AI办公正在形成「三足鼎立」局面
钛媒体刊发影子备忘录的分析，认为腾讯WorkBuddy、阿里千问办公与字节豆包工作已形成AI办公赛道的三足鼎立格局，QuestMobile报告称办公Agent赛道「三足鼎立格局初显」。
#评测/基准
#评测/基准
今日 0 条钛媒体AI 评分5050
Import AIAI 评分3030 Import AI 476：创造力与递归自我改进、不如中国的开源权重模型、AI 走向太空
Import AI 476 期聚焦三项研究：Scale AI 与 Elorian 发布 Humanity's Sixth Sense 基准，含 522 道题、288 张图片和 234 段短视频，人类 pass@1 达 93.1，最佳模型 GPT 6 Astra 仅 53.6，GLM-5.3-flash 为 26.8、Kimi K3 为 25.5。
钛媒体AI 评分3838 谁在给大模型出题、卖题、判卷？聊聊AI数据行业的野蛮生长
Scale AI后训练与评测研究者何允中、Agents' Last Exam项目研究者孙一铀拆解AI数据行业：数据公司交付物正从人工标注、专家rubric评分细则转向含任务、工具与验证机制的强化学习环境。ALE覆盖55个非体力类职业，何允中称rubric数据需求已趋饱和，孙一铀则认为专家主观判断类rubric仍远远不够。
钛媒体AI 评分3838 谁在捧杀 Utopai X？后训练模式下的估值争议
美国评测机构 Artificial Analysis 的文生视频榜单显示，Utopai X 以 1150 分位列全球第二、仅次于 Wan 3.0，但榜单标注其"based on MiniMax H3"，即对 MiniMax H3 后训练而非从零自研。
钛媒体AI 评分4646 OpenRouter 榜单分析：美版硅基流动的流水单，三张榜与正在贬值的信用
OpenRouter 是私人 API 聚合商，靠充值手续费盈利，2026 年 8 月被 Stripe 以超 70 亿美元收购。其周榜只是滚动 7 天窗口，同一模型隔两天数字可差 5.1 万亿 Token，且美国用户占 47.17%、中文不足 5%，中国信通院许珊称其调用量仅占全球约 2%。中国模型在该榜连续二十二周领先，但 9 月当周冠军由免费匿名模型太空兔以 33.5 万亿 Token 拿下。
Microsoft ResearchAI 评分1616 Microsoft 研究员 Jennifer Neville：AI 为何出错、失败能教会我们什么
Microsoft 的 Jennifer Neville 在 Microsoft Research Podcast 中与 Chad Atalla 对谈，讨论评估如何推动 AI 系统性能边界、模型超出传统基准测试时出现的"意外失败"，以及数据为何值得细看。
Import AIAI 评分2222 Import AI 475：群体扩展、Google DeepMind 为生物设计加水印，以及 AI 科学经济
Toby Ord 分析指出，AI 智能体群体是一种新的推理扩展形式，4 个智能体的群体完成任务所需的 token 总量约为单智能体的两倍，但并行运行理论上可将耗时减半，且群体扩展存在类似人类协作的“踩脚”递减效应。
Ahead of AI · Sebastian RaschkaAI 评分5656 从词袋到 Jev：Sebastian Raschka 梳理文本分类技术史并实测 Jev
Sebastian Raschka 撰文梳理文本分类从词袋模型、朴素贝叶斯、RNN、CNN 到 BERT、GPT、T5 的演进，并实测了 TypeSafe AI 新发布的分类模型 Jev。
Interconnects · Nathan LambertAI 评分4747 开放模型的力量天平：中美开放权重模型竞争现状
中国开放权重模型已明显领先美国，Hugging Face 下载量约为美国的 2 倍（3.2B 对 1.6B），Artificial Analysis 智能指数上 GLM-5.3、GLM-5.3-Flash 和 Kimi K3 分别得分 45、42、44，而美国最高的 Inkling 仅 26。
MIT News · AIAI 评分5757 MIT JARVIS Challenge 测试 AI 副驾能否加速喷气发动机设计
MIT 航空航天系在 2026 春季学期举办 JARVIS Challenge，让 31 名本科生分成 7 队，用四周时间借助 AI 设计、制造、组装并测试一台推力 50–100 磅、使用 Jet-A 燃料的小型单轴喷气发动机。
Hugging Face BlogAI 评分2222 Hugging Face 伦理与社会通讯第4期：文本到图像模型中的偏见
文本到图像（TTI）生成模型正大量上传至 Hugging Face Hub，其偏见来源多样。Hugging Face 梳理了训练数据（如 LAION-5B、MS-COCO、VQA v2.0）、预训练数据过滤、推理（CLIP 的年龄、性别、种族偏见）、模型潜在空间及事后过滤等偏见来源，并列举了 Stable Bias 等检测工具与红队评估方法。