搜索
2026 年初，国内具身智能赛道掀起了一波开源潮，越来越多团队开始公开自己的视觉-语言-动作（VLA）模型、数据集与训练框架。与此同时，行业竞争也逐渐集中到 benchmark 成绩、任务成功率以及跨任务泛化能力上，尤其是在标准化或已训练任务中的表现。
“Claude 可能比你更擅长从你这里提取出你想要和需要的东西，而不是由你向 Claude 详细指定。”
Mechanize 发布了一项硬核测试：给前沿 AI coding agents 24 小时，用 Rust 从零写一个完整的 Game Boy Advance 模拟器，再和顶级开源模拟器 Mesen2 逐帧对比打分。
Markdown，当死。
Claw-Eval-Live提出「活的」benchmark概念，通过信号采集与任务筛选，确保评测内容紧跟企业实际痛点，而非固定不变的题库。评测不仅关注结果，还追踪执行过程，从数据调用到状态变更，全面验证Agent的真实能力。
刚刚，在X上Claude Code工程师Thariq的一篇分享——他几乎停止使用 Markdown，转而使用 Claude Code 生成 HTML 文件。在短短几个小时里，这篇帖子的浏览量就突破了 200 万。
随手打开 GitHub,2026 年的 Agent 项目热榜上有这样一个仓库: • 27,000+ stars,1,800+ forks • 零行 Python,零行 TypeScript,零行 JS • 作者是 Obsidian 的 CEO 本人,kepano • 整个仓库就是 5 个 Markdown 文件
5月6日，主营AI招聘的初创公司Ethos宣布完成2275万美元（约合人民币1.55亿元）的A轮融资，由a16z领投，General Catalyst、XTX Markets、Evantic Capital和Common Magic跟投。
SWE-Bench 的创建者，刚刚又放出了一个地狱级新 benchmark。
这个人叫 Alex Gerko，今年 46 岁，他是量化交易巨头 XTX Markets 的创始人。早在 ChatGPT 成为全民话题之前，他就已经搭建起一套纯粹以盈利为目的的 AI 交易系统。他在冰岛部署的这台超级计算机，正是 XTX 交易帝国的“算力大脑”。这台机器存储着超过 400 PB（约相当于 80 万亿张高清数码照片）的全球金融市场数据，并驱动着庞大的 GPU 集群。