BigCodeArena: Judging code generations end to end with code executions
AI 速览 BigCodeArena提出通过代码执行端到端评判代码生成质量的新方法。
行业追踪 · 当日动态流 2 条报道
当日 24h 要点速览
-
Hugging Face · BigCodeArena提出通过代码执行端到端评判代码生成质量的新方法。
要闻精选
Disrupting malicious uses of AI: October 2025
Discover how OpenAI is detecting and disrupting malicious uses of AI in our October 2025 report. Learn how we’re countering misuse, enforcing policies, and protecting users from real-world harms.
社区音量 · 领军人物与专家观点 X / 社区精选
Demis Hassabis @demishassabis · 2 小时前
祝贺科研团队！将大模型多智能体诊断系统应用于真实前瞻性临床试验，取得令人振奋的准确度突破。
Andrej Karpathy @karpathy · 4 小时前
当端侧小模型的推理能力超越两年前的千亿大模型时，软件的系统架构将彻底重塑，智能体正在成为原生操作系统层。
Guillermo Rauch @rauchg · 6 小时前
毫秒级启动、与模型解耦的极简 CLI 工具是未来。内置 MCP、Skills 与子智能体后，终端将重焕新生。
Ethan Mollick @emollick · 8 小时前
如今已有十余款可在现代移动设备上全本地运行的紧凑模型，整体表现逼近甚至超越昔日的 GPT-4 基准。
产品发布 · Show HN & Product Hunt 当日发布
模拟城市类游戏引入许可审批机制。
Clerkenwell
▲ 12Clerkenwell是一个手写风格的Clojure Notebook，在Hacker News的Show HN板块发布。
Jev Cards在Hacker News发布图片问答游戏，邀请用户挑战视觉模型，测试人类与AI在图像识别上的表现。
Penmentor
▲ 50Penmentor 在 Hacker News 发布，利用 Claude 对用户手写数学作业进行教师式批注。
开源热榜 · GitHub Trending Trending
专为智能体打造的轻量技能协议工具包，支持极简 npm / npx 直接调用。
功能完备的本地模型交互与多智能体统一管理控制台界面。
微软官方 1-bit LLM 推理与训练框架，针对能效与端侧极致优化。
低显存环境下运行超大参数模型的分层推理引擎，大幅降低本地部署门槛。
模型生态 · OpenRouter 调用排名 & 新模型 24h 统计
Top 模型调用份额 (Tokens)
01
DeepSeek V4.1 Flash DeepSeek · 6.02T
02
Step 5 Preview StepFun · 3.25T
03
GLM 5.3 Flash Zhipu AI · 2.03T
04
Claude Opus 5.5 Anthropic · 1.42T
05
GPT-6 Luna OpenAI · 1.18T
06
Nemotron 3 Ultra NVIDIA · 1.05T
近期模型上线与定价
Muse Wonder Meta · 1.0M ctx · 今日
$4.00 / $20.00 Nemotron 3.5 Bolt NVIDIA · 256k ctx · 昨日
免费调用 MiniMax Abab 7 MiniMax · 512k ctx · 前日
$0.80 / $2.40 融资并购 · 创投交易 当日记录
$368B 创投披露
东南亚数字经济规模预计将达3680亿美元。
VentureAI Deal
$80B 创投披露
Anthropic在2026年上半年录得800亿美元净亏损。
VentureAI Deal
$25M 创投披露
特朗普与副总统JD·万斯宣布，特朗普政府将向右翼YouTuber Nick Shirley支付1万美元，并启动2500万美元的举报欺诈赏金计划。2025年12月，Shirley曾发布一段病毒式传播的视频，指控明尼苏达州由相关成员经营的日托中心存在欺诈行为。
VentureAI Deal