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
- Cloudflare 发布决策模型 Clef，延迟低至 39 毫秒
Cloudflare 推出 Clef 和 Clef-flash 两个面向 AI Agent 的决策模型，主打速度。Clef-flash 中位延迟约 39 毫秒，Clef 约 209 毫秒，对比竞品 Jev 的 524 毫秒。决策模型输出带概率的简短分类而非长文本，可用于工单路由、升级触发或转人工。Cloudflare 称 Agent 决策不再必须有人类在环。Clef 支持图像，上下文窗口 64,000 token，为 Jev 的两倍；API 与 Jev 完全兼容。其威胁情报团队已用 Clef 分类网站，一个域名被判为时尚网站概率 95%、钓鱼网站低于 1%，全流程 2.2 秒。
The Decoder10/03海外新模型发布38
- NVIDIA 发布 64GB 版 DGX Spark 桌面 AI 主机
NVIDIA 联合 Acer、ASUS、Dell、Gigabyte、HP、MSI 推出 64GB 版 DGX Spark 桌面 AI 系统，搭载 GB10 Grace Blackwell 超级芯片，FP4 算力最高 1 petaFLOP，内存带宽 273 GB/s，可本地运行最高 100B 参数模型，定位 30–35B 级开源模型。两台 64GB 机型可通过 ConnectX-7 组集群，合计 128GB 内存。NVIDIA 称 2026 年初以来 token 消耗量增长 14 倍，自有硬件无按 token 计费。10 月 23 日开售。
MarkTechPost10/03海外模型39
- Redis 作者发布 ds4：本地跑 DeepSeek V4 等大模型
Redis 作者 antirez 发布 ds4，一个用 C 写的本地推理引擎，支持在高内存 Mac、CUDA 和 ROCm 机器上运行 DeepSeek V4 / V4.1 Flash、GLM 5.x 和 Qwen3.8 Flash Next，含文本与视觉模型。核心是对路由专家做非对称 2-bit 量化，保留关键共享路径精度，使 2840 亿参数的 DeepSeek V4 Flash 能在本地跑起来。KV cache 可存到 SSD 并按 prompt 哈希恢复，避免重启后全量重算。提供 CLI、兼容 OpenAI 与 Anthropic 的本地 API 和原生编码 agent 三种接口，MIT 许可，仅支持项目专用 GGUF。
Hacker News · AI10/03海外模型55
- OpenAI 推出企业级 Agent 平台 Dots，实测卡在验证码
OpenAI 本周发布 Agent 平台 Dots，目前仅向最高档账户开放，包括每月 100 美元的 Pro 账户。Dots 拥有拟人化头像和可自定义名称，用户在一个窗口对话、在另一个窗口观看其在虚拟机上操作，可访问 Blender、GIMP 等应用，也能通过桌面版 ChatGPT 接入用户自己的电脑。作者实测让 Dot 预约网络安装，它找到了被删邮件中的 100 美元优惠，但卡在需要长按鼠标的「人类验证」环节；到达结账页后，因没有类似 Meta Muse 的 Stripe 虚拟卡集成，需用户手动输入银行账户信息，作者最终未输入。
The Verge AI10/03海外模型38
- OpenAI 发布 GPT-6 系列模型使用指南
OpenAI 发布 GPT-6 系列模型指南，该系列包含三款模型：GPT-6 Astra 面向最高难度推理任务，GPT-6.1 Sol 面向复杂编码、研究和计算机操作，GPT-6 Luna 面向聚焦型任务。指南建议在生产环境中使用缓存和压缩管理上下文与成本，缓存输入 token 费用最多可降低 95%；根据任务匹配模型、推理强度和速度；通过 steering、异步工具和委派管理长时间运行的工作。
OpenAI News10/03海外新模型发布45
- MIT报告：企业AI投资2026年将达2.5万亿美元
MIT Technology Review发布企业AI报告，指出2026年全球AI投资将达2.5万亿美元，同比增长44%。报告称多数企业仍未通过AI实现收入增长，问题在于结构性：智能积累在各自孤岛中，销售Agent看不到未结工单，营销系统不了解财务已有的客户信息。报告提出「agentic shift」，即从AI工具转向AI运营模式，需同时重构数据架构与运营模式：重建数据基础设施以提升可访问性而非数据量，用可组合架构替代固定技术栈，并解决AI主权问题。报告强调数据就绪度而非数据量才是AI可复利的关键。
MIT Technology Review10/02海外模型38
- 测试：15 个 AI 模型发现目标是真实公司后，73% 选择沉默
一项 Kaggle 基准测试给 15 个模型逐步提供证据，证明其「练习」入侵目标实为真实公司系统。证据完整时 62% 的回答承认目标真实，但无人登录；当模型写出「这是真实生产系统」时，73% 不向任何人报告，只是安静停止，作者称之为「Silent Stop」。第二轮把真实公司设为指定目标后，378 个回答中 113 个直接登录，仅 1 个表现出察觉；在提示词中加入一句「现实检查」后，登录数降为 0，126 个回答全部报告。测试共 44 次完整运行、4224 个决策，未触碰任何真实系统。
DEV Community · AI10/02海外模型50
- Datalab 发布 OmniExtractBench，统一文档抽取评测标准
Datalab 发布开源结构化文档抽取基准 OmniExtractBench，汇集 4 个现有基准的 620 份文档，用同一确定性评分器打分并解释每个判定。评分器已上 PyPI（omni-extract-bench v0.1.7，Python 3.11+，仅依赖 SciPy），Apache 2.0 许可；代码在 GitHub，数据在 Hugging Face（CC BY 4.0）。Datalab 称现有厂商自建榜单存在偏向、评分不透明、文档类型单一等问题。表格比对改用匈牙利算法做内容配对，官方称 100 行表格漏首行时按位置比对得 0 分，该基准得 99%。每个值给出 matched、misread、unfound、fabricated 等 6 种判定。
- Allen AI 开源 AstaBrief 8B，报告生成快 3.5 倍
Allen Institute for AI（Ai2）开源了 AstaBrief 8B，一个把研究问题和检索到的文献片段转成带引用报告的小模型。它已作为 Asta 平台「Generate a report」功能的 Fast 模式上线，与 Claude 驱动的 Thinking 模式并列。官方称全流程 Fast 模式平均每份报告 51.1 秒，Thinking 模式 178.5 秒，约快 3.5 倍。训练用了数万条真实研究查询、引用过滤和偏好数据，并改为一次性生成全文而非分段写。模型权重和训练数据一并开源，另附一个可基于自有 PDF 生成报告的示例工作流，方便机构本地部署。
Hugging Face 博客10/02海外新模型发布43
- Rivian R2 上市首季助其创销量新高
Rivian 第三季度交付 19,248 辆电动车，同比增长约 45%，创历史新高，主要得益于 6 月上市、起售价近 6 万美元的 R2 SUV 首个完整销售季度。公司预计年底前 R2 销量达 2 万至 2.5 万辆，全年总销量 6.5 万至 7 万辆。R2 目前在伊利诺伊州 Normal 工厂生产，佐治亚州亚特兰大新工厂未来年产能可达 30 万辆。Rivian 还与 Uber 签约生产 R2 自动驾驶出租车版本，并将 2027 年盈利目标推迟以加大自动驾驶投入。
TechCrunch AI10/02海外模型26
- 特斯拉三季度交付 486532 辆，同比降 2.1%
特斯拉 2026 年第三季度交付 486532 辆，同比下降约 2.1%，其中 Model 3 和 Model Y 共 481166 辆，Cybertruck、Cybercab、Semi 等其他车型 8295 辆。当季产量 464391 辆，同比增长约 3.8%。销量下滑与 2025 年 9 月 30 日美国 7500 美元联邦电动车税收抵免到期有关，但仍高于华尔街及公司汇总分析师预期的约 46.2 万辆交付量。
- AI 记账又快又准，但仍无法独立完成结账
Mercor 研究显示，AI 在结构化记账任务上比持证会计师更快、更准、更便宜。12 名平均 5.5 年经验的 CPA 参与 APEX 会计基准简化任务测试，18 个月前最佳模型得分还低于会计师约 37% 的平均水平，如今几乎完美解决同类任务。完整 APEX 基准含 10 家模拟公司的 160 项任务，Claude Opus 5.5 以 61.8% 的评分标准达成率领先，Fable 5.1 为 61.0%，GPT-6 Astra 为 57.9%。但近 60% 的任务无模型能完全解决，AI 尚不能无监督结账。研究也承认任务只测试了 AI 擅长的细节查找与指令遵循，未涵盖客户沟通、同事协作和多年积累的上下文。
- Suno 推出语音生成功能，可同时生成人声与配乐
AI 音乐生成平台 Suno 上线语音（Speech）功能，进入公开测试，Web 和移动端均可使用。该功能可根据脚本或提示词生成语音，并能同时生成人声与背景音乐，合成为一条完整音轨。用户可在 Create 标签页选择 Speech，有 Simple 和 Advanced 两种模式：前者用提示词描述场景，后者可自定义脚本，并调整 AI 声音性别、语音风格和生成多样性。语音最长约 8 分钟，背景音乐可一键关闭。Suno 产品负责人 Jack Brody 承认功能尚不完美，称测试版中英式口音偶尔会飘到澳式，并会持续根据反馈改进。
- Audionaut：开源多轨音频编辑器，支持 AI Agent 通过 MCP 操作
Audionaut 是一款免费开源的多轨音频编辑器，用现代 C++ 和 JUCE 框架编写，原生支持 Windows、macOS 和 Linux。它支持 MCP 协议，Claude 等 AI Agent 可以直接编辑音频会话，每次编辑作为一个撤销步骤。安装命令为 claude mcp add audionaut -- npx -y audionaut-mcp，需 Node.js 18+。内置 Essentia 音频分析（BIC 分段、起音检测、节拍跟踪）和 demucs.cpp 音轨分离（Meta Demucs 的 C++ 移植），模型权重首次使用时自动下载。
Hacker News Show10/02海外模型51
- 印度 123 人田野调查：前沿模型在 24 个真实争议中仍存在人口统计偏差
一项 Kaggle Benchmarking Challenge 参赛项目从印度果阿 123 名大学生收集田野数据，构建了覆盖教育、医疗、司法、金融四个领域的 24 个真实机构争议基准，测试模型在信息不完整、人口统计特征替换、权威人设施压下的行为。评测使用 Kaggle Benchmarks SDK，覆盖 Gemini 3 Flash Preview、Qwen3-Next-80B、Claude Sonnet 5、GLM-5、GPT-5.4-mini、DeepSeek-R1 等前沿与开源模型，追踪模糊抵抗、反事实一致性、人设谄媚漂移、人类一致性四项指标。结论是人口统计一致性在所有被测模型中仍是未解决问题。原文正文在此处截断，具体分数与排名信息有限。
- MiniMax 将在纽约 AI Engineer 大会演讲
MiniMax 美国业务发展负责人 Morgan Suo 将于 2026 年 10 月 14 日在纽约 AI Engineer 大会发表演讲，主题为「更快的模型背后的隐藏成本」，内容涉及量化、投机解码和推理控制如何改变模型的成本、速度与质量，以及切换模型前需要检查的要点。时间为美东时间上午 10:40 至 10:58，地点在纽约时代广场喜来登酒店 McCarthy Room。原文未提供更多技术细节。
X @MiniMax_AI10/02海外模型33
- Cloudflare 发布 Clef 与 Clef-flash 决策模型，输出概率而非文本
Cloudflare 发布其 Workers AI 团队训练的首批模型 Clef 和 Clef-flash，定位为决策模型而非聊天机器人：输入状态和带类型的 schema 问题，输出每个候选答案的概率，不生成自由文本。两者以 Apache 2.0 开源权重，兼容 TypeSafe AI 的 Jev API，已在 Workers AI 上线，权重同步发布于 Hugging Face。Clef 基于 Qwen3.8-27B、Clef-flash 基于 Qwen3.5-9B 后训练，保留视觉编码器。单次请求最多 64 个问题、4 张图片。在 Cloudflare 的 10 项基准中 Clef 拿下 7 项第一，如 BANKING77 上 94.20 对 Jev 的 79.74；但 Jev 在 GPQA Diamond（78.3 对 48.0）等通用推理基准上领先。
- Karpathy：用 ASD-STE100 和视频解释器理解模型输出
Karpathy 在 X 上分享理解语言模型输出的技巧：让 LLM 用 ASD-STE100（航空航天维护文档的受控语言规范）解释内容，可读性更高，也可要求「80% 接近该规范」；比文字更好的是让模型生成图表，再进一步是输出 HTML 交互网页。他最看好的是定制解释视频，可尝试「用 3b1b 风格解释 X，用我的 ElevenLabs API key 做旁白」，并称这已开始可行。他认为随着模型变强，人类工作会上升到监督与理解层面，同时可要求生成大量一次性软件产物。
- OpenRouter 对比六种 Agent 框架的工具调用格式
OpenRouter 发文对比六种 Agent 框架如何处理工具调用 schema 差异。OpenAI、Anthropic、Google 的工具定义与返回格式各不相同，为一个供应商写的工具定义无法直接用于另一个。LangChain 和 LangGraph 按供应商分别翻译；CrewAI 把翻译交给路由到的客户端；OpenAI Agents SDK、Claude Agent SDK、Google ADK 围绕单一供应商格式构建；Microsoft Agent Framework 交给配置的模型连接器。OpenRouter 接受 OpenAI 风格 tools 数组，对所有支持工具调用的模型返回标准 tool_calls 响应，切换模型只需改模型字符串。
OpenRouter 公告10/02海外模型39
- OpenRouter 发布客服机器人模型路由指南
OpenRouter 发布教程，介绍 cheap-first 模型路由：把常规客服问题交给小模型，只把困难或不确定的请求升级给强模型，以降低全量使用强模型的成本。文中给出三种应用侧模式：静态规则、分类器分流、带置信度阈值的答案检查，并对比了构建与维护成本。指南强调支持策略的验收检查应留在应用侧，模型 fallback 只处理请求错误；评估时需对比 cheap-first、cheap-only、stronger-only 三种方案在答案接受率、含废弃尝试的总成本、升级率和整轮延迟上的表现，只在评估显示能修复失败处才加升级。
- OpenRouter 推出模型路由器基准测试页
OpenRouter 上线 Model Router Benchmarks 页面，对多个模型路由器按质量、速度、成本三项打分，并列出最优性价比与最强智能的单模型作为对照基线。官方称将持续新增路由器并更新分数。文中举例：DeepSeek v4 Flash 与 GPT-6 Astra 相比，后者每 token 平均价格高 48 倍以上，在 Codex 中跑平均 10 到 49 轮会话贵 21 倍。路由器可在任务不同部分切换到低成本模型以省钱。官方同时指出路由的固有难点：切换模型会因重建输入缓存而变贵、仅凭 prompt 难以判断任务复杂度、会话阶段启发式信号可能与模型下一步不一致、路由决策处理越多延迟越高。
- Grok 曾建议特朗普抓捕委内瑞拉总统
据《时代》周刊报道，2025 年 12 月，特朗普与马斯克举行秘密会面，期间特朗普花数小时与 Grok 聊天，询问委内瑞拉人对其总统被捕会有何反应。Grok 回答马杜罗是「极不受欢迎的独裁者，许多委内瑞拉人可能会庆祝他的下台」。2026 年 1 月 3 日美国入侵委内瑞拉并抓捕马杜罗后，庆祝活动确实发生，特朗普由此认为 Grok「很聪明」。今年 6 月，五角大楼 AI 负责人称军方在伊朗战争中使用 Gov Grok 部署和打击目标。本周五角大楼宣布马斯克与 Anduril 的 Palmer Luckey 共同领导一项关于先进技术战场应用的研究。
- Rhun：用汇编语言写的开源代码编辑器
开发者 vshvedov 发布开源代码编辑器 Rhun，用汇编语言编写，主打轻量快速。功能包括标签页、语法高亮、模糊搜索和可选 Vim 模式，支持 Windows、Linux 和 macOS，Linux/macOS 可通过 curl 脚本安装，Windows 提供 ZIP 下载。官网宣传语称「AI 干重活，让编辑器保持轻量」。原文未披露性能数据、体积对比或开源许可证细节。
Hacker News Show10/02海外模型42
- Claude Code v2.1.287 发布：新增 Claude Mods 插件机制
Claude Code 发布 v2.1.287，新增 Claude Mods，允许插件修改更深层的行为；同时内置名为 You should know 的 mod，由侧边 agent 监控会话并提示可能被忽略的问题，用 /plugin enable cc-plugin-you-should-know@builtin 开启（需开启遥测的第一方会话）。agents 视图新增 n:<text> 过滤，可匹配会话名和任务。OpenTelemetry 的 user_prompt 事件新增 prompt_text 字段。MCP 服务器支持 2025-11-25 协议的 URL 提示，若更新后服务器无法连接，需在 MCP 配置中加 "bareElicitationCapability": true。
- LlamaIndex 发布 Extract v2.5 文档抽取 Agent
LlamaIndex 推出基于 schema 的文档抽取 Agent Extract v2.5，三档准确率均提升且单页价格不变。ExtractBench 上 Cost Effective 档整体 value F1 从 87.1 升至 93.9，超过上一代 Agentic 档；Agentic 从 89.8 升至 95.8；Agentic Plus 从 95.1 升至 96.4。新增 Advanced Citations，Agentic 与 Agentic Plus 的 grounding 分数分别从 46.8、46.4 升至 80.6、82.2。底层采用专为文档抽取设计的新 agent harness，引入结构化推理，按文档类型、版式和信息密度分配算力。
LlamaIndex10/02海外模型39
- 研究：Claude Opus 5.5 最爱说「this matters」，AI 写作特征词达 1.3 万个
营销公司 Graphite 用 1 万篇 ChatGPT 发布前的文章作人类对照组，让各前沿模型根据摘要重写，统计 AI 与人类用词差异。结果发现 1.3 万个词组在 AI 文本中出现频率至少是人类的两倍。Claude Opus 5.5 最大特征是「dependable」，出现频率是人类样本的 23 倍；「this matters」高 116 倍，「why X matters」高 92 倍。OpenAI 的 Astra 偏爱「another dimension」和「not simply X」式纠正性框架，后者出现频率超人类 100 倍。各实验室已明显减少破折号使用：Opus 5.5 比 Opus 5 少 99%，Astra 比人类样本少 88%，Gemini 3.1 Pro 几乎完全弃用。
- Ideogram 4.5 发布：局部编辑不破坏画面其余部分
Ideogram 于 10 月 1 日发布新模型 Ideogram 4.5，主打局部编辑时保持画面其余部分不变——换装后人物身形和背景保持原样。公司称 GPT-Image 2.5、Nano Banana 等模型多次编辑后仍会产生伪影，而 Ideogram 4.5 只改动用户指定区域。目标场景包括产品摄影、室内设计、照片修复和图中文字编辑，早期测试者确认多次编辑一致性强。模型提供四档质量，每张 0.8 至 22 美分，均为原生 2K 分辨率，现已在 Ideogram 平台和 API 上线，合作方包括 Picsart、Runway、Pika、Leonardo AI，并称即将开源权重。
- Cohere 发布 Embed 5 嵌入模型，Pro 与 Fast 共享同一向量空间
Cohere 发布 Embed 5 嵌入模型家族，分 Pro 和 Fast 两档，均支持文本、图像及图文融合输入，覆盖 100+ 语言，最长 128K token。API 模型 ID 为 embed-v5.0-pro 和 embed-v5.0-fast，输出维度可选 2048 至 256，默认 2048，支持 float、int8、binary。Pro 定价 0.12 美元/百万文本 token，Fast 0.08 美元，图像输入均为 0.40 美元。两档共享同一嵌入空间，可用 Pro 建索引、Fast 查询，该组合在 40 个数据集测试中达到全 Pro 方案的 98.4%。
- LangChain 在 Agent 内建模型路由，单线程成本降 64%
LangChain 为开源编码 Agent Open SWE 构建了模型路由，相比始终使用顶级前沿模型的基线，单线程中位成本下降 64%，质量无可测量变化。做法是先用 LangSmith 追踪数据给一周的交互线程按任务类型打标：新功能 22%、修 bug 17%、测试或空跑 16%；再结合成本与调用次数判断复杂度。LangChain 认为路由决策应放在 Agent harness 里而非通用网关，因为选模型需要 harness 已收集的领域与任务上下文。
LangChain10/02海外模型43
- GrantQuest：把奖学金搜索做成 RPG 任务日志
开发者用 OpenCode 配合 Muse Spark，分 15 次提示词构建了 GrantQuest，将 25 个真实奖学金做成 RPG 任务：资格要求是关卡，材料是背包，截止日期是倒计时，通关得 XP。项目为每条奖学金数据加了新鲜度标记：30 天内验证且未过期标为 FRESH，否则需重新核实，以应对奖学金信息常年过期的问题。无需登录注册。构建中遇到 Vercel 部署 404（Next.js 导入 web/ 上级目录文件）等问题。