Ai2 Blog

AIMIP是一个新的开放基准和数据集，用于评估人工智能气候模型，显示它们在历史气候指标上可以与传统模型媲美甚至更优，但在长期变暖趋势和未见过的气候情景方面仍难以可靠地泛化。

Artificial Analysis采用Ai2开放的IFBench评估，因为它能捕捉许多基准测试忽略的指令遵循能力，在复杂多指令任务上尤其有效。该基准测试由实际用户对话驱动，且尚未饱和，是衡量模型真实性能的重要工具。

EMO是一种新型混合专家模型，通过端到端预训练使模块结构从数据中自然涌现，无需人工定义先验。用户可为特定任务仅选择少量专家子集（12.5%），同时保持接近完整模型性能；当使用所有专家时，它仍是一个强大的通用模型。

Ai2 将 NSF OMAI 计算资源上线，打造完全开放的 AI 研究生态系统，将国家基础设施投资转化为可复用的模型、数据、方法和工具，加速科学发现。

MolmoAct 2 是一个完全开放的机器人基础模型，提供更快、更强的3D动作推理能力，适用于真实世界的机器人任务，同时发布了一个大型双臂操作数据集，供研究人员研究、复现和构建。

临时CEO Peter Clark探讨了Ai2对开放科学的持续承诺、AI加速发展的背景下，以及研究所未来的重点方向，包括开放模型、科学发现、具身AI和环境AI。

AstaBench最新更新增加了包括GPT-5.5在内的前沿模型结果，并突出了来自英国AISI、General Reasoning、Elicit、SciSpace、Distyl AI和EvoScientist等机构的日益增长的采用。

Ai2发布了MolmoPoint和MolmoWeb，将Molmo家族从视觉理解扩展到视觉行动。MolmoPoint通过直接选择输入数据实现了更精准的指向，在多项基准测试中达到最优；MolmoWeb则是一个基于视觉的网页代理，能够通过截图和鼠标键盘操作自主完成网页任务。两者均开源，旨在推动视觉智能的民主化。

OlmPool是一个包含26个模型的受控套件，展示了即使训练数据和扩展方法保持不变，小型架构选择也可能叠加起来使长上下文扩展变得更加困难。

OlmoEarth Studio现在允许用户从OlmoEarth基础模型计算并导出嵌入向量，这些向量可用于相似性搜索、少样本分割、变化检测和无监督探索。导出格式为Cloud-Optimized GeoTIFF，支持多种参数配置。

2026年地球日，Ai2庆祝其通过EarthRanger、Skylight和OlmoEarth等工具提供实时环境保护情报的十年。从保护野生动物到打击非法捕捞，这些AI驱动的平台正在改变全球保护工作的格局。

BAR（分支-适配-路由）是一种逐步训练语言模型能力的方案：独立训练领域专家，将它们合并为一个混合专家模型，并能在不影响其他模块的情况下升级任一专家。

Ai2开发的两个基准测试——ScienceWorld和DiscoveryWorld——揭示了即使是强大的AI科学智能体在处理人类科学家日常解决的问题时也表现不佳。ScienceWorld测试基本实验能力，DiscoveryWorld则评估端到端科学发现能力。目前顶级模型在ScienceWorld上得分约80%，在DiscoveryWorld困难任务中仅完成约20%，而人类科学家完成率约70%。

Ai2发布WildDet3D，这是一种从单张RGB图像进行开放词汇3D目标检测的模型，支持文本、点和框提示，可跨摄像头和物体类别泛化，并能在可利用时融合深度信号。同时发布WildDet3D-Data数据集，包含超过100万张图像和370万个3D标注，覆盖13K个类别。该模型在Omni3D基准上达到34.2 AP（文本提示），并在多个零样本数据集上表现优异。