模型
全球大模型的发布、更新、开源、价格变化和评测动态。
共 894 条 · 海外
- LangChain 发布 Managed Deep Agents v0.9，支持定时任务与按次配置
LangChain 发布 Managed Deep Agents v0.9，新增三项能力：Schedules SDK 让 Agent 在对话中自行创建提醒、跟进和周期性任务，按创建者的权限运行并把结果发回原频道，支持 cron 表达式和一次性任务；Agent 可按每次运行动态配置，通过返回 define_deep_agent 定义来选择模型、指令、技能、MCP 服务器和沙箱，一个部署即可服务不同团队；还支持对 Slack 消息做出反应。
LangChain10/08海外模型37
- Anthropic 发布 Claude Haiku 5.5，运行成本降约 75%升温
Anthropic 发布 Claude Haiku 5.5，称其是公司迄今最便宜、最快、能力最强的小模型。官方表示，平均运行成本比 Claude Haiku 4.5 低约 75%。原文未披露具体定价、上下文窗口、基准测试成绩和上线渠道等细节。
X @AnthropicAI10/08海外新模型发布4 个信源78
- Anthropic 将 Claude Sonnet 5.5 缓存读取价格减半
Anthropic 宣布把 Claude Sonnet 5.5 的缓存读取（cache reads）价格减半，降至每百万 token 0.10 美元。官方称这一调整让 Sonnet 5.5 在大多数长时间运行的任务上成本降低约 20%。原文未给出生效时间等更多细节。
- Anthropic 发布 Haiku 5.5，首次支持可调 effort 设置
Anthropic 发布 Haiku 5.5，这是首个带可调 effort 设置的 Haiku 模型，用户可按任务在成本与智能之间取舍。原文仅给出这一句说明，未公布价格、上下文长度、跑分等具体参数，信息有限。
- Anthropic 发布 Claude Haiku 5.5，价格最高降 90%升温
Anthropic 发布 Claude Haiku 5.5，官方称是迄今最快、最便宜的小模型。平均价格比 Haiku 4.5 低约 75%；对 10 万 token 以内的请求（约占此前 Haiku 请求的 90%）价格最多降 90%，超过 10 万 token 则贵 5 倍。输入 $0.10/百万 token，输出 $0.50/百万 token。基准测试大幅提升：GDPval-AA v2.1 得 1620 分（前代 735），Humanity's Last Exam 无工具 45.9%，OSWorld-2.1 计算机操作 72.4%（前代 15.7%），Terminal-Bench 4.0 为 39.2%（前代 0）。Anthropic 同时下调 Sonnet 5.5 价格。注意新 tokenizer 会消耗更多 token，实际节省低于单价降幅。
- Anthropic 发布 Claude Haiku 5.5，成本降约 75%
Anthropic 发布 Claude Haiku 5.5，官方称这是其迄今最便宜、最快、能力最强的小模型。相比上一代 Claude Haiku 4.5，平均运行成本降低约 75%。原文未公布具体定价、上下文长度、基准测试分数和上线渠道等细节。
- OpenAI 随 GPT-6 推出 Intelligent UI，ChatGPT 界面转向可视化升温
OpenAI 周三随新模型 GPT-6 上线名为 Intelligent UI 的新界面，在对话中大量加入可视化内容。这些视觉元素多为可交互形式，包括可点击按钮、针对特定任务的定制计算器、交互式图表和可编辑图形。OpenAI 称目标是让「学习复杂主题更容易」。该功能将面向 Pro、Plus、Business 和 Enterprise 用户全球推送，免费及低价 Go 档用户周四可用。用户可自行调低回复中的视觉内容比例。
TechCrunch AI10/08海外模型3 个信源82
- 微软 Surface Laptop Ultra 10 月 16 日发售，2599 美元起
微软公布 Surface Laptop Ultra 发售信息：10 月 16 日上市，基础配置 2599 美元，含 18 核 CPU、24GB 内存、512GB 存储。该机搭载 Nvidia 新 RTX Spark 芯片（Arm 架构，最高 128GB 统一内存），配 15 英寸 HDR 触控屏，峰值亮度 2000 尼特，支持触觉反馈的大触控板。顶配 5899.99 美元，含 128GB 内存、20 核 CPU、1TB 存储。微软与 Nvidia 将其定位为高端笔记本，面向创意软件、游戏和本地 AI 任务，直接对标 MacBook Pro。今日开启预售。
The Verge AI10/08海外模型32
- Apple Watch Series 12 首次降价 50 美元
原文信息有限，仅为一则促销资讯：Apple Watch Series 12 多个配置在亚马逊 Prime Big Deal Days 期间首次降价 50 美元，涵盖 42mm 和 46mm 两种尺寸的 GPS + Wi-Fi 版及 5G 蜂窝版。42mm 版从 399 美元降至 349.99 美元，蜂窝版贵 100 美元；46mm 版 399.99 美元起，5G 版 499.99 美元。Apple Watch SE 3 降至 199 美元。文中提到该手表具备更快充电、更实用的 Siri 和 Audio Intelligence，但未展开说明。
- Meta 用大模型识别暗指非法内容的广告
Meta 周三宣布，2026 年上半年在 Facebook 和 Instagram 上处置了 3320 万条儿童性剥削内容，其中超过 97% 由系统在用户举报前发现；印度市场同期处置 530 万条，98% 以上为主动发现。新工具包括一个检测「signposting」的大语言模型系统——这类广告本身看似正常，却把用户引向站外非法内容，Meta 因此开始审查广告的跳转目的地而非仅看广告内容，并可封禁违规网站和相关账号。另有红队 AI Agent 用于测试自身安全防护的薄弱点，以及识别被封号后换新账号回流用户的系统。Meta 今年已推出 Meta AI 家长控制、WhatsApp 青少年账号、Instagram 自残内容搜索提醒等功能；8 月曾同意支付最高 180 亿美元，就 29 个美国州提起的儿童安全诉讼达成和解。
- LlamaIndex 推出 OpenDocRouter，统一调用多家文档解析模型
LlamaIndex 发布 OpenDocRouter，一个把文档转 Markdown 的解析平台，统一 API 调用开源与前沿模型。支持 PDF、PNG、JPEG 及 URL，同步响应最多 50 页，单次请求上限 500 页或 50MB。每个模型配有版本化 recipe（提示词、处理、设置），并在 ParseBench 上做质量与成本评测。首批模型包括 Claude Opus 5.5、Gemini 3 Flash、Gemini 3.8 Flash、GPT-5.6 Terra、GPT-6 Luna，以及 MinerU2.5-Pro、PaddleOCR-VL-1.6 等开源模型。开启 layout 可输出统一布局类别与边界框，每百万 token 加收 0.2 美元，处理失败的页面不计费。按 token 计费，充值 25 美元起。
LlamaIndex10/08海外模型38
- Anthropic 推出开源漏洞扫描服务 OSS Scanner
Anthropic 发布 OSS Scanner，一个面向开源项目的自愿加入式漏洞扫描服务，用其最强模型（含 Claude Mythos）定期免费扫描，输出完全由模型生成、不经人工审核。过去六个月其模型在重要开源项目中找到超 29000 个候选漏洞，但仅人工复核约 6000 个，已有近 5000 份未验证报告应维护者要求直接提交。Anthropic 称在 CyberGym 基准上 LLM 漏洞发现率从去年初不足 20% 升至今年超 85%。
Anthropic 研究10/08海外模型40
- 捷豹发布全电动 Type 01，品牌重生首款车型
捷豹（Jaguar）发布 Type 01，这是其品牌重生后的首款车型，基于全新纯电平台 JEA 打造。此前捷豹 2017 年推出 I-Pace 进入电动车市场，原计划的纯电轿车在上市前一年被取消，导致旧车型停产后无车可卖。捷豹负责人 Rawdon Glover 曾表示新品牌定位为高端体验，起售价约为此前 6 万美元入门价的两倍。去年品牌预热重生时引发争议，Type 00 概念车图片泄露后争议加剧。
Ars Technica AI10/07海外模型18
- Meta 的 Muse AI 智能体登陆 iPad
Meta 的 Muse iOS 应用在发布近一个月后更新，新增对 iPad 的原生支持，可更好利用大屏和多任务能力。该应用曾数周位居 App Store 免费榜第一，此前已推出 Mac 版。本次更新还支持连接 Canva、Dropbox、Figma、QuickBooks、GitHub、Zoom、Asana、Klaviyo 等工具，并新增 Granola、Notion 连接器；面向小企业主，可设定业务目标让智能体自主规划营销、客户提案和产品页面。Meta 还发布了无需手机的独立设备 Muse Charm，并计划将 Muse 引入智能眼镜。
- Bloom 融资 360 万美元，做美国制造业的供应链 AI 平台
总部位于底特律的 Bloom 完成 360 万美元种子轮，由 SNAK Venture Partners 领投，Flyover Capital、Mana Ventures、Detroit Venture Partners 等参投。公司 2023 年成立，最初为电动出行公司代做物流与制造，后转型为纯撮合平台，用供应链 AI Agent 帮客户匹配供应商、零部件和工程服务。目前已为 140 多家公司完成 2000 多次匹配，今年前 5 个月收入已追平 2025 年全年，平台会员数增长 5 倍且流失率低。
- 马斯克称 Grok Bot 将调用 Claude Opus 5.5 等外部模型
据 The Information 记者 Grace Kay 报道，Elon Musk 表示 Grok Bot 会针对不同任务选用「最佳后端模型」，其中包括 Claude Opus 5.5、MidJourney 和 Suno。这意味着 Grok Bot 不局限于 xAI 自研模型，而是计划接入第三方模型与生成工具。原文正文信息有限，未披露具体上线时间、接入方式和定价。
Techmeme10/07海外模型36
- 11 个正方形最优堆叠问题在 Lean 中完成机器验证证明
一个名为 11SquaresFormalized 的 GitHub 项目发布了 11 个正方形最优堆叠的完整最优性证明，已通过 Lean 验证。验证运行接受了全部 7,920 个本地 Lean 模块，最终审计报告零 admission。最优边长约为 3.8770835900228141773，由公式 T=(6u+4)/(1+2u-u²) 给出，其中 u 是某八次方程在 (9/25, 37/100) 内的唯一根。部分精确数值证书检查使用 native_decide，因此最终定理信任 Lean 内核与原生编译器，而非仅内核验证。项目固定 Lean 4.34.1 与特定 Mathlib 版本，提供脚本可复现验证。
Hacker News · AI10/07海外模型56
- Google 上线 SynthID 检测网站，可查所有合作方水印升温
Google 宣布 SynthID 检测器现已支持所有合作伙伴的水印，并上线独立网站 SynthID.com 供任何人使用。SynthID 是编码在 AI 生成图像、视频像素和音频波形中的隐形信号。Google 称仅 Gemini 就已为超过 1800 亿张图片和视频、24 万年时长的音频集成 SynthID。此前非 Google 信任测试者只能通过询问 Gemini 来检测，且该检测器只识别 Google 自家水印，ChatGPT 图片虽带 SynthID 也不会被标记，现在这一问题已解决。
- Meta、Google DeepMind 等向 Biohub 投资 3 亿美元，美国出资超 5 亿
Meta、Google DeepMind 和 Isomorphic Labs 共同向扎克伯格支持的 nonprofit Biohub 投资 3 亿美元，美国政府出资超过 5 亿美元。资金用于构建开放的生物学数据集，供 AI 训练使用。原文信息有限，具体合作条款和数据集规模未披露。
- TII 发布 Falcon-ASR：1.6B 参数阿拉伯语语音识别模型
阿布扎比技术创新研究院（TII）发布 Falcon-ASR，一个 1.6B 参数的语音识别模型，重点支持阿联酋方言，同时支持英语、法语、西班牙语和葡萄牙语。在六个阿拉伯语测试集上平均词错误率（WER）为 20.92%，比所用排行榜快照中最佳公开结果 23.17% 低 2.25 个百分点。在 TII 内部阿联酋方言评测中，WER 为 22.73%、CER 为 10.19%，比次优的 Qwen3-Omni 低 4.07 个百分点。模型支持词级时间戳，训练数据覆盖阿联酋方言、现代标准阿拉伯语、其他海湾及阿拉伯方言和英语，并加入背景噪声、重叠语音、音乐、混响和电话效应等条件。
Hugging Face 博客10/07海外新模型发布42
- 微软 Windows 与 Surface 发布会前瞻：本地 AI 与 RTX Spark
微软将于 10 月 7 日在旧金山举办 Windows 与 Surface 发布会，主题为「本地 AI 如何塑造 PC 的下一篇章」。CEO Satya Nadella、Nvidia CEO Jensen Huang 和 Windows 与 Surface 负责人 Pavan Davuluri 将同台对话。预计公布 Surface Laptop Ultra 的定价、发售日期和完整规格，传闻有 18 核和 20 核 CPU 版本，内存最高 128GB。此外可能披露 Nvidia RTX Spark 平台细节、Windows 本地 AI Agent 计划，以及 Windows 11 在 8GB 内存设备上的性能改进。
- Nemotron 微调后在 IOI 和 IMO 2026 均达金牌水平
英伟达基于 Nemotron 3 通过监督微调、强化学习和反馈驱动推理，在 IOI 2026 和 IMO 2026 均达到金牌水平。IOI 2026 中，Nemotron-3-Ultra-CC 配合 SFT 和 GenCorrect 得 535.4/600，超过金牌线 361.12 和人类最高分 498.27，该结果为非官方、无监督基准，未计入官方排名。IMO 2026 中，Nemotron 3 Ultra 结合 SFT、RL 检查点和生成-验证-精炼系统得 30/42，超过官方金牌线 29，证明由官方 IMO 评分员评定。团队整理了 22000 道竞赛编程题并生成合成推理轨迹，训练了 300 亿总参数/30 亿激活参数的 Nano-CC 和 5500 亿总参数/550 亿激活参数的 Ultra-CC。
- Google Pixel Buds 更新：睡眠检测、点按静音与动态降噪
Google 公布 Pixel Buds 2A 和 Pro 2 的固件更新，已开始推送。最大功能是借助 Pixel Watch 的睡眠检测：佩戴手表入睡后，耳机自动暂停音乐、静音通知并关闭触控。两款耳机均支持点按静音麦克风（需搭配 Pixel 手机）、单击启动实时翻译，以及用 Gemini 语音指令控制 ANC、EQ 和触控开关。动态 ANC 根据耳塞贴合度调整降噪，仅限 Pro 2。原公告称初代 Pixel Buds Pro 也将获得除动态 ANC 外的功能，现相关表述已被删除。
- OpenAI 在 GitHub 发布 372 个 AI 生成的数学证明
OpenAI 用内部前沿模型生成并公开了 372 个数学结果，每个都声称解决了一个未解问题或取得实质进展，涵盖计算机算法改进和黎曼猜想相关进展。结果发布在 GitHub 仓库而非学术期刊，附带修订日志和引用，多数证明提供 Lean 形式化验证。OpenAI 称几乎每个结果都来自对单个 AI Agent 的一次提示，平均消耗约 3 小时 ChatGPT Pro Thinking 算力；此前同一模型给出的 Navier-Stokes 问题解答已接受数周正式审查，那次动用了 1 万个 Agent 和数百万美元算力。公司还公布了方法论、推理摘要和算力成本估算，并计划资助相关研讨会。
The Decoder10/07海外模型40
- Meta 开源 Rebalancer：每天处理约 4000 万个分配问题
Meta 开源了 C++ 库 Rebalancer（带 Python 接口），用于求解装箱/分配问题，已在 Meta 内部运行超过 9 年。采用 Apache 2.0 协议，提供文档、PyPI 包和调试界面 Rebalancer Explorer。pip install rebalancer 可安装 v1.0.4，支持 Python 3.12+，提供 Linux x86-64 与 macOS 14+ ARM64 预编译 wheel，另有 .deb、.rpm 和 Homebrew 包，PyPI 上仍标记为 Alpha。设计将问题描述与求解分离：spec 编译为有向无环表达式图，可转为混合整数规划交给 FICO Xpress、Gurobi 或 HiGHS，也可用局部搜索直接在图上求解，评估并行化后每秒可达数百万次。Meta 称每天处理约 4000 万个分配问题。
MarkTechPost10/07海外模型37
- 我把 AI Agent 的自动合并开到了生产环境，只开了一次
作者把代码生成、审查、测试、预发、合并全流程交给 AI Agent 闭环运行，约 9 天后一次自动合并导致付费客户在凌晨被锁在自己账号外。问题代码是一条写路径：先向客户端返回「已收到」再落库，重试在错误时刻命中时确认发出但写入丢失。作者指出该 bug 语法规范、类型和测试齐全，审查 Agent 没发现是因为它看起来像完成品而非 bug——测试只覆盖了这条代码本就正确的正常路径，预发环境也没人在错误毫秒重试。作者认为不该交出去的不是多数人猜的那一步，而是几乎所有人最先自动化的那一步。
DEV Community · AI10/07海外模型44
- nanoMuse：可自托管的开源个人 AI Agent，覆盖手机与桌面
nanoMuse 发布 0.1.40 版本，是一个 GPL-3.0 开源个人 Agent，包含手机 App、桌面端、Web 控制台和连接用的 relay，全部在同一仓库中，可自行部署。它能执行操作而非只回答问题：提供 Linux shell、浏览器、MCP 服务器和技能，开启 Hands on 后可通过屏幕操作手机 App 和电脑窗口；删除、发送、付款前会先询问；支持跨设备派发任务（如 @Mac），App 关闭后仍可运行定时任务；支持飞书、钉钉、企业微信和 Telegram。用户可用社区 relay 的免费额度或自带 API key，也可自托管。
- GLM-5.3 开源后未出现重大攻击，Anthropic 网络风险警告被质疑
智谱 GLM-5.3 开源发布后，尚未出现大规模网络安全攻击事件。此前 Anthropic 曾警告该模型具有「Mythos 级」网络攻击风险，并以此呼吁限制开源模型。Nathan Lambert 在 Interconnects AI 撰文指出，实际结果削弱了封禁开源模型的论据。原文正文信息有限，主要为播客与订阅推荐内容。
- Laya 决策引擎实测：零样本准确率与概率校准
Convai Innovations 的开源决策引擎 Laya 在 2026 年 9 月成为星标最多的机器学习仓库之一。它是 421M 参数的非自回归 System 1 模型，输入文本和带类型的问题（标签选择、量表打分、是/否），单次前向传播即返回每个选项的概率，不生成任何 token。教程在 CLINC150 银行领域真实标注数据上测试：零样本准确率对比训练过的分类器、选项措辞与顺序的影响、概率是否可信、温度缩放在验证集上能修好什么又会破坏什么、按错误预算设定的弃答门限、范围外流量，以及 pydantic schema 的类型化输出。
- OpenRouter 自用 AI 销售 Agent：5 人团队每月省 600 小时
OpenRouter 披露其自研 AI 销售 Agent Rasp 的运行数据：为 5 人销售团队每月省下约 600 小时，每位销售每天多打约 2 通电话，成交周期缩短 34%，成交率提升 2.6 倍（同期定价和市场环境也有变化，非全部归因于 Rasp）。Rasp 负责线索筛选、首触邮件（93% 自动发出）、通话前简报、通话记录整理和 CRM 填写，敏感情况转人工审批。成本约每天 30 美元，此前同类 Agent 每天近 800 美元，且随 Ori 路由到更便宜模型持续下降。
OpenRouter 公告10/07海外模型38