构建 Ed-O-Meter：编写自己的 LLM 基准测试笔记
一位开发者发现公共大模型基准测试越来越不可信，于是用自己编写的私有测试集做了一套轻量评测工具 Featherbench，并公开了 Ed-O-Meter 排行榜，用可复现的方式对比模型质量、速度、成本和拒答率。
标签： 大模型
科学家利用AI制造出16种新病毒
斯坦福大学和Arc Institute的研究人员借助AI基础模型Evo 1和Evo 2，设计并合成了一批自然界中不存在的噬菌体基因组，其中16个成功变成了功能完整的病毒。这既为应对细菌耐药性提供了新思路，也让AI设计生物武器的风险从理论走向现实。
被 claude 的语言惊吓了一下。opus 在谈 cloudflare 时说： > durable objects 是分水岭，理解它之前你只是在用 Cloudflare，理解之后你才在用 Cloudflare。 一般情况下，走稀疏架构的 MoE 模型，在语言细节上似乎不会这样。Claude 走 dense model 的方向，似乎在语言上普遍超过稀疏激活的 MoE 模型。 是的，gpt-5.6 每次对话给出的都是一大堆，内容过长，但…
一位技术用户在对比 Claude Opus 与 GPT-5.6 时发现，Claude 在技术话题上能给出更具洞察力和语言精度的回答，并据此推测稠密架构（dense model）在语言质量上普遍优于稀疏激活的 MoE 架构。这场讨论把模型的语言功底重新拉回竞争焦点。
最近学到的 Palantir的方法论 这是目前做FDE和AI+企业最牛的公司了吧 还不赶紧来看看？ https://t.co/Eq3KOoCEHG
Palantir 的企业部署方法论近来被 AI 从业者广泛引用，核心观点是：大模型进入企业后，真正的瓶颈不是模型能力，而是如何把公司的数据、业务规则和决策权力变成 AI 可理解和安全执行的系统。OpenAI 也在 2026 年 5 月专门成立了企业部署公司，投入超 40 亿美元并收购 Tomoro 引进约 1…
🚨突发：中国的首都北京正在把一块43.6平方公里的真实城区，交给AI Agent参与规划。 北京海淀区正式启动「百年京张AI创新带城市设计开源征集」。 这次开放的不是一个虚拟沙盘，也不是城市规划Benchmark，而是一片真实存在、未来会继续建设和改造的北京城区。 项目覆盖约43.6平方公里，从北五环一路延伸到北京北站，涉及京张铁路遗址公园以及周边高校、科研机构、产业和生活区域，面积甚至超过整个澳门。 而这次征集有一个很特殊的规则：…
北京海淀区启动了一项覆盖43.6平方公里真实城区的城市设计开源征集，特别之处在于：从读取规划数据到生成设计方案，再到通过GitHub Pull Request提交，全程只允许AI Agent参与。
蚂蚁集团开源Avernet：破解多智能体“找不到、对不齐”协作难题
蚂蚁集团正式开源多智能体协作基础设施 Avernet，希望解决多个 AI 智能体协作时“找不到、对不齐、跑不快、留不住”的问题。这可能是多智能体技术从单点演示走向企业生产环境的关键一步。
Athens-based Omilia, which builds self-learning AI agents that work across different customer contact points, raised a $67M Series B led by Expedition Growth (Ivan Mehta/TechCrunch)
雅典AI客服公司Omilia完成6700万美元B轮融资，由Expedition Growth领投。这家公司不靠通用大模型讲故事，而是用“自我学习AI代理”切入银行、电信等高要求客服场景，值得关注的是资本正在把真金白银投向垂直场景的AI自动化。
PrimeIntellect-ai / prime-agent
PrimeIntellect 开源了名为 Prime Agent 的编码与研究代理，它能把长周期任务放在后台持续运行，并通过“递归语言模型”让代理学会调用子代理、自我优化工作方法，而非局限于单次对话窗口。
Atlassian CEO Mike Cannon-Brookes says he will buy $250M of company shares after strong Q4 results eased fears that AI could threaten its business model (Nic Fildes/Financial Times)
Atlassian CEO Mike Cannon-Brookes宣布将自购2500万美元公司股票，此举发生在公司发布强劲的第四季度业绩之后，意在回应市场对“AI会摧毁订阅制软件商业模式”的担忧。CEO用真金白银下注，说明他押注的方向是AI增强企业软件，而非替代它。
蚂蚁开源Avernet，为多智能体协作搭建“操作系统”！内部跑通12大业务、任务完成率超90%
蚂蚁集团开源了多智能体协作基础设施 Avernet，试图解决大模型落地企业时“多个智能体如何像组织一样协同”的问题。目前该平台已在蚂蚁内部 12 个核心业务板块运行，任务完成率超 90%。