相关快讯
毕马威调查：AI按量计费让企业高管望而却步，近三分之一坦言算不清经济账
毕马威调查显示，AI按量计费和算力成本上涨让不少企业高管感到压力。2145名受访高管中，29%不清楚成本上升原因，近三分之一承认不懂AI经济账，已影响企业在工作场景中的实际部署。
腾讯官宣：OpenAI前研究员田永龙入职，参与VLM研发
腾讯近期再从OpenAI引入人才，前研究员Yonglong Tian已加入腾讯大语言模型部，后续将参与VLM研发。这被视为腾讯再次“挖角”OpenAI。去年腾讯已升级大模型架构，并任命前OpenAI高级研究员姚顺雨担任首席AI科学家及相关部门负责人。
Claude、GLM、GPT谁更像真正的AI软件工程师？首个持续更新的Visual Spec-to-App Benchmark发布
随着 Claude Code、OpenAI Codex、Cursor、Gemini CLI 等工具的发展，大语言模型已能自主完成 Web 应用的编码、调试、运行与部署，“AI 软件工程师”正加速成形。为评估这类能力，University of Arizona、Zoom 和 Stony Brook University 团队提出了 VISTA（VIsual Spec-To-App Benchmark），这是首个面向 Visual Spec-to-Web-App Coding Agents 的端到端基准。
Karpathy再度出圈：RAG新思路，把笔记变成第二大脑
Karpathy 提出用大模型把知识库“编译”成持续生长的活 Wiki，取代传统 RAG 检索。他认为 RAG 只是搬运局部信息，难以理解全局，还容易在知识前后矛盾时产生“人格分裂”，输出逻辑混乱的结果。这一思路在 GitHub 上两个月已获得 5000+ star。
Hermes上线MoA功能，性能表现有多强？
Hermes Agent上线了MoA（Mixture of Agents）功能，支持将多种模型自由组合成虚拟模型使用。据Nous Research即将发布的基准测试，该混合模型评分已超过Opus 4.8和GPT-5.5。MoA并非新概念，早在2024年6月Together AI就发表过相关论文，核心思路是多层大模型逐层参考上一层输出并继续生成答案。
美团LongCat发布VitaBench2.0开源版本
美团LongCat团队推出了VitaBench 2.0，这是首个针对长期动态用户建模的智能体评测基准。该基准旨在系统性评测大语言模型在真实生活场景中与用户的长期互动能力，重点关注个性化和主动性。VitaBench 2.0的发布标志着智能体评测的进一步发展。