Auto Research时代，47个没有标准答案的任务成了Agent能力必测榜
Auto Research时代，47个没有标准答案的任务成了Agent能力必测榜如果把AI丢进一个没有标准答案的工程现场，它还能活下来吗？
来自主题: AI技术研报
11114 点击 2026-05-13 15:02
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
如果把AI丢进一个没有标准答案的工程现场，它还能活下来吗？
面壁智能正式发布并开源了 MiniCPM-V 系列新一代基础模型——MiniCPM-V 4.6。这款模型的整体参数规模仅约 1B（1.3B），是该系列有史以来参数规模最小的一款。但在多模态综合能力上，它却成功超越了被视为标杆的阿里 Qwen3.5-0.8B 和谷歌 Gemma 4 E2B-it，做到了「尺寸更小、效率更高、性能更好」。
2026年5月13日，作为每年 Google I/O 的前哨站，同时也是关于最重要的部分——安卓的独立发布会，The Android Show在线上开幕，揭开了 2026 年 Google 在 Android 领域全系产品阵容的新品发布阵容。
何恺明，也下场做语言模型了。
近日，字节跳动智能创作部门（Intelligent Creation Lab）提出新作 DreamLite，一个主干网络仅有 0.39B 参数的轻量级统一扩散模型，在单一网络内同时支持文生图（Text-to-Image） 和图像编辑（Text-guided Image Editing）两个任务，是目前已知首个实现这一能力的端侧模型。
视频创作正在从操作工具，变成一场人与Agent之间的对话。
Agent 到底需要什么样的 infrastructure，今年业界一直有很多探讨，PingCAP 联合创始人黄东旭此前也发过多篇讨论文章，不过当时都是一些猜想。随着 agent 今年的爆发，大规模落地的案例出现了。
随着大模型后训练（Post-training）技术的发展，强化学习（RL）在提升模型推理能力方面的表现备受瞩目。
5月12日，小米集团总裁卢伟冰发文：为回馈全球开发者，小米正式启动「MiMo Orbit 100T Token 计划」，面向全球 AI 用户免费发放 Token 权益，计划在 30 天内累计发放 100 万亿 Token。
今天，谷歌原生视频模型Gemini Omni意外曝光！各种惊艳demo刷爆，教授黑板推导数学公式、一句话编辑视频，丝滑程度让全网破防。