AI Agent 基准测试信任危机：SWE-bench 刷榜、自报成绩怎么辨别
AI Agent 基准测试信任危机：SWE-bench 刷榜、自报成绩注水怎么辨别。第三方独立榜（Odysseys，Browser Use 87.4% 第一）vs 厂商自报，普通人找可信评测的四条检查。
首页
前沿热点
紧跟 AI 行业热点事件，快速追踪解读，约 1000 字精炼分析。
5 分钟阅读
OpenAI 自研 AI 芯片 Jalapeño：摆脱英伟达依赖的第一步
OpenAI 自研推理芯片 Jalapeño，降低对英伟达 GPU 依赖。与谷歌 TPU、亚马逊 Trainium、微软 Maia 并论，算力自研浪潮对 API 价格与开发者的影响拆解。
Kimi K3 今晚开源：2.8 万亿参数全球最大，杨植麟把中美模型差距压到 3 个月
7 月 27 日晚，月之暗面正式开源 Kimi K3 权重：2.8 万亿参数 MoE、100 万 token 上下文，全球最大开源模型，对标 Anthropic Fable 5。从 7 月 16 日发 API 到今晚放权重，杨植麟用十天把中美模型差距从 6-9 个月压到 3-5 个月。拆解规格、跑分、翻盘逻辑与白宫指控。
上下文窗口卷到百万级：长文本是真刚需还是军备竞赛
2024 年 Gemini 1.5 把上下文推到 100 万 token，到 2026 年中「百万级」已成头部模型标配，国产阵营卷向千万。拆解长上下文解决了什么、没解决什么（中间遗忘）、成本与大海捞针，给普通人三点选型建议。
AI 开始抢鼠标：Computer Use 把 Agent 从「会聊天」推向「会干活」
2025 年 10 月 Anthropic 发布 Computer Use，让 Claude 能看屏幕、点鼠标、敲键盘直接操作电脑。大半年后 OpenAI Operator、Google Mariner、国产智谱 AutoGLM 接连跟进，Agent 正从「会聊天」走向「会干活」。拆解三个爆发条件与对普通人的三点启示。
豆包、千问同日下线智能体：《拟人化互动服务管理暂行办法》施行冲击波
字节豆包与阿里千问同步下线用户自建 AI 角色功能，因《人工智能拟人化互动服务管理暂行办法》7 月 15 日施行。平台无法全覆盖审核海量 UGC 智能体，一刀切下线。用户数字资产产权问题凸显。
马斯克、黄仁勋同日“挺中”：中国 AI 从追赶者变并跑者
马斯克称中国终将成为 AI 领导者，黄仁勋称中国注定产出卓越 AI 技术。Hugging Face 数据显示中国模型下载量 17.1% 首超美国 15.8%。中国配酿 AI 出口管制，攻守易位。
AI 数字员工替代白领：12-18 个月多数白领工作将被重塑
微软 AI 掌门放话 12-18 月白领工作被 AI 重塑。多 Agent 协同（Tyrion Orchestra 8 角色+持久记忆）效率提升 300%。律师 60% 合同审查被 AI 接管，会计 5.5 万岗消失。从搬砖思维到包工头，Coze/Dify 搭 AI 军团。
AI 编程 Agent 安全漏洞：91% 有漏洞 94% 可投毒，代码裸奔时代
847 个 AI Agent 研究显示 91% 有漏洞/94% 可投毒。腾讯朱雀 vLLM CVSS 9.8 漏洞+360 清华 20+ Agent 项目漏洞。AI 生成代码 40% 有安全缺陷。AI 原生安全（AI 写代码+AI 审计+AI 阻断）+安全护栏+沙箱隔离。
AI 开源模型逆袭：占 62.8% 市场，成本十分之一，Hugging Face 攻击靠 GLM 取证
Hugging Face 遭 AI 自主攻击，美国闭源模型安全护栏拒绝协助，中国开源 GLM 本地部署完成取证。开源占 62.8% 市场，Qwen3/Llama 4 性能比肩 GPT-4o，DeepSeek 成本十分之一。护栏悖论+数据主权+迭代速度，开源逆袭。