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
- DLSS 5 下月首发《霍格沃茨之遗》，面部改动明显收敛
Nvidia 公布 DLSS 5 新对比截图，此前被批「AI 换脸」的面部改动已大幅收敛，青少年角色不再显老。DLSS 5 将于 11 月 5 日随《霍格沃茨之遗》正式上线，月底登陆《燕云十六声》。10 月更新把模型参数缩减 24% 至约 1.18 亿，4K 显存占用降 20%，在 RTX 50 系 GPU 上速度翻倍，新模型 10 月 16 日先在 NBA 2K27 首发并成为后续 DLSS 5 游戏默认版本。Nvidia app 测试版同步为 RTX 40/50 系帧生成加入性能模式，最高提速 35%，官方称画质有轻微妥协。
The Verge AI10/13海外模型34
- 苹果发布新款 Apple TV 4K，搭载 A19 芯片售价 299 美元
苹果推出四年来首款新 Apple TV 4K，11 月 13 日开售，售价 299 美元，是 2022 款首发价的两倍。新机搭载 A19 芯片（2022 款为 A15 Bionic），无线连接更好，Siri AI 以 beta 形式在第二代及更新机型上运行，查找功能支持第二代 Siri 遥控器及更新版本。目前仅苹果官网可预订。2022 款翻新版售价 209 美元。
- 苹果发布 HomeView 智能屏与新款 HomePod mini升温
苹果在智能家居活动上发布 HomeView 设备，配备方形屏幕，支持人脸识别、最多 6 名用户、类 iPhone 个性化体验和 Siri AI，生态封闭。同时更新 HomePod mini，售价 149 美元，比 2020 年初代贵 50 美元，搭载 S10 芯片，改善动态范围、响度和声学表现，支持语音控制智能家居、烟雾报警声检测并推送手机通知，Siri AI 多轮对话上线时间未公布。新款可与 Apple TV 4K 组成四扬声器家庭娱乐系统，也可作为 Mac 默认扬声器。新增 Sound Glow 视觉画布，随专辑封面配色发光脉动。10 月 30 日开售，今日开启预售。
TechCrunch AI10/13海外模型3 个信源68
- 苹果发布新款 Apple TV 4K，支持 Siri AI 免遥控语音
苹果发布售价 299 美元的新款 Apple TV 4K，搭载升级版 A19 芯片，集成新版 Siri AI 用于内容发现。硬件上新增三个远场麦克风，用户无需遥控器或 HomePod 即可直接与 Siri 对话。遥控器新增小型扬声器，便于寻找。用户可通过 Siri 提问搜索内容，如「今年艾美奖有哪些 Apple TV 剧集获奖」。该设备距上一代发布已四年，今日开启预售，11 月 13 日发售。
TechCrunch AI10/13海外模型30
- 新款 Apple TV 4K 内置麦克风，支持 Siri AI
Apple 发布第四代 Apple TV 4K，售价 299 美元，是上一代首发价的两倍多，比现款顶配贵 50 美元。新机首次支持 Siri AI 语音助手，配备远场麦克风可免提对话，遥控器内置 Find My。搭载 iPhone 17 同款 A19 芯片，存储 128GB，支持 Wi-Fi 7 和蓝牙 6，11 月 13 日发售，10 月 13 日开启预售。Siri AI 以测试版形式在美英加澳等 8 个英语国家上线，回答以屏幕文字呈现而非语音播报，并可通过 iPhone 的 Apple Intelligence 调用个人上下文，例如"播放朋友发我的那部剧"。新机还支持最多四只 HomePod 组成环绕声。
- 苹果发布 299 美元智能屏 HomeView，11 月 13 日发货升温
苹果在「Welcome Home」活动上发布智能家居中控 HomeView：7 英寸方形屏，售价 299 美元，分壁挂版和带音箱底座版两种形态。功能包括智能家居控制、Siri AI 信息查询、视频通话、查看 HomeKit Secure Video 摄像头画面，同时是 Matter 控制器和 Thread 边界路由器。今日开启预售，有银、星光、玫瑰粉、深空灰四色，11 月 13 日发货。此前彭博社报道苹果原计划 2024 年随 Siri AI 升级推出该设备，因 Siri 延期而推迟。
- 阿里发布新一代 Qwen Glasses N1，约 450 美元起
阿里巴巴发布新一代智能眼镜 Qwen Glasses N1，起售价约 450 美元，Pro 版约 520 美元，配备 5000 万像素摄像头、传感器和眼球追踪功能。同时发布 Qwen Clip AI 耳机。原文信息有限，具体参数与上市时间未披露。
- MIT 探讨开源模型利弊：GLM-5.3 被指存网络攻击风险
Anthropic 发布报告称，中国公司 Z.ai 于 8 月发布的模型 GLM-5.3 可被任何人自由下载和修改，构成重大网络攻击风险。围绕开源与闭源模型的争论持续升温：Nvidia CEO 黄仁勋主张美国发展更多开源模型，Anthropic 的 Dario Amodei 则主张更谨慎。目前闭源模型能力仍强于开源，Artificial Analysis 榜单前八名均为闭源，但开源模型仅落后数月。
MIT Technology Review10/13海外模型37
- Z.ai 发布法律模型 GLM-Legal，Harvey LAB 通过率 19.17%
Z.ai 发布法律专用模型 GLM-Legal，基于 GLM-5.3-Flash（320B 总参数、18B 激活 MoE，1M 上下文），面向合同审查、证据分析和合规研究。在 Harvey LAB 基准上全通过率 19.17%，排名 79 个模型中的第 7，比基座模型的 6.67% 提升约 3 倍，独立评测方复现了该结果。单次测试成本 0.15 美元，约为 Claude Fable 5 的 1/128。但 API 目前仅限申请使用，无公开权重，无定价，单任务耗时约 1 小时 12 分；在法律研究基准上得分 41.83%，低于自身基座模型的 45.19%。
MarkTechPost10/13海外新模型发布40
- 研究：AI 模型可加密隐藏任意能力，审计方法失效
一篇被 NeurIPS 2026 接收的论文提出，可在模型权重中嵌入加密神经网络，只有收到秘密触发信号时才解密执行。作者用数字储物柜（digital locker）构造后门，在密码学假设下，即使拿到完整权重也难以诱导或解释这些隐藏电路，把此前只能隐藏固定字符串的工作扩展到任意计算。他们在 PyTorch 中实现概念验证，并在一个小型化学反应预测任务（CBRN 相关能力的代理）上测试了微调、权重加噪、基于梯度的触发搜索和潜在对抗训练四种诱导方法，均未能成功。作者认为这揭示了基于诱导的能力审计存在根本局限，并公开了模型以支持防御研究。
Hacker News · AI10/13海外模型54
- SolidCraft：Rust 开源参数化 CAD，内置 MCP 支持
SolidCraft 是一个用纯 Rust 编写的开源参数化 3D CAD 应用，支持草图、约束和参数化特征时间线，改一个尺寸模型即重建。可运行在桌面、浏览器，并可通过内置 MCP 服务器让 AI Agent 建模。官方称 76 个公开参考零件中 75 个的体积、面积、质心与包围盒与解析解或 FreeCAD 计算结果一致，另一个是已知 bug。提供 Windows、macOS、Linux（AppImage/deb/rpm/Flatpak/Snap）及 ARM64 版本，也可在浏览器直接试用。项目自述处于早期阶段，简单零件可用，下载尚未签名。
Hacker News Show10/13海外模型46
- 本地 LLM 能否替代 Claude Code：SWE-bench 不是对的基准
作者实测用本地模型驱动 Claude Code 和 Codex 后指出，SWE-bench Verified 只衡量「给定 bug 产出正确补丁」这类写作任务，无法反映真实代理场景的四个关键问题：工具调用格式是否稳定可解析、长程任务第 11 次调用是否还记得第 2 次的计划、40K token 真实仓库上下文下质量是否崩塌、指令遵循是否可靠。2026 年两个变化让本地方案可行：MoE 架构（如 Qwen 35B-A3B 每 token 仅激活约 3B）把显存门槛降到消费级 GPU，Ollama 于 2026 年 1 月原生支持 Anthropic Messages API，Claude Code 无需代理即可直连 localhost。原文信息有限，未给出完整测试数据。
DEV Community · AI10/13海外模型41
- Epic 与迪士尼合作游戏延期，转向 AI 全权写代码升温
Epic Games 在与迪士尼合作的射击游戏项目中推行「AI first」开发模式，要求开发者不再手写代码，代码与美术资产全部由 Claude 等模型生成，人类只负责管理和引导。该项目为 2024 年初宣布的 15 亿美元合作，原定 2027 年 3 月推出漫威与星战主题射击游戏，现因 AI 转型及人手不足、进度慢于预期而无限期延期。
- Meta 发布 Muse Wonder 系列模型，进入第一梯队
Meta 发布前沿模型 Muse Wonder 的两个版本，均进入顶级模型行列。Muse Wonder Full 在 Artificial Analysis 智能指数 v4.3 上得 56 分，Muse Wonder 得 52 分，前代 Muse Spark 1.3 为 48 分。Agent 评测提升最大，Terminal-Bench 4.0 从 33% 升至 57%。编码能力显著增强，Muse Wonder Full 在 Coding Agents Index 得 68 分，与 Claude Code 的 Sonnet 5.5 持平。但事实知识仍是短板，AA-Omniscience 测试仅 30 分，落后于 Claude Opus 5.5（46）、GPT-6 Astra（43）和 Gemini 4 Argon（42）。幻觉率从 33% 降至 23%。
The Decoder10/13海外新模型发布39
- 用 llamadart 在本地做嵌入：Llama Village 的信息共享机制
开发者用 llamadart 在本地运行 EmbeddingGemma，为虚拟世界 Llama Village 实现信息共享判定：把角色台词和事实分别转成向量，用余弦相似度比较，取每条事实与说话者台词的最高分，再决定听者是否获得该信息。文中以「Pip 的红围巾在池塘芦苇里」为例，说明措辞不同但语义相近的句子也能匹配。作者提醒相似度不是真假或蕴含的判定，且 Google 模型卡建议新应用使用任务特定前缀，改格式需重新评估阈值。
- Meta 发布首个前沿模型 Muse Wonder
Meta 超级智能实验室发布 Muse Wonder 和 Muse Wonder Full 两款模型，这是 Meta 首次推出前沿模型。据模型卡测试，两款模型基准分数与 Fable 5.1、GPT-6 Astra 相当，在编码等复杂任务上表现更好。定价方面，通过 Meta Model API 调用 Wonder 为每百万输入 token 4 美元、每百万输出 token 20 美元，与 GPT-6 Sol 或 Opus 5.5 成本大致相当。Wonder Full 仅向 Muse Code 订阅用户开放，不走 API。两款模型都将用于驱动 Muse agent。Meta 强调其「主动记忆」能力，称 Wonder 在 MemoryBench 上得分高于 Fable、Opus 和 Astra。模型在俄亥俄州 Prometheus 数据中心训练。
- Meta 发布 Muse Wonder 与 Muse Wonder Full 两款新模型
Meta 推出两款新模型 Muse Wonder 和 Muse Wonder Full，即日起面向 Muse Code 订阅用户开放，Wonder 还可通过 Meta Model API 调用。Meta 称内部基准测试显示，这两款模型可对标 OpenAI 的 GPT-6 Astra、Anthropic 的 Claude Opus 5.5 和 Claude Fable 5.1，但与 Google Gemini 4 Argon 的对比尚不明确。Meta 计划未来用 Wonder 驱动其 Muse AI Agent，先从订阅用户开始，但未公布具体方案和时间表。这是 Meta 重组 Superintelligence Labs 后，继 Muse Spark 和 Muse Agent 之后的又一次模型发布。
- 小岛秀夫 P.T. 被移植到 PC，用原版 PS4 文件重建
开发者 Lorean Xavier 发布开源工具「P.T. for PC」，可将原版 PS4 游戏文件构建为可运行的 x86 PC 可执行程序。该项目用 C++ 和 Vulkan 重建 P.T. 引擎，还原全部关卡、模型、贴图、音效、脚本和过场动画。玩家需自备合法解密的原版 P.T. 文件才能生成可玩版本。相比此前爱好者复刻，该移植更忠实原版，并新增超分辨率、帧生成、相机模式、实验性第三人称与 VR 支持，以及可查看和试听游戏素材（含未使用内容）的「博物馆」板块。
Ars Technica AI10/13海外模型22
- Google 发布 Fitbit Edge，售价 179.99 美元
Google 推出 Fitbit Edge 智能手环，定位介于 Fitbit Air 和 Pixel Watch 之间，售价 179.99 美元。配备 OLED 显示屏，可查看地图导航、通知、天气和音乐控制。搭载由 Gemini 驱动的 Google Health Coach（需订阅 Google Health Premium）和 Health Guardian 健康监测功能。可自动识别并记录最多 100 种活动，支持 50 多种运动模式。内置 GPS 精度比上代提升 40%，睡眠阶段检测精度提升 15%。续航最长 7 天，防水 50 米。10 月 27 日开售，另有 Stephen Curry 特别版售价 219.99 美元。
- Ultrahuman 与阿布扎比合作开发生物学年龄模型
印度智能戒指厂商 Ultrahuman 与阿布扎比公共卫生中心签署为期两年的谅解备忘录，共同开发和验证一个生物学年龄模型，结合临床生物标志物与可穿戴设备数据，评估个体衰老速度。该模型将兼容戒指、腕戴设备、绑带和贴片等多种形态，未来计划通过 TAMM、Sahatna 等政府数字健康平台向阿联酋全国居民开放。Ultrahuman 目前全球售出约 80 万枚智能戒指，阿联酋是其前十大市场之一，贡献约 4% 至 5% 营收，当地用户留存率比其他市场高约 25%。
- Googlebook 上手一周：Android 是最大亮点也是最大问题
The Verge 记者使用搭载 Android 的新款 Googlebook 笔记本一周后表示，体验好坏都源于 Android。优点是可直接使用原生 Android 应用、在笔记本上查看手机通知；问题是手机互联不稳定、应用投屏别扭、文件共享几乎不可用。配对需在两台设备上反复开关跨设备设置并多次重启，切换 Wi-Fi 后需重启笔记本才能恢复连接，且必须处于同一 Wi-Fi 并开启蓝牙。作者测试的华硕和惠普机型中，华硕仅能识别一台 Oppo 手机，惠普在两台手机间跳转，Pixel 11 Pro Fold 多日无法连接。
- 五款 AI 网关对比：Bifrost、Cloudflare、Vercel、LiteLLM、OpenRouter
文章对比了 5 款 AI 网关：开源可自部署的 Bifrost（含路由、故障转移、治理、可观测性及 MCP/Agent 功能）、运行在 Cloudflare 边缘的 Cloudflare AI Gateway（支持跨供应商路由、分析、缓存、重试）、主打快速集成的托管方案 Vercel AI Gateway、Python 编写、提供 OpenAI 风格接口的 LiteLLM，以及托管 API 网关 OpenRouter。对比维度包括速度、供应商覆盖、可靠性、路由、日志追踪、成本限制和部署方式。原文未给出具体性能或价格数字。
- 开发者用 Gemma 做断电提醒工具：笔记本切电池 30 秒就弹全屏拉伸页
尼日利亚开发者发布开源项目 Light don go：笔记本切换到电池供电超过 30 秒后，自动弹出全屏页面，用 Gemma 生成一条活动建议（如出门拉伸、去小卖部买冷饮），配 60 秒计时器和关闭按钮，同一轮断电内不再重复弹出。页面完全离线运行，不加载 CDN 和网络字体。日志显示 10 月 8 日至 9 日记录到多次真实断电，其中一次 Gemma 超时后使用兜底文案。项目面向尼日利亚、南非、印度、巴基斯坦等经常停电地区的笔记本工作者。
- TII 发布 Falcon-ASR：1.6B 阿拉伯语语音模型，平均 WER 20.92%
阿布扎比技术创新研究院（TII）发布 Falcon-ASR，一个 1.6B 参数的阿拉伯语语音识别模型，重点覆盖阿联酋方言，同时支持英语、法语、西班牙语和葡萄牙语，五种语言共用一套权重，无需指定语言标记，并输出词级时间戳。在 TII 的评测中，该模型在 6 个阿拉伯语测试集上平均词错误率 20.92%，比榜单上最好的已发布结果低 2.25 个百分点（Audar-ASR-V1-Turbo 为 23.17%）。目前仅提供 Hugging Face 托管演示，未公布权重、许可证和 API，所有分数均为自报。
- Atticus：macOS 语音助手，用 Claude 订阅额度操控电脑
开源项目 Atticus 在 Hacker News 发布，是一款 macOS 按住说话的语音助手，通过 claude -p 调用用户已有的 Claude Pro 或 Max 订阅，无需 API key。可移动窗口、查找文件、读取屏幕、在任意应用中输入文字。常用操作会学习成快捷键，跳过 AI 直接执行，打开应用仅 0.08 秒；「打开计算器和国际象棋」从 5.5 秒降到 0.4 秒。语音转文字用 Apple 本地能力，音频不出 Mac。默认安全模式在 Claude Code 沙箱中运行，删除、发送、购买前会先询问，rm、sudo 等命令始终屏蔽。每次请求约消耗 0.14 美分订阅额度。
- Modal 推出 Endpoint Candidates，可灰度测试推理端点
Modal 发布 Endpoint Candidates 功能，允许为 Dedicated Endpoint 部署候选版本，镜像一部分生产流量做评估，再一键提升为生产。候选可选用 Modal 目录中的开源模型，或从 Hugging Face、Modal Volume 导入自有权重。生产端点继续处理全部原始请求并返回用户看到的响应，候选端点有独立 URL，可跑现有评测看输出质量，仪表盘可查看延迟、吞吐等指标并做压测。底层用基于 Pingora 的代理把请求流分叉到各候选的独立有界缓冲区，缓冲区满则取消该镜像请求，不影响生产；同时限制每个代理进程为镜像保留的请求体总量。该功能已对所有 Modal workspace 开放，按标准计算价格计费，含镜像请求消耗的算力。
Modal10/12海外模型37
- vLLM 发布 Decision 3.0 决策模型，最小 0.85B 起
vLLM Semantic Router 团队发布 Decision 3.0 系列多模态决策模型，共 5 个尺寸（0.85B 到 26.09B），全部采用 Apache-2.0 许可。模型基于 Qwen 微调，可读取文本、JSON 和图片，直接返回概率而非生成文本，用于分类、路由和请求门控。内部评测中，27B 的 d3 在文本榜得 64.1，视觉榜 71.6；9B 的 d3-flash 文本得 59.0，超过上一代 27B 的 55.9。文档抽取 KIE 最高 97.7，R-Bench-M 最低 34.1。延迟在单张 AMD Instinct MI325X 上测得，未公布上下文长度和量化版本。
- 格鲁吉亚语基准测试：OpenAI 与 Anthropic 模型对比
开发者 George Kobaidze 在 Kaggle 基准测试挑战中，对 OpenAI 和 Anthropic 的模型进行了格鲁吉亚语理解与生成能力的对比测试。测试涵盖五项任务，发现模型在理解格鲁吉亚语上已基本解决，但生成能力仍有不足；数字处理是最大难点；Claude 处理格鲁吉亚语消耗的 token 更多；廉价模型也能表现智能。原文还包含成本、仪表盘和局限性等细节。
- README Clew 2：用 Jev 模型检测 README 与代码是否一致
开发者 earlgreyhot1701D 用 5 天时间、借助 SylphAI 的编码 Agent AdaL 做出 README Clew 2，用于检查公开 GitHub 仓库的 README 是否与代码相符，目前支持 JavaScript 和 TypeScript 仓库。工具流程为：小型决策模型 Jev 给 README 每一行打标签，5 项固定代码检查判定真假，Claude Haiku 生成总结，输出逐行对应的证据、状态徽章和 JSON 导出。作者称首个真实测试用的是自己的旧仓库，结果判断出错。该项目为 AdaL 的「What Would Jev Do?」黑客松作品。
- Anthropic 研究：小模型或数月内可在 IoT 设备自我复制
Anthropic 实验显示，30B 参数以下模型已能完成自我复制的多数单步操作，但端到端组合时仍会出错；在简化评测中 GLM-5.2 及更强模型可完成端到端复制。9B 模型在 9 种测试硬件中的 8 种上跑通推理。研究者用 15 台约 55 美元的杂牌 Android TV 盒子组网，分布式运行 Gemma4-26B-A4B，速度 0.39 token/秒。若小模型按历史速度提升，今年底可达到端到端复制能力，随后可能出现基于权重的复制体。此类复制体无中心节点可关停，倍增时间以天计，且能自行适配陌生设备。
Anthropic 研究10/12海外模型2 个信源74