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
- Google 暂停开源漏洞赏金计划，称 AI 提交量激增
Google 于 10 月 1 日起暂停其开源软件漏洞奖励计划（Open Source Software Vulnerability Rewards Program），原因是自动化提交数量大幅上升，其中绝大多数无效。Google 在 X 和项目网站表示，将在 2027 年第一季度提供更新。据 Tom's Hardware 报道，Google 工程师和开源维护者被大量无效或含幻觉的报告淹没。去年 TechCrunch 曾报道安全专家警告 AI 垃圾内容对漏洞赏金计划构成严重风险。暂停期间，参与者被建议考虑 Google 的其他漏洞赏金项目。
TechCrunch AI10/05海外模型35
- Find My Thingy：基于 Gemma 3 4B 的本地文档问答助手
开发者发布开源项目 Find My Thingy，一个本地优先的个人记忆助手，用自然语言提问即可检索自己文档中的内容。支持导入 PDF、TXT、Markdown，经分块和嵌入后存入 ChromaDB，由 Ollama 运行的 Gemma 3 4B 基于检索到的段落生成带来源引用的回答。技术栈为 React + Vite + TypeScript 前端、Python FastAPI 后端、SQLite 数据库、Sentence Transformers（all-MiniLM-L6-v2）嵌入、PyMuPDF 处理 PDF。数据全部留在本地，但首次使用需下载依赖和模型才能完全离线运行。
DEV Community · AI10/05海外模型36
- Karpathy：99% 关注 AI 的人入行不到一年升温
Andrej Karpathy 在 X 上表示，他理解当前局面的心智模型是：现在关注 AI 的 99% 以上的人，接触 AI 相关事物的时间不到一年。他认为这让「AI 恐龙」——2026 年前、甚至 2012 年前就进入 AI 领域的人——感到非常困惑。原文为一条推文回复，信息有限。
X @karpathy10/05海外模型3 个信源58
- Cresta 用 Claude Agent SDK 做出 Agent 构建器 Conductor
客服 AI 公司 Cresta 基于 Claude Agent SDK 推出自然语言 Agent 构建器 Conductor，用户描述需求后，Conductor 会从蓝图走到实现、评估和优化。Cresta 成立于 2017 年，CEO 为 Ping Wu，累计融资超 2.7 亿美元，ARR 超 1 亿美元，客户包括 United Airlines、CVS Health、Marriott。Conductor 早期版本用 Claude Sonnet 和 Claude Opus 搭建，原本只服务内部部署团队，后产品化开放给客户。Cresta 称在早期用例中 Conductor 缩短了开发时间（原文此处被截断）。
Claude 博客10/05海外模型41
- OriginTrace：用 AI 检测 DEV 社区文章被抄袭
开发者发布 OriginTrace，一个基于 Sanity Context MCP 的 AI 内容溯源工具，用于检测 DEV.to 文章是否被抄袭。工具通过 Serper API 搜索全网，抓取最多 15 个候选页面，用词重叠、5-gram shingling、LCS 比率等多信号分析判断抄袭，并检查是否署名或回链，给出 credited_syndication 或 unattributed_repost 的判定。内置对话式 AI Agent 可查询溯源数据并生成 DMCA 下架模板，所有检查结果以结构化 JSON 存入 Sanity Content Lake。该项目为 Sanity Challenge 参赛作品。
- Google 提出 RRSI：防止自改进 Agent 背题
Google 研究人员发布论文，提出 RRSI（正则化递归自改进 Agent Harness）方法，解决 Agent 自我优化时「背题」的问题。论文指出，近期 Agent 的进步多来自 harness 而非新模型，但让语言模型反复重写 harness 会导致其在固定测试任务上过拟合：训练分数上升，新任务收益缩小甚至消失。RRSI 在提出改动和筛选改动两端设限：编辑预算随时间收缩、critic 剔除硬编码任务名或答案的方案、只接受有可测性能提升的算力增加。在编码、办公、工程设计 8 个基准上，底层模型 Claude Opus 4.8 全程冻结，RRSI 最高提升 14.1 分。
The Decoder10/04海外模型45
- 亚马逊 Prime Day 促销：iPad Mini 和 MacBook Air 降价
亚马逊 10 月 Prime Day 促销中，13 英寸 M5 芯片、512GB 存储的 MacBook Air 从 1299 美元降至 1099 美元，15 英寸版本从 1499 美元降至 1299 美元。15 英寸版额外配备两个扬声器（共六个）和两个 GPU 核心。原文标题提及 iPad Mini 降价，但正文未给出具体价格。原文信息有限，且与 AI 无直接关联。
The Verge AI10/04海外模型18
- NASA 与 IBM 开源月球基础模型，用 17 年轨道数据训练
NASA 与 IBM Research 联合多所学术机构发布 NASA-IBM Lunar Foundation Model，称其为最早的开源月球科学基础模型之一。模型基于地球观测模型 TerraMind 从零训练，使用自建数据集 SomBench——近 200 万个 tile bundle、11 种模态、两个空间尺度，含约 100 万张约 1 米/像素的窄角相机高分辨率图像和近 96.4 万张 100 米/像素的宽角相机多光谱图像。数据主要来自月球勘测轨道飞行器 17 年观测，并整合 GRAIL、Lunar Prospector 和日本 Kaguya/SELENE 数据，共 9 台仪器、4 个任务、30 多个空间对齐数据层。模型在预测极地冰沉积和识别陨石坑上表现突出，训练时直接输入光照角度、太阳位置等成像几何信息。
- 研究：中国 AI 模型在敏感话题上回避或复述官方立场
Aleph Alpha 用自建基准测试了阿里 Qwen、DeepSeek、月之暗面 Kimi 的模型，覆盖天安门、台湾、新疆等 967 个敏感话题。其评分系统显示，仅 17% 至 41% 的回答被评为平衡，其余为复述官方立场、转移话题或拒答。DeepSeek V4 Pro 拒答三分之二的问题；对比模型 Claude Sonnet 5 和 Mistral Small 的平衡回答率分别为 70% 和 92%。研究还发现，英伟达 Nemotron Cascade 2 有 17% 的回答呈现亲华倾向，Aleph Alpha 认为原因在于其 930 万条训练样本中约 3500 条由 DeepSeek 和 Qwen 生成。
- Aleph Alpha 发布 Kolibri：78.1B 开源中英德 MoE 模型
Aleph Alpha 发布 Kolibri，一个面向德语和英语的开源 MoE 模型，总参数 78.1B，每 token 仅激活 3.46B（4.4%）。支持 104 万 token 上下文，可按请求设置推理强度，Apache 2.0 许可发布于 Hugging Face。FP8 权重约 78GB，可在单张 B200、B300、H200 或 2 张 H100 SXM5 上通过 vLLM 部署。预训练用 768 张 B200 跑 20T token，另加 2T 以上德语数据。目标场景是公共管理、工业和航空航天等受监管行业的自主部署。
MarkTechPost10/04海外新模型发布45
- DEV 文章讨论自适应智能：从预测转向持续反馈
原文信息有限，正文为概念性论述，未给出具体模型、数据或产品。文章提出，传统 AI 工作流是「数据→模型→预测→决策」，适用于环境稳定的场景；而真实环境的数据分布、用户行为和网络状态会持续变化，因此需要引入「观察→分析→行动→测量→再评估」的反馈闭环。作者认为自适应不等于持续行动，有时正确决策是不做改变，目标是保持对环境变化的持续感知。文中还提到单一信号变化可能是噪声，多个独立信号同时变化才可能意味着环境本身在迁移，AI 的价值在于处理多维信息并判断是否需要调整。文末提到 Aonica 正在开发相关架构，但内容被截断。
- Claude Code v2.1.289 修复多项权限与插件问题
Claude Code 发布 v2.1.289，主要修复权限规则与插件系统问题。安全相关：修复复合 shell 命令嵌套部分的 deny/ask 规则在托管机器上被用户安装 mod 审批覆盖的问题；修复 Read deny 规则未作用于通过符号链接 @ 提及、修改或 IDE 选中的文件；修复 Bash deny/ask 规则在环境变量前缀（如 TZ="$HOME" rm -rf build）和裸变量赋值下被沙箱自动放行跳过的问题。插件方面修复本地文件夹市场安装的插件显示陈旧副本、升级后首个会话不加载 mod、插件可改写组织托管 MCP 服务器登录工具描述等。新增 agent.spawn 及 $.agent.list() 的 idle/waiting 状态。
Claude Code 发布10/04海外模型41
- Anthropic 发布 Opus 5.5 使用指南：会自主思考、可长时间独立运行
Anthropic 发布 Opus 5.5 在 Claude 和 Claude Code 中的使用指南。相比前代 Opus，Opus 5.5 在长链条多步骤任务上提升最大，早期测试者让它连续数小时执行编码任务、几乎无需人工干预。指南给出三条建议：一次性交代完整任务并说明完成标准；删除提示词中的「think carefully」等语句，因为模型每次回复前都会自行思考；长任务运行中可直接追加指令，无需重启。设计类任务需明确列出不想要的风格，否则模型会回退到默认样式。
Hacker News · AI10/04海外模型57
- 用 blender-mcp 让 Claude 驱动 Blender 做 3D 动画
开发者 Maneshwar 在 DEV 发文，讲述自己此前从未打开过 Blender，却借助 blender-mcp 让 Claude Code 驱动 Blender 完成了一段蜘蛛侠荡秋千的 3D 动画，没有手动画一帧。原理是 Blender 内插件开一个 socket 服务，外部 MCP server 一边对 LLM 说 MCP、一边通过 TCP 转发 JSON 命令，核心工具 execute_blender_code 可在 Blender 内运行任意 Python（bpy API），再配合视口截图回传形成「改—跑—看」循环。原文信息有限，未给出完整代码与最终成片。
- 开发者用 AI 工具检测 OpenTelemetry 废弃属性名
一位 OpenTelemetry 贡献者发现自己提交的代码中仍有两个已废弃的属性名（db.system 和 db.operation），于是构建了工具 Attrition。该工具读取埋点代码，将每个属性键、指标名、事件名和枚举值与 26 个版本规范中的 1563 个名称比对，报告废弃名称、适配 span 类型的替代名、废弃版本、单位变化及规范链接，并提供可安全自动化的补丁。演示应用无需登录即可试用。
- Capcom 计划将 RE Engine 逐步改造为 AI 生成游戏引擎
在 Capcom Open Conference RE: 2026 上，程序员 Satoshi Ishida 发表演讲，介绍 REX 项目前景，计划将 RE Engine 逐步、渐进地改造成「AI 生成游戏引擎」，目标是迈向「与 AI 共同创作游戏」的未来。Ishida 称，制作《生化危机》级别游戏时，即使简单任务也极其耗时，解决方案是「将 AI 技术成功整合进开发流程」。Capcom 此前表示不会在游戏中使用 AI 生成的素材，而是用 AI 提升开发效率。
- OpenAI 安全报告撰写者离职，称公司文化「已崩坏」
曾在 OpenAI 为每次重大模型发布撰写安全报告的 David Robinson 本周辞职，并在 The Atlantic 发文批评行业文化「根本性崩坏」。他认为问题不是加几条规则就能解决，硅谷以「极度自信」和「永不停歇的冲刺」开发更大模型，忽视或低估潜在风险，前沿实验室应像核电站或繁忙机场一样运行，具备多层冗余和耗时审慎的规划。他是近期从 OpenAI、Anthropic、Google DeepMind 离职并公开警告的一连串安全研究人员中的最新一位。
- XCP Studio：同一项目支持引导、专家、Agent 三种工作方式
开发者 Daniele Cangi 发布 XCP Studio，一个围绕 XCP 的 Windows 开发环境。其核心设计是让开发者、可视化界面和编码 Agent 操作同一份项目权威状态，而非三个独立版本。项目可通过 Guided、Expert、Agent 三种方式进入，但共享同一状态。Studio 覆盖从创建、验证、构建、Xbox 执行到结果检查的完整生命周期，编码 Agent 留在开发侧，Xbox 作为执行目标，通过 XCP 的项目与执行契约连接，而非给 Agent 无限制的主机访问权限。原文信息有限，具体功能细节未完整展开。
- Offrun：一个工作区统一管理多个编码 Agent
Offrun 是一个 Mac 桌面工具，把用户已有的编码 Agent CLI 集中到一个工作区里运行，使用本机已登录的账号，不需要新账号或 API key。每个 Agent 在项目中获得独立 git worktree，避免同时改同一仓库时文件冲突；可指定第二个 Agent 在提交前审查 diff，结果直接进入聊天。当某个账号额度用尽，Offrun 会把对话迁移到仍有额度的登录账号继续。工作区还提供项目记忆（以纯文本文件存在项目目录）、跨终端 Agent 完成通知、diff 与文档预览、Build/Planner 模式切换和本地听写。
Hacker News Show10/03海外模型2 个信源61
- AI Agent 从照片生成 3D 场景，但无法判断自己是否做对
研究提出 Image-to-Code 方法：编码 Agent 接收单张照片后编写 Blender 程序，通过迭代写代码、运行、查看结果再修改来还原场景。团队同时发布 LEGO-Bench 基准，含 104 个室内外场景的 208 张图像、443 个资产，从有效性、几何精度、外观相似度三方面评分。测试的 6 种 GPT 配置几乎都能产出可用场景，但精度差异大：最好的 GPT-6 Astra 室内 53.4%、室外 39.6%，较弱配置约 15%。提高推理预算后 Astra 在办公室子集从 32.3% 升至 61.8%。常见问题包括初次尝试差、修改反而破坏已有进展、自我评估不可靠——Astra 在流程后期甚至从 33.9% 掉到 4.4%。
- Claude Code 推出 Mods 插件系统，可改写工具内部行为
Anthropic 为 Claude Code 发布 Mods 系统，本质是运行在工具内部的中间件。Mods 是 JavaScript 或 TypeScript 函数，可挂载到工具调用、用户提示、UI 渲染等事件上，开发者因此能添加自定义面板、拦截工具调用或接入新命令。官方称 /diff 等内置功能本身就是用 Mods 实现的。Mods 以用户权限运行且没有沙箱隔离，Anthropic 提醒只从可信来源安装，企业可控制允许加载哪些 Mods。首个官方插件叫 You Should Know，会启动一个独立 agent 监视 Claude 输出，发现用户可能遗漏的重要信息时发出提醒。
- IBM Bob 支持自托管与气隙部署，代码不出企业内网
IBM 宣布其智能体软件开发平台 Bob 的自托管部署选项正式 GA，企业可在本地、私有云、主权云和气隙网络中运行 Bob，覆盖代码理解、任务规划、执行变更和结果验证全流程。Bob 本身不捆绑模型，客户需自行采购并托管受支持模型：自托管可选 NVIDIA Nemotron、Poolside Laguna；混合或私有 SaaS 模式可经批准连接使用 Claude Sonnet 5.0、Claude Opus 4.8、Gemini 3.7 Flash、OpenAI GPT 5.6 Sol。自托管模型下代码、开发上下文和构建产物可留在客户环境内。IBM 未公布定价，需申请演示。
- 用 n8n 和 Gemini API 搭建自主 Agent 流水线
一篇 DEV Community 教程介绍如何用 n8n/Make.com 做编排、Google AI Studio 的 Gemini API 做上下文解析、React + Tailwind 做界面，搭建多步骤自动化 Agent 流水线。作者主张从写代码转向「编排意图」，用事件驱动架构和 JSON 载荷，并给出一个调用 hooklabs.ai 编排接口的 JavaScript 事件分发示例。原文偏概念性介绍，未提供完整可运行代码或实测数据。
- Prime Intellect 推出 Prime Inference 推理服务
Prime Intellect 发布 Prime Inference，面向前沿开源模型提供无服务器端点和预留 GPU 容量两种服务模式。上线前内部日处理近 1 万亿 token，流量来自强化学习 rollout、合成数据生成、评测和长时间运行的编码 Agent。平台兼容 OpenAI SDK，接口地址为 api.pinference.ai/api/v1，支持跨数据中心自动故障转移。硬件当前为 NVIDIA Blackwell，Vera Rubin 即将支持。技术栈整合 Dynamo、vLLM、Mooncake 和 FlashInfer，采用 prefill/decode 分离架构，官方称 p90 首 token 间延迟降低近 40%。GLM-5.3 端点在 OpenRouter 上速度居前，工具调用错误率接近零。按模型定价尚未完全公布。
- 微软发布 MAI-Transcribe-2-Streaming 实时语音转文字模型
微软 AI 于 10 月 1 日发布首个流式语音转文字模型 MAI-Transcribe-2-Streaming，同时推出 MAI-Voice-2.1 和 MAI-Voice-2.1-Flash 两款 TTS 模型。该模型在 Artificial Analysis 的 38 个模型评测中，最终转写和首个部分转写准确率均排第一：最终转写词错率 2.5%、语音结束后 0.13 秒出结果；首个部分转写同样 2.5%、0.12 秒。支持 60 种语言自动检测，收到音频后约 100ms 即输出初步结果，微软称内部测试出词速度比最接近的竞品快 2 倍。定价为每小时音频 0.54 美元，2026 年底前为尝鲜价。
- 决策 AI 模型解析：TypeSafe Jev 与 Fastino GLiDE 对比
TypeSafe AI 结束 2 年隐身状态推出 Jev，一种返回决策而非文本的新模型类别。Jev 支持 Choice、Score、Noul 三种原语，最多 255 个选项，输入价格 $0.042/百万 token，输出免费，响应 70-500 毫秒。在 4 项工作流评测中，Jev 平均准确率 67.8%，单案例成本 $0.0004，耗时 0.4 秒；Claude Sonnet 5 同样 67.8%，但成本 $0.1174、耗时 78.1 秒。3 周内 Fastino Labs 推出 2 个竞品，开源社区也发布了多个 Jev 复现版本。
- Claude Code v2.1.288 发布：新增选择 API 与恢复草稿
Claude Code 发布 v2.1.288。新增 $.ui.selection() 供 mod 获取全屏模式下最近选中的文本；Ctrl+C 清空提示词后按上键可恢复草稿，含粘贴的文本和图片。MCP 服务器在工具调用中要求更多 OAuth 权限时会弹出重新认证提示。/code-review 新增 --max-findings 参数控制报告数量。修复了 API 超时导致整轮失败、长对话误报 Prompt is too long、--resume 丢失上下文与最后回复等问题。
- 开源项目 ldraw-nova：用 AI Agent 生成 LDraw 乐高模型
开发者 anteloc 在 GitHub 发布开源项目 ldraw-nova，让 AI Agent 根据模型创意生成可拼装的 LDraw 乐高模型。产出包括 LDraw 源码、3D 查看器与播放器、Meta Quest 3 的 VR 交互视图、可编辑的 Blender glTF（.glb）文件，以及对话历史和 Agent 思考过程。项目通过 Docker 部署，需同时克隆 ldraw-nova 与 ldraw-nova-docker 两个仓库（v0.6.0），首次构建约需 5 GB 磁盘空间。Agent 查找零件和示例模型时使用作者自研的 jev-rerank 语义搜索，需 TypeSafe API key，否则回退到全文搜索。作者称此前三次尝试（ldbuilder-ai、py2bricks、py4bricks）生成的模型都不够正确。
- Meta 用 Muse Spark 证明激光模型中的波会有限时间爆破
Meta AI 在 X 上介绍了一项微分方程研究：在激光启发的模型中，存在两种相互竞争的作用——一种把波向内挤压，另一种把波向外扩散。借助 Muse Spark 的帮助，研究人员证明在所研究的条件下，波无法无限集中，必然在有限时间内「爆破」（blow up）。原文给出了论文链接，但未披露更多技术细节。
- 美逮捕科技公司 CEO，涉走私 3 亿美元 Nvidia 芯片入华
美国司法部宣布逮捕 Earthmade Computer 公司 38 岁 CEO Greg Lui，指控其用虚假文件掩盖价值超 3 亿美元的服务器出货，明知最终目的地是中国。FBI 起诉书称，他与马来西亚、新加坡等南亚国家的货运代理公司合谋，将 Nvidia A100、H100 GPU 非法转运至中国。这些并非 Nvidia 最先进的芯片，但可用于处理海量数据和训练大语言模型，美方担心中国获得足够芯片会大幅推进 AI 或军事能力。
Ars Technica AI10/03海外模型35