全部动态

Artificial Analysis 检索指数：Keenable Search 1.0 两种模式分列第一和第二

Artificial Analysis 用 Stirrup 智能体框架把 Keenable Search 1.0 作为 web_search 工具，在 1700 项检索任务上评测其 pro 与 realtime 两种模式。

上海AI实验室上线元认知智能体框架书生·太一，接入书生·端砚科学发现平台

上海AI实验室推出元认知智能体框架书生·太一（Sage·Taiyi），将科研猜想、探索路径与实证结果串联，通过科学搜索与认知调控两层架构驱动智能体迭代研究方案，已接入书生·端砚科学发现平台并向全球科研人员开放体验。

入选理由上海AI实验室公开了书生·太一框架的接入入口与跨学科实证案例，研究者可据此判断这类元认知智能体能否嵌入自己的构思与实验迭代流程。

ARC-AGI-3 游戏模型动作数对比

@Google 在 23 个 ARC-AGI-3 公开游戏上，两个模型均借助提供商适配器取得高分胜利，Carbon 用了 5,731 个动作，Argon 用了 5,846 个（少 2%）。人类速通总计 4,804 个动作；Carbon 比人类参考多用了 19.3%。

Baseten 与 Genspark 后训练 Qwen3.5-397B 打造深度研究模型，称在自有评分上超过 Opus 5.5

Baseten Applied Research 与 Genspark 合作，将 Qwen3.5-397B 后训练为专用 Deep Research 模型，在 Genspark 自建质量评分器上得分 0.759。

亚马逊发布表格基础模型 Mitra-v2，扩大合成预训练规模并开放权重

亚马逊发布表格基础模型 Mitra-v2，同时支持分类与回归，在 Hugging Face 以 Apache-2.0 许可开放微调版本及推理与微调代码。模型架构未变，预训练表格的行数是 Mitra-v1 的 10 倍、列数约 3 倍，并新增混合 SCM 先验。

入选理由表格基础模型在公开基准上的表现与开放权重，让需要处理结构化数据的科研人员多了一个免训练的选择。

Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2：同一模型，不同安全防护

Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2，两者为同一底层模型，Fable 5.2 增加分类器拦截高风险网络安全任务和多数研究生物学任务，Mythos 5.2 则移除这些限制、需通过 Cyber Verification Program 与 Life Sciences Verification Program 使用。

Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2，重夺全球 LLM 第一

Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2，在 Artificial Analysis Intelligence Index v5 上以 65 分重回第一，超过 Gemini 4 Carbon（60）与 Opus 5.5（59）。

Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2，编程基准超 GPT-6 Astra

Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2 两款前沿模型，官方称编码、推理、科学研究等领域显著提升，输出速度最高提高 30%、成本下降 20%。

ARC Prize 公布 Claude Fable 5.2 测试结果

@AnthropicAI - 排行榜：https://arcprize.org/leaderboard - 复现公开结果：https://github.com/arcprize/arc-agi-benchmarking - 测试政策：https://arcprize.org/policy - Claude Fable 5.2 完整结果：https://arcprize.org/results/anthropic-claude-fable-5-2

Claude Fable 5.2 刷新 ARC-AGI-3 高分

来自 @AnthropicAI 的 Claude Fable 5.2 在 ARC-AGI（已核验）上的表现： - ARC-AGI-3：97.7%，$18.6K（provider adapter harness），81.2%，$21.9K（标准 harness） - ARC-AGI-2：93.8%，$0.98/任务 - ARC-AGI-1：98.5%，$0.36/任务 Fable 5.2 在标准 harness 下创下 ARC-AGI-3 新高分。

Anthropic 推出 Claude Fable 5.2 与 Mythos 5.2，API 调用费下降 20%

Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2，两款模型基于同一底层模型，前者面向普通用户并内置网络安全与生物安全防护，后者面向通过审核的网络安全和生命科学机构开放。

Claude 智能体在 42 列车时刻表问题上改进 MIPLIB 最优解 2.6% 并证明其最优

Claude 官方称，在一个为 42 列车排时刻以削减峰值用电的问题上，智能体在不到两小时内得到的时刻表比 MIPLIB 现有最好解优 2.6%，随后证明不存在更好的时刻表。相关解已提交给 MIPLIB 供任何人核查。

Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2，称约千个智能体 30 小时完成费马大定理 Lean 形式化

Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2，两者共用同一模型底座，区别在访问权限：Fable 面向所有用户并对网络安全和生物学高风险任务设限，Mythos 解除部分限制，仅向通过 Anthropic 网络安全或生命科学验证计划的组织开放。

Claude Fable 5.2 登顶 AA 智能指数

Anthropic 发布 Claude Fable 5.2，在 Artificial Analysis Intelligence Index v5 上以 65 分登顶，领先 Gemini 4 Carbon（high，60）和 Claude Opus 5.5（max，59）。

Fable 5.2 在 ARC-AGI-2 得分 93.8%

@AnthropicAI 在 ARC-AGI-2 上，Fable 5.2 的 93.8% 是我们见过的第三高模型得分，仅次于 GPT-6 Astra 的 95.0% 和 GPT-6.1 Sol 的 94.2%。 完整结果：https://arcprize.org/results/anthropic-claude-fable-5-2

Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2 模型

Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2 两个模型，称其在编程、推理和视觉方面较 5.1 版本有所提升，输出速度更快。

Anthropic 测试 Claude 设计真实电子硬件：三款设备原型一次成型

Anthropic 与电路板设计公司 Diode Computers 合作，让 Claude Fable 5.2 仅凭简单提示词完成扬声器电话、语音助手中枢和掌上电子宠物三款设备的设计，包括规格、原理图、PCB 布局布线、3D 打印外壳、固件和物料清单，Diode 按设计文件直接制造并组装出可正常工作的原型。

入选理由Anthropic 与 Diode 用 Claude Fable 5.2 从提示词走到可运行硬件原型，展示了模型在电路板布局与制造约束上的进展边界。

百度发布 ERNIE Evolve 自动化研究系统，在多项基准上超过 NanoChat 与 NanoGPT 记录

百度发布 ERNIE Evolve 自动化研究系统，给定代码库、目标和评估标准后，系统自行选择研究方向、修改代码并运行实验，只有通过隐藏评估器和独立审查者的改动才会保留。

Claude Fable 5.2 与"锯齿状 AGI"：一次跨领域能力实测

Ethan Mollick 在 Claude Fable 5.2 公开发布前试用后认为，它接近其所定义的"锯齿状 AGI"——即在多数可用电脑完成的知识任务上接近人类专家，但仍有明显短板。

Fable 5.2 与 Mythos 5.2 对齐表现

Fable 5.2 和 Mythos 5.2 在大多数对齐指标上的表现与我们近期的模型相当或更好。 该模型在发布前还接受了外部评估者的测试，包括 @AISecurityInst、@FrontierDesign2 和 @METR_Evals。

Fable 5.2 与 Mythos 5.2 能力评测提升

Fable 5.2 和 Mythos 5.2 在我们评估的几乎所有能力上都比 Opus 5.5 更胜一筹。 测试人员发现，它们比过去的 Fable 和 Mythos 模型表达更清晰。它们的输出速度比 Fable 5.1 和 Mythos 5.1 快最多 30%。

Mythos 5.2 预测衣壳结构

基因疗法可通过一种名为衣壳的蛋白质外壳递送。Mythos 5.2 找到了一种预测整个衣壳结构的新方法。 在我们的测试中，它成功对尝试建模的 34 个衣壳中的 28 个进行了准确建模。生物学家可以用它更快、更便宜地设计衣壳。

1000 个 Fable 5.2 智能体用 30 小时完成费马大定理形式化

Claude 官方账号称，一支由 1000 个 Fable 5.2 智能体组成的团队用 30 小时将费马大定理的证明完整形式化，转写成计算机可逐步检验的语言。同一设置下，Opus 5.5 在 18 小时内只完成 26%，到 30 小时也几乎没有更多进展。

百度推出自动化研究系统 ERNIE Evolve，用于改进 AI 训练与推理

百度发布自动化研究系统 ERNIE Evolve，给定明确研究目标后，它会选择研究方向、修改代码并运行实验，只有通过独立评估与评审的改进才会保留，每轮结果用于指导下一轮。

LG AI 研究院免费开放 K-EXAONE 2.5 模型 API

LG AI 研究院宣布对外免费开放 K-EXAONE 2.5 模型 API，开发者、企业、研究机构均可无需付费用于服务开发和研究。该模型在原版基础上追加训练，智能体能力比肩头部开源模型，在 AutomationBench、SWE-Bench Pro、BrowseComp、Claw-Eval 上与 DeepSeek-V4.1-Flash 和 GLM-5.3 表现接近。

Artificial Analysis 发布决策指数 v2，新增校准指标

Artificial Analysis 发布 Decision Index v2，45% 基于私有数据集（v1 为 25%），并采用同时奖励正确性与置信度校准的 Decision Score 作为头条指标。

Anthropic 研究称 Claude 智能体可借“做梦”机制整理记忆

Anthropic 发布研究文章《The components of agent memory》，将 Claude 智能体记忆拆为会话日志、记忆笔记、知识表征和注入上下文四层，并引入“做梦”机制，让模型在两次交互之间的空闲时间回顾日志、纠错并更新知识库。

Anthropic 拆解智能体记忆的组成：记忆笔记、dreaming 与 wiki 表示

Anthropic 在官方研究博客中说明其对 Claude 智能体记忆的设计思路，把记忆定义为跨会话保留、以可读上下文形式保存的经验知识，并区分于权重更新、会话内学习和上下文压缩。

Inkling 2 Small 在 ARC-AGI 基准表现

来自 @thinkymachines 的 Inkling 2 Small 在 ARC-AGI（已验证）： - ARC-AGI-2：81.7%，每任务 $0.27 - ARC-AGI-1：96.5%，每任务 $0.08 在我们评估过的所有开放权重模型中，它在 ARC-AGI-1 和 ARC-AGI-2 上均表现最佳。 Thinking Machines 计划下周发布完整权重。

Artificial Analysis 推出 VIALS-AA 生命科学视觉推理榜单

Artificial Analysis 发布 VIALS-AA 榜单，评测 Handshake AI 的 VIALS 生命科学视觉推理基准，161 项任务覆盖八个领域，需解读凝胶印迹、流式细胞图、质粒图谱和系统发育树等图像并得出科学结论。