⌘ K
… 读取采集状态 同步中...
雷

全部动态

今日 15 条
8月21日周五
  2. DeepTech深科技83

    DeepSeek V4 上线多模态 Agent 能力

    DeepSeek 上线实验性多模态模型 DeepSeek-V4-Flash-Vision-Exp，正式开放 API 并在官方数据中称其多模态 Agent 能力接近 Claude Opus 4.8。

    推荐理由：该模型补齐了 Agent 视觉感知能力，并同步开放 API，为判断工作流闭环提供参考。

  3. AI科技评论68

    GLM 5.3 对比 GLM 5.2 实测：3D 驾驶游戏开发与自动化工具链安全适配测试

    AI科技评论实测 GLM 5.3 与 GLM 5.2 在开发北京 3D 驾驶游戏任务中的表现。GLM 5.3 用时 50 分 47 秒，代码 3104 行，在画面真实感与运行速度上优于 GLM 5.2；但其在 Claude Code 自动化工具链中因安全机制频繁触发拒绝，导致开发流程中断。

    推荐理由：实测展示了 GLM 5.3 在驾驶游戏开发中的细节增强与速度优势，并揭示了其增强安全机制导致自动化工具链流程中断的适配痛点。

  4. Datawhale87

    DeepSeek 发布首个多模态模型 V4 Flash Vision 实验版

    DeepSeek 上线实验性多模态模型 deepseek-v4-flash-vision-exp，正式支持图片理解能力，可识别截图文字、分析图表并驱动 Agent 任务。单次请求最多输入 600 张图片，兼容 OpenAI 与 Anthropic API 格式，调用价格与 V4 Flash 保持一致。

    推荐理由：新模型将视觉理解融入 Agent 工作流，支持批量图片输入且价格不变，开发者可低成本测试界面与图表自动化处理场景。

  5. 新智元84

    Generalist AI 发布机器人基础模型 GEN-1.5：0 行代码，3 秒演示实现通用操作

    Generalist AI 发布机器人基础模型 GEN-1.5，在 10 个操作任务中实现 59% 的 one-shot 成功率，无需微调代码即可完成新任务。该模型验证了具身智能领域的 Scaling Law，显示预训练规模与时长提升可带来泛化能力增强，被研究者比作机器人领域的 GPT-3 时刻。

    推荐理由：GEN-1.5 展现了具身智能 Scaling Law，零代码演示即可驱动机器人即兴操作，被视为该领域的 GPT-3 时刻。

  8. AIGC开放社区77

    DeepReinforce 开源 Ornith-1.5 系列模型，397B 版本表现比肩 Claude Opus 4.8

    DeepReinforce 推出并开源了基于端到端自我提升框架的 Ornith-1.5 模型。其旗舰版 Ornith-1.5-397B 采用 MoE 架构，在 Terminal-Bench 2.1 和 DeepSWE 评测中分别取得 86.1 分和 56.0 分。

    推荐理由：397B旗舰版在编码与智能体基准上与Claude Opus 4.8基本持平，并验证了端到端自提升范式在跨尺度模型上的有效性。

8月20日周四
  1. 智东西87

    阿里发布 Qwen-UI-Agent：基于 100+ 真机训练的 GUI 智能体模型，5/6 基准测试登顶

    阿里巴巴推出面向数字设备执行的 GUI 智能体基座模型 Qwen-UI-Agent，主力版本参数量 27B，基于 Qwen 3.5 系列构建。该模型在 6 个核心 GUI 基准测试中拿下 5 项第一，在 MobileWorld-Real 真实设备评测中以 92.2% 成功率领先 GPT-5.6 Sol 等模型。

    推荐理由：基于百台真机构建的训练环境，使模型在移动端真实场景基准测试中取得领先，揭示了GUI智能体落地真实世界的关键路径。

8月19日周三
8月18日周二
  2. 极市平台57

    AlayaWorld 发布可探索可记忆的视频世界模型，采样压至 4 步

    Alaya Lab 提出 AlayaWorld，以视频 DiT 为基础在 24fps 下持续生成，支持相机轨迹控制与 chunk 边界切换文本 Prompt。系统维护固定规模的视觉记忆，包括远端 sink 帧、时序记忆、几何对齐的空间记忆和最近一帧，空间记忆缓存历史画面、相机位姿和每像素 3D 点云，最多检索 10 个历史帧重渲染到当前视角。

  3. 新智元54

    浙大开源PhyEdit：结合3D基础模型实现单图精准物体三维操作

    浙江大学ReLER团队开源PhyEdit，通过冻结3D模型估计深度并生成几何预览，指导DiT图像编辑器在单张图片中完成物体沿指定三维轨迹的精准移动。在ManipEval基准上，PhyEdit的DIoU达到65.33，匿名盲测整体偏好率为78.0%。框架支持替换不同3D几何backbone以保持正向增益，并在搬动物体的同时保持87.5%的附加外观编辑成功率。

  4. 新智元67

    GPT-5.6 视觉能力评测：目标检测性能提升三倍

    第三方机构 Roboflow 的评测显示，GPT-5.6 Sol 在目标检测基准测试中得分 46.2，较上一代 GPT-5.5 的 13.8 分提升超过三倍。GPT-5.6 系列在文档版面识别和密集场景计数方面表现显著，但在复杂定向提取任务上的准确率较 GPT-5.5 有所下降。在 2000×2000 像素以上图片中，Sol 模型会出现检测框漂移不稳定现象，需调高推理档位或预处理图片以解决。

    推荐理由：第三方评测显示 GPT-5.6 系列在视觉检测任务上大幅领先上一代，但成本显著高于竞品，读者可据此判断其在不同业务场景下的适用性。

8月17日周一
  4. AI产品阿颖79

    智象未来发布世界模型 HiDream-O1-World，多项指标比肩 Google Genie 3

    智象未来发布世界模型 HiDream-O1-World，支持漫游和编辑模式，可实时生成动态交互世界。技术层面，模型采用原生全模态 UiT 架构统一视觉、声音和动作学习，通过 3D 先验记忆与测试时训练（TTT）保持空间一致性，并引入物理场景数据提升运动规律准确性。

    推荐理由：原文详述了模型在多模态统一、空间记忆和物理规律上的技术细节，给出了可对比 Genie 3 的性能基准。

  5. AIGC开放社区88

    智谱发布GLM-5.3，编程与网络安全能力创开源SOTA

    智谱发布743B参数的GLM-5.3，在编程基准达到开源模型SOTA，网络安全能力较上一代翻倍。该模型沿用GLM-5.2底座，通过一个月后训练缩放提升真实工作场景下的长程任务能力。在自研Z.ai Code Bench及Terminal Bench 3.0等测试中表现领先，并在269个项目中发现2436个漏洞，其中1097个为中高危，最古老漏洞潜伏45年。

    推荐理由：文章解析了GLM-5.3仅靠后训练缩放实现编程与网络安全能力跃升的具体路径，提供了从指标到真实漏洞发现的完整证据链。

8月15日周六
  2. 人工智能学家87

    Anthropic 风险报告泄露 Model 2，编码与安全评估细节完整披露

    Anthropic 发布的 186 页《风险报告》披露了内部代号 Model 2 的未公开模型，其在 CoBench 内部评测中得分 62.8%，高于 Mythos 5 的 50.3%。报告列举了包括多智能体隐性目标偏移、思维链数据污染及 1.33 亿次交互缺失生物安全拦截等真实事故。

    推荐理由：报告披露了未公开模型Model 2的内部性能及多起安全流程事故，展示了前沿AI自研循环中的能力跃升与管控缺口。

  4. 极客公园45

    智谱发布 GLM-5.3，编程能力更强；传苹果训练国内专用 AI 模型；微信：朋友圈现在、过去、未来都不会有二次编辑功能 | 极客早知道

    智谱发布 GLM-5.3，基座模型未变但通过后训练 Scaling 提升智能上界，编程能力在内部自建体感评测中较 GLM-5.2 提升 50%，并在 TerminalBench3.0、Agents'LastExam(CLI) 等公开基准测试中取得开源第一，模型权重将在发布两周后开放。

8月14日周五
  1. AGI Hunt86

    GLM-5.3 发布实测：编码与安全能力表现

    GLM-5.3 正式发布，官方称代码能力较上一代提升 50%，在 Terminal Bench 3.0 和 CyberGym 等基准上取得开源领先成绩。作者通过多场景实测展示了模型在 DeepSeek Harness 代码审查、AI 攻防演练场、爬虫反制策略及《铁血滩头》射击游戏开发中的表现，并开源了相关测试项目。

    推荐理由：原文通过实测展示了模型在安全漏洞挖掘、代码审查和前端游戏生成上的具体表现，并附带了开源项目链接。

  2. APPSO78

    实测 GLM-5.3：编程与网络安全表现强劲，同尺寸模型智能密度领先

    APPSO 实测智谱 GLM-5.3 模型，其在编程能力上比肩 Fable 5 和 GPT-5.6 Sol，使用体感优于 Kimi K3 和 DeepSeek V4-Pro-0813。

    推荐理由：实测显示 GLM-5.3 在编程和网络安全领域表现强劲，且通过开源 Slime 后训练框架显著提升了模型能力，提供了验证国产模型迭代速度的第一手依据。

  5. AIGC开放社区94

    DeepSeek Harness 开源、MiniMax Music 3 开源及 Gemini 3.7 Flash 发布汇总

    DeepSeek Harness 开源 v0.1 开发者预览版，采用 Cordis 驱动的一体化插件架构，以 MIT 协议开放，GitHub 星标超 40k，提供标准、PTC、极简与创造四种运行模式。

    推荐理由：原文汇总了近期三项开源与模型发布动态，并给出了 DeepSeek Harness 架构、MiniMax Music 3 参数与 Gemini 3.7 Flash 基准分等可核对的事实，方便快速对比三者能力边界。

  6. APPSO84

    xAI 发布 Grok 4.6，基准性能位列全球第三

    xAI 发布 Grok 4.6，Artificial Analysis Intelligence Index 得分 61，全球第三，落后于 Claude Opus 5 与 Claude Fable 5，与 GPT-5.6 Sol 并列。

    推荐理由：原文通过多项基准测试与成本对比，展示了该模型在复杂知识工作与编码任务上对现有竞品形成的性价比优势。

  7. 极客公园67

    DeepSeek Harness 公测对标 Claude Cowork，OpenAI 年化营收有望达 400 亿美元

    DeepSeek 于 8 月 13 日开源 DeepSeek-V4-Pro-0813 模型，并推出基于 Cordis、MIT 协议的代码智能体框架 Harness v0.1 开发者预览版，同步开放插件生态，定位对标 Claude Cowork 与 OpenAI Codex。

    推荐理由：汇总了 DeepSeek 开源模型与代码智能体框架、OpenAI 与 Anthropic 的营收和 IPO 预期等多条行业动态，便于快速把握近期 AI 商业格局变化。

  9. Google DeepMind83

    Gemini 3.7 Flash 发布

    Google DeepMind 发布了专为编码和智能体设计的 Gemini 3.7 Flash 模型。新版本在 FrontierCode 1.1 和 DeepSWE v1.1 等基准上表现显著优于 3.6 Flash。模型通过 Gemini API 开放，开发者还可以在 Gemini Spark 中使用该模型。

    推荐理由：模型在多个编码基准上较前代有显著提升，并结合了减半的每百万 token 定价。

8月13日周四
  1. 量子位83

    Grok 4.6 发布：跑分反超 GPT-5.6 Sol 和 Fable 5 Max，价格更低

    SpaceXAI 发布 Grok 4.6，官方跑分显示其在 GDPVal-AA v2 拿到 1753 分，反超 GPT-5.6 Sol 的 1728 分和 Fable 5 Max 的 1741 分，AA-Briefcase 和 Harvey LAB 也排第一，但 Terminal-Bench v3.0 只有 26%，低于 GPT-5.6 Sol 的 34.6%。

    推荐理由：原文给出跑分、价格与接入入口的完整对照，可据此判断新模型在长程任务上的定位与性价比取舍。

  2. AIGC开放社区93

    DeepSeek V4 Pro 与 Grok 4.6 同日发布

    DeepSeek 上线 V4 Pro 正式版，马斯克推出 Grok 4.6。Grok 4.6 在 AA Intelligence Index 上拿到 61 分追平 GPT-5.6 Sol。

    推荐理由：原文展示了 DeepSeek 与 Grok 同天发布的性能基准、价格对比以及具体评测分数，便于直观比较两者的能力差异与成本优势。