Anthropic CEO自曝：Claude本可抢跑ChatGPT，我们按下了暂停键
新智元报道 编辑：元宇【新智元导读】一边踩油门冲刺AGI，一边按喇叭预警：小心前面悬崖！Anthropic创始人Dario Amodei曾因预言「未来5年内AI可能消灭近一半初级白领岗位」而被贴
阅读全文具身智能数据战开打！每个普通人都能上手，边采边筛，只投喂机器人爱吃的丨穹彻
衡宇 发自 凹非寺量子位 | 公众号 QbitAI现在，一部手机，加一个“夹爪”，就能随时随地完成具身智能数据采集了！采出来的数据不脏也不废，已经在实际模型训练中跑出了效果。模型在多步连续任务中动作衔
阅读全文昔日开源明星被AI逼落斩杀线！收入暴跌80%，75%工程师被裁
Jay 发自 凹非寺量子位 | 公众号 QbitAI又一家初创公司，差点被AI干没了。由于AI对我们业务的冲击，昨天，75%的工程师失去了工作。明星开源项目Tailwind CSS创造者Adam Wa
阅读全文200亿上海手机代工巨头冲刺港股IPO，最大客户小米持股4.94%
杰西卡 发自 凹非寺量子位 | 公众号 QbitAI全球最大智能手机ODM，冲刺港股“消费电子ODM第一股”。来自上海的龙旗科技，已成功通过港股聆讯，离敲钟只差一步。而更早之前，这家公司已于2024年
阅读全文「AI 100」榜单启动招募，AI产品“年会”不能停丨量子位智库
2025年，国内在AI产品领域出现了太多关键词——深度思考、Agentic AI、多智能体协作、多模态生成、端侧AI……每个关键词背后，都有一款或数款颠覆性的AI产品。DeepSeek凭借强推理能力和
阅读全文大模型分布式训练框架 DeepSpeed 技术解析与实践
DeepSpeedDeepSpeed 是一个由 Microsoft 开源大模型训练优化库，它提供了多种优化技术，包括：3D 并行策略、梯度累积、动态精度缩放、本地模式混合精度等。还提供了一系列辅助工具
阅读全文Anthropic万字长文，把很多Agent没法落地的真正原因说明白了。 他们分享了内部踩坑无数后，总结的一套Eval方法论，讲透了4件事情。 所有的Agent系统，在交付之前，一定要把Eval体系想清楚，把评什么、怎么评、谁维护，想清楚！ Agent Eval本质上是集成测试： Task ： 具体的是什么活？ Transcript: Agent的执行轨迹，调用工具，报错，重试全过程。 Outcome： 最后的结果。 不要只看结果，Transcript也非常重要，它可以看出来，Agent是真的聪明，还是在蒙。 Eval里有个特鸡贼的数值。 Pass@k（尝试k次，至少成功一次的概率） 很多论文都喜欢吹Pass@k，这个在头脑风暴、写代码辅助的时候可能很有用，给个能用的方案就行。 但是很多场景，客户要的是 Pass^k（尝试k次，全部成功的概率）。 比如，Pass@1是75%，但是跑3次都对的概率可能到了42%，跑10次，可能就接近0了。 所以Agent面向C端的交付，Pass^k非常重要，衡量稳定性，这也是为什么很多Agent没法大规模落地的原因。 做Eval最有意思的地方是，AI会作弊。 他们用Opus 4.5 跑tau^2-bench做一个机票改签任务，模型发现了一个政策漏洞，用更便宜的方式解决了问题。 但是Benchmark会觉得这个任务失败了。 所以目前行业最大争议：测智能还是测听话？ （很多人认为Agent必须遵守SOP,不然可能存在重大风险。） 这个也解释为什么swe-bench都卷到80+%了，但很多时候还是写不出复杂项目，Benchmark饱和了，甚至过拟合了，真实世界复杂度永远在benchmark之上。 在做具体的打分上，具体怎么评呢？ 代码>LLM>人 代码就像单元测试，大模型评分比较灵活，但是可能幻觉，人评分最精确，但是最贵。 所以可以考虑用代码做基础筛选，大模型评测复杂逻辑，人做抽检。 ！！如果只用大模型评测，最后可能得到的是2个商业胡吹的模型。 那Eval从0到1，如何开始呢？ 从真实的bug里边，挑出来20~50个任务开始，就够了。 区分Capability和Regression，前者是能力爬坡允许失败，后者是底线，必须通过。 多看Transcript，不要只看分数，是理解模型边界的唯一途径。 如果Eval到了100分，不要自嗨了，还是换些更复杂的题目把。 最后 2026年的agent，更拼工程落地能力。 没有Eval的项目，本质还是再把生产当实验环境，迟早要用线上事故还债。 原文地址：https://www.anthropic.com/engineering/demystifying-evals-for-ai-agents
Anthropic万字长文，把很多Agent没法落地的真正原因说明白了。 他们分享了内部踩坑无数后，总结的一套Eval方法论，讲透了4件事情。 所有的Agent系统，在交付之前，一定要把Eval体
阅读全文独家 | Humanify 获数千万元首轮融资打造 AI OS，97 年创始人不卷 AI 智商、押注 “类人认知”
图片来源：HumanifyZP近日获悉，AI 初创公司 Humanify（人格智能）宣布完成数千万元种子轮融资。本轮融资由五源资本领投，奇绩创坛（陆奇博士）跟投。本轮资金将主要用于模型和操作系统研发、
阅读全文速递｜种子轮即达5000万美元：前谷歌、苹果研究人员创办AI初创企业
Andrew Dai，Elorian的联合创始人 图片来源：YouTubeAndrew Dai 表示， 这位拥有 14 年经验的资深 AI 研究者，在近期离开谷歌 DeepMind 后，正在创办一家专
阅读全文红杉xbench评测：大模型的视觉能力，普遍低于3岁儿童
红杉中国 xbench 和 UniPat AI 发了一个新的多模态评测集，叫 BabyVision，在这里：多模态大模型输给三岁宝宝？xbench x UniPat联合发布新评测集BabyVisio
阅读全文Skills的容量上限在哪里？2026单Skills组合还是多Agent好？｜UCB最新
在文章开始前，请您先打开Claude code，输入/skill，检查一下您的Claude code有多少个skills？是20个？50个？还是已经突破了100个？自从Anthropic推广Agent
阅读全文汽水音乐狙击网易云音乐：以“AI野路子”的名义
作者｜黄小艺邮箱｜huangxiaoyi@pingwest.com如果三年前有人告诉你，一个没有周杰伦等专属大牌、没有热门综艺OST的音乐APP，能在月活上逼近网易云音乐，你会觉得这是天方夜谭。在线音
阅读全文硅谷教父马克·安德森2026开年访谈：AI革命才刚开始，智能的价格正在崩塌
2026年1月7日，a16z（Andreessen Horowitz）联合创始人马克·安德森（Marc Andreessen）在自家播客The a16z Show上做了一场长达81分钟的深度对谈。作为
阅读全文AI又要颠覆数学？陶哲轩紧急发声：停止造神！
文章转载于新智元你可能刷到过这种极具煽动性的新闻标题：「AI完全自主解决了人类五十年未解的数学难题！数学家要失业了！」对于渴望见证AGI诞生的人来说，这无疑又是一剂强心针。而对于坚守人类智力尊严的数学
阅读全文从“大模型”到“好模型”：斯坦福预测2026年AI将迎来“祛魅”分水岭
专注AIGC领域的专业社区，关注微软&OpenAI、百度文心一言、讯飞星火等大语言模型（LLM）的发展和应用落地，聚焦LLM的市场研究和AIGC开发者生态，欢迎关注！2026年将是人工智能从喧嚣的布道
阅读全文MCP已经赢了：从备受质疑到一统江湖，AI界的“USB-C”是如何炼成的？
专注AIGC领域的专业社区，关注微软&OpenAI、百度文心一言、讯飞星火等大语言模型（LLM）的发展和应用落地，聚焦LLM的市场研究和AIGC开发者生态，欢迎关注！三年前，为了将AI助手连接到内部客
阅读全文AI漫剧版权撕X大战：这回真的炸了！
AI漫剧版权撕X大战：这回真的炸了！说实话，2026年刚开年我就被这个瓜给惊到了。1月1日，灵境万维的《我在末世开超市，S级诡异抢着来上班》一上线就火了，抖音播放量蹭蹭蹭飙到2.2亿，我当时还在想：哟
阅读全文扔掉文本思维链！DiffThinker证明：最好的推理语言不是英语，是像素
专注AIGC领域的专业社区，关注微软&OpenAI、百度文心一言、讯飞星火等大语言模型（LLM）的发展和应用落地，聚焦LLM的市场研究和AIGC开发者生态，欢迎关注！令人惊叹！基于Qwen-Image
阅读全文四个代码片段讲清楚LangGrah的核心概念
LangGraph 是一个低层次的编排框架，专门设计用于构建有状态的多智能体系统（stateful, multi-agent systems）。它通过将工作流程表示为图（graph）的形式来实现灵活、
阅读全文用于实时仪表盘的 10 个 FastAPI 流式 API 实践
十个可直接复制粘贴的模式，用 FastAPI 向浏览器推送数据——顺滑、安全、低延迟。用 FastAPI 构建实时看板。十种流式模式——SSE、WebSocket、NDJSON、chunked res
阅读全文「死了么」App登顶第一，团队回应/黄仁勋痛批「AI末日论」：对社会无益/小米17 Air原型机曝光
📱手机 App 更严新规亮相💀「死了么」App 回应改名事宜：会认真研究📸华住集团旗下酒店举办摄影比赛，第一名疑似使用 AI 图🤖马斯克：这周开源新的 X 算法🎙️雷军：会坚持辟谣，让更多人了解小米📢
阅读全文非常适合于非程序员小白入门的Claude Code官方教程
Claude官方推出的Claude Code in Action教程非常适合于小白快速入门掌握Claude Code的基础知识。 课程共分21小节，有图、有视频、有直接下载可运行案例，还有课程小测验
阅读全文国产具身模型开源“屠榜”，首杀Pi0.5获英伟达Jim Fan点赞！
Spirit v1.5 登顶 RoboChallenge，稀缺的不是“第一”，而是“统一基准下的第一”。作者丨文俐亭编辑丨马晓宁Spirit，灵魂，当下机器人亟需的东西。但过去一年机器人们的灵魂，在两
阅读全文刚刚，Anthropic 怒拔马斯克网线！OpenAI 联手 GitHub 连夜「偷家」
真实的 AI 商战，往往就是这样朴实无华。Anthropic 封杀第三方工具的同一天，OpenAI 和 GitHub Copilot 主动开门。1 月 9 日，Anthropic 对第三方工具动刀。所
阅读全文电视厂商在CES杀疯了！海信TCL长虹追觅吸睛，碾压日韩厂商？
👆👆👆重要提醒！微信推荐机制大幅调整，大家务必将我们公众号设为★星标，否则很可能看不到推送了......在阳光明媚的拉斯维加斯，CES 2026已宣告结束。雷科技史上规模最大CES报道团暴走直击现场，
阅读全文Rokid们上桌吃饭！国产AI眼镜霸场CES2026：独立是关键？
👆👆👆重要提醒！微信推荐机制大幅调整，大家务必将我们公众号设为★星标，否则很可能看不到推送了......还是熟悉的 CES。今年 CES 2026 热闹依旧，不少品牌的展台甚至更大了，口号更响了，而现
阅读全文藏在镜子、耳机与吊坠里的AI，今年CES的AI硬件，试图给出“务实”新答案
👆👆👆重要提醒！微信推荐机制大幅调整，大家务必将我们公众号设为★星标，否则很可能看不到推送了......今年CES的主题是“Innovators Show Up（创新者涌现）”，与去年相比，AI硬件的
阅读全文智能厨电成CES最卷品类：AI接管一切，人人都能当「甩手掌柜」
👆👆👆重要提醒！微信推荐机制大幅调整，大家务必将我们公众号设为★星标，否则很可能看不到推送了......北美时间1月6日，一年一度的“科技春晚”CES展会在拉斯维加斯正式揭幕。来自全球各国家/地区、各
阅读全文自动驾驶激战CES：黄仁勋硬刚马斯克，中国军团已默默量产破局
👆👆👆重要提醒！微信推荐机制大幅调整，大家务必将我们公众号设为★星标，否则很可能看不到推送了......自动驾驶行业等了多年，终于在CES2026等来了关键转折点。过去五年，自动驾驶赛道经历了过山车般
阅读全文