跳到正文

#评测/基准

今日 0 条

11月5日星期四

TechCrunch · AI

YC 初创公司 Discovered Materials 悬赏 100 万美元,征集 AI 攻克 5 个材料科学未解难题

旧金山初创公司 Discovered Materials 设立总额 100 万美元的奖金池,悬赏 AI 模型解决材料科学五个开放难题,包括解释铜氧化物超导机理、预测硅与二氧化硅界面结构的数值方法等。该公司由 Y Combinator 2026 年春季批次孵化,此前曾让前沿实验室的 AI 智能体联网自主运行数天攻关,但进展有限。公司主攻半导体新材料,创始人称有望在不到一年内找到具备工业价值的材料。

9月29日星期二

Latent Space

Opus 5.5 的解说视频制作表现获社区好评

Opus 5.5 本周发布后,社区分享了多项通过 Claude Code 编写代码制作解说视频和动画的案例。一个复现案例称,约 1.5–2h、约 $4 即生成了包含脚本、素材、配音、音乐与音效的 30–60s 解说视频,并将 JavaScript canvas 动画渲染为 MP4。

推荐理由:社区用户用 Claude Code 和 Opus 5.5 串联脚本、素材、配音与代码动画,给出了可迁移的解说视频自动制作流程。

9月25日星期五

Hacker News 首页

NSA 今年花了几十亿美元测试前沿 AI 模型,远超此前公开的数字

两个消息源透露,NSA 在闭门简报中告诉国会议员,今年光是用纳税人的钱评估和测试先进 AI 模型就花了几十亿美元。这个数字比外界之前知道的要高得多,导致议员们估算,要建一套完整的联邦 AI 监管体系,每年可能要花掉几百亿美元。文章没提具体在测哪些模型、用的是谁的算力,也没说这笔钱怎么拆分的。特朗普目前基本顶住了加强联邦 AI 监管的压力。

推荐理由:NSA在闭门简报中向国会议员披露,今年评估测试前沿AI模型已花掉几十亿美元,远高于外界此前所知,议员据此估算完整联邦AI监管体系每年或需数百亿美元。

8月31日星期一

Hacker News 首页

欧盟 AI 法案开始动真格:OpenAI、Anthropic 和谷歌收到首批安全质询

2026 年 8 月 29 日,欧盟委员会负责技术主权、安全与民主的执行副主席 Henna Virkkunen 确认,AI Office 已正式向多个地区的通用 AI 模型提供商发出信息请求(RFI),涉及模型安全、独立外部评估和上市后监测,Euractiv 称收件方包括 OpenAI、Anthropic 和 Google。

推荐理由:欧盟 AI Office 向 OpenAI、Anthropic 和谷歌等通用模型提供商发出首批信息请求,涉及模型安全、独立外部评估与上市后监测,这是 AI 法案落地后的首轮执法动作。

8月27日星期四

Google DeepMind

Google DeepMind 试点全球首个双盲 AI 评测

Google DeepMind 宣布推出全球首个针对专有前沿 AI 模型的双盲评测,将外部评测限制在加密环境中,避免模型提前接触测试题目。该试点与新加坡 AI 安全研究所、OpenMined、AVERI 和 MLCommons 合作,在隐私保护环境下用保密基准测试 Gemini Flash Lite 模型。Google 称此举针对基准污染问题,在零日志协议和合同保障之外增加了技术与加密层面的保护。

推荐理由:Google DeepMind 与新加坡 AI 安全研究所等机构合作,把外部评测放进加密环境,让模型在测试前接触不到保密基准题目,以应对基准污染问题。

6月2日星期二

新智元 · 公众号

墨芯 AI 完成近 10 亿元 C 轮融资,下一代推理卡 SparsePrime 年内亮相

墨芯人工智能刚拿了一笔近 10 亿人民币的 C 轮融资。他们做的是 AI 推理芯片,主打稀疏计算,简单说就是只算有用的部分来省电省时间。正文提到他们的 S30 和 S40 卡在 MLPerf 推理测试里拿了三连冠,但没展开说具体跑什么模型、跟谁比。下一代卡叫 SparsePrime,计划年内发布,目前还没公布详细规格和定价。

推荐理由:墨芯人工智能完成近10亿元C轮融资,其稀疏计算推理卡S30、S40曾在MLPerf测试中三连冠,下一代SparsePrime计划年内发布。

纽约时报中文网

中国一家公司正尝试用 AI 预测谁会变成异见者,但美国芯片限制可能拖慢了进度

范德比尔特大学的研究人员翻看了 10 万份泄露的公司文件,发现一家叫积至的中国公司正在开发一套 AI 系统,想通过分析电信数据、社交媒体和位置信息,在一个人还没公开表达不满之前就判断他未来会不会批评政府。这听起来像《少数派报告》里的情节,但文件显示,这套预测技术目前还停留在研究阶段,美国官员也说没有证据表明它已经定型或实际部署。

推荐理由:范德比尔特大学研究人员从10万份泄露文件中发现,积至公司正研发通过电信、社交和位置数据预判异见倾向的AI系统,但文件显示该技术仍处研究阶段。

5月29日星期五

纽约时报中文网

Anthropic 估值冲到 9000 亿美元,把 OpenAI 挤下最贵 AI 初创公司位置

Anthropic 刚拿了 650 亿美元新融资,投前估值 9000 亿美元,超过了 OpenAI 上一轮的 7300 亿。公司同时发了新旗舰模型 Claude Opus 4.8,在 Vals AI 的 vibe coding(用口语化指令写代码)基准上比自家前代高了 10%。

推荐理由:Anthropic 以 650 亿美元新融资把投前估值推到 9000 亿,超过 OpenAI 上一轮的 7300 亿,基础模型头部公司的估值座次出现更替。

5月28日星期四

Latent Space

Cognition 拿了 10 亿美元,估值冲到 260 亿,预计年底年经常性收入超 10 亿

Cognition 完成了 10 亿美元的 D 轮融资,估值 260 亿美元,比 8 个月前 C 轮时的 100 亿估值涨了 1.5 倍。公司自己预计到年底年经常性收入能超过 10 亿美元,客户里包括 Exa 和 Modal 这类挑剔的企业。正文没披露具体的利润率或成本结构,所以这个收入数字先别直接等同于利润。

推荐理由:Cognition 完成 10 亿美元 D 轮融资,估值 260 亿美元,8 个月内从 100 亿涨到 260 亿,AI 编程 agent 赛道的资本热度由此有了一个具体参照。

5月9日星期六

机器之心 · 公众号

DeepSeek 被曝正在谈一笔 500 亿人民币的融资,梁文锋自己掏四成,估值可能到 3500 亿

这条消息来自机器之心,但原文页面被微信判定环境异常,需要验证才能看,所以正文内容没拿到。标题和摘要里提到的关键数字是:融资额约 500 亿人民币(折合约 73 亿美元),估值约 3500 亿人民币(折合约 515 亿美元)。梁文锋个人计划出资 40%,腾讯和 600 亿规模的国家 AI 基金也在谈。

推荐理由:梁文锋拟个人出资四成参与 DeepSeek 约 500 亿人民币融资,腾讯与 600 亿规模国家 AI 基金也在洽谈,估值或达 3500 亿。

5月6日星期三

新智元 · 公众号

Salesforce 为推 AI 销售代理要招 1000 名应届生,岗位从写提示词到验收结果全包

Salesforce 的 CEO Marc Benioff 放话,因为 Agentforce 这个 AI 销售代理业务增长太猛,公司打算新招 1000 名应届生或实习生。Agentforce 的年化经常性收入涨了 169%,干到了 8 亿美元。新招的人主要干四件事:写提示词、做效果评估、盯着代理干活别出岔子、以及把项目交付落地。

推荐理由:Salesforce 因 Agentforce 年化经常性收入涨至 8 亿美元,计划新招 1000 名应届生和实习生,岗位涵盖写提示词、做效果评估、监督代理运行与项目交付。

5月5日星期二

The Verge · AI

Google、微软和 xAI 同意让美国政府在新模型发布前先做安全审查

三家大模型公司跟美国政府的 AI 标准与创新中心(CAISI)达成了协议,以后新模型在公开前会先交给 CAISI 跑一遍评估。CAISI 说从 2024 年到现在已经审了 40 个模型,但这次公告没提具体审了哪些模型、审多久、审完能不能卡发布。我会先打个折:这更像是一个流程上的公开表态,实际约束力要看后续审查范围和发布时间线怎么定,正文没披露这些细节。

推荐理由:Google、微软和 xAI 同意新模型公开前先交 CAISI 评估,该机构称 2024 年以来已审查 40 个模型,但审查范围与是否影响发布节奏尚未明确。

4月23日星期四

纽约时报中文网

Anthropic 造了个能找软件漏洞的模型 Mythos,现在只给美国用,连盟友都急了

Anthropic 发布了一个叫 Mythos 的模型,专门用来发现银行、电网和政府软件里的隐藏漏洞。公司说它太危险,不能公开,目前只跟美国 11 家科技公司和 40 多家关键基础设施机构共享,海外只有英国拿到了访问权。英国安全研究所的测试证实,Mythos 能完成以前任何 AI 都做不到的复杂网络攻击。欧盟、德国等盟友还没拿到模型,只能干着急。

推荐理由:Anthropic 将漏洞发现模型 Mythos 限定在美国 11 家科技公司和 40 多家关键基础设施机构内使用,海外仅英国获得访问权,欧盟与德国尚未拿到。

2月26日星期四

OpenAI News

OpenAI 与 PNNL 合作测试用 AI 帮联邦政府写环评报告,每小节能省 1 到 5 小时

OpenAI 跟美国能源部旗下的太平洋西北国家实验室(PNNL)合作,找了 19 位专家一起搞了个叫 DraftNEPABench 的测试集,专门看 AI 能不能帮忙起草联邦基建项目的环境评估文件。测试用的是 Codex CLI 这个命令行工具搭配 GPT-5,让模型去读几百页的技术报告、交叉核对资料,再按法规要求写出结构化的分析草稿。

推荐理由:OpenAI 与 PNNL 用 19 位专家构建的 DraftNEPABench 测试 GPT-5 起草联邦环评,每小节可省 1 到 5 小时,为观察 AI 进入监管文书流程提供了具体样本。