NVIDIA AI 宣布其微调 Nemotron 在国际信息学奥林匹克（IOI）2026 题目集上达到金牌线：由 IOI 组委会评分 535.4/600，高于当场顶尖人类选手。团队在乌兹别克斯坦非官方参赛，模型无联网、同时间与提交约束，与人类选手并行使用同一平台；技术报告见 arXiv:2609.02849。
7 大权威镜像天梯跑分与 29+ 款主流编程套餐横向比价测算
联动天梯榜跑分、独家套餐赠金与 IDE 定制规则
腾讯混元（@TencentHunyuan）发布 WebCraftBench：针对「AI 说站点做完了，但首页报错、按钮重叠、还多出未要求登录流」这类失败，让智能体在真实线上应用中操作，用覆盖引导探索找出未触达路径，再从美学、可用性与是否满足原始需求打分。在 197 对人工校验样本上，与人类偏好一致率 85.3%。论文：https://arxiv.org/abs/2609.15387
@ArtificialAnlys 发布 AA-Briefcase 评测：Grok 4.7 仅次于 Anthropic 模型，排在 Opus 5 之后且每任务成本约为其一半。相对 Grok 4.6，公开尽调场景 AA-Briefcase-Lite 上 Analytical Quality Elo 从 1698 升至 1994，Presentation Elo 从 1531 略降至 1499；示例 deck API 成本约 Grok 4.7 (xhigh) $8 vs Grok 4.6 (xhigh) $4.40。
@arena 报告小米 MiMo-V2.6-Pro 登陆 Code Arena: WebDev，整体约第 10、MIT 开源权重约第 3；AutoEval 1628 分，与 Claude Fable 5 (High) 持平并略高于 Hy4-preview（1624）。相对前代 MiMo-V2.5-Pro（1475）提升 153 分；真人投票仍在进行中。
讨论与评论
0登录后即可参与深度讨论
与广大 AI 开发者、工程师交流评测心得与前沿洞察