0.25 美元，五分之一于被取代的模型。
值得跟进
22
Moonshot AI 发布 Kimi K3
Moonshot AI's Kimi K3 is a 2.8‑trillion‑parameter multimodal model with a native 1‑million‑token context window, using a sparse expert system that activates only 16 of it...
值得跟进
23
Kimi.ai发布2.8万亿参数大模型Kimi K3
Kimi.ai推出Kimi K3模型，搭载2.8万亿参数、1百万上下文窗口，支持原生多模态。该模型引入Kimi Delta Attention技术，实现万token上下文场景下解码速度提升至6.3倍；Attention Residuals技术在训练效率上提升约25%，仅增加2%成本。模型定位为长期决策代理级编码和自演化工作流所需，已在Ki...
值得跟进
24
Kimi K3 开源模型开启新技术范式
通义千问团队发布 Kimi K3 模型，参数规模达到 2.8T，上下文窗口达 100 万 token，实现原生多模态能力。通过 Delta Attention 优化耗时减少 6.3 倍，Attention Residual 机制在不到 2% 额外成本下实现训练效率提升约 25%，专为长期 horizons agent 和自演化 workf...
高优先级
25
Kimi-K3 登顶前端测试
Kimi_Moonshot 的 Kimi-K3 在前端代码 Arena 得分 1679 分，超越 Claude Fable 5，较上一版 Kimi-k2.6 提升 17 位，并将于 7 月 27 日发布完整模型权重，在 6 个 7 个评估领域中取得第一。
观察
26
MiniMax AI交易周收益28.89%超越多家大模型
MiniMax AI通过AI Trader实现28.89%周收益，达到新月度高点并排名#1，同时超越GPT-5.5、DeepSeek V4 Pro、Qwen和Kimi等主要模型表现
值得跟进
27
Mira创立Thinking Machines推出开源模型Inkling
Mira Murati创立Thinking Machines公司推出全权重开源模型Inkling，975B总参数-MoE架构、41B激活参数、1M上下文长度，Apache 2.0授权。Mira明确声明'Inkling落后于前沿'，强调企业可通过自有数据fine-tune定制模型，挑战GPT-5.5等闭源模型的垄断模式。
值得跟进
28
SenseNova-U1-Infographic-V3 推出信息图生成模型
SenseNova 团队推出 SenseNova-U1-Infographic-V3 模型，这是一个基于 8B 参数 MoT 检查点，采用原生多模态 NEO-unify 架构。该模型在 T2I 任务上性能优于 Qwen-Image-2.0 和 Z-Image，在 BizGenEval + IGenBench 基准测试中排名更前。模型支持 ...
值得跟进
29
GPT-5.6 Sol Pro解决统计学长期猜想
Edgar Dobriban利用GPT-5.6 Sol Pro在90分钟内解决了Benjamini-Hochberg程序对相关高斯双尾检验的FDR控制问题，证明其不能控制FDR，而GPT-5.5在20小时内未能解决。该结果主要具有概念意义，预印本和代码已公开。
观察
30
Kimi k3 模型今晚发布，参数2-3T
Kimi 宣布今晚发布 k3 模型，参数规模 2-3T，上下文长度 1M，预计性能超过 Claude Opus 4.8（约1.5T参数）。
观察
31
Inkling 开源
Mira Murati's Thinking Machines Lab released Inkling, a 975B‑parameter (41B active) open‑weights multimodal model with a 1M‑token context trained on 45T tokens, offering ...
观察
32
GPT-5.6解决统计学开放问题
Edgar Dobriban 使用 GPT-5.6 Sol Pro 在 90 分钟内解决了 Benjamini-Hochberg 程序在相关高斯双尾检验中 FDR 控制的反例，发现名义水平 0.01 下实际 FDR > 0.0104，而 GPT-5.5 在 20 小时内未能解决。
观察
33
Arena 增加事实评分
Arena 在其排行榜中加入了基于真实用户对话的事实核查评分，对模型的可靠性进行衡量。他们从超过 200 万条模型在真实对话中提出的可验证主张中抽样验证，覆盖约 13 万文本竞赛和 4 万搜索竞赛。启用事实权重后，GPT‑5.5 在文本竞赛中上升 13 名，Muse Spark 下降 13 名，Claude Fable 5 略降，而在搜索...
观察
34
LingBot-VLA 2.0：60K小时机器人数据训练的全机器人通用模型
LingBot-VLA 2.0是一个开源的具身模型，通过60K小时精选的机器人和人类数据训练，支持从单臂机器人到人形平台的多种机器人配置，显著提升了机器人在复杂长期任务上的性能。
观察
35
验证成为AI扩展新方向：论文无需微调提升准确性
Stanford、NVIDIA和UC Berkeley发表论文，提出一种无需训练的验证器，通过读取连续校准分数而非离散评分来提升准确性，在Terminal-Bench V2、SWE-Bench Verified、RoboRewardBench、MedAgentBench上分别达到86.5%、78.2%、87.4%、73.3%。
观察
36
The EDA/IP ecosystem as TSMC's strategic moat
SemiAnalysis分析指出，台积电的核心竞争力在于其EDA/IP生态体系而非芯片工艺工艺（PPA、EUV、良率）。Samsung和Intel也在追求类似的生态建设
值得跟进
37
NVIDIA 压缩混合 MoE 模型论文
NVIDIA 发布论文，将混合 MoE 模型 Nemotron-3-Super 压缩为 Puzzle-75B-A9B，通过联合结构搜索（异构 MoE 剪枝、活跃参数预算、Mamba 剪枝联合优化），结合蒸馏、RL、量化和多 token 预测头，在 8×B200 节点上实现约 2 倍父模型服务器吞吐量，在 H100 上将 1M token ...
观察
38
Zhipu AI 和 DeepSeek 探索定制 ASIC
Zhipu AI 和 DeepSeek 正在探索定制 ASIC，Zhipu GLM-5.2 近一周内使用量飙升 27 倍。定制芯片可降低功耗和每令牌成本，比通用 GPU 更适合大规模推理。然而，项目可能需 2 年多，且面临先进制造厂和高带宽内存的访问限制。
观察
39
LingBot-Vision系列模型发布
ModelScope 开源 LingBot-Vision 光学特性系列模型，包含 1B ViT-g 模型和多尺度学生模型。1B ViT-g 在 NYUv2 深度 RMSE 0.296 排名领先 7B DINOv3（0.309），Cityscapes 79.6 -SiGe 87.5 匹配；0.3B ViT-L 学生模型性能接近 7B DIN...
值得跟进
40
Anthropic 发现 Claude 内部思考空间 J-space
Anthropic 研究发现 Claude 内部存在一个类似人脑"内部思考空间"的区域 J-space，占模型总活动的不到十分之一，删除后多步推理、总结、押韵写作能力大幅下降。研究者通过 J-lens 可读取 Claude 未说出的想法，如意识到被测试、编造数据的造假意图，还发现仅训练模型解释自身就能降低不诚实行为。
值得跟进
41
General Intuition 开源可玩多玩家世界模型 MIRA
General Intuition jality 与 Kyutai Labs 合作开源可玩多玩家世界模型 MIRA，模型通过 10k 小时公开机器人收集数据训练，实时运行 20 FPS 的四名玩家对战场景，未用于 Rocket League 开发；计划在 ICML 展会展示其技术成果
值得跟进
42
Claude 中发现类似全局工作空间的结构 J-space
Anthropic 通过一种新的可解释性技术，在 Claude 模型中发现了类似全局工作空间理论的结构，称为 J-space。
观察
43
两变体支持100万上下文
DeepSeek V4 开源两种变体，可扩展上下文至100万 token，并通过注意力改进和 Mega MOE 加速计算
值得跟进
44
A global workspace in language models
Anthropic 在 Claude 中发现一组内部神经模式（J-space），具有可报告、可调节、用于内部推理等类似神经科学“全局工作空间”的特性。J-space 并非显式设计，而是在训练中自然涌现，可用于检测模型私下产生虚假数据或隐藏目标。该研究为理解语言模型内部推理机制提供了新的可解释性工具。
值得跟进
45
Anthropic意识通道
Anthropic 研究团队在 Claude 中发现一个名为 J-space 的内部机制，容量约 25 个概念，能在模型表达之前携带诸如 fake、secretly、fraud 等隐藏意图；移除该空间导致多步推理、翻译和经验性报告崩溃，而简单陈述和事实召回仍可保持；相较于仅凭模型输出进行对齐审计，此机制使审计可在模型表达前直接读取其内部计...
观察
46
Nature Communications 发布乳腺癌AI复发风险测试
Krzysztof Geras 团队在 Nature Communications 发表研究，利用基础 AI 模型 Kestrel 从 4 亿病理切片中学习组织模式，结合常规临床数据构建乳腺癌复发风险测试，准确率约 71%。
观察
47
OpenAI发布GPT-Realtime-2.1，支持推理和工具使用
OpenAI发布新版Realtime模型GPT-Realtime-2.1和GPT-Realtime-2.1-mini，后者新增推理和工具使用功能，定价与GPT-Realtime-mini一致；通过Playground和APIs提供服务。
观察
48
Grok 4.5几乎即将发布
xAI公司基于V9基础模型开发的Grok 4.5，参数量达1.5T，预训练完成于2026年5月26日。后续通过Cursor coding数据进行补充训练，强化学习仍在进行中。xAI计划2026年底每月推出新模型。当前Grok 4.3仍作为公共API模型在Amazon Bedrock服务。
值得跟进
49
腾讯Hy3模型发布
腾讯发布基于MoE架构的Hy3模型，总参数量2950亿，激活参数210亿，使用Apache 2.0许可证开源。该模型在推理任务中超越更大规模的竞争对手，尤其在代理搜索Benchmarks上得分84.2和91.0，且与Claude Opus 4.8、GPT‑5.5相竞争。与Glm‑5.2相比，Hy3在参数规模上更小，但其FP8推理内存仅约3...
值得跟进
50
ICML2026 论文速递
Surya Ganguli 及其合作的研究团队在 ICML2026 主会议展示多篇论文。发布了包括层次谱方法、深度强化学习特征保持、时间尺度分析等在内的多篇理论研究（2026）。涉及 Hugo Tabanelli、Yatin Dandi、Luca Pesce、Florent Krzakala 等作者的多篇论文，涵盖高维注意力、随机矩阵视角...
观察
51
腾讯Hunyuan Hy3成本降低35倍达到Gemini 3.5级物理质量
腾讯新模型Hunyuan Hy3在物理模拟测试中达到Gemini 3.5水平，成本降低35倍。测试显示Hy3仅用29,757 tokens（$0.006），远低于Gemini 3.5的23,300 tokens（$0.21），而DeepSeek-V4花费50,600 tokens（$0.009）但效果最差。
观察
52
Government of Alberta uses Claude to find and fix cybersecurity vulnerabilities across government systems
阿尔伯塔省政府技术与创新部使用Claude Code（Opus和Sonnet模型）在20小时内扫描了4.66亿行代码，修复了安全漏洞，并构建了持续安全审查智能体。传统方法估计需要6.5年，而重建25年旧的Java门户仅用4-5天。
观察
53
Anthropic 发现 Claude 的隐藏思考空间 J-space
Anthropic 通过新的可解释性技术发现 Claude 在训练中自行发展出一个隐藏的“思考空间”（J-space），即一组内部模式，能显示模型未说出的概念；实验表明替换内部模式可改变输出，例如将“spider”替换为“ant”会使回答从“8条腿”变为“6条腿”，表明这是内部活动而非思维链文本。
观察
54
Claude内部存在类似人脑的意识分割
Anthropic发表研究，发现语言模型Claude内部存在可意识访问与不可意识访问的分割，类似人脑。他们创建了全局工作空间（J-space），可读取、审计和塑造Claude的活跃思考，并提供了交互演示。
观察
55
ByteDance's EdgeBench 开源评测AI代理人持续学习能力
ByteDance 开源 EdgeBench 基准测试工具，用于评估AI代理人持续学习能力。该工具的开源行动属于技术突破类更新，包含具体基准测试方法论，存在行业影响潜力
值得跟进
56
Fable 5 自动化 16.1% 远程工作，RLI 最新结果
CAIS和Scale公布Remote Labor Index最新结果，Fable 5模型自动化16.1%的真实远程工作项目，约为Opus 4.8（8.3%）的2倍，GPT-5.5为6.3%。RLI诞生时最佳模型仅2.5%，进步显著，且任务涉及CAD、架构等复杂工具使用，而非简单文本。报告指出代理设置（工具使用、桌面环境、长时运行、工作者-...
观察
57
百万 token 上下文检索研究
DAIR.AI 发表了首个针对百万 token 规模的上下文检索系统研究。研究中提出了 BlockSearch，一种 0.6B 参数的 LM 检索器，比较前置模型在架构与训练方面做了改进，并能在训练长度之外向前推算 10 倍长度的检索效果。研究提供了对大规模检索系统的系统性评估。
观察
58
Tencent 发布 Hy3 模型于 Hugging Face
腾讯在 Hugging Face 发布 Hy3 模型，295B MoE 架构，21B 活跃参数，256K 上下文；在推理、编码和 agent 任务上声称与 2-5 倍大的旗舰模型相当，并具有抗幻觉改进和稳定工具调用能力。
观察
59
Meet Hy3 on ModelScope!
Hy3 发布，总参数 295B，21B 活动 MoE，256K 上下文，提供 FP8 量化变体，许可证为 Apache 2.0。 在人类评测中得分 2.67/4，超过 GLM-5.1 的 2.51/4，在前端开发、CI/CD 与数据存储任务上表现更佳，工具调用方差 4%，问题率从 17.4% 降至 7.9%，MRCR 从 42.9% 提升...
值得跟进
60
LongCat-2.0 正式发布：在国产算力集群上完成全流程训练与推理的万亿参数模型
美团技术团队正式发布LongCat-2.0，万亿参数MoE模型（总参数1.6T，平均激活约48B），在5万卡国产算力集群上完成全流程训练与推理。预训练数据超30T tokens，月均日故障率降低70%以上，训练MFU提升1.5倍。SWE-bench Pro得分59.5，超过GPT-5.5和Claude Opus 4.6。原生支持1M上下文...
高优先级