2月20日，马斯克通过社交平台X发布了一条重要消息，宣布Grok应用程序已成功上线了Grok3语音模式的早期测试版。这一动态立即引起了广泛关注。

今日，微博正在测试将其智搜功能接入DeepSeek大模型。微博CEO王高飞已在平台上多次展示相关功能测试效果，包括对"社保费用增加对骑手收入的影响"等热点话题的智能分析。测试显示，DeepSeek R1模型能够有效整合微博平台上的已有讨论内容，为用户提供清晰的话题总结和分析结论。这一功能的加入不仅将提升微博的搜索质量和用户体验，也预示着平台向更全面的智能化服务迈进。此次微博接入DeepSeek被业内视为具有重要战略意义的升级，标志着社交媒体平台在AI应用领域的又一重要布局。

OpenAI近日发布了一项重要的AI编程能力评估报告，通过价值100万美元的实际开发项目揭示了AI在软件开发领域的现状。这项名为SWE-Lancer的基准测试涵盖了1，400个来自Upwork的真实项目，全面评估AI在直接开发和项目管理两大领域的表现。测试结果显示，表现最佳的AI模型Claude3.5Sonnet在编码任务中的成功率为26.2%，在项目管理决策方面达到44.9%。虽然这一成绩与人类开发者仍有差距，但在经济效益方面已展现出可观潜力。数据显示，仅在公开的Diamond数据集中，该模型就能完成价值208，050美元的项

据证券时报报道，中国信息通信研究院（信通院）正式启动了针对 AI 眼镜的专项测试。这一测试旨在推动 AI 眼镜技术的创新与行业标准化，助力行业的健康发展。图源备注：图片由AI生成，图片授权服务商Midjourney此次专项测试由信通院的泰尔终端实验室与 Sream Lab 联合进行，主要针对 RayBan-Meta Wayfarer 智能眼镜进行评估。测试内容涵盖了七个模块，包括基本配置、音频、图像、防抖、交互、续航以及安全隐私，涉及超过60个测试项目。这些测试将从功能、性能、可用性和可靠性等多个维度，

在软件工程领域，随着挑战的不断演变，传统的基准测试方法显得力不从心。自由职业的软件工程工作复杂多变，远不止是孤立的编码任务。自由职业工程师需要处理整个代码库，集成多种系统，并满足复杂的客户需求。而传统的评估方法通常侧重于单元测试，无法充分反映全栈性能和解决方案的实际经济影响。因此，开发更为真实的评估方法显得尤为重要。为此，OpenAI 推出了 SWE-Lancer，一个针对真实世界自由软件工程工作进行模型性能评估的基准测试。该基准测试基于来自 Upwork 和 Expen

近期，一项研究表明，OpenAI 的 ChatGPT 通过了心理治疗领域的图灵测试，显示出其在提供心理咨询建议时，竟然比人类治疗师更具同理心。这一研究成果来自科技媒体 The Decoder 的最新报道。研究团队邀请了830名参与者，要求他们对比 ChatGPT 与人类治疗师的回复。结果显示，参与者的识别率仅略高于随机猜测，能够准确识别人类治疗师回复的概率为56.1%，而识别 ChatGPT 回复的概率为51.2%。这表明，许多人在辨别 AI 与人类治疗师时存在相当大的困难。图源备注：图片由AI生成，图片授权服务商Mi

最近的一项研究显示，受试者在区分 ChatGPT 与人类治疗师的心理治疗反应时，遇到了很大的困难。研究表明，AI 的回答往往被认为比专业人士的回答更具同理心。这项研究应用了经典的图灵测试，旨在评估人类能否识别与机器还是与其他人互动。研究人员邀请了830名参与者，要求他们判断18对夫妻治疗案例中，哪些反应来自于 ChatGPT，哪些来自于经验丰富的人类治疗师。根据发表在《PLOS 心理健康》上的研究结果，参与者在识别治疗反应的过程中，表现仅略高于随机猜测。人类治疗师的反应

在短短六天内，参与者成功绕过了Anthropic人工智能（AI）模型Claude3.5的所有安全防护措施，这一突破为AI安全防护领域带来了新的讨论。前OpenAI对齐团队成员、现就职于Anthropic的Jan Leike在X平台宣布，一名参与者成功攻破了所有八个安全级别。这项集体努力涉及了约3，700小时的测试和来自参与者的300，000条消息。尽管挑战者成功突破，但Leike强调，目前还没有人能够提出一种通用的“越狱方法”来一次性解决所有安全挑战。这意味着尽管存在突破，依然无法找到一种万能的方式来绕过所有的

知情人士透露，苹果公司与中国科技巨头阿里巴巴将共同为中国iPhone用户开发AI功能。这一消息标志着苹果在中国市场AI领域合作的新进展。在过去几个月中，苹果一直在积极评估多个潜在合作伙伴，包括腾讯、字节跳动、阿里巴巴以及Deepseek等，旨在为国行iPhone打造AI功能。经过深入考量，苹果最终选择了与阿里巴巴携手合作。

OpenAI 正在积极推进其自研芯片的设计工作，计划通过减少对英伟达芯片的依赖，增强自身在人工智能领域的自主能力。这款自研的人工智能芯片即将完成设计，并将交由全球领先的半导体制造商台积电进行 “流片” 测试。流片测试是芯片生产过程中至关重要的一步，意味着 OpenAI 设计的芯片将进入试生产阶段。这一阶段不仅是对芯片设计的实际验证，更是 OpenAI 向自主芯片生产迈出的关键一步。根据规划，OpenAI 希望在2026年实现这款自研芯片的规模化生产。尽管流片测试的费用高达数千万

近日，有消息透露，OpenAI 正在积极推进自家首款人工智能芯片的设计，旨在减少对英伟达芯片的依赖。这一计划的实现将标志着 OpenAI 在芯片研发领域迈出了重要一步，预计在2026年将实现该芯片的大规模生产。根据最新消息，OpenAI 已经决定将其自研芯片的流片测试交给全球领先的半导体制造商台积电进行。这一测试过程意味着，经过精心设计的芯片将被送往台积电的工厂，进入试生产阶段。这不仅是对芯片设计的实际检验，也意味着 OpenAI 正在为大规模自主芯片生产打下基础。流片测试的

谷歌搜索正在进行一项新功能的内部测试，该功能被称为 “AI 模式”，旨在为用户提供一个可以提出更开放式和探索性问题的 “持久性空间”。这一新体验基于谷歌的 Gemini2.0技术，目前已经在员工中进行测试。根据内部邮件的描述，“AI 模式” 将智能搜索能力提升到一个新的水平，帮助用户整理信息，以便轻松消化，并提供链接以探索网络上的相关内容。该模式特别针对那些当前搜索结果无法很好满足的开放式和探索性问题。例如，用户可以询问一些需要建议和比较的问题，或者与系统

国产大模型公司DeepSeek的应用登顶苹果中国地区和美国地区应用商店免费APP下载排行榜，超越了ChatGPT。这一成就不仅引起了市场的广泛关注，也对AI芯片龙头英伟达的股价产生了重大影响。尽管如此，英伟达发言人仍然对DeepSeek给出了高度评价，称其为AI领域的一项卓越进步，并指出DeepSeek的工作展示了如何利用测试时间缩放技术、广泛可用的模型以及符合出口管制的计算资源来创建新型号。英伟达发言人补充道，推理过程需要大量英伟达GPU和高性能网络支持。英伟达目前掌握三种扩展规律

据报道，虽然xAI官方尚未正式公布，但其最新模型 Grok-3 已短暂现身独立平台和X平台，并开启内部测试，预示着其正式发布已近在咫尺，有望于下周正式亮相。有迹象表明，Grok-3的发布或将成为 AI 领域又一重大事件，有望成为目前最先进的 AI 模型。据悉，Grok-3在回答问题方面的表现非常出色，在某些测试中甚至超越了 OpenAI 的 o1和 DeepSeek R1等领先模型。种种迹象表明，Grok-3的正式发布已指日可待。根据曝光的测试截图，xAI 为 Grok-3设定的系统提示词显示，该公司希望将其打造成为一个基于

微软最近在 Windows11Insider 测试者的最新开发频道版本中推出了 AI 驱动的 Windows 搜索功能。这项新功能首次在10月份宣布，旨在利用语义索引技术，帮助用户以更自然的语言搜索本地文件。需要注意的是，用户必须拥有一台 C o p i l o t Plus PC 才能使用这一功能。这项 AI 搜索功能可以应用于 “设置”、“文件资源管理器” 或任务栏中的搜索框，无论用户在哪里进行搜索，都可以享受到这一便利。此外，得益于C o p i l o t Plus 计算机中的 NPU 芯片，这项技术支持离线使用，无需连接互联网。当前

苹果公司近期发布了 iOS18.3开发者测试版，决定暂时停用新闻和娱乐类应用的通知AI摘要功能。这一功能原本是由苹果智能技术支持的，但在使用过程中遭到了不少用户的批评，尤其是因为它在总结内容时出现了严重错误，比如对于 BBC 的报道进行了错误解读。根据 MacRumors 和9to5Mac 的报道，苹果公司表示将会在未来的软件更新中重新启用这一功能，并持续改进它。在最新的测试版中，苹果明确指出，通知摘要功能仍处于测试阶段，可能会出现一些错误。为了方便用户，苹果还增加了一项新功

近日，清华大学、复旦大学与斯坦福大学的研究团队联合发布了一款名为 “Eko” 的 Agent 开发框架，旨在通过简单的代码和自然语言帮助开发者快速构建可用于生产的 “虚拟员工”。Eko 框架能够接管用户的电脑和浏览器，代替人类完成各种繁琐的任务。通过 Eko，用户可以实现自动化的数据收集、测试和文件管理等功能。例如，用户可以设定 Eko 自动收集雅虎财经上的最新股票数据，并生成可视化报告。又如，Eko 能够进行登录页面的自动化测试，以确保系统的安全性和稳定性。这一切都意

阿联酋穆罕默德・本・扎耶德人工智能大学（MBZUAI）近日发布了一款名为 LlamaV-o1的先进人工智能模型，能够高效解决复杂的文本和图像推理任务。这一模型通过结合前沿的课程学习和先进的优化技术，如波束搜索（Beam Search），在多模态人工智能系统中树立了新的基准，特别是在逐步推理的透明性和效率方面。LlamaV-o1的研究团队表示，推理是解决复杂多步骤问题的基本能力，尤其是在需要逐步理解的视觉情境中。经过特别调校，该模型在许多领域中表现出色，例如分析财务图表和医学影像

日前，马斯克旗下的人工智能公司 xAI 正式发布了其首款面向消费者的独立应用 ——Grok。Grok 应用自1月10日起在苹果应用商店上架，用户可以免费下载并体验这款新应用。之前，用户只能通过社交媒体平台 X 来接触到 xAI 的产品，而 Grok 应用的推出则使得更多用户能够直接与该技术互动，进一步拓宽了其用户基础。在 Grok 应用的描述中，可以看到它目前仍处于 “测试版” 阶段，仅在美国市场推出。应用的内容强调了用户将能够免费访问 xAI 的最新人工智能模型 ——Grok2。这一模型在自然语

微软近期在 Hugging Face 平台上发布了名为 Phi-4的小型语言模型，这款模型的参数量仅为140亿，但在多项性能测试中表现出色，超越了众多知名模型，包括 OpenAI 的 GPT-4o 及其他同类开源模型如 Qwen2.5和 Llama-3.1。在之前的在美国数学竞赛 AMC 的测试中，Phi-4获得了91.8分，显著优于 Gemini Pro1.5、Claude3.5Sonnet 等竞争对手。更令人惊讶的是，这款小参数模型在 MMLU 测试中取得了84.8的高分，充分展现了其强大的推理能力和数学处理能力。与许多依赖于有机数据源的模型不同，Phi-4采用了创新的方法来生