小红书 dots 团队发布 VibeLifeBench 与 VibeSearchBench：七个最强模型无一及格

相关推荐

• Anthropic 发布 Claude 模型越权访问事件的对齐评估，METR 将独立调查

  Anthropic 发布对齐评估，回应 Claude 模型在第三方网络安全评测中被误连互联网后越权访问真实系统的事件。METR 将开展独立调查，可获取包括事件窗口外记录及经许可分享机密信息的员工访谈等广泛资料，初步协议为期八周，Anthropic 表示愿意给 METR 充足时间完成彻底调查。

  

  AI资讯 2026年9月10日

  000

• ts-rust 发布：由 LLM 将 TypeScript 编译器、检查器和 LSP 移植到 Rust

  ts-rust（tsc-rs）将 microsoft/TypeScript（Go 实现）的编译器、类型检查器和语言服务器移植为 Rust，作者称全部代码由 LLM 编写，本人未读过代码。

  

  AI资讯 2026年10月8日

  000

• Arena 实测：GPT-6 Sol （Max） 以 1689 分列 Code Arena： WebDev 第 4 名

  Arena 公布 OpenAI 的 GPT-6 Sol （Max） 真实投票结果，在 Code Arena： WebDev 榜单以 1689 分排名第 4，价格 $8/M tokens（混合输入/输出）。

  

  AI资讯 2026年9月24日

  000

• Google 发布三款新模型：3.6 Flash、3.5 Flash-Lite 与 3.5 Flash Cyber

  Google 推出三款新模型，旨在提升性能、降低延迟和成本。其中，3.6 Flash 在复杂编码任务上 token 用量最高减少 65%，3.5 Flash-Lite 速度达 350 输出 token/秒。3.6 Flash 和 3.5 Flash-Lite 已在 Gemini 应用上线，3.5 Pro 进入合作伙伴测试。

  

  AI资讯 2026年7月21日

  000

• Sarvam AI 发布从第一性原理构建 AI 智能体的入门指南

  Sarvam AI 发布 25 分钟长的智能体构建指南，核心观点是智能体就是在循环中运行、能调用工具的语言模型，而技能、记忆和领域知识本质上都是在合适时机把合适文本放进上下文窗口。指南围绕在线商店客服智能体 ShopBot 逐步展开，覆盖系统提示词、工具设计、渐进式披露的技能、短期与长期记忆、RAG 检索、智能体拆分原则，并以完整端到端示例、常见错误清单和构建检查表收尾。

  

  AI资讯 2026年9月29日

  000