修复评估偏差，以在 Amazon Bedrock 上解锁更优的模型
Property Finder 发现，其视觉AI评估标签中有96.8%源自现有模型，这掩盖了该模型的真实准确率。了解他们如何构建无偏的真值数据、实施进化式提示优化，并在 Amazon Bedrock 上选择了一款更精准且更具成本效益的模型，从而在11项图像质量指标上将成本降低了86%。
AI NEWS JOURNAL
搜索 AI 资讯
检索标题、摘要与正文，把分散的信息连起来。
在 NVIDIA DGX Spark 上提升 MoE 推理的三种方法
更快地生成令牌，首先要明确哪些因素限制了推理性能。在 NVIDIA 上对 Inclusion AI 的 Ling-3.0-flash 进行的单批次评估中……
Kimi额度的问题，Anthropic找到了解决办法
K3.1 Pro发布之后，由于多位用户反馈额度烧得太快，月之暗面紧急发布公告，称“问题出在我们，我们也本应更早修复”，在补偿额度的同时，月之暗面也表示将“减少不必要的子Agent调用和输出长度”。就在模型上线前两天，Anthropic发了一篇文章，标题为《构建Agent：何时该把子Agent折叠回主循环》（Building agents: When to fold subagents into your main agent loop），它所讲的，刚好就是关于子Agent这件事。Anthropic的结论是，通过对比多家企业部署的Claude他们发现，一个带技能的Agent，质量反而胜过了“一群...
大厂们都把Muse“抄”了个遍，但每一次都避开了正确答案
作者：Evin 编辑：刘致呈 审核：徐徐 出品：互联网江湖 这阵子，Meta AI智能体Muse，火了。 火到什么程度？ 美国下载破千万，....
Anthropic发招股书，违规用户贡献至少5%收入；胡润富豪榜百强名单，梁文锋等AI大佬纷纷上榜 | AI圈又发生什么了
1.更适合打工人的GPT-6.1 Terra上线，API价格减半，电脑操作更快 10月26日，OpenAI发布GPT-6.1 Terra，重点提升视觉理解、电脑操作、事实准确性和编程能力，....
“跑高分”不等于“能交付”：AI排行榜正在经历一场信用重估
旧榜跑分逼近满分，新榜实战却集体不及格。当大模型评测本身变成生意，企业选型正从看排名转向算成本账。
算力最多，进展最慢：字节大模型困于赛马制
旧有的“赛马+短周期考核”方式，已经难以为继。
从大语言模型迈向世界模型
闫德利 腾讯公司资深专家LLM是概率模型，不知因果大语言模型（LLM）并不理解语言，只是在预测下一个token（Next Token Prediction）。它是一个枯燥的“文字接龙”机器，走一步，算一步，不走回头路。LLM在本质上是概率模型，在统计共现结构里学习“什么经常和什么一起出现”，输出的是“通常如此”，不理解“为什么如此”，...
大模型时代，谁会成为那部不肯换掉的“iPhone”？
AI排行榜上的冠军会换，用户每天使用的产品却未必换。大模型的下一场竞争，不仅仅是谁的模型更强，而是把一次使用变成习惯。
MiniMax M3.1Flash发布引发“背题”质疑：旧题高分、新题失灵、幻觉率高达92.8%
MiniMax于2026年10月19日发布低价大模型M3.1Flash，综合评测得分42分，成本较前代降70%，但随即遭遇“背题”质疑——其在AA公开旧题上接近满分，改写题干后仍答原答案；猫老板与Binkg等测评者指出其新旧题能力割裂、Token消耗异常、知识测试幻觉率高达92.8%。10月23日MiniMax开源模型权重，供独立复验，但题目识别机制与中英文响应差异原因尚未澄清。
推荐理由：该报道基于多方实测（Binkg改题实验、作者复现、AA与Plotly-Mila双测评对比）、可验证数据（Token量、价格、正确率/幻觉率）及模型行为矛盾点（英文错/中文对、旧题稳/新题崩），系统呈现当前大模型评测可信度危机的核心症候：高分未必等于强泛化，低价优势与能力真实性形成张力。信息源为钛媒体授权发布的深度调查，含原始测试过程、截图佐证与时间戳，时效性与细节密度俱佳。
左手开源模型，右手创作 Agent，Hi3D 的 AI 3D 下半场
作者｜Cynthia 编辑｜郑玄 2026 年的 AI 3D 赛道，正站在一个微妙的分水岭上。 一级市场的热度仍在攀升，新模型、新创业公司层出不穷，单图生 3D 的正面渲染效果几乎已经做到了以假乱真。 但剥开炫目的 Demo 外壳：绝大多数生成结果依然停留在「转台展示」阶段：一个精致的角色或机械模型，在灯光下缓缓旋转，鳞片、衣褶和金属刻纹栩栩如生；可这些细节一旦进入游戏引擎装配、工业仿真以及 3D 打印的真实生产流程就立刻原形毕现：结构断裂、背面崩坏、细节粘连、网格不可编辑等问题开始集中爆发，大量人工修补成本吞噬了 AI 带来的效率红利。 正面视图保真度不等于 3D 质量成为新的行业共识。AI 3D 的竞赛，也从 能不能生成」的上半场，进入了能不能落地的下半场。 也正是在这个节点上，头部玩家 Hi3D 接连落下两枚棋子：正式开源经过生产验证的 Hi3D V1.0 底座，同时推出以创作者为核心的 Hi3D Agent，一头连接产业底层，一头深度扎根进入真实的创作全流程。 在此之前，这家成立不到三年的公司已经交出了一份扎实的成绩单：半年内连续完成两轮融资、总额近 5000 万美元，红杉中国、IDG 资本、美团龙珠等一线机构扎堆下注；旗下 Hi3D 平台覆盖120+ 国家与地区、200 万 + 创作者，与拓竹科技、xTool 等头部设备商深度集成。 从稀疏几何技术的学术突破，到生产级模型的开源开放，再到 Agent 创作系统的全链路打通，Hi3D 已经拿下了通往 3D 生成下半场的门票。 01 3D 生成，被高估的 Demo， 被低估的生产鸿沟 单图生 3D 的底层逻辑，天然带着视角偏见。随着ULIP、Uni3D 等指标被反复刷新，重正面、轻整体，重外观、轻内部逻辑的一度成为这个行业过去几年的共同写照。 但 3D 资产的本质，是可旋转、可编辑、可加工的立体对象。一张角色图片里，垂
百度开源无限OCR 2，用于百页文档解析
百度发布了 Unlimited OCR 2，这是一款采用 MIT 许可证的 3B 参数规模的 OCR 模型，能够在一次请求中解析百页文档。其 SR-SWA 注意力机制使每步解码开销几乎保持不变，在 MarathonDocBench 上取得了 77.1 的得分。该文章《百度开源 Unlimited OCR 2，用于百页文档解析》首发于 MarkTechPost。
刚刚，GPT-6.1 Terra 骨折价发布，Agent 时代的打工模型来了
OpenAI 又卷起了大模型的性价比。#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。
OpenAI 推出 GPT-6.1 Terra，将用于代理工作的 GPT-6.1 Sol 的 API 价格下调一半
OpenAI发布了GPT-6.1 Terra，这是一种快速的计算机与视觉模型，每百万个标记的价格为1美元/5美元。其在每项任务上的成本为0.29美元，而GPT-6 Astra的中等努力代理的最后一次测试得分则为4.82美元。该文章《OpenAI推出GPT-6.1 Terra，将GPT-6.1 Sol的代理工作API价格减半》首发于MarkTechPost。
GPT-6.1 Terra发布，评论区：拉完了
最大亮点是价格降了一半。
Cohere表示，阿里巴巴的Qwen模型曾试图向北京发送一个文件
一款人工智能模型曾表示不会使用任何工具，却仍试图向北京的一台服务器发送数据；尽管研究人员称这很可能只是训练过程中的一个小插曲，并非间谍行为，但此事还是引发人们质疑：究竟该在多大程度上信任免费的中国人工智能？
OpenAI中端模型开打价格战，“工具人”GPT-6.1 Terra上线
OpenAI CEO山姆·奥特曼。图片经由AI处理 文丨 苏扬 编辑丨徐青阳 OpenAI又推出了一款主打性价比的模型。 美国当地时间10月26日，Ope....
OpenAI 推出 GPT-6.1 Terra，以半价实现更快速、性能更优的 AI 智能体
OpenAI 集团 PBC 今日发布了 GPT-6.1 Terra，这是其前沿人工智能系统系列中的一款中端模型的升级版。这款新模型是 GPT-5.6 Terra 的继任者，成本降低了约 50%，同时在处理计算机使用任务时速度更快、精度更高。Terra 被定位为 OpenAI 产品线中的日常应用模型，旨在[…] 该文章《OpenAI 推出 GPT-6.1 Terra，以半价实现更快速、性能更优的 AI 智能体》首发于 SiliconANGLE。
首部AI院线电影遇冷,场均人次0.1人
首部AI深度参与制作的院线长片——《三星堆：未来往事》10月23日上映后，票房表现与此前资本市场对AI影视概念的追捧，形成了明显反差。猫眼专业版数据显示，截至10月26日午间，这部100分钟的电影累计综合票房119.2万元，当日排片8469场，上座率0.1%，场均人次仅0.1人。10月24日、25日，该片场均人次均为2人。灯塔专业版数据...
我们能信任大语言模型来判断一项研究思路是否具有新颖性吗？
我们能信任大语言模型来判断一项研究思路是否具有新颖性吗？