模型
全球大模型的发布、更新、开源、价格变化和评测动态。
共 189 条
- Google 发布 Gemini 4 Carbon，暂不对外开放
Google 在推出 Gemini 4 Argon 两周后发布 Gemini 4 Carbon，称其是 Argon 的改进版，而非外界等待的 Flash 版本。Carbon 在网络安全方面提升明显：生成无漏洞代码的概率是 Argon 的两倍，Chrome 团队称其生成高质量补丁的能力是非 Google 模型的 10 倍，WebDev Arena 得分提高 89 分，排名第四。Google 对 Carbon 采取分阶段发布，目前不对外开放使用。
Ars Technica AI18 小时前海外新模型发布2 个信源53
- Google 发布 Gemini 4 Carbon，称在网络安全能力上达到最先进水平升温
Google 发布 Gemini 4 Carbon，官方称其为「最强模型」，具备最先进的网络安全能力和长程任务能力。该模型在 Artificial Analysis 新推出的 Intelligence Index 上排名第一。原文信息有限，未披露模型参数、上下文长度、定价和开放范围等细节。
Techmeme19 小时前海外新模型发布4 个信源70
- 英伟达开源 Nemotron 3.5 Transcribe：单卡跑转写翻译与说话人识别
英伟达发布开源语音识别模型 Nemotron 3.5 Transcribe，总参数 300 亿、每步仅激活约 40 亿，可在单张英伟达 GPU 上运行。模型支持 40 种语言转写、31 种语言与英语互译、13 种语言的说话人识别，单次可处理最长 1 小时、最多 8 人的录音，并通过文本指令控制输出转写、翻译或摘要。在 Hugging Face 英文开放 ASR 榜上以 5.33% 平均词错率位列开放权重模型第一；Artificial Analysis 测得 2.81%，接近参数更大的 Voxtral Small（2.77%）。在 RTX PRO 6000 Blackwell 上以 NVFP4 精度可在 3 分钟内处理 100 小时音频。发布同时包含大规模训练数据集与领域适配工具。
The Decoder21 小时前海外新模型发布2 个信源54
- Artificial Analysis 改版智能指数，开源与闭源模型差距拉大
Artificial Analysis 重构了其 Intelligence Index 评测体系，改版后 Kimi K3.1 Pro 的排名下降 5 位。原文信息有限，未披露新指数的具体指标、权重变化及其他模型的排名变动，也未给出开源与闭源模型差距扩大的具体数据。
- Nvidia 发布开源转录模型 Nemotron 3.5 Transcribe
Nvidia 发布免费开源权重模型 Nemotron 3.5 Transcribe，支持最多 40 种语言的音频转录，可在 31 种语言与英语之间互译，能处理最长 1 小时的录音，并区分最多 8 位说话人。Nvidia 称其在 Hugging Face Open ASR Leaderboard 等基准上优于竞品。该模型有 300 亿参数，可单芯片运行，覆盖 Jetson AGX Thor、DGX Spark 和 Blackwell 数据中心芯片。同时发布开源语音数据集 Granary 第 2 版。局限是不支持实时直播音频。
TechCrunch AI21 小时前海外新模型发布2 个信源56
- Artificial Analysis 发布 Intelligence Index v5
Artificial Analysis 推出 Intelligence Index v5，新增 2 项基准测试、升级 3 项，首次让指数的大部分基于私有数据集构建，覆盖编码与科学等任务。Claude Opus 5.5（max 模式）以 58 分排名第一。原文信息有限，未披露其他模型的分数与完整榜单。
- Paper Instruments 用强化学习训练出 Ultramarine 1 Flash，推理成本降约 98%
Paper Instruments 基于 GLM-5.3 Flash 用强化学习训练出 Ultramarine 1 Flash，在内部知识工作基准上得分 59.3，超过 Fable 5 的 57.8，单任务成本 0.13 美元对 8.19 美元，低约 98%。训练使用 Fireworks Training API，团队保留对数据、采样、损失函数和训练循环的控制。该模型在 6 个知识工作基准上平均比基座模型高 4.1 分，现已通过 Fireworks 无服务器推理开放试用。
Fireworks AI1 天前海外新模型发布42
- Liquid AI 发布 LFM3：6 个 2B 级开源多模态模型
Liquid AI 发布 LFM3 系列，6 个开源权重模型共享同一底座，覆盖文本、视觉、音频、全模态和决策任务，每个模型都能在单张 GPU 上微调。LFM3-1.7B 有 1.73B 参数、256K 上下文，4-bit 量化后约 1 GB 内存即可运行，提供 GGUF、MLX、ONNX、FP8、NVFP4 权重。官方评测称其 29 项基准平均 49.37，高于 Qwen3.5-9B 的 47.24；IFEval 96.66，AutomationBench 41.29 对 15.10。短板是知识类：GPQA Diamond 63.37 对 80.40，RULER 128K 65.56 对 87.11。
MarkTechPost1 天前海外新模型发布2 个信源59
- Google DeepMind 发布 Genie 4 实时世界模型，可生成音效与对话
Google DeepMind 推出 Genie 4，是 2025 年 8 月展示的 Genie 3 的后续版本。该世界模型逐帧计算场景，用户用键盘移动、用文本提示引导事件，是公司首个直接生成声音的实时世界模型，每个世界有独立背景音，角色之间可对话并实时响应用户输入。Gemini 模型在后台规划以保持世界一致：Gemini 3.8 Flash 持续观察场景、把目标拆成步骤并逐帧校验；Gemini 4 Argon 被用于把 Genie 与机器人研究 Gemini Robotics 连接，演示中模拟 Apptronik 人形机器人 Apollo 下跳棋。DeepMind 称其为早期实验模型，长时间会话中视觉细节会漂移、物体不总能保持，复杂物理交互、准确实时音效和可读文本仍在研究。
- Google 发布 Genie 4 世界模型：加入音频与实时操控
Google DeepMind 以研究预览形式发布世界模型 Genie 4，可生成照片级真实、可交互的场景，支持在模拟过程中输入文字提示实时改变天气、镜头角度或增删人物物体。模型同步生成与场景匹配的实时音频，包括音乐、环境音和交互对话。场景一致性最长维持 2 分钟，是 Genie 3 的两倍，物理效果和人物动作更接近真人。Gemini 与 Genie 4 深度集成，由 Gemini 规划步骤并检查画面，Genie 负责生成视觉内容；在 Gemini Robotics 相关实验中，Gemini 4 Argon 将任务拆解为步骤，由 Genie 4 实时模拟。测试者提到的新用途是电影原型制作。
- Google DeepMind 发布 Genie 4 世界模型
Google DeepMind 发布新一代世界模型 Genie 4，官方称其在实时模拟的真实感上达到前所未有的水平。原文正文信息有限，未披露模型参数、开放范围、可用时间与评测数据。
Google DeepMind1 天前海外新模型发布42
- DeepMind 发布 Genie 4 世界模型，物理与人物模拟更真实
Google DeepMind 发布 Genie 4 世界模型，相比 Genie 3 在几乎所有方面都有改进，新增音频，人物与物理模拟更真实。模型可实时逐帧生成可交互虚拟世界，无需预渲染或编程交互元素。DeepMind 称世界模型是通往 AGI 的关键要素，可用于为实体机器人构建无限训练环境、加速创意领域原型设计。改进部分得益于 Google 更新的 Gemini 模型。原文未披露具体发布时间与定价，仅称付费用户有望较快用上。
- Google 发布 Genie 4 世界模型，可生成 2 分钟交互体验
Google 发布 Genie 4 世界模型，用于生成可交互的虚拟体验。相比 Genie 3，主要更新有四点：世界更真实；支持用自然语言提示实时修改体验；可生成音频；底层使用 Gemini 3.8 Flash 辅助模拟。生成时长从 1 分钟提升到约 2 分钟。Google 称其可用于影视预可视化、游戏创意原型和机器人训练场景，同时提醒模拟时间变长后细节和物体恒存性可能漂移。Genie 4 先以“研究预览”形式向受信任测试者开放，之后将向 Google AI Ultra 订阅用户推出，并已开放 Project Genie 试用等待名单。
The Verge AI1 天前海外新模型发布2 个信源57
- Mirendil 发布首个模型 Fern 0.1，上下文达 1000 万 token
AI 研发实验室 Mirendil 发布首个模型 Fern 0.1，这是一个从零训练的编码模型，上下文窗口最高 1000 万 token，约合 23 MB 代码、50 万行，可一次性载入 Megatron-LM 规模的代码库。参数规模 0.1 至 0.5T，未披露具体数量与激活参数，仅提供托管早期访问，未公布开源权重。基座模型在 RULER 单针检索任务上，32K 至 10M token 各长度均达 100%；但在 Terminal Bench 4.0 上仅 6.1%，同一表格中 Claude Opus 5.5 为 66.4%。基座 Mirendil-Base 由一名研究员用 3.5 个月预训练完成，总计算成本低于 1000 万美元，99% 以上代码由 AI Agent 编写，训练数据全部来自公开来源，未使用蒸馏、合成或许可数据。
- OpenAI 的 Ted Sanders 给出 GPT 模型选择经验法则
OpenAI 的 Ted Sanders 对新 GPT-6.1 Terra 做了定位说明，并解释了公司语言模型的命名逻辑。他表示模型能力是多维的，但性能差距主要取决于模型规模；由于规模、推理强度和多 Agent 系统是不同维度，难以合并成单一「IQ 分数」。他还指出，新小模型可凭更好的训练数据或架构超越旧大模型：GPT-6.1 Terra 在技术沟通上可能优于更大的 Astra，图像处理和电脑操作大致持平且价格低得多，但多数其他领域落后。他的选型建议是：只看质量选 Astra，略在意价格选 Sol，非常在意价格选 Terra 或 Luna。
- vLLM Semantic Router 发布 d3-ultra：27B 开源多模态决策模型
vLLM Semantic Router 团队发布 d3-ultra，一个 27B 多模态决策模型，采用 Apache-2.0 许可。它不生成文本，而是读一次输入后，为每个问题的每个答案返回概率，可一次调用完成路由、分类、视觉定位和视频检查。参数 26.09B（dense，含 0.46B 视觉编码器），上下文 131,072 tokens，在 1 块 AMD MI325X 上以 BF16 测试，暂无官方量化版本。团队自建 SR-Text 测试得分 87.2，居 6 个决策模型之首；SR-Box 定位 10 个领域 58.2%、9 个领域 54.6%，低于 d3-turbo 的 60.0% 和 59.6%。
- 百度开源 Unlimited OCR 2：3B 模型单次解析数百页文档
百度开源 Unlimited OCR 2，一个 3.34B 参数的视觉语言模型，可在单次请求中解析数百页书籍、财报和报告，权重以 MIT 协议发布，代码在 GitHub。核心改动是 SR-SWA 稀疏注意力，把文本-视觉注意力压缩到固定 512 token 的工作参考集，使解码每步延迟和显存几乎不随文档变长而增长。最大位置长度 131,072 token，每页 273 个图像 token，BF16 权重约 6.7 GB，单张 A800-80GB 可跑。百度自测 MPDocBench 得 84.6 排第一（Qwen3.8-Max 78.3），MarathonDocBench 得 77.1（Kimi-K3 33.7），但标题层级子项仅 48.2。
- OpenAI 发布 GPT-6.1 Terra，API 价格降至 Sol 的一半
OpenAI 发布 GPT-6.1 Terra，定位高并发视觉推理与电脑操作，API 名为 gpt-6.1-terra，输入每百万 token 1 美元、输出 5 美元，约为 GPT-6.1 Sol 的一半。上下文 105 万 token，最大输出 128K，仅通过 OpenAI 托管提供，不开源。在 Agents' Last Exam v1 上，中等推理强度得分 57.6%，每任务成本 0.29 美元，而 GPT-6 Astra 同等分数每任务 4.82 美元；MMMU-Pro 视觉最高 85.5%，比 Astra 低 1.2 个百分点；Terminal-Bench 4.0 仅 50.3%，落后于 Sol 的 55.9% 和 Claude Sonnet 5.5 的 70.6%，OpenAI 建议复杂编码任务改用 Sol 或 Astra。
- GPT-6.1 Terra 发布：API 价格减半，性能逼近更大模型
OpenAI 发布 GPT-6.1 Terra，API 价格是 GPT-5.6 Terra 的一半：输入每百万 token 1 美元、输出 5 美元，缓存输入降至 0.05 美元。对比 Claude Sonnet 5.5 的 2 美元和 10 美元，价格同样只有一半。Artificial Analysis 称其为“每美元智能”的新标杆：最高推理强度下 Intelligence Index 比 GPT-5.6 Terra 高 6 分，单任务成本 0.40 美元对 1.40 美元。编码 Agent 指数 v2.0 得 48 分，比 GPT-6.1 Sol 低 6 分。缺少答案时猜测率从 88% 降至 38%。在 Agents' Last Exam 上以十分之一 token 价格达到 GPT-6 Astra 水平，速度是 GPT-6 Astra 和 GPT-6.1 Sol 的 3 倍以上。
- OpenAI 发布 GPT-6.1 Terra：API 价格降 50%，错误率降至 16.7%升温
OpenAI 推出 GPT-6.1 Terra，定位为快速、低成本模型，标准 API 价格比 GPT-5.6 Terra 和 GPT-6.1 Sol 低 50%。在内部诱导错误基准上，低推理强度下错误率从 GPT-5.6 Terra 的 53.6% 降至 16.7%，最高推理强度下为 4.3%。在 Agents' Last Exam 上，中等推理强度得分比 GPT-5.6 Terra 高 15 个百分点，成本约为其三分之一；最高强度下每任务成本约为 Claude Opus 5.5 的九分之一，速度快三倍以上。Terminal-Bench 4.0 最高强度解决 50.3% 任务。
Hacker News · AI3 天前海外新模型发布4 个信源92
- BOSS 直聘旗下 Nanbeige 开源 33B Agent 编码模型
BOSS 直聘旗下 Nanbeige LLM Lab 在 Hugging Face 以 Apache 2.0 协议发布 Nanbeige4.3-33B，这是一个 33B 稠密模型，面向 Agent 编码和办公协作任务，支持 524,288 token 上下文，BF16 权重约 66 GB，需多卡部署，官方给出 4 路张量并行的 SGLang 和 vLLM 配置。同时发布 Base 版供自定义后训练。在官方自测中，该模型在 20 项基准里领先 Qwen3.8-27B、Muse-Glimmer-30B、Gemma4-31B 共 17 项，Terminal-Bench 2.1 得 80.9（Qwen3.8-27B 为 73.0），但在 SWE-Bench Pro 上以 60.3 落后于 Qwen3.8-27B 的 61.7。
- Hugging Face 开源 14.8B DNA 语言模型 Carbon-X
Hugging Face Bio 发布 Carbon-X，一个 14.8B 参数的 DNA 语言模型，采用 Apache 2.0 许可，权重可下载。它基于 Qwen3-14B，把 DNA 和自然语言放进同一个 token 流，可直接在对话中读原始 DNA 并用英文回答，支持突变致病性预测、调控区标注、物种分类和碱基预测。上下文 40,960 token，单张 80 GB GPU 可跑，官方 GGUF 量化版 Q4_K_M 仅 9.6 GB。5 项 DNA 基准平均 66.7%，自称优于所有被测开源模型，比 GPT-6.1 Sol 低 0.8 分；BioReason Coding 74.9% 领先，GenomeQA 剪接位点仅 29.8%。合作方为中关村学院和那不勒斯费德里科二世大学。
- 英伟达开源 Flora：机器人视频标注成本降至 GPT-6 Astra 的 1/125
英伟达开源数据引擎 Flora，据其估算，标注 1 小时机器人视频成本约 0.72 美元，而用 GPT-6 Astra 约需 88.5 美元。Flora 由三个微调的 Qwen3.5 模型组成：9B 模型切分动作片段，27B 模型结合上下文描述动作，另一个 27B 模型 Flora-Rewarder 负责打分。在 50 个视频的测试中，Flora 的标注质量略高于 GPT-6 Astra（57.1% 对 53.7%）。该系统已在 GR00T 模型训练中使用，每天在 512 块 GB300 GPU 上标注最多 20 万小时视频，模型已在 Hugging Face 发布。但成本数字是估算值，按每 GPU 每小时 10 美元租金推算，并非实测。在公开 WGO-Bench 上，Flora 的动作边界检测最好，但总分落后 Astra，纯描述准确率也不如 Gemini 3.8 Flash。
- OpenMobile-2 开源手机 Agent 追平闭源模型
南京大学、商汤等机构发布 OpenMobile-2，基于 Qwen3.5 和 Qwen3.6 构建 9B 和 27B 两个手机操作 Agent，并开源完整训练环境、数据和复现说明。团队重建淘宝、京东、滴滴、美团、Slack、Google Drive 等 35 个应用，加上模拟器和 Android 模拟环境共覆盖 110 多个应用，生成约 11600 条示例流程和 2000 多个带自动校验的练习任务。27B 模型在 AndroidWorld 从 67.1 升至 79.9 分，在真实设备 SPA-Bench 上从 31.9 升至 59.6 分，作者称为开源模型最佳。研究还发现，训练环境多样性比单纯增加数据量更重要。
- Cerebras Deploys Trillion-Parameter AI Models
One of the most frequently asked questions we get is how we deploy large models on Cerebras wafer-scale chips. A single Cerebras WSE-3T wafer has 44 GB of on-chip memory, and trillion-parameter frontier models need terab…
Hacker News · AI4 天前海外新模型发布57
- Hurston-1 开源 TTS 模型，专攻美国南方与非裔英语口音
开发者以 Apache-2.0 协议开源窄带 TTS 模型 Hurston-1，称其对美式英语表现良好，尤其擅长美国南方口音和地区性非裔英语口音。作者表示自 2021 年起收集了超过 2 万人的完全授权语音数据、共 100 万条录音。模型托管在 Hugging Face，作者所在公司 Destined AI 位于亚特兰大。
Hacker News Show4 天前海外新模型发布50
- Block 发布可在 MacBook M4 Max 本地运行的语音模型
Block 发布了一款语音模型，称其听起来「异常像人」。该模型可在 MacBook M4 Max 上本地运行。原文未披露模型名称、参数规模、开源方式、具体性能指标和发布时间等细节，信息有限。
- Block 发布纯语音训练模型 Dessa，可实时识别情绪与反讽
Square 和 Cash App 母公司 Block 发布语音模型 Dessa，称这是首个完全用人类语音、不含任何文本数据、从零训练的 AI 模型。它不先把音频转成文本，而是直接处理语音，能实时捕捉情绪、反讽、笑声和停顿，并支持全双工对话，可边听边说。Dessa 可在 MacBook Pro M4 Max 上本地运行，训练使用单台 NVIDIA GB200 NVL72。目前尚未公开，Block 先招募 AI 安全研究者测试潜在风险，有意者可通过表单报名。
- NVIDIA 发布 Nemotron 3.5 Bolt E4B：4GB 显存跑本地语音 Agent
NVIDIA 发布开源小模型 Nemotron 3.5 Bolt E4B，总参数 8B、有效参数 4B、64K 上下文，Q4_K_M 量化后在 RTX 上占用 3.1–4.3 GB 显存，可运行于 GeForce RTX、Jetson、DGX Spark 等设备。该模型基于 Google Gemma 4 E4B，仅用强化学习后训练，未做监督微调。NVIDIA 自测在 21 项基准中 15 项领先 Gemma 4 E4B、Qwen3.5-4B 和 Nemotron 3 Nano 4B，IHEval 得 84.8（Gemma 4 E4B 为 67.0）；但 Tau2-Bench 仅 55.1，落后 Qwen3.5-4B 约 20 分。在 RTX 5070 上配合 DFlash 投机解码达 272.6 tokens/s，比 Gemma 4 E4B 快 1.21 倍。
- Kyutai 开源 CADRE 视频自编码器，世界模型延迟降至 230 ms
Kyutai 发布开源因果扩散表征自编码器 CADRE，专为交互式世界模型设计，解决动作延迟问题。论文称其世界模型在单张 H100 上以 20 fps 运行，反应时间在 230 ms 以内。CADRE 包含 7 个自编码器，每个约 4.76 亿训练参数，外加一个冻结的 8600 万参数 DINOv3 ViT-B/16；世界模型为 12 亿参数，视频分辨率 288×512。在 48 项对比中，有 42 项比 MIRA、Wan 2.2、Cosmos、LTX-2 更快且更好；驾驶场景 FVD 为 162.6，Wan 2.2 为 599.7；但机器人操作动作跟随 ARR 仅 0.45，低于 Wan 2.2 的 0.85。