中国 AI 模型在敏感话题上遵循国家立场或拒绝回答
Aleph Alpha 的研究显示，中国 AI 模型在涉及天安门、台湾、新疆等 967 个敏感话题时，仅有 17% 至 41% 的回答被其系统评为“平衡”，其余则重复国家立场、回避或拒绝回答。在相同测试中，Claude Sonnet 5 和 Mistral Small 分别有 70% 和 92% 的回答是平衡的。这种倾向也体现在非政治性问题的回答中，并可能通过训练数据影响其他模型。
#评测/基准
The DecoderAI 评分4949
The DecoderAI 评分4848 LEGO-Anything：AI 智能体通过“图像转代码”从单张照片构建 3D 场景
LEGO-Anything 方法使用编码智能体将单张照片转换为可执行的 Blender 程序来构建 3D 场景，并通过迭代运行和修订代码进行优化。在 LEGO-Bench 基准测试中，GPT-6 Astra 在室内和室外场景的重建准确率分别达到 53.4% 和 39.6%，但智能体在几何判断上仍接近随机水平。
Latent SpaceAI 评分7575 Google DeepMind 发布 Gemini 4 Argon 模型
Google DeepMind 发布了 Gemini 4 Argon 模型，专注于编码、企业知识工作和网络防御。该模型在 19 项可信基准测试中的 13 项达到 SOTA，并首次通过 Long Decode Continuation 功能支持高达 1M token 的输出。
Latent Space精选AI 评分7979 Latent Space 总结 OpenAI DevDay 2026 及近期行业动态
Latent Space 的 AINews 栏目总结了 OpenAI DevDay 2026 发布的产品和近期行业动态。OpenAI 发布了 Dots（基于 GPT-6 Astra 的常驻智能体）、GPT-6.1 Sol（定价为 Astra 的五分之一）、Ultrafast 模式、Decisions API 等平台更新，并调整了订阅计划。
Hugging Face BlogAI 评分5656 Hugging Face 推出 Open TTS Leaderboard，专注于开源与多语言评测
Hugging Face 推出了 Open TTS Leaderboard，这是一个专注于开源和多语言文本转语音（TTS）及语音克隆模型的评测平台。它使用可扩展的客观指标（如 WER、CER、RTFx、TTFA 和 SIM）进行快速评估，以弥补依赖人工投票的竞技场式榜单在规模和一致性上的不足。
Simon WillisonAI 评分6262 Anthropic Frontier Red Team 报告：GLM-5.3 与 Claude Mythos Preview 在二进制利用基准上的表现
Anthropic Frontier Red Team 在一份报告中评估了多个模型在 100 项随机选取的内部二进制利用基准任务上的表现。GLM-5.3 在 4% 的试验中实现了完整的控制流劫持，Claude Mythos Preview 则为 6%。
Hugging Face Blog精选AI 评分6060 NVIDIA Kumo Tabular 开源表格预测基础模型
NVIDIA 开源了用于表格分类和回归的基础模型 Kumo Tabular，无需训练、微调或特征工程即可对新行进行预测。该模型在 TabArena、BeyondArena、TALENT 和 ScoringBench 四个基准测试中均排名第一，并提供三种参数量版本（28M 至 215M）。
推荐理由：原文给出了模型在多个基准测试中的领先表现和无需训练即可预测的能力，读者可以据此判断它在表格预测任务上的潜力。
Import AIAI 评分4242 DiG-bench 评测显示 Fable 5 与 Claude Code 组合展现创造性直觉
DiG-bench 评测中，Opus 5 与 Fable 5（结合 Claude Code）总体表现最佳，仅在最高难度 Tier 7 上达到 0.2 的胜率。GPT-5.5、Kimi K3 在借助工具链时可攻克部分 Tier 6 任务，而 GLM-5.2 与 Gemini 3.1 Pro 则止步于 Tier 4。
Import AIAI 评分3737 Import AI 468：23 项应对 RSI 的政策建议、PostTrainBench+ 以及信任与透明度如何影响 AI 竞赛
智库 IFP 提出了 23 项应对 AI 研发自动化（RSI）风险的具体政策建议，涵盖提升透明度、增强国家能力等七个类别。MIT 与哥伦比亚大学的研究则表明，在 AI 竞赛中实现协调减速的关键在于技术发展的透明度以及对竞争对手作为理性、可信赖行为体的信任。