ARC Prize 公布 ARC-AGI-3 高分榜新成绩：Yi-Chia Chen 取得 59.17%，超过 @tufalabs 取得领先。

ARC Prize 2026 的 ARC-AGI-2 最高分由 @tufalabs 达到 88.06%。$150K 奖金将在保证奖金之外，分给所有得分超过 85% 的队伍。

Arena 本周榜单显示，Nano Banana 2.1 在 Image Arena 三个模式均进前 6：Multi-Image Edit 第 4（1431 分）。

LMArena 排行榜背后的公司获得由 Lightspeed 和 Khosla 领投的 2 亿美元融资，并开始在对齐问题上评测 AI 模型，例如模型是否会说谎。

Artificial Analysis Cyber Index Alliance 联合行业伙伴，为 AI 模型在企业网络防御任务上的表现设定新的评测标准。目前联盟成员包括 @CollinearAI、@IBM、@nvidia 和 @vercel。 合作伙伴为该指数的设计与实施提供专家意见，并可直接贡献数据集和外部研究。 有意加入 Cyber Index Alliance 的组织可通过 cyber@artificialanalysis.ai 联系我们。

TechCrunch · AIAI 评分6161

AI 榜单 Arena 完成 2 亿美元 B 轮融资，估值 10 个月内接近翻倍至 31 亿美元

AI 模型众包榜单 Arena 宣布完成 2 亿美元 B 轮融资，估值达 31 亿美元，由 Lightspeed Venture Partners 和 Khosla Ventures 领投，Salesforce Ventures、a16z 等参投。

Arena 宣布以 31 亿美元估值完成 2 亿美元 B 轮融资，由 Lightspeed Venture Partners 和 Khosla Ventures 领投，Salesforce Ventures、Dell Technologies Capital 等参投，现有投资方 a16z、Felicis 等亦参与。

Arena 完成 $200M Series B 融资，估值达 $3.1B，同时发布 Alignment Index。作者称团队约 90 人，正在 ML、产品、工程、设计、市场、BD 等岗位招聘，方向聚焦评测、安全与进展度量。

Arena 宣布完成 $200M Series B 融资，估值 $3.1B，用于推进前沿智能的测量与提升使命。Arena 称其评测基于真实使用场景，将智能体置于实时工具使用环境中，用复杂长程任务挑战它们，并分析数百万真实用户-智能体交互信号。同日 Arena 还推出 Arena Alignment Index，把评测从能力扩展到衡量智能体在安全、可靠与忠实遵循人类意图方面的表现。

申请参加：arcprize.org/events/research…

ARC-AGI-3 评测在操作上更为密集；测试完成后，我们将在未来几周内分享结果，包括使用新的 DeepSeek provider adapter harness 的得分。

ARC Prize 联合 SnorkelAI 在 SF Tech Week 举办首届 Frontier AI Benchmarking Ecosystem Dinner，邀请 40 位来自非营利评测机构、产业界、学术界和政府的专家，共同探讨 AI 基准设计框架与更可扩展、透明的评测生态。

在 @GoogleDeepMind 的支持下，我们新的 3 年计划将开发评估人工智能抗菌素耐药性所需的方法和标准，以便我们能知道人工智能系统何时是准确、可靠且准备就绪的。 fleminginitiative.org/post/n…

Latent SpaceAI 评分3232

AINews：GPT-6.1 Sol 与 Sonnet 5.5 重塑性价比前沿

OpenAI 发布 GPT-6.1 Sol，定价 $2/$10 per million input/output tokens，比 GPT-6 Sol 便宜 39% 且 Agent Arena 得分高 1.52 分，比 Astra 便宜 81%。

Lord Han Solo kaggle.com/lordhansolo Notebook: kaggle.com/code/lordhansolo/…

Workera 被 Pearson 收购，Andrew Ng 作为公司董事长对 CEO Kian Katan 及团队表示祝贺。Workera 由 DeepLearning.AI 和 AI Fund 于 2019 年孵化，其技术可严格衡量员工在不同任务和岗位上的技能，帮助企业了解员工优势与发展领域。

Latent SpaceAI 评分2222

Latent Space 宣布 AINews v3 与 Discord 合并等改版计划

Latent Space 公布未来一周的改版计划：AINews 将升级至 v3，并与 Latent Space Discord 合并，以解决 Discord 垃圾推广信息增多的问题。团队还计划迁移至 Beehiiv 并启用新主页，同时重新开放赞助与 PR 合作，并已新设 Business/Ops Manager 和 Head of Editorial。

Hugging Face BlogAI 评分3434

英国 AISI 如何用 EvalEval 基础设施让评测结果可复现

英国 AI Security Institute（AISI）正通过 EvalEval 的 Evaluation Cards 公开分享评测方法与结果，覆盖 HealthBench。

Google DeepMindAI 评分4949

Google DeepMind 首次试点双重盲测 AI 评估，用密码学环境防止基准污染

Google DeepMind 推出全球首个针对专有前沿 AI 模型的双重盲测评估，将外部评测限制在密码学"黑箱"中，防止模型提前接触测试题造成基准污染。该试点与新加坡 AI Safety Institute、OpenMined、AVERI 和 MLCommons 合作，在隐私保护环境中用保密基准测试 Gemini Flash Lite 模型。

Import AIAI 评分2222

Import AI 461：Sequent 称"对齐尚未走上正轨"、FrontierCode 与合成研究实习生

英国 AI Security Institute 对齐团队与 Timaeus 联合成立非营利研究机构 Sequent，认为"对齐尚未走上正轨"，计划两年内扩至 40-80 名全职员工，初期募资 1 亿至 1.5 亿美元，研究方向涵盖可扩展监督、学习理论、启发式论证、博弈论与 personas。

太平洋西北国家实验室与 OpenAI 合作加速联邦许可审批

OpenAI 与太平洋西北国家实验室联合推出 DraftNEPABench，用于评估 AI 编程智能体加速联邦许可审批的能力，显示有望将 NEPA 起草时间最多缩短 15%。该基准旨在推动基础设施审查流程的现代化。