OpenAI 推出 IndQA 基准：面向印度语言与文化的“情境与推理”评测集
OpenAI 于 2025 年 11 月 3 日发布 IndQA，这是一个用于评估AI系统在印度语言与文化上的理解与推理的新基准。官方称，现有多语种评测（如 MMMLU、MGSM）趋于“高分聚集”，且多偏翻译或选择题，难以反映真实使用中的文化与语境理解。IndQA 因此由本土专家以母语撰写问题，覆盖...
Admin •
171
Sam Altman称“Codex已改变OpenAI内部开发”，并预告将有新模型推出
Sam Altman 近日在 X 发文表示，Codex 在过去数月“已改变 OpenAI 的构建方式”，并称团队即将带来一批“很棒的即将发布的模型”。该表述属于高层对内部工程实践的定性总结，未披露时间表与具体型号。结合此前发布与公开材料，Codex 被定位为面向软件工程的代理式能力，贯穿 OpenA...
Admin •
152
Anthropic发布“用MCP执行代码”实践：让代理以写代码而非直连工具提升效率
Anthropic 于 2025 年 11 月 4 日发布工程博文，提出在 MCP（模型上下文协议）生态中优先使用“代码执行”路径：将各 MCP 服务器的工具生成为可调用的代码 API，代理先写代码再调用工具，而非把所有工具定义与中间结果硬塞进上下文。文中给出按服务器/工具生成 TypeScript...
Admin •
313
Kiro 宣布支持远程 MCP 服务器：代理不再局限 localhost，开发者可一键连接云端工具
Kiro 发布 v0.5.0，正式支持连接远程 MCP（Model Context Protocol）服务器，代理不再受限于本机进程。根据官方博客与更新日志，远程连接采用 Streamable HTTP 传输（兼容已弃用的 HTTP+SSE），可直接对接云端 API、数据库与团队服务，并提供“一键安...
Admin •
437
Opera One 推出新一轮更新：Tab Islands 支持命名与自定义颜色，开发者版已可试用
Opera 宣布为 Opera One 推出第二轮功能更新，重点增强 Tab Islands（标签岛）的个性化能力。根据 2025 年 11 月 4 日的官方博客，这次更新允许用户为每个标签岛命名，并自定义“岛柄”的颜色，以便在复杂浏览场景下快速识别与分工。用户只需将鼠标悬停在标签岛柄上，即可呼出新...
Admin •
170
Anthropic发布“模型弃用与保存承诺”：保留权重、记录自述，探索更温和的下线流程
Anthropic 于 2025 年 11 月 4 日发布“模型弃用与保存承诺”，指出模型日益融入工作与生活，简单以“新替旧”的做法会带来用户成本、研究阻断与安全风险。文中直指在对齐评测中观察到的“关机回避”类行为，并承认当前仍需淘汰旧模型以控制推理成本与运维复杂度。作为初始措施，Anthropic...
Admin •
156
Windsurf 推出 Codemaps：用 AI 扩展代码理解，宣称“Fight slop”
Cognition（Windsurf）宣布在其 IDE 上线 Codemaps 功能，核心目标是为工程师与 AI 建立对同一代码库的共享理解，减少“低理解度快改动”带来的质量滑坡。官方博客于 2025 年 10 月 29 日发布介绍，称 Codemaps 能按任务即时生成代码地图，展示结构、数据流与...
Admin •
222
Qwen发布Qwen3-Max-Thinking早期预览：宣称在AIME 2025与HMMT达成100%
Qwen 团队在11月初公布 Qwen3-Max-Thinking 的早期预览版本，称该模型为仍在训练中的中间检查点。官方表述指出，在结合工具使用与扩大测试时推理计算（test-time compute）后，该模型在 AIME 2025 与 HMMT 等高难度推理基准上取得 100% 成绩。当前版本...
Admin •
167