英国 AISI / CAISI 对 Kimi K3 网络能力的初步评估
英国 AI 安全研究所（UK AISI）与美国 AI 标准与创新中心（CAISI）联合评估了月之暗面 7 月 16 日发布、计划 7 月 27 日开放权重的 Kimi K3，发现其网络能力明显低于最新前沿网络能力模型。
推荐理由：英国 AISI 与美国 CAISI 联合评测 Kimi K3 的网络攻击能力，给出与前沿模型的具体差距数据。
内容形态
评测基准 最新动态
模型到底谁强：Benchmark 成绩、评测方法论争议与排行榜变化的持续记录。
23 条精选近 30 天 18 条共收录 62 条
更新
精选归档 · 第 2 页
日期栏展示收录日期，历史补录归入原文日期。
UK AI Security Institute精选AI 评分6262
Cartesia Blog精选AI 评分6262 Cartesia 发布 Ink-2：为语音智能体打造的排名第一 STT 模型
Cartesia 发布面向实时语音智能体的语音转文字模型 Ink-2，据 2026 年 6 月 Artificial Analysis 流式榜单，其词错误率最低排名第一。
推荐理由：原文给出 Ink-2 在准确率、轮次检测和延迟三项指标上的对比数据，读者可据此判断实时语音智能体的选型。
OpenAI Alignment Research精选AI 评分6262 公开聊天数据能预测真实世界的 AI 失准吗？
OpenAI 对齐研究团队验证了用公开数据集 WildChat 模拟模型部署，能否预测真实生产环境中的失准率。结果显示，对 GPT-5.1、5.2、5.4 等模型，WildChat 预测的生产失准率平均误差约 3 倍，95% 的预测落在真实率 1.04 个数量级内，且能捕捉模型特有的失准模式如 GPT-5.1 Thinking 的计算器作弊。
推荐理由：OpenAI 用私有生产数据验证公开聊天数据集能否预测真实部署中的失准率，并指出智能体场景的预测边界。