模型
全球大模型的发布、更新、开源、价格变化和评测动态。
共 886 条 · 海外
- MiniMax M3.1 Flash 发布：推理提速近 3 倍，成本降 70%
MiniMax 正式发布 M3.1 Flash，官方称其在 Agent 任务、编码、Computer Use 和网络安全上均有代际提升。推理速度接近原来的 3 倍，使用成本降低 70%，输出速度可达 200+ TPS，P50 稳定在 170+ TPS。基准成绩：DeepSWE v1.1 73.7%、OSWorld V2 61.7 分、CyberGym 82%、BankerToolBench 76.2 分，其中 OSWorld V2 与 ALE 两项在中国模型中排名第一。定价为每百万 token 输入 0.15 美元、输出 0.60 美元、缓存输入 0.015 美元。此前匿名运行的 Space Bunny 已处理超 200 万亿 token。
MiniMax10/19海外新模型发布42
- Simon Willison 发布 llm-echo 0.5，模拟 token 用量计入工具调用
Simon Willison 更新调试插件 llm-echo 至 0.5 版本。该插件提供一个不调用真实 LLM 的「模型」，只回显输入提示词，用于调试。新版模拟 token 用量时会计入工具调用、系统提示词和推理 token。示例中执行 llm -m echo 'hi there' -o thinking 1 --usage 后，输出显示 2 个输入 token、24 个输出 token。
Simon Willison10/19海外模型23
- I think we're cooked...
DEV Community · AI10/19海外模型29
- HybridAgents：在潜空间思考、用文本行动的 Agent
研究者提出 Hybrid Reasoning Agents（HybridAgents），让 Agent 在潜空间推理与文本交互之间动态切换。架构上用一个轻量模块 HybridLink 衔接两种模式，并用连续工作记忆在多轮对话中保留无损的混合上下文，使潜空间思考可直接检查，同时保留调用工具的能力。配套训练方法 HybridSFT 和 HybridRL 分别负责稳定混合生成、学习何时潜空间思考何时文本行动。在 3 个模型规模、11 个基准（数学、科学、医学、搜索、Agent 推理）上，性能平均提升 10.4%，token 减少 35.5%-54.7%，推理快 1.8-2.6 倍，成本降低 2.7-3.7 倍。
Hacker News · AI10/19海外模型53
- My AI Experiment Was Going Great Until My Client Replied 😂
- TinyFish Makes Search Free: What It Really Costs an AI Agent to Read the Web
MarkTechPost10/19海外模型30
- Lenovo’s fast, comfy SteamOS handheld is hundreds off
The Verge AI10/18海外模型30
- Anthropic 游说 AI 安全法案：仅 50 人死亡或 10 亿美元损失才触发
Anthropic 正推动一项 AI 安全法案，规定政府只有在模型可能造成 10 亿美元损失或致 50 人以上伤亡时，才能阻止其发布。据 Politico 报道，由商务部注册的独立第三方定期评估实验室及其模型；实验室可向评估方付费，但不得影响其独立性。Anthropic 称该法案即其 6 月起向联邦和州议员游说的「Advanced AI Framework」内容。
Hacker News · AI10/18海外模型50
- Two German courts now hold Google liable for what its AI overviews say
The Decoder10/18海外模型30
- AI agents have bad taste in long-term decisions and a new benchmark proves it
- Google 开源 Harness²：不改模型权重也能提升 Agent 表现
Google Cloud AI Research 开源了递归式 Agent 框架 Harness²（版本 0.1.0），它通过优化模型外部的 harness 来提升 Agent 表现，模型权重完全不变。harness 包含 8 个可编辑组件：系统提示词、护栏、记忆、工具指引、子 Agent、技能、脚本和插件。在 3 个基准测试上，1 次精炼步骤让全部 4 组模型与 harness 组合都有提升。最好成绩是 GLM-5 在 OpenCode 下于 WorkBuddy-Bench 从 64.2 升到 75.7（+11.5 分）；最差是 GLM-5 在 Codex 下于 JobBench 仅提升 1.2 分（23.6 到 24.8）。框架面向无标注、无验证器的开放任务场景，运行需要 Linux、Python 3.12/3.13 和 uv，模型调用通过 Vertex AI。
- Fine-Tuning Qwen3-8B with Tinker: From 50% to 76% Accuracy, and Burning Through My Budget
- How to Make Zero-Training Tabular Predictions with NVIDIA Structured Data Models
- One Rust Unicode Bug, Three Coding Models: A Reproducible Comparison
- Meet Voxel51 3.0: A Unified Multimodal Data Platform for Physical AI
- AI Took Me to Three Stages. I Still Don't Like Public Speaking.
- Meet Kyutai REKI: The 2.4B VLA Model Bringing Efficient Memory to Robot Manipulation
- Mercedes-AMG’s first ground-up SUV is a 1,150hp electric beast
- Meta 发布 Muse Spark Open，成最强美国开源模型
Meta 发布开源权重模型 Muse Spark Open，816B 总参数、42B 激活参数，上下文窗口 1M token，原生多模态，面向编码与 Agent 任务。作者称其是当前最强的美国开源模型，性能高于 GLM 5.2、接近 DeepSeek V4.1 Flash，落后于 GLM 5.3 和 Kimi K3。同期 Reflection 发布首个模型 Beam，Mistral 公布 Mistral Large 4 得分 38 但未开源权重。作者认为美国与中国最佳开源模型的差距大约缩小了一半。
- Apple’s HomeView is just the latest threat to online recipe writers
- Mathematicians say OpenAI doesn't understand its own Navier-Stokes proof
- DeepSeek 发布 V4.1-Flash-1017，DeepSWE 得分 77.0 超过 Claude Opus 5
DeepSeek 发布 V4.1-Flash 的新检查点 V4.1-Flash-1017，已在官网、App 和 API 上线，API 模型名为 deepseek-flash。官方称在全部 11 项基准上比 9 月版本高 2.0 到 11.1 分，其中 DeepSWE v1.1 得 77.0，高于表中 Claude Opus 5 的 74.0；HLE 无工具仅 42.6，低于 Opus 5 的 56.3。模型为多模态 MoE，552B 主干加 196B Engram 参数，prefill 激活 8B、decode 激活 16B，上下文 1M token、输出上限 384K。同时 DeepSeek 向所有开发者开放 Search 和 Fetch API。
- 20 Jev Alternatives: The Decision Models Taking On TypeSafe in 2026
- 10 Prompting Techniques My Deep Learning Exam Taught Me (That I Actually Use Now)
- Perplexity Open-Sources SPACE, a Firecracker MicroVM Sandbox for AI Agents