# 基准的所有文章

在 HTX 新聞中心流覽與「基准」相關的最新資訊與深度分析。潘蓋市場趨勢、專案動態、技術進展及監管政策，提供權威的加密行業洞察。

从混元到微信AI，腾讯的慢节奏走到交付关口

2026年6月8日，微信AI进入内测阶段，用户可通过自然语言对话直接调用和操作微信小程序。开放平台提供“自动模式”和“开发模式”两种接入方式。自动模式允许平台读取小程序源码，实现零开发成本接入，旨在吸引微信生态内数十万中小开发者；开发模式则允许服务商自定义技能。此举标志着腾讯AI从技术储备、独立产品验证走向在超级应用内的场景交付。微信AI的底层能力依赖于腾讯自研的混元大模型。该模型在中文大模型评测中基础能力排名国内第二，但在应用与Agent能力上领先。腾讯坚持季度级稳健迭代，而非追逐高频发布，旨在为微信AI所需的稳定、可靠的操作型任务提供支撑。此前，腾讯的独立AI应用“元宝”在2026年春节凭借红包活动实现日活峰值超5000万、月活破亿，但节后数据回落，常态日活约900万。这验证了微信社交链的拉新能力，也凸显了独立App在留存上的挑战。因此，微信选择将AI原生集成至应用内，通过绑定实际使用场景来提升用户黏性。微信AI的目标是实现小程序的“龙虾化”（即智能体化），使其能自主执行跨应用任务。但这引发了生态平衡的核心矛盾：高效的中心化AI调度可能削弱服务商的页面流量、品牌曝光与用户沉淀。腾讯管理层承认需兼顾“中心化调度与去中心化流量保护”，具体规则尚未公布。目前，腾讯AI已形成混元（底座）、元宝（C端验证）、微信AI（场景交付）三条并进的路径。微信AI内测是整合与交付的关键一步，但其成功取决于三个变量：开发者对源码授权的信任、生态流量的合理分配以及AI操作的准确性与责任界定。腾讯的AI战略是一场马拉松，内测仅是中途标记，最终体验与市场接受度仍需时间验证。

marsbit06/08 10:23

marsbit06/08 10:23

估值破2000亿，曝Kimi再融136亿，赴港IPO提速

近日，国内AI大模型独角兽月之暗面（Kimi）正洽谈新一轮高达20亿美元（约136亿元人民币）的融资，目标估值达300亿美元（约2035亿元）。若顺利完成，其估值将较去年12月的43亿美元（约298亿元）上涨约6倍，这也将是该公司近半年来的第三轮融资。月之暗面成立于2023年，核心产品为Kimi智能助手。今年4月，其开源旗舰模型Kimi K2.6在多项基准测试中表现突出，部分维度媲美GPT-5.4等国际顶尖模型。6月，公司还开启了面向知识工作者的本地智能体Kimi Work的内测。商业化方面，公司已形成一定收入规模，据报道年度经常性收入（ARR）在4月已超过2亿美元（约13.6亿元）。同时，公司被曝正在筹备赴港IPO，以激发市场兴趣，但最终是否启动尚未确定。当前，国内外大模型企业融资与上市进程均明显加速。除了月之暗面，国内如智谱、MiniMax已启动港股上市，海外如OpenAI、Anthropic的估值亦屡创新高。资本、算力与商业化能力正成为大模型竞赛中的关键变量。

marsbit06/08 07:45

marsbit06/08 07:45

Claude Opus4.8发布，Anthropic开始把「可信」做成产品卖点

Anthropic发布了Claude Opus 4.8模型，在六项核心基准测试中取得五项第一，价格维持不变。此次发布的核心卖点并非单纯性能提升，而是显著增强了模型的“可信度”。在代码诚实度测试中，模型对自身错误的漏报率从19.7%大幅降至3.7%。它更擅长暴露不确定性，减少“过度自信的错误回答”，降低了用户因收到看似完整流畅实则错误的答案而带来的风险。 Claude Code功能新增了动态工作流（研究预览版），能自动调度多个子Agent并行工作，并引入对抗性自检机制在交付结果前进行验证，进一步提升了复杂任务输出的可靠性。模型在数学（USAMO 2026得分提升27%）、长上下文推理和多Agent协作等任务上表现突出。不过，在终端操作任务上仍稍逊于GPT-5.5，且在少数领域（如抗提示注入能力）存在退步。文章指出，前沿模型的竞争正从追逐基准分数转向对可靠性、可验证性的争夺。同时，Opus 4.8被定位为通往更强大、受限访问的“Mythos”级模型的公开入口，该模型预计将在未来几周内推出。对于用户而言，此次升级意味着可以将更多重要、复杂的工作委托给AI，推动“可委托”成为下一代AI的核心门槛。

marsbit05/29 22:19

marsbit05/29 22:19

刚刚，中国AI闯入全球编程前二，前面只剩Claude

Code Arena最新榜单显示，阿里通义千问Qwen3.7-Max以1541分位列全球第四，成为唯一进入该榜单前列的中国模型，排名仅次于Claude Opus系列模型。在具体任务测试中，Qwen3.7-Max表现突出。例如，在编写可自我训练的俄罗斯方块AI任务中，其成本仅为1.32美元，性能却超越其他模型56%。在构建3D宇宙模型和生成3D像素风宝塔模型等任务中，其输出速度与质量也全面胜出。一项硬核的3D赛车游戏生成挑战进一步验证了其能力。Qwen3.7-Max首轮生成即基本可玩，并独特地添加了开始界面和音效，细节处理优于其他对比模型（如Gemini 3.5 Flash、Claude Opus 4.6和GPT-5.5），后者大多需要多轮调试。 Qwen3.7-Max被定位为“Agent基座模型”，专为长时间自主执行复杂任务设计。内测数据显示，它能连续运行35小时，执行超千次工具调用，在长程任务中保持稳定推理，无上下文退化或指令漂移。其技术核心在于训练方法的升级：一是“环境扩展”，让模型在不同执行框架和验证方式中学习通用解题策略；二是“长程自主执行”训练，使模型能在动态环境中进行超千步连续决策与策略调整。此次Qwen3.7-Max在Code Arena榜单的突破，标志着中国AI模型已在全球编程竞技场中成为重要的竞争者。

marsbit05/27 00:17

marsbit05/27 00:17

清华00后校友王冠再出新作：用1/900 token、1/432算力，颠覆Transformer预训练模型

清华00后校友王冠团队提出了一种名为HRM-Text的高效预训练模型，使用分层循环模型取代标准Transformer。该方法仅需约1/900的训练token和1/432的估计算力，便使1B参数的模型在多项基准测试中达到了媲美2B至7B开源模型的性能，训练成本约1500美元。其核心是通过双时间尺度递归架构增加计算深度，并采用针对指令-回答对的训练目标，只对回答部分计算损失。研究强调了结构先验与针对性训练能显著降低预训练门槛。同时，论文也指出了当前方法在知识覆盖、自适应计算、规模化验证及工程部署方面的局限性，为未来研究指明了方向。

marsbit05/26 03:15

清华00后校友王冠再出新作：用1/900 token、1/432算力，颠覆Transformer预训练模型

marsbit05/26 03:15

自动化的悖论：AI越强，人类越忙

本文探讨了AI自动化发展中的一个核心悖论：尽管AI能力快速提升，但人类的工作量并未减少，反而可能增加。文章以作者所在公司Every为例，说明AI工具已深度嵌入编码、写作、客服等流程，但并未导致裁员，而是重组了工作形态。人类从重复执行者转变为框架设计者、系统维护者和质量判断者。 AI擅长将过去已沉淀的能力（如代码、文案、客服回复）商品化，使其变得廉价且人人可用。这导致市场出现大量同质化的“默认输出”。然而，真正稀缺的是面对具体当下问题时的判断力、差异化创造和意义定义能力。因此，自动化并未消灭专家，反而创造了更多需要专家介入的场景，例如工程师需要审查AI生成的代码，编辑需要打磨AI起草的文稿。文章进一步指出，基准测试（如高级工程师编码测试）衡量的只是模型在特定人类设定的“框架”内的表现。模型可以快速攻克一个框架，但人类会不断将问题推进到更复杂的新框架中。AI可以高效执行目标，但缺乏真正的主体性——它回应人类设定的问题，而非自主产生目标。知识工作的未来在于人类持续扮演“框定者”的角色。因此，AI让“执行”变便宜，却让“判断什么值得做、为何做、做到何种程度”变得更为珍贵。自动化没有消除人类工作的价值，而是使其变得更前沿、更依赖人类的独特判断。

marsbit05/24 07:06

marsbit05/24 07:06

Gemini 3.5来了！今夜，谷歌亲手淘汰谷歌

在谷歌I/O 2026大会上，谷歌发布了多项重磅AI进展。核心产品包括全新的全能多模态模型“Gemini Omni”，它可以接收任意形式的输入（如图片、音频、视频、文字）并生成高质量视频，且能通过聊天方式进行实时编辑，其生成内容在物理逻辑和场景连贯性上表现突出。同时，谷歌推出了新一代旗舰模型“Gemini 3.5 Flash”。该模型在编码、智能体任务等多项基准测试中，性能全面超越了前代旗舰Gemini 3.1 Pro，输出速度极快，并对标甚至超越了竞争对手的同类模型。与之配套的“Antigravity 2.0”代理开发平台也升级为独立桌面应用，现场演示了由93个子代理在12小时内从零编写出一个功能完整的操作系统内核。此外，谷歌发布了个人AI代理“Gemini Spark”。它由Gemini 3.5驱动，深度集成谷歌办公套件，能够7×24小时在云端运行，根据用户指令自动跨应用（如Gmail、Docs、Sheets）处理复杂任务，如汇总信息、起草邮件、规划活动等。其他重要发布还包括：Gemini App改版并改为算力计费、AI Ultra订阅计划调整以及谷歌搜索25年来最大升级（接入Gemini 3.5 Flash）。整场大会展示了谷歌在实现全模态理解与生成、以及全天候自主智能代理方面的重大突破，标志着AI技术正朝着更强大、更自主的方向加速演进。

链捕手05/20 06:54

链捕手05/20 06:54

Auto Research时代，47个没有标准答案的任务成了Agent能力必测榜

AI Agent的能力正面临新的考验。近期，Einsia AI旗下Navers lab发布了名为Frontier-Eng Bench的Agent评测基准，它包含了47个多学科交叉、没有标准答案的真实工程任务，旨在评估AI在闭环反馈中持续优化和解决复杂问题的能力。与以往AI在固定知识库中寻找答案的模式不同，这套基准要求AI扮演“工程师”角色：提出方案、接入仿真器、根据报错反馈调整参数、重新运行并持续迭代。任务涵盖水下机器人控制、动力电池快充优化、量子线路噪声抑制等硬核领域，AI需要在功耗、安全、性能等多重约束下寻找最优解。评测结果显示，当前AI（如GPT-5.4）虽能表现出一定的优化能力，但距离完全解决这些工程问题仍有很长的路要走。研究还总结出两条关键规律：一是优化过程遵循幂律衰减，后期性能提升越来越难；二是在有限预算下，探索的深度比宽度更为重要，持续的深度迭代比简单的并行试错更能带来突破。这项工作的深远意义在于，它标志着AI开始从“答题者”向能够在真实反馈循环中“自我进化”的系统转变。它预示着一个“Auto Research”时代的可能：未来，人类研究者提出目标和方向，AI则不知疲倦地负责执行仿真、实验和优化迭代，从而极大加速科研与工程进程。论文及相关资源已公开。

marsbit05/13 07:05

Auto Research时代，47个没有标准答案的任务成了Agent能力必测榜

marsbit05/13 07:05

K2.6 是杨植麟的第一场路演

月之暗面发布Kimi K2.6模型，并将API输入价格从每百万token 0.60美元上调至0.95美元，涨幅达58%。此次涨价采取结构化策略，对缓存命中率高的企业客户影响较小，而对散客涨幅明显，显示出月之暗面更关注高价值企业用户的商业化导向。 K2.6的发布方式与此前不同：未强调技术细节和开源社区反馈，而是直接对标GPT-5.4等国际前代旗舰模型，突出“持平或优于顶尖闭源模型”的定位。同时推出支持300个Agent集群的Claw Groups功能，聚焦企业级长程任务处理能力。这些动作被视为杨植麟为上市路演准备的叙事策略，旨在回应投资者关于商业化能力、技术对标和B端壁垒的关切。文章指出，月之暗面估值在三个月内从43亿美元飙升至180亿美元，主要受智谱、MiniMax上市后市值暴涨的带动。K2.6需在三个月内证明其付费转化率和企业客户落地规模，以支撑估值。若下一代模型K3能赶在8-9月路演窗口发布，将成关键助力；否则K2.6需独立承担上市叙事压力。这一系列动作折射出月之暗面从技术诚意向资本市场叙事的转向。

marsbit04/22 10:45

marsbit04/22 10:45

a16z新文：预测市场，进入快进阶段

a16z文章指出，预测市场正从边缘化的选举和体育事件交易工具，逐步演化为能为不确定性定价的金融基础设施。关键变化体现在三方面：应用场景扩展至娱乐、宏观等长尾市场；首次为事件本身提供可交易的价格基准，使机构能直接对冲政治或宏观风险；机构采纳路径从数据参考逐步走向系统整合和实际交易。目前机构使用仍以数据接入为主，因全额保证金机制限制交易参与。未来预测市场在流动性、杠杆和监管完善后，有望成为连接散户与机构、对冲现实风险的核心工具，类似期权市场的发展路径。行业共识是预测市场将日趋“基础设施化”，成为不可或缺的金融基准。

marsbit04/19 12:00