千问 AI 眼镜和耳夹耳机出海，海外开发者先试了翻译
AI 硬件的卖点不只是参数，而是能不能在真实交流里“无感”地帮上忙。
管理员 第5页
Anthropic 测试主动型智能体 Claude Duet：跨应用代办，敏感操作先审批
Claude Duet 把 AI 助手从“等你提问”推进到“主动办事”，但权限与审批仍是它能否落地的关键。
AI 日报：星火 X2.6、小果 AI 与人形机器人新动作
从基础模型到内容入口，再到具身智能，今天的 AI 动态都指向同一个方向：能力正在进入具体场景。
LineSVG 把图片变成可编辑 SVG 线稿，线宽和颜色都能改
LineSVG 的差异点不是“生成一张图”，而是输出可以继续编辑的矢量路径。
讯飞星火 X2.6 发布：全国产算力训练，上下文拉到 1M
星火 X2.6 最醒目的标签不是参数，而是“全国产算力训练”和“1M 上下文”同时出现。
DeepSeek 开源 DeepInfer：把线上推理集群经验交给开发者
DeepInfer 把 DeepSeek 线上推理的并行、调度与重算策略公开出来，但它的适用面也明显偏向单一模型和特定硬件。
腾讯内测“懂了鸭”：一句话生成可拖动的互动课件
懂了鸭把 AI 生成从“写一段答案”推向“做一件能操作的作品”，课堂和亲子科普是它最直接的使用场景。
科大讯飞发布 SparkAudio 1.0，把翻译、识别和语义理解合进一个语音模型
语音模型的竞争，正在从“识别准不准”转向“能不能听懂场景”。
腾讯混元开源 Hy-Memory 2.0：给智能体装上三层记忆
智能体能不能长期办事，很大程度取决于它记得住什么、什么时候该忘。Hy-Memory 2.0 给出的答案是按场景拆记忆。
快看漫画 Livo 内测：角色会自己生活，离线也不停
Livo 把角色陪伴做成“世界先运转，用户再进入”，它刻意保留了等待、错过和不可撤回的选择。
Hypit 开源视频工作流：拆解爆款，改一句台词就能批量出片
Hypit 的关键不是“生成一段视频”，而是把一条验证过的视频结构变成可重复执行的生产线。
蚂蚁数科发布 LingDT-Decision-1.0，专攻结构化决策
不是所有 AI 任务都需要写一段话，有些场景只需要一个准确、快速的决定。
Jev 聊天助手开源：先判断对方意图，只把回复填进输入框
Jev 把 AI 放在聊天窗口旁边，而不是代替用户说话；“只填不发”是它最重要的产品边界。
微软把法律技能装进 Word：Copilot for Legal 能审合同、追义务
Copilot for Legal 不是独立法律软件，而是把法律技能嵌入 Word 和跨应用工作流。
腾讯开源 WeKnora：把企业文档变成可检索知识库和自动 Wiki
WeKnora 把 RAG、智能体和 Wiki 放在同一套知识底座上，重点是让企业文档真正被用起来。
宇树 H2-X 广告不只秀动作：8 小时续航，也提醒保持安全距离
当人形机器人开始做“危险动作”，广告的边界和安全提示同样值得看。
日活 1.68 亿之后，红果短剧用“小果 AI”补上互动入口
短剧平台做到亿级日活后，下一步比的不是剧集数量，而是用户和内容之间的交互方式。
MMLU
MMLU（Massive Multitask Language Understanding）覆盖 STEM、人文、社科等 57 个学科，用多选题评估模型的知识与推理能力。
Open LLM Leaderboard
Open LLM Leaderboard 用统一基准和公开提交结果，帮助开发者比较开源语言模型的综合能力。
C-Eval
C-Eval 由上海交通大学、清华大学和爱丁堡大学等联合推出，用中文考试题评估模型的知识理解与推理能力。
FlagEval
FlagEval 采用能力、任务、指标三维框架，覆盖语言、多模态等方向，并提供开放榜单和评测工具。
SuperCLUE
SuperCLUE 由 CLUE 团队维护，用统一题库和评分体系对比中文大模型的综合表现。
Jev
Jev 把机器可读判断从文本生成中独立出来，面向需要分类、评分或概率输出的应用场景。
AGI-Eval
AGI-Eval 由上海交通大学、同济大学、华东师范大学和 DataWhale 等联合维护，通过公开题库和人类评估推动模型评测透明化。
腾讯混元大模型
腾讯混元覆盖文本、图像、视频和 3D 生成，面向内容创作、企业服务和腾讯生态应用。
CMMLU
CMMLU 覆盖自然科学、人文科学、社会科学和中国生活常识等 67 个主题，并提供公开榜单与数据集。
DeepSeek R1T2
DeepSeek R1T2 用 Tri-Mind 架构合并多个 DeepSeek 模型，在开源推理模型中强调速度与质量平衡。
MMBench
MMBench 由 OpenCompass 社区主导，从感知到认知细分 20 项能力，评估多模态模型的视觉理解与推理。
Skywork-Reward-V2
Skywork-Reward-V2 提供 8 个参数规模的奖励模型，用于偏好评估、模型排序和对齐训练。
Helm Lite
Helm Lite 用统一接口在多个场景上运行语言模型，输出可复现的指标和对比结果。
Codex
Codex 根据自然语言指令生成代码，可用于原型开发、补全、解释和代码审查。
Chatbot Arena
Chatbot Arena 让用户对不同模型进行盲测投票，并通过统计模型生成动态排行榜。