OpenAI News● 精選AI 評分60
OpenAI 發布 BioBasicsBench，評測 AI 智慧體溼實驗能力
OpenAI 推出 BioBasicsBench，一個包含 100 項任務的基準，用來衡量 AI 智慧體解讀原始實驗資料、處理日常溼實驗科學工作的能力。該基準關注的是實驗室裡日常操作層面的任務，而不是單一的結果性問答。
搜尋
依意思最接近的 30 筆
TechCrunch AIAI 評分51
Industrial Next 與寶馬合作，AI 機器人產線換型縮短到數分鐘
舊金山初創公司 Industrial Next 在 TechCrunch Disrupt 2026 上宣布與 BMW 集團技術辦公室合作，評估其 AI 靈巧操作技術用於製造。該公司由兩位前特斯拉工程師於 2021 年創立，做的是基於自研基礎模型的機器人工作站，把視覺、任務上下文與運動控制打通，用高保真模擬訓練，產線換型從數週縮短到數分鐘，無需傳統程式設計。其工作站已在某款熱門手機的生產中使用，負責柔性排線穿線、聯結器扣合等此前難以自動化的工序；
X @OpenAI● 精選AI 評分65
OpenAI 發布 BioBasicsBench，衡量 AI agent 的溼實驗分析能力
OpenAI 與酶設計生物技術公司 Ligo 合作推出 BioBasicsBench，用 100 個來自真實實驗的任務衡量 AI agent 能否完成溼實驗室的常規資料分析。任務考察 agent 解讀原始實驗資料、識別錯誤，以及判斷證據是否足以支援結論。OpenAI 表示該基準能指出模型需要改進的地方，並追蹤這些進步對科研進展、生物安全與生物安保的意義。
Hacker News front pageAI 評分25
EventMaxxer：讓 agent 批次申請免費活動並生成表格
EventMaxxer 是一個開源專案，讓 coding agent 根據使用者設定的活動目標自動搜尋 Meetup、會議、工作坊、駭客松等各類活動，並批次申請符合條件的免費活動。它會用 Google Sheets 或 CSV 記錄活動詳情、報名狀態和出席決定，支援複用個人資料、自動等待限流後重試。使用需 agent 具備瀏覽器操作能力，可選本地 runner 要求 Python 3.9+ 的 macOS/Linux，Google Sheets 需聯結器。
Hacker News front page● 精選AI 評分79
MaxxBench 微改 DeepSWE 任務，多款模型分數大跌
新基準 MaxxBench 對 DeepSWE 的 89 個任務做小幅修改（參考補丁中位數僅增 17 行），多款模型得分隨之大幅下滑：Gemini 3.8 Flash 從 73.8% 降至 53.4%，DeepSeek V4.1 Flash 從 74.2% 降至 55.6%，Claude Opus 5 從 73.6% 降至 63.5%。
機器之心AI 評分23
機器之心啟動「AI 中國」2026 年度榜單評選，設六類獎項
機器之心正式啟動「AI 中國」2026 年度榜單評選，申報通道現已開放。評選設六類獎項：最強 AI 技術實力機構 TOP 10、人工智慧領軍企業 TOP 20、最佳 AI 模型 TOP 20、最佳大模型產品及應用 TOP 20、具身智慧領軍企業 TOP 10、ScienceAI 領軍機構 TOP 10，覆蓋基礎模型、具身智慧與 AI for Science 等方向，符合條件的企業與創新團隊可報名參與。
機器之心● 精選AI 評分75
阿里資料團隊提出基準健康指數，為 158 個評測基準打分
阿里資料等團隊提出基準健康指數（BHI），從能力區分度、抗飽和度、影響力三個維度給 158 個 LLM 評測基準打分，論文已被 NeurIPS 2026 評測與資料集賽道接收為 Oral。結果顯示 Humanity's Last Exam 以 67.05 分居首，Agents' Last Exam（53.08）和 AutomationBench（52.68）緊隨其後。研究基於 117 個模型的技術報告，用留一基準法估計模型能力，並驗證隨機移除 30% 模型後排序相關係數仍高於 0.97。
Hugging Face blog● 精選AI 評分73
Ai2 發布 StateBench：前沿模型長文狀態追蹤仍失靈
Ai2 推出 StateBench，一個按四檔難度衡量語言模型在長文件中追蹤實體狀態變化的基準。結果顯示：迴圈與混合架構（如加入 Gated DeltaNet 層的 Olmo Hybrid）在直接訓練後泛化能力遠超 transformer，而 Gemini 3.8 Flash、Claude Opus 5.5、GPT-6 Sol/Luna 等前沿模型在輸入變長、依賴鏈變複雜時仍會失效。
機器之心● 精選AI 評分80
混元與復旦發布 ExplorationBench，評測 AI 自主探索能力
復旦大學、騰訊混元與清華大學聯合發布 ExplorationBench，用兩套規則被改寫的「異星世界」AlienCode 和 AlienLogic，評測 AI 能否通過自主實驗發現規則。10 個前沿系統讀完範例後，在 AlienCode 上最高僅 15.7%，四輪探索後最好軌跡達 89.0%；若只讓模型多想、不給環境反饋，最高只有 11.0%。GPT-5.6 Sol 自主探索拿到 88.1%，而事先直接告知全部規則反而只有 69.5%，說明探索過程同時提升了規則的使用能力。
Hacker News front pageAI 評分41
doubleAI 發布 Maxwell：位於程式碼與硬體之間的執行模型
doubleAI 發布 Maxwell，稱其為介於程式碼與硬體之間的 Code Execution Model，能在程式執行過程中加速程式碼，且不修改任何一行原始碼。它通過 trace、profiling 資訊和流經程式的資料觀察程式，並動態適配硬體、同機其他負載與輸入形態。目前已在 heymaxwell.ai 開放早期訪問。團隊認為，針對每種硬體和資料流反覆重新最佳化（如 vLLM 這類 LLM 推理引擎）不可擴充套件。
Hacker News front pageAI 評分37
新工具追蹤 AI 領袖影片言論，Amodei 累計 54 條
有人做了一款工具，追蹤 AI 行業領袖在影片中的公開表態，並展示他們觀點隨時間的變化。目前收錄了 Dario Amodei（累計 54 條）、Alex Karp（51 條）、Marc Andreessen（49 條）、Sam Altman（45 條）、Palmer Luckey（40 條）、Satya Nadella（23 條）、Elon Musk（21 條）、Yann LeCun（6 條）等人，頁面同時標註本週新增條數，例如 Alexandr Wang 本週有 5 條。
Latent SpaceAI 評分61
Tenex 按產出付費擴至 75 人，並推出 MetaHarness 工作流
Tenex 聯合創始人 Alex Lieberman 與 CJ Hess 在 AIE New York 介紹，這家按交付產出而非工時給 AI 工程師付酬的公司已擴張到 75 人，客戶覆蓋財富 2000 與中端市場企業。其內部工具 MetaHarness 把技能、專案文件與 CLI 連同計劃和決策一併提交進 Git，agent 接手任務時能讀到「為什麼這樣建」。
機器之心● 精選AI 評分74
SLDBench v2 讓 AI 自主挑選實驗，8 個前沿模型全部掉分
SLDBench v2 把「做哪些實驗」也交給 AI，8 個前沿模型需要自主選擇實驗後，成績全部下滑，預測誤差擴大到原來的 1.5 至 4.7 倍。該基準把 30 個任務的真實訓練記錄做成一份標價目錄，AI 按當年實際消耗的算力付費購買結果，再據此預測從未見過的更大規模實驗。表現最好的 Claude Opus 5.5 只花全量成本中位數 4.01%，R² 中位數 0.570，仍超過經典冪律公式用全部資料擬合的 0.455。
TechCrunch AIAI 評分37
Ben Affleck 講解 AI 技術走紅，談微調開源影片模型
Ben Affleck 本週因多段訪談影片走紅，他在其中講解神經網路、transformer、張量等概念，並稱自己會寫點 Python。他透露做法是拿開源模型微調：解凍權重、只訓練最後一層「電影感」層，讓劇組達到製片標準，該技術已用於其電影《Animals》後期。他創立的 AI 影視公司今年被 Netflix 收購，報導金額 5.87 億美元，他本人稱這個數字不準確。他還表示不擔心 AI 接管影視業，更擔心學生的習得性無助與大學 A 成績三年上升 30%。
機器之心● 精選AI 評分85
METR：Anthropic 模型進步速度翻倍，80% 增量來自 AI
第三方評估機構 METR 11 月 5 日發布報告，稱 Anthropic 過去一年模型基準能力的進步速度約為此前的 1.9 倍（95% 置信區間 1.5—2.8 倍），AECI 分數自 2025 年 10 月起從每年約 15 分升至約 29 分，而全行業前沿模型的加速僅 1.4 倍。METR 判斷加速主要不是來自算力投入增長，約 80% 來自 AI 自身參與研發；研究人員稱程式碼已不再是瓶頸，可把多個想法交給 Agent 並行驗證。
Hacker News front pageAI 評分67
Artificial Analysis 發布 Intelligence Index v5.0，改用 9 項新評測
Artificial Analysis 將模型智慧指數升級到 v5.0，評測集換成 9 項新基準。Knowledge Work、Coding、Science、General 四類各佔 25%，單項權重最高為 15%，分別是 AA-Briefcase v1.1、FrontierCode 2.0、Terminal-Bench-Science 0.1 和 AA-Omniscience v1.1；
量子位AI 評分46
聯想天禧 TianxiCode 登頂 SWE-bench-Live，問題解決率 71%
聯想天禧 AI 自研程式碼智慧體框架 TianxiCode 配合 DeepSeek-v4.1-Flash，在 SWE-bench-Live（Lite 分榜）以 71% 的問題解決率位列全球第一，並通過官方 Verified 核驗。該評測基於真實 GitHub 專案問題與可復現執行環境，官方會審查全鏈路智慧體執行軌跡並排查答案、測試用例洩露。
Hacker News front pageAI 評分46
Jev 發布 33 天即退燒，折射 AI 行業炒作與創新匱乏
Jev 發布 33 天后熱度迅速消退，這篇評論借它批評 AI 行業靠營銷話術製造期待。文章指出 Jev 本質是通用分類器，宣稱不會幻覺、更快更便宜，但輸出仍會出錯，且已有開放權重模型在部分任務上價效比更高，並可在本地執行。作者還稱其非自迴歸決策模型思路早於 Jev 一年半出現，並由此質疑行業四年來的創新增量。
量子位AI 評分25
億邦產業網際網路年會定檔 11 月 20 日，首設產業智慧體大會
由億邦動力主辦的第八屆億邦產業網際網路年會暨首屆產業智慧體大會定檔 11 月 20 日，在北京國貿大酒店舉行，主題為“AI 與出海帶來的模態進化”。本屆將產業智慧體大會與已辦八屆的年會合並，設產業智慧體落地、AI 供應鏈價值重構、資料要素與 TOKEN 經濟、產業出海新生態等五大議題，同期發布《2026 億邦產業網際網路發展報告》與《千峰獎·模態進化案例集》。
Hacker News front pageAI 評分56
Proton 內部強推 AI：最後一年招工程師，裝軟體統計 AI 程式碼
Proton CEO Andy Yen 正在公司內部強推 AI 化，今年是 Proton 最後一年招聘工程師，之後只招用 AI 建置產品的人；公司還在員工電腦上安裝軟體，統計 AI 生成程式碼的數量。據 404 Media 報導，他設立員工信箱收集阻礙 AI 推廣的事項，以便領導層“無情清除一切阻礙 AI 速度的東西”。404 Media 還稱，Yen 對外批評大型科技公司與 AI，對內卻推動工程師用 AI 建置 Proton 產品，即便他們對安全有顧慮。
NVIDIA blogAI 評分61
NVIDIA 發布 Minerva，為 AI 工廠提供端到端可觀測性
NVIDIA 發布 AIOps 平台 Minerva，為 AI 工廠提供端到端可觀測性。它把 GPU、網路、儲存、排程器與工作負載的遙測匯入動態知識圖譜，每小時分析數十億資料點，用於發現異常、預測故障並把告警風暴聚合為帶根因的事件；平台還內建 AI 助手，可連線外部 agentic 工具，目標是提升 GPU 正常執行時間與 AI 工廠產出。
TechCrunch AIAI 評分67
HackerRank 向客戶開放 AI 面試官 Chakra，已面試超 50 萬場
HackerRank 的 AI 面試 agent Chakra 結束約六個月 beta，週一起正式向企業客戶開放，測試期間已完成逾 50 萬場面試，Snowflake、Snorkel、Capgemini 等公司參與試用。候選人要在帶 AI 助手的畫布上處理真實程式碼倉庫任務，Chakra 會依據其操作追問思路，評估批判性思維、判斷力與「AI fluency」，即如何向 AI 描述問題、判斷其輸出並引匯出解法。
X @GoogleDeepMind● 精選AI 評分85
SynthID Detector 向所有人開放，可檢測多家 AI 生成內容
Google DeepMind 宣布 SynthID Detector 現已向所有人開放，可用來判斷網上內容是否由 AI 生成。該工具除 Google AI 外，還支援檢測 OpenAI、NVIDIA、Kakao 等行業夥伴工具生成的內容，Apple 即將加入。使用者可通過 synthid.com 試用。
Hacker News front pageAI 評分21
Hacker News 討論：Agentic AI 落地的主要瓶頸是什麼
Hacker News 上有人發帖徵集討論：Agentic AI 進入生產的主要瓶頸在哪裡。發帖者引用兩項資料作對照——agent 產生的流量已超過人類流量，但已建置的 agent 中只有 10% 真正上線生產，他覺得這很諷刺。他由此追問是什麼卡住了這些 agent，以及要讓 agent 流量繼續增長還缺哪些基礎設施。帖子目前 3 分、5 條評論。
Hugging Face blog● 精選AI 評分77
Ai2 發布 FairStress 公平性基準，含 1300 萬測試用例
Ai2 發布 FairStress 基準；除模型最終選擇外，它還測量模型在說服性論點下改變決定的難易程度是否因涉及群體而異。該基準包含 300 個雙候選人場景，覆蓋 29 個領域；組合身份呈現方式與對抗性字首後擴充套件為逾 1300 萬個測試用例，並另發布 5 萬條 FairStress-Core 子集，整合進 Olmo-eval。測試覆蓋 Olmo、Llama、Qwen、Gemma、Claude 與 GPT 系列，結果顯示同一論點會因受益群體不同而對模型決策產生不同影響。
Hacker News front pageAI 評分63
甲骨文申請發行 200 億美元股票與債券，為 AI 基建融資
甲骨文已提交檔案，計劃發行合計 200 億美元的新股與債券，為 AI 基礎設施建設融資。融資同時包含股票與債券兩部分，規模合計 200 億美元，訊息於 2026 年 11 月 2 日披露。原文未提及具體發行時間、定價與其他條款細節。
Hacker News front pageAI 評分35
AI 正在大幅加速 AI 研究本身
一篇題為《AI is dramatically accelerating AI research》的文章主張，AI 正在顯著加速 AI 研究自身。該文發表在 planned-obsolescence.org，並在 Hacker News 上引發討論，獲得 39 分、12 條評論。文章的具體論據與資料需見原文。
Hacker News front pageAI 評分28
HN 討論：AI 讓人產出更多，卻也更容易疲憊
Hacker News 上一條 Ask HN 帖子的作者稱，AI 雖然讓產出變多，自己卻比過去更累。他把原因歸於需要並行跟進多件事、閱讀大量生成文字，以及不斷的護欄檢查、決策和上下文切換帶來的過載。他向社群徵集在不加重心理負擔的前提下繼續用 AI 的方法，該帖獲得 32 分、12 條評論。
量子位AI 評分55
OpenAI 具身資料供應商指向 Maxinsights，已交付超 200 萬小時
據量子位梳理公開報導與業內線索，為 OpenAI 供應具身（第一人稱視角）訓練資料的供應商指向成立僅兩三年的 Maxinsights，OpenAI 未官方披露。該公司累計交付超 200 萬小時資料，另有 150 萬小時帶手部追蹤與語言標註的資料，月採集 45 萬小時，覆蓋 2000 多個真實環境、5 萬多個場景。
The Verge AI● 精選AI 評分78
METR 報告：Anthropic 用 AI 研發 AI，模型提速約一倍
AI 安全研究機構 METR 發布報告稱，Anthropic 正用 AI 參與建置更強的 AI，模型能力的提升速度約為一年前的兩倍，且沒有明顯放緩跡象。該結論來自 METR 在 Anthropic 內部進行的 11 周調查，是對其 AI 研發流程的評估，與今夏多起駭客事件後向安全研究者提供「類員工」系統存取權限的專案相互獨立。METR 稱這是迄今關於 AI 自動化 AI 研發最清晰的證據之一，結果已引起研究者警覺。