Main Brief
当日重点整理
01 开发工具
Agent Arena转向真实长程任务评测
Agent Arena基于全球用户真实任务，允许模型调用搜索、文件系统和终端，重点衡量任务结果而非单项分数。 From ↗
02 开发工具
Agent Arena新增成本性能前沿榜
Agent Arena新增Pareto前沿评估，Kimi K3 Max单任务中位成本0.62美元，Claude Opus 5 High为1.78美元，头部模型成本差超5倍。 From ↗
03 模型动态
墨奇智能发布具身智能架构MoRA
墨奇智能首次系统展示MoRA架构，并通过机器人完成长程任务，体现具身智能向复杂任务执行演进。 From ↗
04 开发工具
DeepSeek-V4-Pro升至Agent Arena开源模型第二
DeepSeek-V4-Pro性能提升6.3%，单任务中位成本仅0.21美元；代码、工作分类均列开源模型第二。 From ↗
05 模型动态
相同GRPO配方在不同规模模型上结果迥异
研究者在三个从零训练模型上复用SFT与GRPO流程，结果差异明显，性能与模型规模没有简单对应关系。 From ↗
06 行业资讯
Cursor借GitHub用户不满推出代码托管平台
以AI代码编辑器闻名的Cursor，推出新的代码托管平台，与开发者长期青睐的GitHub展开竞争。 From ↗
07 模型动态
开发者已找到绕过Claude隐形水印的方法
Anthropic上周宣布为AI生成内容添加隐形水印以符合欧盟新规，但数小时内网上便出现绕过方法。 From ↗
08 模型动态
专家警示的中国强大AI模型已发布
Z.ai发布最新AI模型，既能帮助企业加固系统，也可能落入黑客之手，引发安全担忧。 From ↗
09 开发工具
Flock面向警方的新AI工具代码被公开
Flock的监控摄像头已引发争议，WIRED重构其新一代AI系统，证实其功能远超车牌追踪，部分警方已在用。 From ↗
10 行业资讯
第三方API可抓取小红书和公众号内容
有开发者发现可抓取小红书和公众号内容的第三方API，注册送200积分，单次调用约0.6积分。 From ↗