MaxxBench 改写 89 个 DeepSWE 任务:小幅需求变更让模型分数最多跌 23 分

MaxxBench 对 DeepSWE 的 89 个编码任务做了小幅需求改动,结果多个模型的得分明显下滑,其中 Gemini 3.8 Flash 从约 74% 降到 53.4%,说明模型并不总能稳定遵循修改后的要求。

MaxxBench 对 DeepSWE 的 89 个编码任务做了小幅需求改动,结果多个模型的得分明显下滑,其中 Gemini 3.8 Flash 从约 74% 降到 53.4%,说明模型并不总能稳定遵循修改后的要求。

2026年11月7日,硅谷AI研究者Cloris在X发布《Cloris说AI》第一季共9集科普内容,从token、注意力、温度、幻觉到训练三阶段和推理模型,帮非技术用户理解大模型的行为逻辑。这不是产品发布,而是一套面向普通使用者的概念框架。

Gork 社区在 X 上发起 $Gork 迷因创作比赛,奖池共 2 SOL、5 名获奖者各得 0.4 SOL,并明确接受 AI 生成的视频作品。这是加密社区用代币激励和 AI 创作工具拉动内容传播的一次典型小规模实践。

X 用户 @mika_systems 援引斯坦福论文称,一套名为 Agentic Context Engineering 的方法不换模型、不做微调,仅靠让 Agent 持续记录并累积经验笔记,就把任务准确率从 38.6% 提升到 64.2%。值得关注的是,这提示 Agent 能力提升的另一条低成本路径可能在工…

当 n8n 工作流里把 MCP Client Tool 挂到 Gemini(含 Vertex 与 Gemini Chat Model)上时,Gemini 侧会拒收 MCP 服务器返回的工具参数 schema,报出 MCP Client Tool doesn't work with gemini mo

据社交平台账号 @hywemiee 于 2026 年 11 月 7 日转述,阿里旗下编程智能体产品 Qoder 上线了一个名为 Qoduck 的"隐身模型",个人用户可限时每天免费使用;官方层面尚未公开说明该模型的来源与具体能力。

Hugging Face Papers 收录的一篇论文提出“AI 增强人类智能(AHI)”与“认知共生体”概念,主张 AI 不应只追求独立完成任务,而应嵌入个人生活、长期保留上下文并在关键时刻参与思考。目前仅为概念框架,尚无已落地产品。
![[Bug]: anthropic.messages.acreate(stream=True) caches an empty reply from a non-Anthropic model and replays it on every repeat](https://www.chat-gpts.plus/wp-content/uploads/2026/11/49931-c0d02b9e-768x403.jpg)
开启 LiteLLM 响应缓存后,对非 Anthropic 模型(如 Gemini)调用 litellm.anthropic.messages.acreate(stream=True) ,一次内容为空的回复会被写入缓存,之后相同请求都直接命中缓存、不再访问上游。优先排查缓存写入判定逻辑是否把空的 c

Google 收购了 Crusoe 位于怀俄明州东南部的数据中心场地,Crusoe 已完成选址、政府审批和混合电力策略等前期开发工作。这笔交易显示大型云厂商对 AI 算力基础设施的争夺正从芯片延伸到电力和土地。

微信小程序成长计划赠送的 10 亿 Token 生文额度,可抵扣模型从此前的 hy3 扩展到 hy4-preview、deepseek-v4.1-flash 共三个文本模型,且无需在云开发控制台手动开启,调用即自动扣额度。