模型
全球大模型的发布、更新、开源、价格变化和评测动态。
共 890 条 · 海外
- 瑞士 Apertus 1.5 开源：支持图像音频理解，上下文扩至 256K
瑞士 AI 项目发布 Apertus 1.5，在 8B 和 70B 两个尺寸上新增图像与音频理解、可选的思考模式，上下文窗口从 64K 扩至 262,144 tokens（4 倍），并改进指令遵循与工具调用。模型权重于 2026 年 7 月 24 日以 Apache 2.0 许可发布在 Hugging Face。训练为继续预训练：8B 增加 4 万亿 tokens、70B 增加 2 万亿，总量分别达 19T 和 17T。多模态采用早期融合，图像经 Emu3.5 tokenizer 编码（512×512 图像为 1024 tokens），音频经 WavTokenizer（每秒 40 tokens），架构不变，仅扩展词表；模型只输出文本。项目称权重、数据、价值观与训练细节全部开放。
Hugging Face 博客10/15海外新模型发布42
- 开发者做 AI 编码 Agent「测谎仪」claimcheck，5 轮测试零误判
开发者 dannwaneri 发布开源项目 claimcheck：每个向代码库提交改动的 AI Agent 必须附带 .claim/claim.json，声明改了哪些文件、每处改动做了什么，平台在合并前比对真实 diff 验证声明是否属实。在 5 轮完整演示中，每轮 28 个 Agent 同时推送，系统每轮都正确拒绝全部 11 个虚假申报的 Agent，误拒诚实声明 0 次，中位判定耗时 6-7.5 秒，每条判定附带证据。系统基于 Cloudflare Workers 和 Artifacts 构建，采用 MIT 协议，是 Cloudflare「构建下一代 Git 平台」竞赛的参赛作品。作者称自己在开发一周后才认真读竞赛规则。
DEV Community · AI10/15海外模型45
- 开发者用 Codex 写了个 Angular 升级 Skill
一位维护多个开源项目的开发者用 Codex 生成 Angular Update Skill，自动完成版本升级、迁移和依赖更新。实测中遇到三个问题：CI 因 package.json 与 package-lock.json 不同步导致 npm ci 失败，加入 npm ci 验证步骤解决；npm 发布报 404，原因是 Node.js 22 配 npm 10 不满足 trusted publishing 要求的 npm 11.5.1+；Skill 体积过大，精简后主文件从 1252 词降到 701 词，整体缩短约 40%。已在三个开源项目上使用，包括 Angular 21 升 22。
- TypeSafe AI 发布 Jev 1.14，新增图像与 Box 类型
TypeSafe AI 发布 System One 决策模型 Jev 1.14，以 jev-preview 别名上线，新增图像输入、Box 边界框类型和 262k 上下文三项实验性功能。默认上下文为每请求 64k token、每问题 32k，可通过 opt-in header 扩展到 262k。仅通过托管 API（POST /v1/systemone）提供，不开源权重。图像支持 PNG/JPEG，单文件最大 16 MiB，按普通输入 token 计费。Box 每题返回一个边界框和置信度，但对不存在的目标仍会返回框，需配合 Noul 问题判断。官方称三项功能均未达到生产可用。
MarkTechPost10/15海外新模型发布34
- SpaceXAI 发布 Grok Voice 3.0，语音榜登顶
SpaceXAI 发布实时语音模型 Grok Voice 3.0，在 Artificial Analysis 语音到语音指数上以 86.9 分排名第一，超过 GPT-Live-1（83.2）和 Gemini 3.8 Live Extended Thinking（82.6），上一代 Grok Voice 2.0 为 81.3。首音频延迟 0.81 秒，比 GPT-Live-1 的 1.34 秒低约 40%，但慢于 2.0 的 0.70 秒。τ-Voice 智能体任务得分 71.6%，仍低于 GPT-Live-1 的 74.5%。开发者接口、事件和每分钟 0.08 美元的价格与 2.0 保持一致，grok-voice-latest 别名已自动指向新版本。模型仅通过托管 API 提供，无开放权重。
- Achieving near-zero-downtime scaling in Elastic Expert Parallelism
Traditionally, changing the number of GPUs in a vLLM service required adding or removing entire model replicas or restarting the engine with a different GPU count. As models grow larger, each replica needs more GPUs, so …
vLLM10/15海外模型31
- Meta 开源 Muse Spark Open，1M 上下文支持 Agent 编码
Meta 发布 Muse Spark Open 模型权重，主打 Agent 编码与长周期任务，原生多模态、支持 100 万 token 上下文，可完成写代码、调试、多步规划、连续工具调用和长流程中的失败恢复。在 Meta 的评测中，该模型用 Terminus 2 Agent 在 Terminal-Bench 2.1 上得分 76.4，用 Meta 偏好的 harness 在 DeepSWE 1.1 上得分 60（xhigh 推理强度）。模型已上线 Modal，以 Shared Endpoint 形式按 token 计费。
- NVIDIA Nemotron 3.5 Super VL 开源，vLLM 首日支持
NVIDIA 发布开源多模态模型 Nemotron 3.5 Super VL，采用 120B 总参数、12B 激活参数的 MoE 架构，支持文本、图像、文档、视频输入，输出为文本。模型面向长时间运行的 Agent，将推理、指令遵循、工具调用与视觉理解合为一体，减少同时部署文本模型和视觉模型的需要。技术上有 C-RADIOv4 视觉编码器、混合 Mamba-Transformer、多 token 预测和 NVFP4 量化。权重已在 Hugging Face 发布 BF16 和 NVFP4 版本，vLLM 提供首日推理支持，可部署在 GB10、B200、B300、H200、2x H100 等平台，并可用 NeMo 做后训练。
- Meta 开源 Muse Spark Open：816B 参数多模态 MoE 模型
Meta 发布开放权重模型 Muse Spark Open，总参数约 816B，每 token 激活约 42B，上下文窗口最高 100 万 token。模型支持文本、图像、音频、视频输入，输出文本，面向 agentic 编码训练，可读取代码库、编写和调试代码、调用工具。架构上共 62 层，每层 256 个专家、每 token 选 8 个，专家占总参数约 97%；提供 BF16 和 NVFP4 两种 checkpoint。Meta 称其为迄今最强的美国开放权重模型，与 8 月发布的小型稠密模型 Muse Glimmer 共用 tokenizer 和聊天模板。
- Black Forest Labs 发布 FLUX.3 Image Klein，支持布局控制
Black Forest Labs 发布 FLUX.3 Image Klein，发布当天即集成进 Diffusers。单一模型同时支持文生图、多参考图生图和布局控制：在提示词中写边界框，指定画面各部分的摆放位置，或参考图中哪些部分需要移动。开放两个 checkpoint：蒸馏版 flux-3-image-klein 默认 16 步、无需 CFG，在 H100 上生成 1024×1024 图像约需 2 秒；基础版 flux-3-image-klein-base 默认 50 步、使用 CFG。NVFP4 和 FP8 权重可通过 from_single_file 加载，以适配较小显存；提供文生图和图像编辑的 LoRA 训练脚本；以 Modular Diffusers pipeline 形式发布，可拆装模块。
- Liquid AI 发布 LFM2.5-24B-A2B 端侧推理模型
Liquid AI 发布 LFM2.5-24B-A2B，24B 参数、每 token 仅激活 2B，是 LFM2.5 系列最大也是最后一款模型。在 8 项 agent 与工具调用基准中 5 项对标 Qwen3.6-35B-A3B，LiveClaw 得分 48.09 对 38.19，AutomationBench 27.69 对 8.72。端侧速度最高为同类 MoE 的 1.7 倍，Apple M5 Max 上 184 tokens/s，单张 NVIDIA B300 上输出可达 21K tokens/s。上下文从 32K 扩至 131K，词表从 65K 扩至 128K，预训练从 17T 扩至 33T tokens。基座与后训练版本均已开源，上线 Hugging Face 与官方 Playground。
Hacker News · AI10/15海外新模型发布56
- Datalab 发布 OmniParseBench：16288 项 OCR 测试
Datalab 发布开源 OCR 评测基准 OmniParseBench，用 16288 项是/否测试覆盖 2343 份文档的 2937 页、92 种语言，数据集与代码公开。它不评模型，而是评测框架，可用 uv pip install omni-parse-bench 安装，需 Python 3.11+，离线打分无需 API key。首发榜单上 Gemini 3.8 Flash 以 92.9 分居首，Datalab 自家的 accurate 模式以 92.7 分第二，前三名差距在 1.3 分以内。每个分数都是通过测试的占比，可按标签切片查看。
- Fish Audio 开源 35B MoE 语音模型 Drama 3
Fish Audio 发布 Drama 3，一个 35B 总参数、每 token 约 3B 激活的 MoE 文本转语音模型，权重已上 Hugging Face 并接入官方 API。模型支持 83 种语言、单次请求最多 16 个说话人，可用括号内的自然语言指令控制语气，如 [barely holding it together]。FP8 推理需至少 48 GB 显存的单张 NVIDIA GPU，不支持 CPU、Apple MPS 和 AMD ROCm。在 Artificial Analysis 发音鲁棒性测试中总体 93.2% 排名第一，其中品牌地名技术词 95.9%，代码路径邮箱等精确序列 86.3% 为最弱项。
- Epic 用 AI 重写游戏启动器，称比 Steam 更快
Epic Games 发布新版 Epic Games Launcher 的公开预览版，称其比现有版本更快、响应更灵敏。Epic 在公告中称"编程很难，所以我们干脆用 vibe coding 重写了一个启动器"。Epic Games Store 总经理 Martin Keely 对 PC Gamer 表示，团队"从零开始"，把 AI 当作编写和审查新功能的工具，采用与旧版不同的技术栈，目标是复刻原有功能而非复用代码。他对 IGN 称，AI 编码让团队效率更高，小团队得以重写代码库并更快跨平台发布，支持 Windows 和 Mac，后续还将推出 Linux 版本。
Ars Technica AI10/15海外模型34
- Google 称 AI 自我改进仍遥不可及
Google DeepMind 工程师 Haydn Belfield 表示，AI 自我加速研究尚无任何可测量的迹象。AI 目前编写超过 75% 的生产代码，但约 88% 的代码改动仍需人工审核，完全交给 AI 的改动比例从 7.5% 升至 11.9%。在 1389 次内部 Argon Agent 运行中，任务越复杂，无人工干预的成功率下降越明显。在包含 74 个真实 ML 工程任务的 RE-Bench 上，Argon 解决约一半，高于 Gemini 3.7 Flash 的 27%。团队构建的通用能力指数（GCI）覆盖 123 个模型和 92 个基准，Gemini 能力以每月约 0.1 分稳定增长，未见加速。该结论与 Hinton、Bengio 等 20 多位研究者关于「智能爆炸」的警告相左。
The Decoder10/15海外模型40
- Apple TV 4K 第四代发布：涨价到 300 美元，仍无音频直通
Apple 发布第四代 Apple TV 4K，取消 64GB Wi-Fi 版，仅保留 128GB 带网口版本，售价涨至 300 美元。新功能包括更强处理器、遥控器支持 Find My、内置远场麦克风用于 Siri、新增 AV1 解码器以提升 Netflix 等应用的流媒体画质，并支持用 HomePod 2 和 HomePod Mini 2 配对组建环绕声。但用户长期期待的音频直通（audio passthrough）和 4K/120Hz 输出仍未提供，作者认为这削弱了其高价合理性。
The Verge AI10/15海外模型28
- Claude Code v2.1.300 发布：新增 advisor 与 mod 钩子
Claude Code 发布 v2.1.300。新增 /advisor 命令（Claude Platform on AWS），需手动选择 advisor 才生效，可用 CLAUDE_CODE_DISABLE_ADVISOR_TOOL=1 关闭。OpenTelemetry api_request 事件新增 cache_creation_5m_tokens 和 cache_creation_1h_tokens，按缓存生命周期拆分写入量；trace span 加入 gen_ai.provider.name 等 GenAI 语义约定属性。mod 系统新增 prompt 装饰虚拟文本、$.ui.view({ agentId }) 查看 agent 记录、Text 的 dir 属性支持从右到左文本，以及 agent.spawn 改写提示词与模型、prompt.change 钩子。
Claude Code 发布10/15海外模型39
- LangChain 开源 Deep Agents：用中间件管理上下文
LangChain 发布开源 harness Deep Agents，用于解决 Agent 长任务中的「上下文腐烂」问题——历史、噪音和工具输出越多，模型准确率和推理能力越差。Deep Agents 通过五种方式把上下文移出活跃窗口：Offloading 将大工具结果和用户消息存入文件系统只给模型预览；Summarization 在接近上下文上限时压缩旧消息；Skills 按需加载任务知识；Subagents 在独立上下文窗口处理噪音任务只回传结果；Long-term memory 将学到的内容存入文件供下次对话使用。文中以竞品分析 Agent 为例说明这些技术的应用。
LangChain10/15海外模型39
- OpenAI 会议室藏录音设备，FBI 逮捕一名工程师
FBI 逮捕了 35 岁的 OpenAI 工程师 Abdulrahman Alfozan，指控其在受限高管会议室安装录音设备。该设备被卫生纸包裹后插在会议室电视背面，疑似于 9 月 28 日放置，OpenAI 两天后（9 月 30 日）才发现，且内容已加密。10 月 5 日 OpenAI 在会议室装摄像头，CCTV 拍到 Alfozan 试图取回设备。该会议室用于讨论技术进展、政府事务和商业合作等高度机密信息，仅限特定权限人员进入。FBI 称聊天机器人日志和监控录像显示其意图窃取商业机密，威胁国家安全。Alfozan 为沙特籍，2020 年成为美国永久居民，在 OpenAI 工作超过一年。
- 研究：LLM 生成的鹈鹕图为何千篇一律
一篇 Hacker News 热帖讨论大语言模型在生成「鹈鹕」等图像时风格高度雷同的现象。帖中引用的 Design Creativity Bench 用 80 个开放式 UI 任务评测 16 个前沿模型，从原创性、创意跨度、适用性三个维度打分，最佳模型 OpenAI GPT-6 Astra 得 65.5 分，人类设计师参考分为 92.3 分。原文正文信息有限，主要围绕该基准与鹈鹕图像同质化现象展开。
Hacker News · AI10/15海外模型50
- 微软发布 Xbox Nano 手柄，售价 49.99 美元
微软正式发布 Xbox Nano 手柄，售价 49.99 美元，今日开启预售，11 月发货。这是微软最小的手柄，长度略超 5 英寸，比多数智能手机更短，面向年轻玩家、手小用户和便携场景。它保留标准 Xbox 手柄的全部按键，支持 Xbox Wireless 和蓝牙，可连接 Xbox 主机、手机、平板和 PC，内置可充电电池，无需 AA 电池或额外充电包，并新增可编程 Action Button，可自定义截图、录制游戏等快捷操作。此前泄露版本中疑似用于显示云或主机连接状态的小屏幕，未出现在最终量产版中。
- OpenAI 年底前或发布一两款新模型，旗舰仍需对齐
据 The Information 报道，OpenAI 员工称年底前可能发布「一到两款新模型」，但尚不清楚正在开发的「重大升级模型」是否在其中。该旗舰模型仍需对齐工作，且测试基础设施尚未就绪。它采用与 Astra 相同的循环 Transformer 技术（内部称 Recurrent Depth），可提升数学和编码表现并降低成本，但会把部分「思考」移入人类无法审查的内部数值表示，削弱思维链监控。OpenAI 已刻意限制 Astra 的循环次数以保持思维链可读。此外，按特朗普行政令，OpenAI 同意在模型向外部伙伴开放前最多 30 天、公开发布前更早向美国政府提供访问权限。
- Ai2 发布 HiRO-ACEv2：3 公里极端天气模拟成本降至 1/300
Allen AI2 发布气候模拟系统 HiRO-ACEv2，可生成全球 3 公里分辨率气候数据，成本约为高分辨率大气模型 X-SHiELD 的 1/300。核心更新是降尺度模型 HiROv2：可同时预测多个高分辨率场（不再只做降雨），对最极端雨、风、气压值的还原能力提升，在给定粗化的 X-SHiELD 数据时，与目标模拟的高分辨率统计量误差在 3% 以内，即使百万分之一的罕见事件也适用。它还能估算热带气旋总能量，生成有眼和雨带结构的飓风，但眼周风压分布仍比 X-SHiELD 略不对称。团队同时更新了 ACE，10 年模拟的飓风、气候平均态和降水风压分布与 X-SHiELD 吻合。
- TechCrunch Disrupt 2026 门票半价，OpenAI 将谈 Dots 智能体
TechCrunch Disrupt 2026 进入最后两天（10 月 14-15 日，旧金山 Moscone West），所有票种五折：Founder Pass 550 美元、Attendee Pass 525 美元、Investor Pass 600 美元，非营利 250 美元、学生 200 美元、Expo+ 175 美元。议程包括两个 AI 主舞台，OpenAI 企业产品负责人 Alexander Embiricos 将介绍其 Dots 智能体的发布，Anthropic、Hugging Face、Clay 等公司负责人也将出席；另有 320 多家参展商、Startup Battlefield 200 路演赛及多场周边活动。
TechCrunch AI10/14海外模型22
- Booking Holdings 推出 AI 旅行初创公司 Vayo，计划投资 1 亿美元
Booking Holdings 在西雅图成立旅行初创公司 Vayo，由连续创业者 Mike Fridgen 领导，计划投入 1 亿美元。Vayo 用 AI agent 追踪预订确认、价格下降等信息。原文信息有限，未披露产品上线时间和具体功能细节。
Techmeme10/14海外模型30
- Artemis 发布安全专用模型 Orion-1，称攻击重建得分超 GPT-6 Sol
美国初创公司 Artemis Security 推出安全专用模型 Orion-1，可自主调查并响应企业网络攻击。在公司自建基准 DGR 上，Orion-1 攻击重建任务得分 80.8，高于次优模型 GPT-6 Sol 的 58.3；对比模型还包括 Claude Opus 5.5、Grok 4.7 和 Kimi K3。Orion-1 处理认证服务、云环境、终端、SaaS 应用和网络设备的日志，将账号登录、新云权限、新建邮箱规则等信号关联到同一攻击者，给出置信度、结论和响应建议。Artemis 称训练未使用客户数据，但未说明是否基于其他厂商的现有模型微调。该模型已在 Artemis 平台面向部分客户私密预览，高影响操作默认需人工批准。
- 亚马逊 Alexa Tablet 12 Pro 评测：屏幕出色，但 Alexa Plus 表现不佳
The Verge 评测亚马逊新款 Alexa Tablet 12 Pro，售价 549.99 美元，配备 12 英寸 2800 x 1840 屏幕，采用与康宁合作开发的 Nanomatte 防眩光技术，可减少反光且不产生彩虹纹。该平板可运行 Play Store 全部 Android 应用，但预装大量亚马逊臃肿软件，Alexa Plus 助手表现不佳，部分规格平庸。评测者认为屏幕观感出色，但并非显示技术革命。
- Agent 的计划不等于授权：用意图驱动权限控制
DEV Community 文章指出，编码 Agent 的 API key 和 token 通常不携带任务意图、委派者等信息，导致权限与任务脱节。作者提出「意图驱动授权」：每次访问请求都要对照触发者身份、Agent 被赋予的用途和组织策略来判定。例如客服 Agent 即使工具能触达 HR 记录，也不应获得访问权。调查支付服务故障时，编排器提出调查、授权服务评估后只授予该服务前一小时日志的读取权限；Agent 发现新线索需追加权限时，运行时先阻断请求，由策略自动放行或转人工审批。子 Agent 委派时只能收窄权限、不能扩大，并保留任务上下文和传递记录。授权还需区分可信上下文与不可信内容——告警来源可信，不代表告警里的日志行可以授权访问其他系统。
- 彭博架构师提出「多人 AI」：9000 名工程师与 Agent 共享上下文协作
彭博 CTO 办公室架构与新兴技术负责人 Andrey Rybka 提出企业 AI 演进的四阶段模型：ChatGPT 式提示、连接器与 MCP、编码化 Agent 框架、多人 AI。他指出，在彭博 45 年技术体系、9000 多名软件工程师维护的大型 JavaScript 代码库中，单纯提升写代码速度已触及天花板，最终形态是人类设定方向、Agent 在共享上下文中协作执行与验证。他主张用「多模型套利」和 Agent 层级结构替代单一前沿模型：由「幕僚长」监督 Agent 统筹，配合对抗性 Agent 审计输出，按规划、执行、对抗测试等阶段分别匹配最优模型，在提升性能的同时控制成本。
- 开发者与 Google AI Mode 争论，逼其收回「课程是 AI 生成」的判断
一名开发者在用 Google AI Mode 审阅自己写的 ESP32 课程时，AI 先给出正面评价，随后在「硬件中断」一章突然判定课程为 AI 生成。作者指出自己从未用 AI 写课，并给出 GitHub 仓库 effessdev/esp-idf-examples 作为每个项目均手工在 ESP32 上测试的证据，还提到曾整章重写。持续追问后，AI 改口称内容「像真人踩过坑」，并道歉。作者最终删除了那条被 AI 引用的评论。