大黑AI速报

在Code Arena的智能体编码评估中，Kimi K2.5超越GLM-4.7，成为【排名第一的开源模型】，总体排名第五，与顶级专有模型表现相当。^[6][6]

OpenAI推出CodexmacOS桌面应用，定位为构建AI代理的指挥中心。支持多代理并行工作、创建可复用技能和设置自动化任务。Windows版本即将推出。^{[1][2][3][4][5][4][1][3]}

ElevenLabs宣布其语音模型Eleven v3结束Alpha测试，正式开放商业使用。新版本提高了稳定性和准确性，在数字和符号上的错误减少了68%。^[11][12]

Runway展示其AI视频生成工作流，从单张草图开始，结合Nano Banana Pro和Gen-4.5模型，可在数小时内完成从概念到广告影片的制作。^[15]

GitHub博客发布指南，指导开发者如何【最大化GitHub Copilot】的智能体能力，以应对现代工程中跨文件、跨时间演进的复杂性。博客链接：https://github.blog/ai-and-ml/github-copilot/how-to-maximize-github-copilots-agentic-capabilities/^[13]

Google DeepMind为Kaggle Game Arena新增狼人杀、扑克和象棋挑战，旨在测试AI在现实世界情境下的沟通与决策能力。Gemini 3模型在象棋榜上领先。博客链接：https://blog.google/innovation-and-ai/models-and-research/google-deepmind/kaggle-game-arena-updates/^{[7][8][9][10]}

Databricks介绍MemAlign方法，利用人类反馈和可扩展记忆来构建更好的LLM评判者，旨在解决智能体评估的规模化挑战。博客链接：https://www.databricks.com/blog/memalign-building-better-llm-judges-human-feedback-scalable-memory^[14]