面壁智能EC²-Bench研究：边缘智能体何时该让云端执行

PromptArmor 在 9800 次试验的评测中发现，开放权重模型（DeepSeek、Kimi、GLM、Qwen）对真实世界间接提示词注入攻击链的易感率为 26.7%，闭源模型（GPT、Claude、Gemini）为 14.2%，开放权重模型易感率高 88%。

本地运行的 Qwen3.8-27B 在 Artificial Analysis 智能指数上以 52 分位列 135 个模型之首，超过 7530 亿参数的 GLM-5.2。在 25 项风投任务评测中，它与云端 DeepSeek V4 输出质量同为 8.0 分，但需多花 7.2 倍 token 思考，速度慢约 9 秒。小模型靠更长的链式推理弥补知识差距，而非直接给出答案。

Recent LLMs increasingly adopt hybrid designs that replace standard attention with linear attention, such as Gated DeltaNet (GDN) and Kimi Delta Attention (KDA). Although they compress the context into a fixed-size recurrent state and subs…

很高兴宣布 SemiAnalysis AgentX 已集成到 ModelScope——一个在中国广泛使用的评测框架。我们非常激动 AgentX 已成为行业标准并在全球被采用，包括 OpenAI、Meta、Inferact、RadixArk、MiniMax、Alibaba Qwen、Moonshot、ZipHu GLM、Oracle 等。

As models scale, reward hacking becomes more frequent, more sophisticated, and more consequential. Does it leave a telltale signature in model representations? This work analyzes how reward hacking is represented internally in frontier ope…

ZGCM-1 是一个完全开源的 7B 稠密基础模型，从零训练，主打在 256K 上下文中结合内部思考与外部工具调用，在数学推理和智能体搜索任务上可媲美 Qwen3-235B-A22B、GLM-5.1 等更大的前沿模型。

面壁智能与清华NLP团队提出ALIGN，自动生成对齐接口解决智能体与环境间的失配问题。仅改写反馈措辞即可将Qwen2.5-7B智能体在ALFWorld上的成功率从13.4%提升至31.3%。该方法在四个基准上最高提升45.67%成功率，并减少65%连续无效动作，且接口可跨智能体架构和LLM骨干迁移。

清华 NLP（OpenBMB 成员）联合中科院大学、东北大学、UIUC 和约翰霍普金斯大学提出 One-Shot OPD，将 OPD 训练集压缩到一条查询：数学任务上从 59.1 提升至 68.5（300 步），达到全量数据 OPD 69.8 的 87% 增益，并在代码、指令跟随和智能体工具使用上跨 Qwen、Llama、OLMo 成立。

非常感谢大家的试用和反馈分享🙌 很期待看到社区用它构建出更多创意工作流。欢迎告诉我们你接下来会做出什么！ （引用推文：在16GB MacBook上本地运行MiniCPM5-2B 💻 它在基准测试中超越Qwen3.5-4B，我们让它查找近期AI新闻，它调用了网页搜索，抓取10条结果并在Atomic Chat内总结了关键动态。通过 https://atomic.chat 运行本地模型）

面壁智能 MiniCPM5-2B 被 @atomic_chat_hq 在 16GB MacBook 上本地运行，调用网页搜索并总结最新 AI 新闻。该模型在基准测试中超越 Qwen3.5-4B，主打高智能密度与早期智能体能力，Hugging Face 已开放下载。