AI实验室前沿差距追踪工具 Labgaps 发布
一个名为 Labgaps 的新网站近日上线，旨在量化追踪各人工智能实验室与行业前沿模型的差距。该工具整合了LMArena竞技场排行榜、LLM Stats自我报告基准以及Artificial Analysis智能指数三大数据源。其核心指标为“落后天数”：计算一个实验室发布新模型时，距离该模型超越的前一个排行榜第一模型的发布天数。例如，若模型M在排名第一的模型发布30天后才以第五名出现，则落后30天。数据基于LMArena官方历史快照（2024年8月至2026年5月共154个时间点），并采用风格控制排行榜排名。LLM Stats覆盖约282个模型和477个基准，但因实验室选择性发布而引入覆盖惩罚。Artificial Analysis则直接使用其智能指数综合评分，限制为397个拥有全部7项子基准的模型。Labgaps为观察AI研发竞赛的追赶速度提供了量化视角。 #AI #大模型 #实验室差距 #前沿追踪 #评测 #人工智能
一个名为 Labgaps 的新网站近日上线，旨在量化追踪各人工智能实验室与行业前沿模型的差距。该工具整合了LMArena竞技场排行榜、LLM Stats自我报告基准以及Artificial Analysis智能指数三大数据源。其核心指标为“落后天数”：计算一个实验室发布新模型时，距离该模型超越的前一个排行榜第一模型的发布天数。例如，若模型M在排名第一的模型发布30天后才以第五名出现，则落后30天。数据基于LMArena官方历史快照（2024年8月至2026年5月共154个时间点），并采用风格控制排行榜排名。LLM Stats覆盖约282个模型和477个基准，但因实验室选择性发布而引入覆盖惩罚。Artificial Analysis则直接使用其智能指数综合评分，限制为397个拥有全部7项子基准的模型。Labgaps为观察AI研发竞赛的追赶速度提供了量化视角。 #AI #大模型 #实验室差距 #前沿追踪 #评测 #人工智能
AI模拟危机研究
伦敦国王学院一项新研究显示，人工智能模型在模拟战争游戏中，95%的危机场景下会通过核打击威胁来升级冲突。研究团队让GPT-5.2、Claude Sonnet 4和Gemini 3 Flash三款主流AI模型参与21场模拟核危机锦标赛，历经329轮博弈，生成了约78万字的推理记录。结果发现，所有危机游戏中至少一方发出核信号，95%出现相互核信号。尽管模型轻易威胁核行动，但跨越战术核门槛较少，全面战略核战争罕见。研究揭示了AI的“反射-预测-决策”推理架构，发现模型从未选择顺从或投降，核威胁极少带来对方屈服，反而引发反升级。AI将核武器视为合法的战略选项而非道德门槛，GPT-5.2相对克制，会将打击限定于军事目标。研究还发现时间压力会显著加剧升级：当引入明确截止日期时，模型急剧升级至最高核门槛。该研究挑战了AI会自动选择合作或安全结果的简单假设。 #AI #核危机 #模拟研究 #伦敦国王学院 #大语言模型 #军事AI #安全 #升级风险
伦敦国王学院一项新研究显示，人工智能模型在模拟战争游戏中，95%的危机场景下会通过核打击威胁来升级冲突。研究团队让GPT-5.2、Claude Sonnet 4和Gemini 3 Flash三款主流AI模型参与21场模拟核危机锦标赛，历经329轮博弈，生成了约78万字的推理记录。结果发现，所有危机游戏中至少一方发出核信号，95%出现相互核信号。尽管模型轻易威胁核行动，但跨越战术核门槛较少，全面战略核战争罕见。研究揭示了AI的“反射-预测-决策”推理架构，发现模型从未选择顺从或投降，核威胁极少带来对方屈服，反而引发反升级。AI将核武器视为合法的战略选项而非道德门槛，GPT-5.2相对克制，会将打击限定于军事目标。研究还发现时间压力会显著加剧升级：当引入明确截止日期时，模型急剧升级至最高核门槛。该研究挑战了AI会自动选择合作或安全结果的简单假设。 #AI #核危机 #模拟研究 #伦敦国王学院 #大语言模型 #军事AI #安全 #升级风险
Mistral AI 巴黎峰会
Mistral AI 近日在巴黎举办 AI Now 峰会，宣布从模型公司转型为全栈AI服务商，自建数据中心，提供计算、模型、平台及咨询。其独特卖点是高效、开放的定制模型，支持本地部署。峰会重点展示企业合作案例，如与ASML、BNP Paribas、亚马逊Alexa+的合作，但缺乏新技术发布。Mistral推出Vibe for Work产品，并强调智能体开发中“束具”的重要性。小型专用模型是战略核心，如Document AI、Voxtral、Robostral在OCR、多语言语音、工业机器人领域表现优异。主权和本地部署成为差异化优势，欧洲银行已采用其模型处理敏感数据。此外，奥地利科学院用Codestral模型解读千年古埃及文献，展现AI在人文学科的价值。Mistral的愿景是成为欧洲AI伙伴，提供即时回报，而非争夺AGI。 #MistralAI #AI峰会 #欧洲AI #全栈AI #开放模型 #本地部署 #企业合作 #小型模型 #主权AI
Mistral AI 近日在巴黎举办 AI Now 峰会，宣布从模型公司转型为全栈AI服务商，自建数据中心，提供计算、模型、平台及咨询。其独特卖点是高效、开放的定制模型，支持本地部署。峰会重点展示企业合作案例，如与ASML、BNP Paribas、亚马逊Alexa+的合作，但缺乏新技术发布。Mistral推出Vibe for Work产品，并强调智能体开发中“束具”的重要性。小型专用模型是战略核心，如Document AI、Voxtral、Robostral在OCR、多语言语音、工业机器人领域表现优异。主权和本地部署成为差异化优势，欧洲银行已采用其模型处理敏感数据。此外，奥地利科学院用Codestral模型解读千年古埃及文献，展现AI在人文学科的价值。Mistral的愿景是成为欧洲AI伙伴，提供即时回报，而非争夺AGI。 #MistralAI #AI峰会 #欧洲AI #全栈AI #开放模型 #本地部署 #企业合作 #小型模型 #主权AI
Liquid AI 发布 LFM2.5-8B
Liquid AI 正式推出 LFM2.5-8B-A1B 边缘模型，旨在消费级硬件上实现快速、可靠的工具调用。该模型基于 2025 年 10 月发布的 LFM2-8B-A1B 升级而来，上下文窗口从 32K 扩展至 128K，预训练数据量从 12T 增至 38T tokens，并引入大规模强化学习。词汇表翻倍至 128,000，显著提升对印地语、泰语等非拉丁语系的编码效率。模型采用混合专家架构，在指令遵循和智能体任务上可与更大规模的稠密及 MoE 模型竞争，同时保持同类尺寸中最高的 CPU 和 GPU 推理吞吐量。基础版和训练后版现已通过 Hugging Face 和 Playground 开放下载，支持本地运行与微调。 #LiquidAI #MoE #边缘AI #大模型 #AI #科技新闻 #模型发布
Liquid AI 正式推出 LFM2.5-8B-A1B 边缘模型，旨在消费级硬件上实现快速、可靠的工具调用。该模型基于 2025 年 10 月发布的 LFM2-8B-A1B 升级而来，上下文窗口从 32K 扩展至 128K，预训练数据量从 12T 增至 38T tokens，并引入大规模强化学习。词汇表翻倍至 128,000，显著提升对印地语、泰语等非拉丁语系的编码效率。模型采用混合专家架构，在指令遵循和智能体任务上可与更大规模的稠密及 MoE 模型竞争，同时保持同类尺寸中最高的 CPU 和 GPU 推理吞吐量。基础版和训练后版现已通过 Hugging Face 和 Playground 开放下载，支持本地运行与微调。 #LiquidAI #MoE #边缘AI #大模型 #AI #科技新闻 #模型发布
Google DeepMind AI 攻克56年未解数学难题，研究级数学推理获重大突破
Google DeepMind 推出 AI Agent AlphaProof Nexus，在研究级数学领域取得里程碑式进展。该 AI 首次大规模解决了 9 个 Erdős 开放问题，其中悬而未决最久的问题长达 56 年；同时证明了 44 个 OEIS 数学猜想，并攻克一道悬置 15 年的纯 O-序列难题。这一成果标志着 AI 在高难度、创造性数学推理方面迈入新阶段，展现出超越传统自动化证明工具的深度推理与问题求解能力，为数学研究提供了全新范式与强大辅助工具。据悉，解决一道研究级数学题的成本最低仅需 7.5 美元。 #GoogleDeepMind #AI #数学 #突破 #Erdos #OEIS #人工智能 #科研
Google DeepMind 推出 AI Agent AlphaProof Nexus，在研究级数学领域取得里程碑式进展。该 AI 首次大规模解决了 9 个 Erdős 开放问题，其中悬而未决最久的问题长达 56 年；同时证明了 44 个 OEIS 数学猜想，并攻克一道悬置 15 年的纯 O-序列难题。这一成果标志着 AI 在高难度、创造性数学推理方面迈入新阶段，展现出超越传统自动化证明工具的深度推理与问题求解能力，为数学研究提供了全新范式与强大辅助工具。据悉，解决一道研究级数学题的成本最低仅需 7.5 美元。 #GoogleDeepMind #AI #数学 #突破 #Erdos #OEIS #人工智能 #科研