⌘ K
… 读取采集状态 同步中...
雷

全部动态

今日 15 条
8月3日周一
  1. 苍何79

    阿里发布 Qwen 3.8-Max 模型及实测分析

    阿里发布迄今最强模型 Qwen 3.8-Max，参数规模 2.4 万亿，激活参数 95 B，支持 100 万上下文 Tokens。作者实测该模型耗时 48 小时研发了公众号数据监控平台，消耗 1.17 亿 tokens，并展示了其在 Agentic Coding 中的长上下文稳定性与跨模型审查流程。

    推荐理由：作者实测了该模型在长周期代码生成和架构优化中的表现，提供了Agentic Coding落地的具体验收方法。

8月2日周日
7月31日周五
  1. 光子星球78

    Seedance 2.5 发布：30 秒视频生成长度与局部编辑能力升级

    Seedance 2.5 正式发布，单次生成视频时长提升至 30 秒并支持最多 50 个多模态参考素材。该模型新增视频局部编辑功能，可精准修改画面局部元素并保持整体节奏，已上线豆包、即梦等字节旗下产品。徐工集团、小鹏汽车、穹彻智能等多家企业确认引入该模型，用于工业培训、自动驾驶数据合成及具身智能训练场景。

    推荐理由：文章通过实测与产业合作案例，展示了该模型在视频时长、编辑控制及物理一致性方面的关键变化。

  3. Datawhale86

    DeepSeek-V4-Flash 正式版发布并接入 Codex

    DeepSeek-V4-Flash-0731 正式开放 API 公测，模型结构维持 284B 总参数与 13B 激活不变，仅重新进行了后训练。Artificial Analysis 评测显示其综合得分为 50，成本约为 GPT-5.6 Terra 的十分之一，智能得分相差 5 分。官方针对 Codex 提供了适配教程，支持通过 Responses API 格式一键配置接入。

    推荐理由：原文呈现了V4-Flash的性能对标与接入Codex的实操步骤，为评估其性价比及本地部署提供了清晰路径。

  4. 数字生命卡兹克77

    MiniMax 发布开源视频模型 H3，主打视觉包装与后期特效

    MiniMax 发布原生多模态视频模型 H3 并宣布开源，主打视觉包装和后期特效，可生成带歌词 MV、动态海报及综艺花字等。实测 H3 在语义遵循和文字控制上强于 Seedance 2.0，但在影视级高张力镜头表现上略逊，目前开放 2K 分辨率和 15 秒时长，1 秒生成约 12 贝壳。

    推荐理由：MiniMax H3 主打视觉包装与后期特效，作者实测其在 MV、动态海报等场景的语义遵循能力领先，且宣布将开源。

7月30日周四
  1. Google DeepMind79

    Gemini Robotics ER 2 发布，提升视频理解与多机器人协作能力

    Google DeepMind 发布 Gemini Robotics ER 2，作为面向机器人的具身推理模型，通过视频理解、任务编排和多机器人协作提升物理世界交互能力。该模型在任务进度分类上达到 57.4% 准确率，在关键时刻检测上达到 91.3% 准确率，并支持通过 Gemini API、Google AI Studio 开放给开发者使用。

    推荐理由：原文给出了具身推理模型在视频理解、任务编排和安全基准上的具体提升，读者可据此判断机器人在真实物理环境中的落地边界。

  2. Google Gemini API Release Notes67

    Google Gemini 发布 Gemini Robotics ER 2 预览版

    Gemini 发布两个具身推理模型端点：gemini-robotics-er-2-preview 支持空间推理、智能体代码执行、多步工具编排、视频时刻定位、进度分类和多机器人协作；gemini-robotics-er-2-streaming-preview 通过 Live API 支持实时文本流、双向音视频输入和低延迟机器人智能体。

    推荐理由：新模型支持空间推理、代码执行和工具编排等机器人任务，并保留上一版退役时间，方便评估部署与切换。

7月28日周二
  1. Google DeepMind77

    Google DeepMind 发布 Gemini Robotics 2 机器人模型

    Google DeepMind 发布 Gemini Robotics 2 系列模型，实现机器人智能全身控制、精细操作及多机器人协作。该版本包含 Gemini Robotics 2（VLA）、Gemini Robotics ER 2（具身推理）和 Gemini Robotics On-Device 2（端侧 VLA）三个模型。

    推荐理由：官方展示了 Gemini Robotics 2 的全身控制能力与多机器人协作功能，说明了其向物理世界通用人工智能的进展。

  2. 数字生命卡兹克96

    黄仁勋公开反对封禁中国开源模型，Kimi K3 全面开源

    Kimi K3 于 7 月 27 日全面开源，包括 2.8 万亿参数的模型权重、47 页技术报告及 MoonEP 等关键 Infra。在此背景下，黄仁勋发布公开信反对封禁中国开源模型，已有超过 77 家硅谷科技巨头联名签署该信以表达支持。

    推荐理由：梳理了Kimi K3全面开源及其引发的硅谷巨头联名反对封禁的舆论风暴，揭示了开源模型在商业与技术主权上的复杂博弈。

7月27日周一
  1. Hugging Face Blog79

    NVIDIA 发布 Cosmos-H-Dreams 实时生成式外科机器人模拟器

    NVIDIA 发布 Cosmos-H-Dreams，一个实时、动作条件化的生成式外科机器人模拟器。该模型基于 Cosmos-H-Surgical-Simulator 蒸馏，通过 FlashDreams 推理引擎在单张 NVIDIA RTX PRO 6000 GPU 上实现约 160 帧/秒的交互体验。

    推荐理由：原文明确了实时生成式外科模拟器的技术路径与开放入口，读者可以据此评估其在机器人训练与评测中的实际作用。

7月25日周六
  1. 数字生命卡兹克84

    Claude Opus 5 发布，性能逼近 Fable 5 且价格减半

    Claude Opus 5 已全量上线，支持100万上下文，知识截止至2026年5月。输入价格每百万Token 5美元，输出25美元，较Fable 5便宜一半。

    推荐理由：原文展示了Opus 5在ARC-AGI-3和AA跑分上逼近Fable 5且价格减半，还通过实测发现其能查出GPT-5.6 Sol和K3 Review中遗漏的安全漏洞。

7月21日周二
  2. Google Gemini API Release Notes67

    Gemini 3.6 Flash 和 Gemini 3.5 Flash-Lite 正式发布

    Google 发布 Gemini 3.6 Flash 和 Gemini 3.5 Flash-Lite 稳定版。Gemini 3.6 Flash 提升 token 效率和代码智能体规划能力，价格低于 3.5 Flash；Gemini 3.5 Flash-Lite 为低延迟、高性价比的子智能体选项，适合高吞吐量自动化场景。同时，采样参数 temperature、top_p 和 top_k 已弃用。

    推荐理由：原文提供了两个 Flash 模型正式版的关键能力与价格定位，便于开发者评估在低延迟自动化和代码智能体场景中的替换价值。

7月17日周五
  1. Google DeepMind76

    Google 发布轻量级网络安全模型 Gemini 3.5 Flash Cyber

    Google 发布基于 3.5 Flash 微调的轻量级网络安全模型 Gemini 3.5 Flash Cyber，旨在快速、高效地发现、验证并修复软件漏洞。该模型通过 CodeMender 以受限访问试点项目形式向政府和可信合作伙伴开放，并展示了在 CyberGym 基准和内部真实代码库中优于主线上游模型的独特漏洞发现能力。

    推荐理由：Google基于3.5 Flash微调的安全模型，通过高频调用和低成本优势，在发现关键漏洞和内部实际修复上展现出高效替代大型模型的潜力。

7月15日周三
  1. Hugging Face Blog82

    Thinking Machines 发布 1T 参数开源多模态模型 Inkling 及其 Inkling-Small 版本

    Thinking Machines 在 Hugging Face 发布 1T 参数的开源多模态模型 Inkling，支持图像、文本、音频输入与 1M 上下文窗口，同时推出 276B 参数量的 Inkling-Small 版本。该模型采用 MoE 架构，提供 transformers、SGLang、vLLM 等引擎的 Day-0 部署支持，并附带针对不同场景的推理和性能基准测试数据。

    推荐理由：该模型支持百万上下文和多模态输入，并适配多种主流推理引擎，为大规模多模态应用部署提供了明确参考。

7月10日周五
  1. 数字生命卡兹克87

    GPT-5.6 正式上线，ChatGPT 与 Codex 正式合并

    OpenAI 正式发布 GPT-5.6 系列模型，同时宣布 ChatGPT 与 Codex 合并，Codex 应用停止独立运营。新模型包括旗舰 Sol、均衡 Terra 和高性价比 Luna 三款，Plus 和 Pro 订阅用户可使用 Sol。

    推荐理由：GPT-5.6 刷新多个基准纪录，ChatGPT 合并 Codex 形成 Agent 时代入口，作者提供了一手实测与成本分析。

7月9日周四
  1. Google Research55

    Google Research 发布 SensorFM：面向可穿戴健康数据的通用基础模型

    Google Research 发布 SensorFM，这是一个学习自十亿分钟级未标注多模态传感器数据的通用生理基础模型。模型在 35 项判别性健康任务上表现优于传统基线，并通过引入 LLM Agent 自动构建预测头，以及作为个人健康智能体的生理基础，展现了跨心血管、代谢、睡眠和心理健康领域的泛化能力。

7月8日周三
7月3日周五
  1. The Batch77

    OpenAI 发布 GPT-5.6 系列模型但受美国政府限制开放

    OpenAI 发布 GPT-5.6 Sol、Terra、Luna 三款闭源视觉语言模型，目前仅限美国政府部门批准的约 20 家组织通过 API 和 Codex 使用，普通用户需等待未来几周内的更广泛开放。GPT-5.6 Sol 在 Terminal-Bench 2.1 上达到 91.9% 的 SOTA 表现，并新增多智能体协作的 ultra 模式及针对生物、化学和网络安全的强化防护机制。

    推荐理由：GPT-5.6 发布因美国政府审批限制导致普通用户暂时无法使用，仅向少量组织开放。

7月2日周四
  1. Mistral AI69

    Mistral AI 发布开源模型 Leanstral 1.5

    Mistral AI 发布 Apache-2.0 许可的 Leanstral 1.5，这是一个总参数 119B、活跃参数 6B 的模型，专注于 Lean 4 证明工程。

    推荐理由：官方发布 6B 活跃参数模型，在多个形式化验证基准上达到 SOTA 并发现开源仓库未知 bug，展示了低成本正式验证的实用路径。

7月1日周三
  1. Google DeepMind77

    Google DeepMind 发布 Nano Banana 2 Lite 和 Gemini Omni Flash

    Google DeepMind 发布图像模型 Nano Banana 2 Lite 和视频模型 Gemini Omni Flash，两者均已在 Google AI Studio 和 Gemini API 上线。Nano Banana 2 Lite 生成一张 1K 图像耗时 4 秒、成本 $0.034，Gemini Omni Flash 视频生成成本 $0.10/秒，目前最长支持 10 秒视频。

    推荐理由：原文给出了 Nano Banana 2 Lite 和 Gemini Omni Flash 的延迟、成本及组合工作流细节，读者可据此判断多模态生成应用的性能与预算边界。

6月30日周二
  1. Google Research70

    Google 推出 TabFM：面向表格数据的零样本基础模型

    Google 推出 TabFM，这是专门用于表格数据分类和回归的零样本基础模型。TabFM 将表格预测重构为上下文学习问题，通过单次前向推理即可在未见过的表格上生成预测，免去了传统方法中的超参数调优与特征工程。该模型采用混合注意力架构并在大规模合成数据上预训练，现已在 Hugging Face、GitHub 开源，并集成至 Google Cloud BigQuery 供直接调用。

    推荐理由：将表格数据预测转化为上下文学习问题，无需微调即可生成高质量预测，并直接集成至 BigQuery。

6月23日周二
  1. Mistral AI77

    Mistral 发布 OCR 4：支持170种语言且可自托管的文档解析模型

    Mistral 发布 OCR 4，新增边界框、区块分类和置信度输出，支持170种语言。该模型可单容器自托管，API 价格为 $4 每 1000 页，Batch API 享五折，适用于企业搜索、RAG 和 Agentic 工作流。

    推荐理由：介绍Mistral OCR 4新增结构识别功能及170种语言支持，提供可自托管的部署方案以适应企业级数据隐私需求。

6月12日周五
  1. The Batch67

    Anthropic发布Claude Mythos 5与Claude Fable 5，Cursor推出Composer 2.5

    Anthropic发布Claude Mythos 5和Claude Fable 5，后者对安全敏感请求进行限制或降级，定价为前者的一半；Cursor推出基于Kimi K2.5的Composer 2.5模型，在编码任务上性能接近顶级竞品但成本更低。

    推荐理由：原文详细披露了Claude Mythos 5和Fable 5的能力分级与安全限制差异，为理解前沿模型的安全对齐实践提供了具体参考。

6月11日周四
6月9日周二
  1. Google DeepMind76

    Google DeepMind 发布 Gemma 4 12B：无编码器多模态模型

    Google DeepMind 发布 Gemma 4 12B，定位为可在笔记本本地运行的多模态模型，介于 E4B 与 26B MoE 之间，是首个支持原生音频输入的中等规模模型，Gemma 4 系列下载量已超 150 million。

    推荐理由：原文说明了无编码器统一架构的具体做法与本地运行门槛，便于评估其对端侧工作流的适配性。

6月5日周五
5月29日周五
  1. The Batch56

    Google 发布 Gemini 3.5 Flash：智能体能力与速度提升但价格上涨

    Google 发布 Gemini 3.5 Flash，作为其中端多模态模型更新，在智能体能力和速度上较 Gemini 3 Flash 显著提升，价格升至每百万输入 token 1.50 美元。该模型在 APEX-Agents-AA 智能体基准测试中以 47.1% 准确率排名第一，高于 GPT-5.5 的 37.7%，但在综合智能、知识和编码方面仍落后于领先模型。

5月22日周五
5月18日周一
  1. Google DeepMind77

    Google DeepMind 发布 Gemini Omni 及首个模型 Gemini Omni Flash

    Google DeepMind 发布 Gemini Omni，首个模型 Gemini Omni Flash 支持结合图像、音频、视频和文本输入生成高质量视频，并可通过对话式自然语言进行多轮编辑。Gemini Omni Flash 现已通过 Gemini app、Google Flow 向全球订阅者推出，并免费开放给 YouTube Shorts 和 YouTube Create App 用户。

    推荐理由：原文展示了从多模态输入到视频生成的具体能力，为理解原生多模态模型的创作边界提供了实例。

5月16日周六
  1. Google DeepMind94

    Google DeepMind 发布 Gemini 3.5 Flash 模型

    Google DeepMind 发布了 Gemini 3.5 Flash，该模型为智能体任务和编码提供前沿性能，速度是其他前沿模型的 4 倍。它在 Terminal-Bench 2.1 上得分 76.2%，GDPval-AA 达 1656 Elo，MCP Atlas 得分 83.6%，成本低于其他前沿模型的一半。

    推荐理由：官方给出了3.5 Flash在长程编码任务上的基准数据与速度指标，帮助读者判断其智能体扩展能力。

5月7日周四
5月2日周六
  1. The Batch65

    GPT-5.5 在基准测试中表现领先但幻觉率高，Kimi K2.6 成为最强开源模型

    OpenAI 发布的 GPT-5.5 在 Artificial Analysis Intelligence Index 和 ARC-AGI-2 等基准测试中刷新纪录，但幻觉率显著高于 Claude Opus 4.7 和 Gemini 3.1 Pro Preview。

    推荐理由：原文对比了 GPT-5.5 与 Kimi K2.6 在基准测试和实际偏好中的表现差异，以及大模型在战略游戏决策中与人类的不同策略。

4月30日周四
4月28日周二
4月22日周三