⌘ 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. X：Greg Brockman (@gdb)1

    Grok 4.7 发布，登陆 Grok Build、Cursor 和 API

    Grok 4.7 已发布，可在 Grok Build、Cursor 和 API 上使用，部分任务性能接近 Opus 5，价格与 Grok 4.6 相同。官方称其在困难任务上工作时间更长、检查更仔细，并带来迄今最强的安全防护。

  3. X：Greg Brockman (@gdb)1

    Grok 4.7 模型卡发布，多项基准较 4.6 提升且价格不变

    Grok 4.7 模型卡发布，相比 4.6 多项基准提升：Terminal-Bench 20.3% → 38.0%，SWE-Marathon 31.9% → 46.0%，HealthBench Pro 48.5% → 56.7%，Legal Agent 15.8% → 19.6%，EEBench 60.0% → 66.0%。价格与 4.6 相同，模型卡见 https://media.x.ai/v1/website/4p7card-5eccc980.pdf。

  4. AGI Hunt87

    xAI 发布 Grok 4.7，主打编码与知识工作

    xAI 正式发布 Grok 4.7，官方定位其为核心面向编码与知识工作的最强模型。在性能上，该模型在 CursorBench 4.0 得分 46.3%，Terminal-Bench 4.0 得分 38.0%，并在 Harvey 法律 Agent 基准以 19.6% 大幅领先竞品；价格维持不变，输入为 $2/百万 token，输出为 $6/百万 token。

    推荐理由：原文给出了多项基准数据与价格对比，读者可据此评估其在编码和知识工作中的性价比。

  5. X：Greg Brockman (@gdb)1

    Grok 4.7 上线 Agent Arena，Arena 发起历代版本走势投票

    Grok 4.7 已上线 Agent Arena，并进入 Text、Vision、Code 和 Document 四类 Battle Mode。Arena 用全球用户数百万条真实长程智能体任务、结合网络搜索、文件系统和终端工具访问，以因果追踪方法衡量模型相对平均模型的表现；官方同时发起投票预测 Grok 4.7 的净改进分数落点，分数将在用户投票后公布。

  8. X：Greg Brockman (@gdb)1

    Grok 4.7 上线 Arena 的 Agent Arena 评测

    Arena 宣布 xAI 的 Grok 4.7 已加入 Agent Arena 评测，用户可投票影响排行榜。该评测基于数百万真实的长周期智能体任务，模型可使用网页搜索、文件系统和终端工具完成复杂工作流，并用因果追踪方法衡量相对表现。Grok 4.7 还进入 Battle Mode 的文本、视觉、代码和文档类别。引用方称其相较 Grok 4.6 在同价同速下有明显提升。

  9. X：Greg Brockman (@gdb)1

    Grok 4.7 发布，速度与价格不变下能力提升

    Grok 4.7 发布，相比 Grok 4.6 在相同价格和速度下能力更强。附带对比表显示其输入 $2/百万 token、输出 $6/百万 token，在 CursorBench 4.0 得分 46.3%（4.6 为 40.4%）、EEBench 64.0%、Terminal-Bench 4.0 38.0%、Harvey Legal Agent 19.6%，多项基准领先对比模型。

  10. X：Greg Brockman (@gdb)1

    Grok 4.7 发布：同价同速下较 Grok 4.6 明显提升

    Grok 4.7 发布，官方称在相同价格和速度下较 Grok 4.6 有明显提升。Andrew Milich 推荐该模型擅长编码、工程工作和 3D，可在 Grok Build 和 Cursor 中以高 TPS 作为思考伙伴使用。图表显示 Grok 4.7 xHigh 输入 $2 / 输出 $6 每百万 token，EEBench 64.0%、CursorBench 4.0 46.3%、DeepSWE v1.1 71.0%（High Effort）。

  11. X：Greg Brockman (@gdb)1

    Grok 4.7 上线 OpenRouter

    xAI 的 Grok 4.7 已上线 OpenRouter。官方称其为目前最强的编码与知识工作模型，能在困难任务上持续工作更久、更仔细地自查，并在 CursorBench 4.0 上处于价格性能前沿。使用入口：https://openrouter.ai/x-ai/grok-4.7

  13. X：Greg Brockman (@gdb)1

    Grok 4.7 发布，作者转发称在价格和速度不变的情况下较 Grok 4.6 显著提升

    Grok 4.7 发布，官方称其在与 Grok 4.6 相同的价格和速度下有显著提升。 Lauren Tan 转发并致以'4.7 day'祝贺，所附对比图显示 Grok 4.7 xHigh 输入 $2/百万 token、输出 $6/百万 token，与 4.6 持平；在 EEBench 64.0%、Harvey Legal Agent 19.6%、CursorBench 4.0 46.3% 等基准上较 4.6 提升明显，DeepSWE v1.1 为 71.0%（High Effort）。

9月21日周一
  1. CVer95

    GPT-6 Astra 无条件证明刘维尔版哥德巴赫猜想

    GPT-6 Astra 无条件证明了哥德巴赫猜想的刘维尔弱化版本，即所有大于 2 的偶数可表示为两个刘维尔值为 -1 的正整数之和。该证明已由 Captain Sude 团队发布，并通过了 Lean 4 形式化验证，独立复核显示代码无错误且数值测试全部通过。

    推荐理由：梳理了 Astra 关于刘维尔版哥德巴赫猜想的证明逻辑及其 Lean 4 形式化验证细节。

  3. 智东西53

    华为云码道发布鸿蒙编码大模型及智能体，支持一句话生成鸿蒙应用

    华为云码道CodeArts代码智能体上线鸿蒙编码大模型、码道鸿蒙智能体及鸿蒙开发者实践中心三大能力。模型融合超百万鸿蒙素材，千行代码错误率降低80%以上，一次编译通过率提升78%。演示显示，该系统可约20分钟生成并安装支持隔空手势的ArkTS手机游戏，且能在4分钟内完成功能增量迭代。

  5. 硅星人Pro82

    阶跃星辰发布 600B 参数 Step 5 Preview，通过 12 分钟长任务测试验证智能与成本平衡

    阶跃星辰发布 600B 总参数量的旗舰模型 Step 5 Preview，每生成 1 个 Token 仅激活约 27B 参数，Intelligence Index 达 44 分且单任务成本约 0.7 美元，位列全球开源模型前二。

    推荐理由：阶跃星辰发布 600B 参数量的 Step 5 Preview，通过稀疏架构和 12.1 分钟长任务测试展示其在成本与智能间的平衡能力。

  7. AI科技评论75

    阶跃 Step 5 Preview 发布：全球开源第二，实测 3D 游戏构建能力

    阶跃星辰发布旗舰基模 Step 5 Preview，在 Artificial Analysis Intelligence Index 获 44 分，位列全球开源前二。实测中模型通过 Claude Code CLI 调用 Blender 与 Three.js，成功构建可运行的 3D 网页游戏，展示了处理复杂工程任务的 Agent 能力。

    推荐理由：通过长链路 3D 游戏实测验证了模型在工具调用与持续执行中的稳定性。

  8. 量子位78

    千问 Qwen-Image-2.1 开放 7B 生图模型权重

    千问（Qwen）开放 Qwen-Image-2.1 的 7B 生图模型权重，RTX 3090 可本地运行。模型支持文生图、图片编辑、透明图和原生 2K 输出，并可用同一套权重一次参考最多 10 张图片生成综合成品图。

    推荐理由：开放权重降低本地部署门槛，一套模型覆盖生成、编辑、透明图和原生 2K 输出，读者可以据此判断 7B 生图模型的实际适用范围。

  9. X：Greg Brockman (@gdb)1

    通义千问发布 Qwen-Image-2.1：7B 单检查点同时支持图像生成与编辑

    通义千问发布 Qwen-Image-2.1，一个 7B 参数的原生图像生成与编辑模型，生成和编辑共用单一检查点，最多支持 10 张参考图。模型自带提示词增强 LLM，已集成 diffusers 和 ComfyUI，并在 Hugging Face Spaces 提供免安装的浏览器在线 demo：https://huggingface.co/spaces/hugging-apps/qwen-image-2-1

  10. 夕小瑶科技说75

    传 Anthropic 跳过 Opus 5.2 发布 Opus 5.5

    传 Anthropic 正在测试 claude-opus-5-5，内部代号 claude-wafer-eap，爆料称发布时间在本周一或周二。 价格方面，爆料称 Opus 5.5 输入 4 美元、输出 20 美元、缓存读取 0.2 美元，相对 Opus 5 输入 5 美元、输出 25 美元、缓存读取 0.5 美元分别下降。

  11. AIGC开放社区81

    阶跃星辰 Step 5 Preview 发布：24小时持续优化，6000亿稀疏混合专家架构

    阶跃星辰发布旗舰模型 Step 5 Preview，主打长任务与智能体工作流。在 NVIDIA H100 上进行的 24 小时推理内核优化测试中，模型实现最高性能 508 TFLOPS，AIME24 得分达 60%，与 Claude Opus 5 表现相当。

    推荐理由：该测试通过真实工程场景验证了模型在持续失败后调整策略的能力，并对比了多模态上下文下的表现差异。

9月20日周日
  1. X：Greg Brockman (@gdb)1

    腾讯 Gander 模型实现边聊天边后台执行复杂任务

    腾讯混元语音团队联合多所高校发布 Gander 模型，用"小脑"负责实时对话、可替换的"大脑"处理后台智能体任务（测试中用 GPT-5.6 家族模型），可同时处理语音、图像和文本并随时被打断。

  2. AGI Hunt87

    TypeSafe AI 发布 Jev 决策模型：并行输出概率与四条复刻路线实测

    TypeSafe AI 发布决策模型 Jev，它不逐 token 生成文本，而是按问题并行返回分类、评分或概率，官方端到端延迟为 70–500 毫秒。文章通过演示幻灯片自动翻页等场景说明其低延迟高频判断特性，并对比了 SemIf、LoRA、编码器和扩散模型四条复刻路线在 JevBench 等基准上的表现，指出 Jev 在复杂推理和长期规划上仍有局限。

    推荐理由：文章详细拆解了 Jev 的并行概率接口及其与 LLM 的差异，并提供了四条不同的社区复刻路线与实测数据，为工程落地提供了具体参考。

  4. X：Greg Brockman (@gdb)1

    Qwen 开源 Qwen-Image-2.1：7B 视觉生成组件统一图像生成与编辑

    Qwen 开源 Qwen-Image-2.1，在单一模型中统一文生图与图像编辑，视觉生成组件仅 7B 参数，并原生支持透明图像的生成与编辑。模型支持最多 10 张参考图、圆圈涂画和独立掩码指定局部编辑，通过混合粒度注意力与 KV cache 复用提升推理效率，并改进了文字排版、人像光照和人物产品一致性。

  5. X：Greg Brockman (@gdb)1

    Qwen-Image-2.1 开源：7B 图像生成与编辑模型

    阿里 Qwen 团队发布并开源 Qwen-Image-2.1，一个 7B 的图像生成与编辑统一模型。官方称其推理速度大幅加快，可原生生成和编辑 RGBA 透明图层，支持最多 10 张参考图和精准局部编辑，覆盖全景图、信息图和虚拟试穿等场景。

  6. X：Greg Brockman (@gdb)1

    通义千问发布 Qwen-Image-2.1，vLLM-Omni 提供首日支持

    通义千问发布 Qwen-Image-2.1，vLLM-Omni 提供 day-0 支持。该模型可在一个模型内完成图像生成、编辑和透明图像输出，由 7.1B DiT 搭配 Qwen3-VL-8B 组成，设置和受支持的组合见 https://recipes.vllm.ai/Qwen/Qwen-Image-2.1。

  7. X：Greg Brockman (@gdb)1

    通义千问发布 Qwen-Image-2.1 并开放权重

    通义千问发布 Qwen-Image-2.1，定位为 Qwen-Image 系列中均衡且高性价比的图像生成模型，现已开放权重。该模型为生成与编辑一体化的 7B 轻量架构，原生支持生成和编辑 RGBA 透明图层，编辑支持最多 10 张参考图和精确局部控制，并擅长全景图、信息图和虚拟试穿等场景。

  8. DeepTech深科技70

    Aether AI 发布因果世界模型 CausalWM，在 TriWorldBench 评测中位列综合第一

    Aether AI 发布首个因果世界模型 CausalWM，该模型通过预测光流、深度和点映射等物理变量，将因果思维链引入未来预测，在面向三视角具身世界模型的 TriWorldBench 评测中以 66.04 分位列综合榜单第一。

    推荐理由：Aether AI 发布的 CausalWM 通过引入因果思维链预测物理变化，在 TriWorldBench 评测中位列榜首，展示了因果大模型在具身智能领域的落地进展。

  9. 量子位80

    中国电信开源 Xing4.0-29B-A4B 全栈国产化代码智能体大模型

    中国电信开源全栈国产化的Xing4.0-29B-A4B模型，基于MoE架构，290亿总参数每次推理仅激活约40亿，4-bit量化后单张RTX 3090即可运行，已冲上HuggingFace模型趋势榜第四。模型支持256K上下文并兼容国产昇腾910C训练与部署，同步开放API调用。

    推荐理由：全栈国产化的29B模型可在单张3090运行，解决数据受限企业的本地化AI办公部署难题。

  10. 量子位84

    开源音乐生成模型YuE2发布，支持精细编辑并在WildSongBench上逼近Suno v5

    香港科技大学联合M-A-P、NOIZ AI、斯坦福等机构发布并开源统一符号与音频音乐生成模型YuE2。在WildSongBench的192个prompts评测中，YuE2以6.9632的八选一得分拿下17组参评系统最高分，逼近Suno v5并超过Suno v6及v6 Wild。

    推荐理由：开源YuE2通过乐谱规划机制实现音乐编辑，提供消费级显卡运行与完整开源技术栈。

  11. X：Greg Brockman (@gdb)1

    StepFun 发布 Step 5 Preview：600B/27B MoE 旗舰模型，1M 上下文，10 月 15 日开放权重

    StepFun 发布旗舰模型 Step 5 Preview，主打 agentic 工作，覆盖软件工程与专业知识工作，在金融领域有特别优势。模型为 600B 总参数 / 27B 激活的 MoE 架构，支持 1M 上下文和视觉能力，官方称在相近智能水平下任务成本明显更低，现已可在 StepFun AI Studio 和 API 使用，开放权重将于 10 月 15 日发布。

  13. X：Greg Brockman (@gdb)1

    阿里发布 Qwen3.8-LiveTranslate 实时同声传译模型，60 种语言平均延迟降至 2.3s

    阿里云通义发布新一代实时同声传译模型 Qwen3.8-LiveTranslate，采用 Interleave 架构，在 60 种语言上将平均延迟 LAAL 从 2.8s 降至 2.3s，并提升忠实度、流畅度与简洁性。新能力包括实时说话人分离并配合更稳定的音色克隆、源文与译文同屏双语显示，以及利用对话历史对人名和术语做长上下文消歧。已可通过 Qwen Cloud 和 Model Studio 试用。