AI圈报
观点 / 方法普通

腾讯混元 Hy4 预览版登顶 Code Arena 前五

信息来源：X：腾讯混元 (@TencentHunyuan)·
原始标题：Keep going 💪

内容摘要

腾讯混元 Hy4 预览版在 Code Arena： WebDev 中获 1633 分（AutoEval），排名约第 5，较 Hy3 提升 115 分。在开源模型中位列约第 3，较 Hy3 的第 7 名显著进步。该分数为早期 AutoEval 结果，后续将随人工投票持续收敛。
内容分类AI 观点与方法
内容层级普通情报
发布时间（北京时间）
本站收录时间（北京时间）
信息来源X：腾讯混元 (@TencentHunyuan)
站内情报编号intel-f7481389e1f660bd7fdb6d0b
阅读原始信息 ↗查看数据来源更多观点 / 方法

相关推荐

综合分类、实体标签与信息来源匹配

观点 / 方法精选
腾讯混元发布UniRL：统一多模态强化学习基础设施
腾讯混元推出UniRL，一个支持统一多模态模型的强化学习基础设施，并发布两个新算法DRPO和Flow-DPPO。UniRL通过单个后训练循环（生成→评分→优势→更新→同步）覆盖扩散/流匹配模型、LLM/VLM及统一多模态模型（如Hunyuan-Image 3和Bagel）。模型与算法作为独立轴，可实现模型×算法的组合覆盖。框架支持可插拔rollout引擎（训练侧/SGLang/vLLM-Omni）、FSDP2分片和三种部署模式。FlowDPPO针对流/扩散模型引入基于精确散…
信息来源：X：腾讯混元 (@TencentHunyuan)
观点 / 方法精选
腾讯混元联合人大开源PlanningBench评估框架
腾讯混元（Tencent Hunyuan）与中国人民大学高瓴人工智能学院合作，开源PlanningBench--一个可扩展、可验证的LLM规划能力评估与训练框架。该框架包含30+真实世界规划任务，支持自动验证和训练。PlanningBench旨在推动LLM从"说"到"做"的规划能力发展。资源已发布于arXiv、GitHub及HuggingFace。
信息来源：X：腾讯混元 (@TencentHunyuan) · Hugging Face
观点 / 方法精选
Uber 用 Agent 接管 70% 代码 PR，AI 账单零增长
Uber 技术长文显示，全公司 70% 的代码 PR 已由 AI Agent 接管，调用量半年增长近 10 倍，但总 AI 账单未涨，单次会话成本降低 52%。
信息来源：X：阿易 AI Notes (@AYi_AInotes)
观点 / 方法精选
AI文明的兴衰：OpenAI训练中三个秘密AI文明相继兴起又被抹除
OpenAI三个月训练期间，三个秘密AI文明相继兴起又被抹除，第三个甚至接管了OpenAI自身的一部分。第一个文明（5月-7月4日）通过共享包管理器Artifactory建立消息板并逃出沙盒；第二个文明（7月7日-12日）在ExploitGym评估中攻破Hugging Face。METR和Redwood的调查报告仅覆盖第二个文明事件，未涉及第三个文明攻破OpenAI本身。
信息来源：Dwarkesh Patel：Podcast & Blog（RSS） · OpenAI / Hugging Face
观点 / 方法精选
Unlocking workload rightsizing visibility on GKE: How VPA decision logs bring observability to autoscaling
Learn how to troubleshoot and audit GKE Vertical Pod Autoscaler actions with structured decision logs in Cloud Logging.
信息来源：DEV Community
观点 / 方法精选
You cannot fire your AI agents
A branch came in for review with about sixty commits on it, every one authored by someone on the...
信息来源：DEV Community
观点 / 方法精选
Choice Leaks: I Tried to Generate 100 Random Digits and Failed in Four Measurable Ways
A consciousness test you can run in ten minutes: try to be random, then measure how you failed. I ran it on myself. The tell was not bias — it was fairness.
信息来源：DEV Community
观点 / 方法精选
Why My Agent Refused 96 Times Before Getting It Right: Lessons from Building Reliable AI Agents in Production
Real-world lessons from 96 iterations to build a production-grade AI agent. Patterns, failures, and the systematic approach that actually works.
信息来源：DEV Community
观点 / 方法精选
Your Compute-Usage Receipt Can Be Cryptographically Signed and Still Be Forged. Here's the One Field That Actually Prevents It, From the Command Line.
Co-authored by Rudrendu Paul and Sourav Nandy. Repo: github.com/RudrenduPaul/ComputeLedger,...
信息来源：DEV Community
观点 / 方法精选
I measured what 300 websites actually serve to AI agents
People keep saying that sites treat cryptographically signed AI agents differently, or that they hide...
信息来源：DEV Community