GPT-5.5 登顶 CursorBench：AI 编码代理终于从“能写”变成“能干”
GPT-5.5 登顶 CursorBench：AI 编码代理终于从“能写”变成“能干” 想象一下：你是个普通中国开发者，凌晨两点还在改一个电商后台功能。需求模糊、涉及多文件联动、历史代码一团乱麻。你让 AI 帮忙，结果它写完前半段就“卡壳”了，bug 越修越多，半天过去只剩一堆无效 diff。这样的
DeepMind 新论文，真正补上的不是“聪明”，而是 AI 处理复杂信息的稳定性
DeepMind 新论文，真正补上的不是“聪明”，而是 AI 处理复杂信息的稳定性 你大概率也遇到过这种场景： 一份长报告丢给 AI，它前半段说得像模像样，后半段开始漏重点； 让它对比三篇材料，它明明看到了，却把最关键的矛盾点忽略了； 你以为是在“查资料”，最后却变成了“帮 AI 纠错”。 这正是
给语音模型写 Prompt，别再按文字模型那套来了
给语音模型写 Prompt，别再按文字模型那套来了 你可能遇到过这种场景： 你明明写的是一段很顺的中文，交给语音模型一念，结果却像“机器人拿着说明书在念稿”——该停的地方不停，不该读出来的符号全读了，数字还念得一塌糊涂。 同一段内容，不加约束时常见是这样： “今天我们来聊一下 #AI 学习，重点包括
Flue 真正擅长的，不是让 Agent 变聪明，而是把“脏活”稳定跑完
Flue 真正擅长的，不是让 Agent 变聪明，而是把“脏活”稳定跑完 本来只是想偷个懒：把一堆网页资料交给 Agent 去抓、去整理、再丢给模型汇总。结果一上手就发现，真正耗时间的从来不是“总结”，而是前面那段最不起眼的脏活——页面偶尔 404，偶尔被反爬拦住，偶尔内容结构乱到像被人翻过的抽屉。
AI 实验室每周都在“改写历史”，学界为什么总是先冷静？
AI 实验室每周都在“改写历史”，学界为什么总是先冷静？ 你一定刷到过这种场景：某家 AI 实验室刚发完一篇 preprint，媒体标题立刻变成“颠覆性突破”“历史性进展”；社交平台迅速热起来，大家忙着截图、转发、解读。可过几天，学界那边却像什么都没发生，只是淡淡一句：“有意思，但证据还不够。” E
Sama那句“我年轻时浪费的技能”，为什么让很多人突然安心了？
Sama那句“我年轻时浪费的技能”，为什么让很多人突然安心了？ 如果你最近也有一种感觉：很多以前学过的东西，好像没用了。 会写一点点文案？AI 会。 会做一点整理？AI 会。 懂一点英文？AI 也会。 甚至你苦练多年的排版、摘要、检索、PPT 结构，似乎都在被模型“顺手接管”。 但 OpenAI C
OpenAI 这波“庆祝”到底在庆祝什么？普通用户真正该盯紧的，只有这几件事
OpenAI 这波“庆祝”到底在庆祝什么？普通用户真正该盯紧的，只有这几件事 Sam Altman 那句“派对比预期更热闹，下次得办更大”一出来，很多人第一反应是：OpenAI 又憋了什么大招？ 但如果只把它当成一条社交媒体上的“庆祝帖”，就看轻了这件事。AI 行业里，真正值得庆祝的，从来不是一句口
Hassabis 为什么选冯·诺依曼？DeepMind 看 AGI 的方法论，可能比答案本身更重要
Hassabis 为什么选冯·诺依曼？DeepMind 看 AGI 的方法论，可能比答案本身更重要 如果你在一场高密度采访里，被问“最喜欢的历史人物是谁”，很多人会下意识说图灵、爱因斯坦，或者更“当代一点”的乔布斯。 但在 Sequoia 的那段采访里，Demis Hassabis 给出的名字是冯·
Demis Hassabis 在 Sequoia 这场对话里，真正释放了哪 3 个 AI 信号？
Demis Hassabis 在 Sequoia 这场对话里，真正释放了哪 3 个 AI 信号？ 如果你只把这场 Sequoia 对话看成一次“技术名词问答”，很容易错过重点。 主持人抛出的那个听起来有点老派的“冯·诺依曼”问题，表面上像在问历史，实际上问的是一件更现实的事：AI 下一阶段，到底会继
GPT-5.6 Pro 泄露：OpenAI 正在让 GPT 从“脑子”变成“手”
GPT-5.6 Pro 泄露：OpenAI 正在让 GPT 从“脑子”变成“手” 如果 GPT-5.6 Pro 真的在下周发布，那最值得看的可能不是那个被大家反复讨论的 Juice Value 960。 真正重要的，是另外三个词： 视觉复刻、SVG 3D、Playwright 浏览器自动化。 这三个
