⌘ K
… 读取采集状态 同步中...
雷

模型发布

新模型的发布、开源与迭代：大模型厂商的旗舰更新、开源权重放出、性能与价格变化的第一时间记录。

366条精选相关主题产品更新论文研究开源生态

最新精选

第 261–280 条 · 共 366 条
8月3日周一
  1. 机器之心81

    小红书 dots-note-3.0 获 IMO 官方评阅满分金牌，靠 Proof、Verify、Refine 自我纠错机制

    小红书大模型 dots-note-3.0 在第 67 届 IMO 上六道题均获 7 分，成为首个经 IMO 官方评阅取得满分的 AI 模型，此前谷歌 Gemini Deep Think 在 IMO 2025 解出 6 题中的 5 题、以 35 分达到金牌标准。

    推荐理由：原文拆解了 Proof、Verify、Refine 三环节的自我纠错流程，读者可据此理解模型如何在长链条推理中自查修正。

  2. 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。

7月31日周五
  2. AI科技评论65

    Manifold AI 发布 WorldScape 2.0 全栈技术，推动世界模型进入以物理为中心时代

    Manifold AI 发布 WorldScape 2.0 全栈技术，推出业内首个世界模型 MoE 框架以统一异源控制训练，并更新 WorldScape Policy 2.0 支持机器人长程任务记忆与多模态 Prompt 交互。

    推荐理由：介绍了统一控制信号训练框架、长时程多模态交互能力和全功能真机评测体系。

  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。

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。

  2. 数字生命卡兹克90

    Kimi K3 正式发布：2.8 万亿参数，百万上下文并官宣开源

    Kimi K3 正式发布，参数量达到 2.8 万亿，支持百万上下文，并计划在 7 月 27 日全面开源。在实测中，K3 在多个编程与智能体评测中位居前列，展现出较强的代码执行与前端生成能力。

    推荐理由：结合跑分与实测，展示了 K3 在编程、智能体及前端生成上的综合表现，以及百万上下文特性。

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。