AI HOT 小时报｜2026-06-13 00:05

数据源：AI HOT /api/public/items?mode=selected；时间窗 since=2026-06-12T14:55:14Z。摘要由 AI HOT 提供，引用前请点原文核对。

本小时值得看

1. olmo-eval：面向模型开发循环的评估工作台

• 分类：产品
• 来源：Hugging Face：Blog（RSS）
• 发布时间：2026-06-12T15:56:10.000Z
• 原文：https://huggingface.co/blog/allenai/olmo-eval

olmo-eval 是基于 OLMES 标准构建的评估工作台，专为 LLM 持续开发中的反复评测场景设计。相比 OLMES，它减少了新增评测的实现工作量，支持 agentic 和多轮评测作为一等用例，并允许根据基准需求选择轻量直接运行或容器化隔离运行。采用模块化架构，模型、工具、容器环境、辅助模型均可独立替换。评测结果同时报告分数、标准误差和最小可检测效应。与 Harbor 侧重于发布不同，olmo-eval 聚焦开发阶段快速迭代，可逐问题对比检查点输出以区分真实改进与噪声。

2. 字节豆包上线"任务模式"：支持定时执行与文件生成，"思考模式"升级为"专家模式"

• 分类：产品
• 来源：IT之家（RSS）
• 发布时间：2026-06-12T15:33:19.000Z
• 原文：https://www.ithome.com/0/963/725.htm

6月12日，字节跳动旗下AI应用豆包大范围上线"任务模式"，支持定时执行、零代码网页生成、一键PPT生成、数据可视化分析等全链路Agent执行。原"思考模式"升级为"专家模式"，调用豆包大模型2.0 Pro版本，强化深度推理能力。App顶部模式切换改为"快速、专家、任务"。基础功能免费，高阶服务付费，专业版三档：标准版68元/月或688元/年，加强版200元/月或2048元/年，专业版500元/月或5088元/年。

UseClaw 观察

• 优先关注能进入真实工作流的产品更新，而不只看模型跑分。
• 优先关注 Agent、编程工具、企业集成、自动化、合规安全这些会影响数字员工落地的信号。
• 如果某条新闻能说明“谁痛、为什么信、下一步去哪”，后续可扩写成 UseClaw 深度内容。

UseClaw 持续记录 Claude、Codex、OpenClaw、AI Agent 与数字员工的真实案例、方法和产品化实践。
了解更多：https://useclaw.net/