Google Gemini 3.5 Flash

评测

Google Gemini 3.5 Flash 测评

短的结论：前有拦路虎，后有斩杀线基本情况： Gemini Flash 前一代在去年12月发布时，成绩曾十分接近当时的Gemini 3 Pro，但随着5 个月来连续更新了10道题，…

评测组小编
2026年5月23日

Anthropic给AI危险知识装开关，一个模型切出16种配置
3小时前
分享到:

Anthropic与AE Studio发布新研究，尝试给AI的「双用途知识」装上开关。双用途知识指既能用于正当研究，也可能被滥用的能力，比如病毒学、网络安全和核物理。研究团队在真实数据实验中测试了4类双用途领域：病毒学、网络安全、核物理和小众编程语言。4个模块可组合出16种能力配置。相比为每种配置单独训练模型，这种方法只需一次训练。结果显示，Gram在保留通用能力的同时，能较好移除目标能力，对小规模恶意微调的抵抗也强于训练后「遗忘」方法。
OpenAI国安合作原则出炉：AI能进军方，但不能自己开火
3小时前
分享到:

OpenAI发布政府与国家安全合作原则，明确会继续和美国政府及盟友合作。合作重点主要是两类：网络防御和生物安全。网络防御方面，OpenAI已与澳大利亚、加拿大、日本、韩国、法国、德国、波兰、荷兰，以及欧盟网络安全机构ENISA建立合作，英国政府也参与网络安全、模型测试和评估合作。生物安全方面，OpenAI已向部分美国政府和盟友开放GPT-Rosalind，用于公共卫生和生物防御任务。同时，OpenAI划出底线：不支持大规模国内监控，不支持绕开法律和监督，也不允许AI在没人类授权的情况下自主选定并攻击目标，但并未完全排除军事、情报和调查用途。
谷歌云从OpenAI挖走Harness engineering作者，押注企业Agent工作流
3小时前
分享到:

谷歌云宣布前OpenAI工程师Ryan Lopopolo加入，担任Agentic Google Cloud Platform首席工程师。Lopopolo是OpenAI《Harness Engineering》文章的作者，该方法强调为Agent配置上下文、工具、权限、评测和反馈回路，使其真正参与软件开发。他曾参与一个内部实验，团队利用Codex从空仓库开始开发产品，5个月内生成约100万行代码，涵盖代码、测试、CI、文档和内部工具，主要由Codex完成，人类负责目标和验收。这次跳槽表明，谷歌云不仅希望销售模型和算力，还在增强企业Agent的工程化能力。
博主用AI模型发布台风预报涉嫌违法
3小时前
分享到:

2026年7月9日，中央气象台预计第9号台风“巴威”将影响我国东南沿海。部分网络博主借开源AI气象大模型自行发布台风路径及降雨预测，甚至开展付费预报（单次约10元）。专家指出，依据《中华人民共和国气象法》第三十八条，公众气象预报须由气象主管机构统一发布；个人擅自发布属违法行为，可被警告并处5万元以下罚款。AI气象模型虽提升预报效率与精度，但受限于空间分辨率（约25公里）及极端天气刻画能力，尚难替代专业气象服务。
OpenAI质疑SWE-Bench Pro评测基准有效性
3小时前
分享到:

7月8日，OpenAI发布博文指出，行业权威编程能力评测基准SWE-Bench Pro在731个公开任务中约30%存在评测缺陷。该基准由Scale AI推出，以高真实性与防作弊标准被广泛采用。OpenAI通过数据点分析和人工标注两条路径，分别识别出200个和249个失效任务，归因于测试过严、提示不充分、范围过窄及提示误导四类问题。例如某题要求行首1空格转Markdown，隐藏测试却判2空格才正确。鉴于其失效性，OpenAI已撤回对该基准的采用建议，并呼吁由资深开发者共建新一代AI编程评测标准。
小米OpenVela装机量突破1.8亿
3小时前
分享到:

2026年7月9日，小米宣布其开源物联网操作系统OpenVela装机量达1.8亿台，较一年前增长80%。该系统正式升级为“AI硬件智能基座”，并将轻应用框架全面向开发者开放。此举旨在加速AIoT生态构建，提升跨设备协同与本地化智能能力。目前OpenVela已覆盖小米及生态链多品类智能终端，包括家电、穿戴、安防等场景。
OpenAI研究员：多数AI研究任务，我会选GPT-5.6而不是人类实习生
11小时前
分享到:

OpenAI高级研究员Noam Brown表示，如果是在今天的大多数AI研究任务中，他会选择GPT-5.6，而不是一名人类研究实习生。Brown是在ICML 2026期间回应「AI是否已达到AI研究实习生水平」时作出上述表态。他同时承认，目前还没有公认方法衡量AI是否真正达到人类研究实习生水平。另一位OpenAI研究员Yash Pande提出一个更现实的衡量方式：研究人员愿意给Codex分配多少GPU去完成科研任务。如果AI真比人更强，公司理论上会投入更多算力。
传GPT-6改用更大底座对标Fable5.1，DeepSeek V4 GA或超GLM
11小时前
分享到:

AI爆料账号Leo称，OpenAI的GPT-5.6将是5.x系列最后一代，GPT-6预计约一个月内发布，甚至可能更早。GPT-6将基于一个新的、更大的预训练底座，而不是继续沿用GPT-5.5 / GPT-5.6传闻中的Spud底座，Spud规模约为4T参数。OpenAI原本计划将Spud用到GPT-6，但最终改用更大底座。OpenAI内部对新底座很兴奋，认为它更适合对抗Anthropic的Fable 5和即将推出的Fable 5.1。同一爆料还提到，DeepSeek正准备推出V4 GA，表现可能对标或超过GLM-5.2，DeepSeek也已开始研发更大规模模型，用来对抗Minimax计划推出的2.7万亿参数Minimax Pro / M3 Pro。
OpenAI发布编程评测审计报告，称SWE-Bench Pro约三成题目有问题
11小时前
分享到:

OpenAI发布编程评测审计报告，称SWE-Bench Pro约三成题目不适合作为有效评测。该评测集原本用于测试AI agent的真实编程能力，OpenAI曾推荐其替代SWE-Bench Verified。审计显示，SWE-Bench Pro的731道公开题中，自动流程标出200道问题题目，占27.4%人工标注发现249道，占34.1%。主要问题包括题目描述不完整、测试要求过严、隐藏测试检查了额外要求，以及测试覆盖不足。OpenAI指出，这会导致模型跑分失真，前沿模型在这组公开题上的通过率在8个月内从23.3%升至80.3%。但在题目本身存在噪声的情况下，这类涨分需要更谨慎解读。OpenAI已撤回此前采用SWE-Bench Pro的建议，并呼吁社区重新构建更可信的编程评测。
中国拟允许采购英伟达H200：仅限训练，推理须优先国产
11小时前
分享到:

中国政府计划允许阿里巴巴、字节跳动和DeepSeek等头部AI企业采购少量英伟达H200芯片，以缓解国内严重的算力缺口。美国已在2025年12月批准芯片出口，但中国官方此前因保护本土产业，以及担忧芯片被远程追踪、禁用等网络安全风险，一直未发放采购许可。本次拟批准的采购总量预计不足20万颗，低于企业2026年初申请量的一半，且最终审批尚未完全落实，仍存在变数。官方要求这批芯片仅用于训练公开数据，严禁处理敏感客户信息在模型推理环节，政府明确要求企业优先使用国产处理器，以强化本土芯片的战略地位。由于美国近期加大了对东南亚走私芯片的打击力度，国内黑市渠道收紧，企业面临更大的训练算力缺口。这一采购松动可能为英伟达带来意料之外的营收。

【腾讯云】 4核4G服务器新客 38元/年起，支持 OpenClaw/Hermes 等热门镜像；Token Plan 低至28元/月，多种主流模型极速调用

Google Gemini 3.5 Flash

Google Gemini 3.5 Flash 测评