⌘ K
… 读取采集状态 同步中...
雷

全部动态

今日 15 条
9月22日周二
  2. 量子位78

    阿里云栖大会发布全模态模型家族，陆川用AI五天复原明代历史现场

    阿里云在9月22日云栖大会发布全模态模型矩阵，包括Qwen3.8系列、Qwen-Image-3.1、Happy Shrimp 1.1、HappyOyster 2.0 Preview及Qwen-Audio-3.1，下一代视频模型预计11月发布。

    推荐理由：阿里在云栖大会展示了全模态模型家族，结合陆川AI短片案例说明模型正深入影视、音乐等真实生产流程，读者可理解多模态从Demo走向稳定交付的关键变化。

  3. 量子位82

    Grok 4.7发布：上下文扩展至50万Token，强化编码与智能体能力

    xAI发布Grok 4.7，上下文窗口扩大至50万Token，定价为输入2美元/百万Token、输出6美元/百万Token。该模型在CursorBench 4.0评测中得分从40.4%升至46.3%，DeepSWE v1.1得分从65.2%升至71%，电气工程基准测试以64%拿下最高分，Artificial Analysis编码智能体指数得分从47分提升至56分。

    推荐理由：Grok 4.7在电气工程基准以64%领先，CursorBench 4.0提升至46.3%，输入2美元/百万Token。

  5. 优设AIGC88

    Jev 模型开放注册并赠送 1.2 亿 Token

    新模型 Jev 向所有用户开放注册，赠送约 1.2 亿 Token，其设计放弃文本生成，专注快速评分与决策。Jev 定价为每百万输入 token 0.042 美元、输出免费，典型决策工作流比前沿大模型快几十至几百倍。文中整理了 6 个实测案例，包括论文打标、实时游戏、浏览器查航班、自动找票、社媒打分和模型路由。

    推荐理由：Jev 放弃文本生成、专注快速决策，6 个实测案例展示了低延迟在知识管理、浏览器操作和模型路由等场景下的落地潜力。

  6. 智东西72

    腾讯混元发布 Hy Image3.5 preview 生图模型，盲测比肩 Seedream 5.0 Pro

    腾讯混元 Hy Image3.5 preview 正式发布，支持 2K 分辨率、多模态编辑及最多 5 张参考图。在数百名设计师参与的盲测中，综合表现较 Hy Image 3.0 提升 30%，整体能力比肩 Seedream 5.0 Pro，且单张生成成本在 13 款主流模型中最低。

    推荐理由：腾讯混元 Hy Image3.5 preview 盲测比肩 Seedream 5.0 Pro，以 0.15 元每张的 2K 图价格接入元宝、WorkRally 等应用，体现性价比策略。

  8. AI科技评论72

    乐享科技发布以太大模型并展示户外烧烤直播测试

    乐享科技发布以太大模型，强调从预测到求解的范式转变。团队在上海烧烤店进行无剪辑、可实时干预的户外直播，机器人完成接单、烤串及应对临时打断等任务，展示了主动感知、多模态理解、流式记忆、动力学建模及持续自进化五项核心能力。

    推荐理由：通过户外烧烤直播展示机器人在开放环境下的自主应变与持续进化能力，区别于以往依赖预设脚本的演示。

  10. X：Greg Brockman (@gdb)1

    腾讯混元发布 Hy Image3.5 preview，人评胜率较 Hy Image3.0 提升 30%

    腾讯混元发布 Hy Image3.5 preview，主打专业级图像生成，在对比 Hy Image3.0 的人类评测中胜率提升 30%。支持文生图与图生图，最高 2K 分辨率，一致性更好；Tencent Cloud API 定价每张 0.024 美元，参考图不收费，OnSolo 与 Miora 内可免费试用两周。

  12. X：Greg Brockman (@gdb)1

    Tencent unveiled Hy Image 3.5 Preview on Tuesday， integrating the image model into Yuanbao and video…

    腾讯于周二发布 Hy Image 3.5 Preview 图像模型，并将其接入元宝及视频剪辑和设计工具。腾讯称经数百名内部设计师测试，该模型与 Seedream 5.0 Pro 相当，略胜 Google 的 Nano Banana Pro 和阿里 Qwen-Image-3.0 Pro，但未量化对比；消息公布后腾讯股价涨超 7%，投资者关注微信规模化支持个人 AI 助手的潜力。

  18. X：Greg Brockman (@gdb)1

    腾讯混元发布 Hy Image3.5 preview 图像生成模型

    腾讯混元推出 Hy Image3.5 preview，定位专业级图像生成，人评胜率较 Hy Image3.0 提升 30%。支持文生图与图生图，最高 2K 分辨率，一致性更好；Tencent Cloud API 定价 $0.024 每张，参考图不收费，Miora 和 OnSolo 提供两周免费。

  19. X：Greg Brockman (@gdb)1

    腾讯混元发布 Hy Image3.5 preview 专业生图模型

    腾讯混元发布混元图像 3.5 预览版（Hy Image3.5 preview），官方称综合能力较 Hy Image3.0 提升约 30%，内部数百名设计师 GSB 盲测中与 Seedream 5.0 pro 持平，略优于 Nano-Banana Pro 和 Qwen-Image-3.0 Pro。

  21. 数字生命卡兹克89

    小米 MiMo V2.6 模型发布及开源评测

    小米发布 MiMo V2.6 系列模型，包括 Pro、Flash 及 Pro-UltraSpeed 版本，实现 1M 上下文与原生全模态支持。MiMo V2.6 Pro 在 Artificial Analysis 基准测试中得分 46 分，科研推理 CritPt 得分居首，缓存输入价格低至 0.025 元/百万 Token。

    推荐理由：实测数据展示了该模型在性能、价格与速度间的平衡，为评估多模态智能体提供了清晰对比。

  27. X：Greg Brockman (@gdb)1

    SpaceXAI 发布 Grok 4.7，主打编码与知识处理，百万词元输入 2 美元起

    SpaceXAI 于 9 月 22 日宣布推出新一代模型 Grok 4.7，定位编码和知识工作场景，官方称其为公司目前最强的编码和知识处理模型。该模型采用更大基座并经更长时间强化学习训练，强化自我验证与长上下文管理，在 CursorBench 4.0、GDPval、AA Briefcase 等基准较 Grok 4.6 有提升。

  28. X：Greg Brockman (@gdb)1

    小米 MiMo-V2.6 发布，团队复盘大规模 RL 扩展之路

    罗福莉介绍 MiMo-V2.6，称其可能是开源模型团队迄今按计算量计最大的单次 RL 运行，现为排名第一的开源模型。MixRL 用于中等难度可验证任务（如代码与相关 Agentic 任务），难以验证或超长程任务单独训练后经 MOPD 合并；团队同时发布了从 MiMo RL 轨迹蒸馏的 Qwen 模型、7K 多样化环境和完整 RL 训练框架。

  31. X：Greg Brockman (@gdb)1

    小米发布 MiMo-V2.6 Pro 与 Flash 全模态模型，开源权重与训练代码

    小米发布 MiMo-V2.6，包含 Pro 和 Flash 两个全模态模型，通过规模化强化学习训练。官方称 Pro 在多数 Agent 基准上与 Claude Opus 5 和 GPT-5.6 Sol 表现相当，在 Artificial Analysis Intelligence Index 得分 46，为开源模型中最高；模型权重、技术报告、RL 环境和训练代码均已开放。

  34. X：Greg Brockman (@gdb)1

    小米 MiMo-V2.6 系列三款模型上线 OpenRouter

    小米 MiMo-V2.6 系列三款模型上线 OpenRouter，包括 1T+ 参数旗舰、开源 MoE 模型和约 10 倍速的旗舰变体。三款模型均支持文本、图像、视频和音频输入，上下文为 1M。

  36. X：Greg Brockman (@gdb)1

    小米发布 MiMo-V2.6 Pro 与 Flash 全模态开源模型

    小米 MiMo 发布 MiMo-V2.6 Pro 与 Flash 两个全模态模型，通过规模化强化学习训练。Pro 在多数 Agent 基准上与 Claude Opus 5 和 GPT-5.6 Sol 表现相当，在 Artificial Analysis Intelligence Index 得分 46，为开源模型中最高；能力覆盖编码、computer use、3D 推理和创作。

  39. X：Greg Brockman (@gdb)1

    小米发布 MiMo-V2.6 系列：Pro 1.02T 总参数 42B 激活，Flash 310B-15B

    小米 MiMo-V2.6 系列发布，MiMo-V2.6-Pro 为 1.02T 总参数、42B 激活，MiMo-V2.6-Flash 为 310B 总参数、15B 激活。推文称其为 Artificial Analysis 上的开源模型榜首，并附 RL dashboard 和技术报告。报告称该全模态系列通过扩展 RL 算力追求模型自我改进，异步训练每步消耗 1，568 个样本、2.7~3.7B token，上下文最长 1M，并开源训练动态、RL 环境和 RL 框架。