assistantbenchmark 上线：71 款 AI 助手实测天梯榜

DAIR.AI 创始人 Elvis 整理的 Harness 必读论文合集已上线 academy.dair.ai，涵盖 Agent 状态机、工具门禁设计、长周期记忆持久化等底层文献。推文给出构建专属 Harness 的 3 个起步心法：先卡死不可逆权限、按任务隔离上下文而非全塞进 System Prompt、建立领域专属 Evals。

DAIR.AI 创始人 @omarsar0 呼吁构建者学会为垂直领域打造专属 Harness，并称 YC 大量团队正涌入这一方向。他认为模型单点智力正被拉平并商品化，真正能建立定价权的是包在模型外的 Harness：产品侧封装行业业务逻辑与交互界面，技术侧把领域最佳实践与安全红线固化为可回滚、可审批的工程框架。他同时给出 DAIR.AI Academy 的 harness 论文合集供上手学习。

IBM 论文提出 STAIR，用生成式检索让模型先读目录树再定位章节，在覆盖医学、金融、法律等 6 大领域 18 本教材的 SearchTome 基准上命中率达 82.6%，高于 BM25 的 59.5%、DPR 的 68.7% 和 DSI 的 76.9%。

OpenAI 宣布给出 Navier-Stokes 千禧年难题的解，证明由一组智能体使用比 GPT-6 Astra 能力更强的下一代模型生成，该问题已悬置约 90 年。作者引述称约 10，000 个智能体在 88 小时内协同工作，产出 1300 亿输出 Token，GPT-6 Astra 花了 17 小时跑 Lean 形式化代码核验，等效算力成本约 1500 万美元。

DeepSeek-V4.1-Flash （Max） 进入 Agent Arena 开源模型第 3 名，净提升 +4.87%，每任务中位成本 $0.07，重塑 Pareto 前沿。其成本比第 2 名 Hy4 preview 低 68%、成绩仅差 0.09 个百分点；总榜排名第 12，Confirmed Success 信号排名 第 4（+13.75%）。

当前 AI 热点，聚合 2 个独立信源、11 条信号。

Anthropic 发布威胁情报报告，记录 2025 年 12 月至 2026 年 8 月间 Claude 被滥用的七类行为。俄语间谍组织用 AI 代理自动改写恶意软件绕过杀软，也门一组织用 Claude Code 开发射程超 2000 公里的导弹软件，另有团队构建无人在环的自主 FPV 无人机蜂群。

Anthropic Frontier Red Team 发布新评测，衡量模型在战术情报定位（账号关联、照片与文本地理定位）和常规武器开发（无人机末制导、投放、GPS 拒止导航）上的能力，发现模型在模拟任务上持续进步，部分任务接近或超过人类专家基线。

OpenAI 宣布给出 Navier-Stokes 千禧年大奖难题的一个解，证明由一组智能体使用比 GPT-6 Astra 能力强得多的 OpenAI 下一代模型产出。该问题关乎 Navier-Stokes 方程描述的光滑三维流体运动是否会崩溃，约 90 年未解；论文截图显示其构造了对每个正粘性从静止出发、在有限时间内发展出无界速度且动能有界的解，建立了 Fefferman 表述中的备选情形 （C） 与 （D）。

OpenAI 宣布给出数学前沿难题之一的 Navier-Stokes 千禧年大奖难题的解，该证明由一组智能体使用一个能力显著强于 GPT-6 Astra 的 OpenAI 新一代模型产出。该问题关注 Navier-Stokes 方程描述的光滑三维流体运动是否会崩溃，已悬置约 90 年。