模型
全球大模型的发布、更新、开源、价格变化和评测动态。
共 2081 条
- Cohere 发布 Rerank 5：支持段落级定位与可校准分数
Cohere 发布 Rerank 5 重排序模型，分 Pro 和 Fast 两档，支持 32K 上下文、100 多种语言，可对 JSON、表格、YAML 等半结构化数据重排，升级无需重建索引。新增 Context Focus 功能，返回文档内相关段落的字符区间；在 30 个 QA 数据集测试中，删掉一半检索文本仍保留 96% 的答案质量。分数改为可校准概率，ECE 约 0.06，低于 Voyage AI Rerank 3 的 0.234。Pro 在 Cohere 自评的 46 个数据集中 39 个排名第一，BRIGHT 得分 82.2；但每 96 篇文档请求的中位延迟为 11.7 秒，Fast 为 4.1 秒。
MarkTechPost10/23海外新模型发布38
- Datalab 开源文档解析基准 OmniParseBench：2.9 万页 1.6 万项测试
Datalab 发布开源文档解析基准 OmniParseBench，用 16,288 项通过/失败小测试评测解析器输出，覆盖 2,937 页文档，包括扫描表单、手写体、arXiv 数学公式和密集表格。作者基于 Datalab 公布的 27 个解析器判定结果重建排行榜，并自行在 50 页样本上运行 Tesseract 和 Indra OCR。发现：排名前两位的解析器在统计上并列，多数文档切片下榜首会变化，且发布时公布的一项数字与公开文件不符。原文为教程，含完整代码。
- Allen AI 发布 OlmoEarth v1.3 卫星嵌入模型，覆盖全球
Allen AI 发布 OlmoEarth v1.3 卫星嵌入模型，并公开全球预计算嵌入：10 米分辨率，提供 64 维和 128 维两种版本。模型读取 Sentinel-1 雷达与 Sentinel-2、Landsat 多光谱数据，为每个 10 米像素生成一个 128 维向量。在 27 项评测中，128 维版本在 20 项得分最高，64 维版本在 18 项领先，对比对象为 AlphaEarth Foundations 和 Tessera v2。模型权重、预训练数据和代码全部开源，并配套无需登录的浏览器工具 Embeddings Explorer。
Hugging Face 博客10/23海外新模型发布43
- Congrats to the Sanity Challenge Winners!
DEV Community · AI10/22海外模型29
- 特斯拉 Cybercab 下月进达拉斯，年底向车队客户开售
特斯拉 CFO Vaibhav Taneja 在第三季度财报电话会上称，Cybercab 将于下月在达拉斯启动运营，年底前扩展到更多城市，并开始向车队运营商销售。特斯拉目前已在达拉斯、休斯顿及佛州三城投放小规模 Model Y robotaxi。相比之下，Waymo 在美国十余个城市部署了超过 4000 辆 robotaxi。特斯拉未披露 robotaxi 业务收入，并将股东信中「累计付费 robotaxi 里程」图表改为「累计无人监督里程」，该指标不再区分车上是否有付费乘客。马斯克称该业务到 2027 年第二季度才会在财报中体现，2027 年第三或第四季度才可能成为重要业务。
TechCrunch AI10/22海外模型34
- 华为官网公布乾崑智驾 ADS 5 各版本配置能力差异，Max 独占漫游巡航辅助 RCA、车位到车位等功能
IT之家10/22国内模型33
- AI把整个软件生态打成筛子，全栈开发者的至暗时刻
InfoQ 中国10/22国内模型33
- Spotify 确认收紧家庭套餐共享，改用二维码验证
Spotify 在第三季度财报电话会上确认正在打击家庭套餐共享，称这是对现有验证工具的「常规改进」。新方法是二维码验证：家庭套餐成员会收到通知，需在 7 天内用自己手机扫描套餐管理者手机上的二维码，以证明同住。若错过验证窗口，用户 12 个月内无法加入其他家庭或双人套餐，只能转为自费的个人套餐。Spotify 联合 CEO Alex Norström 称家庭套餐已存在约 12 至 13 年，占订阅用户相当比例，验证方式需要持续改进，没有终点。
- LlamaIndex 发布 4B 文档解析模型 OCRia-1
LlamaIndex 推出 OCRia-1，一个 40 亿参数的视觉语言模型，主打文档解析。在 ParseBench 上综合得分 87.4，比第二名高 12.1 分，是 350 亿参数以下解析模型的最高分。在表格评测中，olmOCR-bench 得 92.9、PulseBench-Tab 得 84.1、fr-bench-pdf2md 得 72.1，均排名第一。官方称其在准确率、成本和延迟三方面同时领先，重点优化了嵌套表头、合并单元格和不规则网格的重建，面向金融报表、保险单据等场景。
LlamaIndex10/22海外新模型发布40
- Anthropic 推出 Claude Duet，面向专业用户的 Agent 应用
Anthropic 发布 Agent 应用 Claude Duet，面向专业人士和小企业，用于自动化和管理任务。它基于 Claude Opus 5.5 模型，可生成每日简报、创建仪表盘、根据用户数据建议行动，并通过独立虚拟机在后台执行任务，需要时请求用户批准。Duet 可接入 Claude Marketplace 的 6000 多个连接器和插件，能通过 Stripe Link 或 Shopify Shop Pay 代用户在线购物，但支付等敏感步骤需用户确认，且不涉及证券交易和账户间转账。Anthropic 同时上线分类器，默认拒绝信用卡号、政府证件等敏感信息请求。目前以研究预览形式在 iOS、Android 和 Claude.ai 上线，Pro 和 Max 用户需加入等待名单。
- Atari VCS 软件商店将于 2027 年 2 月关闭
Atari 宣布，Atari VCS 的软件商店将于 2027 年 2 月 1 日关闭。用户可在 2027 年 1 月 31 日前继续通过官方商店下载软件；此前已下载的应用和游戏在商店关闭后仍可使用。Atari 表示，商店关闭后将提供系统更新，把全部功能迁移到本地机器，移除对 Atari 认证和软件基础设施的依赖；同时计划推出 Atari Home Brew 应用，让用户继续添加第三方开发者分享的新游戏。VCS 是一款基于 Linux、采用 AMD 芯片的迷你主机，可模拟预装的经典 Atari 游戏。
The Verge AI10/22海外模型19
- GitHub 通过 AI 辅助重构，将 Copilot 运行时迁移至 Rust
- 腾讯张军：已有超过 10 万名老师申领 WorkBuddy 教育公益版，覆盖全国 1467 个城市 4.5 万所学校
- LangSmith 推出 LLM Gateway 公测版，为 Agent 提供运行时管控
LangChain 宣布 LangSmith LLM Gateway 进入公开测试。该网关位于 Agent 与模型之间，统一执行运行时管控，避免成本超支和故障。支持按组织、工作区、API key、用户四个层级设置限时花费上限并追踪支出，超限时 Agent 收到 402 响应；同样四级可设速率限制；还支持模型回退和敏感数据处理。多租户场景下，可通过自定义请求头识别终端客户，在共用一把 API key 的情况下为每个客户单独设花费和速率上限。
LangChain10/22海外模型37
- 比亚迪第三代唐预扣提车价曝光：后驱激光尊荣型 22.5 万元，四季度上市
- 小鹏 IRON 人形机器人能力升级：每 0.2 秒重新推理一次，可预测 6 秒内动作变化
- Modal 开源 Spindle：兼容 Tinker 的训练服务器
Modal 发布开源训练服务器 Spindle，兼容 Thinking Machines 的 Tinker 接口，运行在用户自己的 Modal workspace 中。用户按 GPU 时间付费，而非按 token 付费，并可自行修改服务端。Spindle 支持全参数训练和多 LoRA，覆盖多种开源模型，可同时运行数百个训练任务。Modal 称，相比闭源 API，Spindle 在相似性能下成本显著降低。部署只需一条命令。Modal 同时提供训练库 Dojo 和底层集群原语，Spindle 位于两者之间。
Modal10/22海外模型40
- Symantec 发现自主攻击 AI Agent，劫持未防护模型挖矿窃密
Symantec 安全研究人员发现一个攻击性 AI Agent，会劫持互联网上未受保护的语言模型，自主发起攻击，被劫持模型的拥有者承担算力账单。该 Agent 获得模型访问权后，会扫描更多目标、利用常见服务器软件漏洞、窃取数据库和凭证，并在后台安装挖矿程序，全程无需人工介入，可持续多达 10 万步。Symantec 称其为「LLMjacking」。事件因攻击者把完整工作提示词发到 Symantec 的蜜罐而暴露，蜜罐记录到来自数万个地址的逾 12.7 万次请求。攻击者还用五层越狱提示词试图绕过商业模型的安全护栏，并内置 74 个攻击工具模块。
The Decoder10/22海外模型39
- 深度解读全球 72 小时安全风暴：PHP 事件只是第一枪
雷峰网10/22国内模型30
- 任天堂 Switch 2 软件破解方案 ns2jb 发布，可修改《马力欧卡丁车 世界》
- 7.98 万元起：一汽-大众捷达 M6 上市，地平线征程 6M 辅助驾驶
- Celonis 首席科学家：企业 AI 需要业务上下文层
MIT Technology Review 的 Business Lab 播客中，Celonis 企业 AI 首席科学家 Devavrat Shah 提出「决策智能」概念：AI Agent 能支持单个任务，但若不了解任务在决策流程中的角色和业务约束，就会遗漏关键限制、做出代价高昂的错误决策或消耗过多算力。他建议企业先把 AI 接入现有流程和数据，建立上下文层，让 Agent 在设定的边界内运行并输出可人工审核的建议；落地时从某个具体业务决策入手，找出其中最难的环节测试 AI 能否改善，再用速度和价值增益判断是否扩大规模。该期节目由 Celonis 合作制作。
MIT Technology Review10/22海外模型32
- 华硕破晓 Air 轻薄商务本体验：第三代英特尔酷睿一体化机身质感精良，性能能效出众
- 米哈游联合清华北大等高校发布开源 GameScaling 游戏模型，覆盖 0.8B 至 27B 参数规模
- Accio成双11商家生意加速器：蓄水期缩短半个月、15分钟全网爆款调优
- Update, things are coming together.
- AI 推理的隐性存储账单：8 秒视频留下 500MB 后端数据
MIT Technology Review 指出，AI 基础设施成本讨论长期聚焦 GPU，而推理产生的后端数据存储成本被忽视。西部数据（WD）内部测量显示，一段 8 秒视频返回给用户的是 3.97MB 的 720p 文件，但后端留下超过 500MB 关联数据，包括日志、缓存上下文、即时渲染、备份和安全记录，是用户所见文件体积的 130 倍。麦肯锡预测，到 2030 年 AI 推理需求年复合增长 35%，训练为 22%，推理将占数据中心总需求 40% 以上。WD 委托 IDC 对 763 名 IT 与业务决策者的调查显示，近 95% 受访者称过去 12 个月生成式 AI 导致数据量增加，约 61% 增幅达 25% 以上。
- 千问AI硬件：一副眼镜的「越界」，与一个Agent的野心