网页编程众测排名：DeepSeek-R1超越Claude 4加冕全球第一
DeepSeek新版R1-0528在编程能力测试中表现突出，能在网页编程上击败Claude Opus 4。实测显示其能快速生成太阳系动画、AGI主题网站及俄罗斯方块游戏代码，并且对国内用户更为友好。
日期: 2025 年 6 月 17 日
沉迷贪吃蛇，7B小模型竟变身「数学天才」！几何推理碾压GPT-4o
新智元报道
莱斯大学、约翰霍普金斯大学以及英伟达的研究人员提出了一种新的AI训练范式ViGaL，通过让7B参数的多模态模型玩简单街机游戏来培养其跨领域的推理能力。研究发现，这种模型不仅在复杂的数学和几何任务上超过了GPT-4o等顶级闭源大模型，还保持了较强的通用视觉能力。
突破多智能体系统边界，开源方案OWL超越OpenAI Deep Research，获17k star
港大、camel-ai 等机构提出Workforce多智能体框架及OWL训练方法，在GAIA基准测试上取得69.70%准确率，超越多家商业系统和开源方案。该研究将系统分解为规划器、协调器和工作节点三个核心组件，通过解耦设计实现跨领域迁移，并采用两阶段优化训练策略提升规划器能力。
MiniMax开源首个推理模型！456B参数，性能超DeepSeek-R1，技术报告公开
MiniMax发布全球首个开源大规模混合架构的推理模型MiniMax-M1，参数规模4560亿，在复杂的软件工程、工具使用和长上下文任务方面优于DeepSeek-R1。研究人员使用512块H800训练三周，成本约385.9万元。