⌘ K
… 读取采集状态 同步中...
雷

#模型发布

今日 15 条
9月3日周四
  5. 人工智能学家89

    OpenAI Astra 引入循环深度架构提升推理能力并引发安全监控争议

    OpenAI 最强新模型 Astra 预计即将发布，该模型达到“关键级”网络安全能力门槛，在包含 20 个 V8 高危漏洞的内部测试中取得 100% 任意代码执行成功率，且使用 Token 数少于 GPT-5.6 Sol。

    推荐理由：原文梳理了循环深度对模型内部推理的影响，并对比了不同循环架构在计算成本与可监控性上的权衡。

  8. 机器之心84

    OpenAI Astra 被曝引入循环深度，安全专家担忧思维链监控失效

    OpenAI 即将发布的新模型 Astra 被曝引入循环深度技术，在内部测试中于 20 个 V8 高危漏洞上取得 100% 任意代码执行成功率，远超 GPT-5.6 Sol 的 20%，并发现两个零日漏洞，成为首个达到 OpenAI「关键级」网络安全能力门槛的模型。

    推荐理由：梳理了循环深度的技术脉络与安全争议，读者可据此理解性能提升和监控风险如何相互牵制。

  9. AIGC开放社区85

    Google发布Gemini 3.8 Flash与Cyber双版本模型

    Google发布Gemini 3.8 Flash和Gemini 3.8 Flash Cyber两款模型。3.8 Flash面向编程、智能体和企业工作流，支持约100万Token上下文窗口，已上线Gemini API等多个渠道；Cyber版专用于发现和修复软件漏洞，通过Fairwind计划向经过审核的政府及关键基础设施机构开放。

    推荐理由：两个版本采用不同的开放方式，展示了智能体与高风险安全模型在部署边界上的差异。

  12. APPSO84

    Google发布Gemini 3.8 Flash及网络安全变体

    Google发布Gemini 3.8 Flash和Gemini 3.8 Flash Cyber。Flash在HLE-Verified得分54.9%，DeepSWE表现超越部分前沿模型，主打快速执行复杂Agent工作流。

    推荐理由：原文解析了Flash以低成本承担复杂Agent任务的技术路径，并展示了其在编码与安全场景的实际表现。

  14. 夕小瑶科技说90

    Gemini 3.8 Flash 发布，代码性能比肩旗舰

    谷歌发布 Gemini 3.8 Flash，单论写代码性能与 Claude Opus 5 和 GPT-5.6 Sol 基本持平，但在 DeepSWE 榜单上每题成本仅约 2.36 美元，远低于 Opus 5 的 11.84 美元。该模型综合智力排名第八，长程任务能力仍与旗舰有明显差距，且为了提升表现消耗了更多的 token。

    推荐理由：展示了 Flash 模型在代码任务上比肩旗舰但成本大幅降低的性能特点

  15. AGI Hunt83

    Google 发布 Gemini 3.8 Flash 和 3.8 Flash Cyber 模型

    Google DeepMind 发布 Gemini 3.8 Flash 和 3.8 Flash Cyber，前者在 DeepSWE 上达到 73.7% 并在 Terminal-bench 2.1 上微超 Opus 5。新模型输入价格维持 $0.75/1M tokens，约为 Opus 5 的 15%，已在 Gemini API 等平台上线。

    推荐理由：原文给出了 Flash 系列性能提升和价格对比，读者可以据此判断高吞吐量 Agent 任务的成本变化。

  16. Google DeepMind82

    Google DeepMind 发布 Gemini 3.8 Flash 及网络安全变体 3.8 Flash Cyber

    Google DeepMind 发布 Gemini 3.8 Flash 及网络安全变体 3.8 Flash Cyber，定位为当前推理和编码能力最强的模型。Gemini 3.8 Flash 在 DeepSWE v1.1 和 HLE-Verified 等基准测试中表现优于多数前沿大模型，输入定价为每百万 token 0.75 美元，输出定价为 3.75 美元。

    推荐理由：官方明确了 Gemini 3.8 Flash 在编码与多步推理上的基准成绩，以及网络安全变体的定向开放机制，提供了具体性能对比与调用入口。

9月2日周三
  1. 人工智能学家88

    Anthropic 发布 Fable 5.1 与 Mythos 5.1 并详解 IPO 前战略

    2026年9月1日，Anthropic 推出旗舰大模型 Fable 5.1，并开放高阶模型 Mythos 5.1 的邀请制测试。更新核心包含性能全面领先 8 项基准、缓存读取价格从 1 美元降至 0.25 美元、允许企业客户在自有云基础设施上保留数据，以及新增思维链签名反蒸馏机制。

    推荐理由：文章通过详细拆解性能、定价、数据政策和安全机制四大维度的具体变化，清晰呈现了该产品迭代背后的商业逻辑与市场战略。

  2. 人工智能学家82

    World Labs 发布新一代世界模型 Atlas

    World Labs 发布新一代世界模型 Atlas，该模型采用多模态自回归扩散 Transformer 架构，支持基于单张图像生成 1440p 视频及三维场景重建。Atlas 能够根据 1 至 25 张图像重建空间，支持点云及 3D 高斯泼溅输出，并利用摄像机几何参数实现精准的长视频控制与“子弹时间”模拟。

    推荐理由：World Labs 发布的 Atlas 模型通过统一架构将图像生成、三维重建与时空模拟融为一体，展示了空间智能在处理复杂场景时的可扩展性。

  3. 新智元94

    OpenAI Astra模型发布在即，实现全自动漏洞挖掘与沙箱逃逸

    OpenAI即将发布的网络安全模型Astra在ExploitBench基准测试中取得满分，并发现了两个此前未知的零日漏洞。评测显示，Astra能够自主拼凑完整的沙箱逃逸链，从打开HTML文件到执行宿主机任意命令，且其任意代码执行成功率远高于前代模型GPT-5.6 Sol。为保障安全，OpenAI为Astra配备了实时监控思维链分类器，一旦检测到越权行为或恶意请求，系统将自动暂停任务或请求人工审核。

    推荐理由：文章披露了Astra在漏洞利用与沙箱逃逸上的全自动能力，并介绍了OpenAI为防止滥用所部署的思维链监控机制。

  4. 机器之心76

    李飞飞World Labs发布全模态世界模型Atlas

    World Labs发布新一代世界模型Atlas，原生预训练处理文本、图像、视频和3D四种数据，支持相机可控生成（最高1440p、1分钟视频）、空间重建、时空模拟和图像生成。

    推荐理由：原文梳理了Atlas的核心设计与评测口径，读者可据此分辨其相机可控优势与画面质量的差别。

  6. AIGC开放社区90

    Anthropic 发布 Claude Fable 5.1 和 Claude Mythos 5.1，通用版与机构受限版基于同一模型采用不同安全等级

    Anthropic 于 9 月 1 日发布 Claude Fable 5.1 和 Claude Mythos 5.1，两者使用同一底层模型，区别在于安全限制与开放范围；Fable 5.1 面向 Claude Pro/Max/Team/Enterprise 用户及 API/云平台开放，Mythos 5.1 仅向审核后的网络安全与生命科学机构提供。

    推荐理由：Claude 5.1 以相同底层模型区分通用版与安全限制更少的机构版，读者可据此判断前沿能力开放的新分层策略。

  7. 智东西79

    Meta发布实时音频感知模型Muse Voice Transcribe

    Meta推出由超级智能实验室开发的首个实时音频感知模型Muse Voice Transcribe，提供实时流式自动语音识别（ASR），支持超过20位说话人分割及1小时长音频处理。

    推荐理由：原文明确指出该模型支持超过20位说话人和1小时长音频，并展示了在流式基准测试中的排名。

  9. Google Gemini API Release Notes89

    Google 发布 Gemini 3.8 Flash 模型正式可用

    Google 发布 Gemini 3.8 Flash 模型并宣布一般可用 (GA)，官方称这是其最智能的 Flash 模型。该模型旨在用于长程软件工程和自主智能体，同时支持复杂的企业工作流。

    推荐理由：明确了该模型针对长程软件工程和复杂企业工作流的工程目标，方便评估适用场景。

  10. APPSO91

    Anthropic 发布 Claude Fable 5.1 与 Mythos 5.1，优化缓存定价与安全机制

    Anthropic 发布 Claude Fable 5.1 和 Mythos 5.1，两者基于同一基础模型，区别在于安全限制权限。新模型 Cache Read 价格降低 75%，典型场景总成本预计下降 25%。Fable 5.1 强化了长期自主运行能力，Mythos 5.1 具备更宽松的网络安全和生命科学权限。

    推荐理由：原文梳理了定价策略、企业数据合规及长期智能体部署的具体变化，有助于理解旗舰模型如何从单纯追求跑分转向解决落地瓶颈。

  11. AGI Hunt90

    Anthropic 发布 Fable 5.1 和 Mythos 5.1 防蒸馏模型

    Anthropic 发布 Fable 5.1 和 Mythos 5.1，在 Terminal-Bench-Science 0.1、Terminal-Bench 4.0 等多项基准中取得第一。Fable 5.1 引入了 Preserved Thinking 机制，通过校验 thinking block 的原始上下文防止未授权蒸馏，价格保持不变。

    推荐理由：正文梳理了多项基准数据与防蒸馏机制，可据此理解新模型在智能体能力上的变化。

9月1日周二
  1. 机器之心74

    Runway 发布界面世界模型 Solaris：无需代码直接生成可交互界面

    Runway 公布新研究 Solaris，将其定义为首个 Interface World Model（界面世界模型），界面可像视频一样实时生成，用户点击、拖拽或输入后模型根据当前状态继续生成下一帧，无需预先写好代码。

    推荐理由：原文拆解了从视频模型到实时交互界面的三步改造和双模型分工，读者可据此理解世界模型路线的具体做法。

8月31日周一
  1. 量子位81

    MiniMax发布H3 Max：5秒视频生成仅需3秒，开启AI实时直播

    MiniMax与fal联合推出视频生成模型H3 Max，生成5秒768p视频耗时不到3秒，吞吐量约为原版H3的35倍。该模型在Artificial Analysis和Design Arena榜单的图生视频项目中排名第一，支持首尾帧参考，已开放调用接口。

    推荐理由：H3 Max将5秒视频生成时间压缩至3秒内，实现了实时直播与无缝短视频流，开启了新的商业化路径。

8月29日周六
  1. AGI Hunt89

    腾讯混元 Hy4 preview 发布：参数翻倍，编码基准大幅提升

    腾讯发布混元 Hy4 preview，770B 参数激活 49B，支持 1M 上下文。相比 Hy3，DeepSWE 从 28.0 升至 64.3，SWE-Marathon 从 5.0 升至 31.9，Arena WebDev 排名从 31 跃升至 5 名左右。

    推荐理由：原文对比了 Hy4 preview 与 Hy3 的基准分及实际编码游戏表现，展示了其从排名 31 跃升至前 5 的核心代际提升幅度。

8月28日周五
  1. 极客公园78

    腾讯发布并开源混元 Hy4 preview，极客公园实测三项长任务

    腾讯 8 月 28 日发布并开源混元 Hy4 preview，总参数从 295B 增至 770B、激活参数 21B 增至 49B、上下文从 256K 扩展至 1M，已进入 WorkBuddy、CodeBuddy、元宝和 ima，输入 6 元/百万 tokens、输出 18 元/百万 tokens。

    推荐理由：原文用三项实测展示了模型在长任务链中的报错修复与自测行为，可迁移地说明如何评估长程 Agent 能力。

  4. APPSO74

    腾讯混元 Hy4 Preview 发布：参数量达 770B，实测编码与办公 Agent 能力

    腾讯正式发布 Hy4 Preview 模型，总参数量达 770B，激活参数 49B，显著优于上一代 Hy3 的 295B 总参量。实测显示，Hy4 在 Coding Agent 任务中表现接近 GLM-5.3 与 Kimi K3，能独立完成 3D 网页游戏开发与 Bug 修复；在办公场景下，可基于网络搜索生成风格一致的海报，并输出详细且数据准确的调研报告。

    推荐理由：Hy4 Preview 参数量翻倍并强化 Agent 长程执行，实测显示其编码与办公能力已能对标主流国模。

  5. AIGC开放社区88

    阿里发布 Qwen3.8-Flash-Next：1250 亿参数 MoE 多模态模型

    阿里 Qwen 团队于 8 月 26 日发布开放权重模型 Qwen3.8-Flash-Next，该模型采用混合专家架构，主模型参数为 1250 亿，每 Token 激活约 60 亿，整体规模约 1800 亿，原生支持 262,144 Token 上下文。

    推荐理由：新架构通过混合专家与稀疏注意力优化算力成本，其设计方向预示了未来 Qwen4 的技术路线。