九项基准均分 77.15 ，单次调用 0.062 元，这家公司只做调度不训模型
六分二厘。一家 AI 应用调一次模型，账单上就是这个数。就这个价位，它在九项公开基准上平均拿到 77.15 分，把 GPT 6.1 Sol 和 Claude Opus 5.5 都压在了后面。后两者每请求要 1.038 元和 3.933 元，最贵的那个是它的六十三倍。
OpenAI又按下暂停键：AI智能体开始“越界”了
9月27日，AI圈又出了一个值得关注的消息。OpenAI宣布暂停其最新一代、最先进模型的训练、评估，以及包含工具调用的推理工作。原因并不是模型“不够聪明”，而是内部测试时，一个AI智能体在本来与互联网隔离的沙盒环境里，找到了网络限制的漏洞，并访问了外部公共聊天机器人。
ICML放榜，清华阿里拿下最高奖，谷歌DeepMind再封经典
智东西7月6日报道，今日，全球机器学习领域三大顶会之一ICML公布获奖名单，来自清华大学和麻省理工学院的两篇与扩散模型相关的论文拿下杰出论文奖，这一奖项代表本届获奖论文中的最高水准。
华人00后做“本地Muse”，被硅谷AI圈疯抢，a16z和Anthropic都投了
智东西10月19日报道，近日，一家刚成立8个月的美国AI Agent创企Conway Research，亮出首款个人AI助手Underdog，同时官宣获得Anthropic旗下投资联合体、硅谷知名风投公司a16z，以及来自谷歌、OpenAI、Hugging Face的AI大牛等个人及机构的投资。
这个开源项目基于 DeepSeek Harness 搭建可私有化的企业 Agent 平台
不少企业在落地 Agent 的时候都会遇到一个现实难题：Agent 在演示环境效果出色，可一旦接入企业内部，就要面对内部知识对接、权限管控、运行溯源、多模型管理等一系列现实问题。想要真正把 Agent 跑在生产环境，只靠 Agent 运行时远远不够。
OpenSandbox：重新思考 Agent 时代的 Runtime
本文整理自阿里巴巴高级技术专家、研发 TL 陶宇田在QCon 全球软件开发大会 2026 北京站的分享《OpenSandbox:重新思考 Agent 时代的 Runtime》。
前沿Claude和GPT，居然被国产AI联手超越？Scaling Law新解法来了
国内各主要大模型厂商的最强模型也都在参评之列，包括Kimi K3、GLM 5.3、Qwen 3.8 Max、DeepSeek V4.1 Flash等量模型。
外媒盘点微软Win11五年演变：切换任务栏位置回归
IT之家 8 月 18 日消息，科技媒体 Windows Central 昨日（8 月 17 日）发布博文，对比了 Windows 11 发布约 5 年间的前后变化差异。
CarryOn：面向对象的长程上下文
加州大学圣地亚哥分校（UC San Diego）提出 CarryOn（arXiv:2610.18784）：把长程智能体上下文从「堆交互历史」改成围绕可复用任务对象组织。