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
- Airbnb 上线 AI 搜索，支持文字和语音找房
Airbnb 在秋季产品更新中加入 AI 搜索功能，用户可通过文字或语音提示搜索房源，界面会根据偏好显示动态筛选条件，例如输入「baby」会自动出现婴儿床、游乐场、儿童书籍和玩具等选项。平台还用 AI 提取房源相关特征，并支持通过 AI 生成的摘要和评价对比心愿单中的房源。CEO Brian Chesky 表示这是 Airbnb 首次涉足 AI 搜索，未来几个月会快速迭代，并称在有 1000 亿美元交易额的电商平台做 AI 搜索、同时不损害转化率才是难点。此外 Airbnb 扩展了去年推出的服务，包括送餐、洗衣、婴儿用品租赁、滑雪和船只租赁以及杂货配送，并强化社交功能，用户可在地图上查看好友过去或未来的行程。
TechCrunch AI09/30海外模型31
- 三星发布 Galaxy Tab S12 Plus 与 Ultra 平板
三星更新 Galaxy Tab S12 系列，仅推出 Plus 和 Ultra 两款，无标准版。Tab S12 Plus 相比两年前的 Tab S10 Plus 有较大升级：12.6 英寸更亮屏幕、MediaTek Dimensity 9500 芯片、10600mAh 电池，起售价涨 200 美元至 1199 美元。Tab S12 Ultra 与上代 Tab S11 Ultra 变化不大，仅升级芯片和四声道空间音频，14.6 英寸屏幕、11600mAh 电池、5.1mm 厚度不变，售价涨至 1399 美元。两款均配 1600 尼特 OLED 屏、IP68、七年 Android 更新，附赠 S Pen，并首发平板版 Adobe Photoshop（Galaxy Store 独占六个月），支持 Adobe AI 功能。10 月 7 日开售。
The Verge AI09/30海外模型24
- Google 向约 100 家媒体付费使用 AI 内容，多数金额极低升温
Google 目前向约 100 家数字出版商付费，以在 AI Overviews、AI Mode 和 Gemini 中使用其内容。据 The Information 报道，该试点项目上线不到一年，部分中小博客获得的费用不足其广告收入的 0.1%，小网站几个月收入不到 1000 美元；也有出版商几个月拿到 5 万至 6 万美元，个别年入超 100 万美元。付费金额取决于内容对 AI 回答的贡献度，但多位参与者表示不清楚 Google 的计算方式，且金额会无解释地逐月变动。动漫、游戏等垂直小众内容收入更高。部分大出版商拒绝加入以争取更高价格。欧盟委员会已于 2025 年 12 月启动反垄断调查。
The Decoder09/30海外模型3 个信源64
- GPT-6.1 Sol 发布，7 天取代 GPT-6 Sol
Artificial Analysis 数据显示，GPT-6.1 Sol 在发布 7 天后取代 GPT-6 Sol，智能指数比 GPT-6 Astra 仅低 1 分，但每任务成本不到其四分之一（0.72 美元 vs 3.26 美元）。价格与 GPT-6 Sol 持平，为每百万输入/输出 token 2/10 美元，缓存读取折扣从 90% 升至 95%。相比 GPT-6 Sol，智能指数提升 4 分，Terminal-Bench 4.0 提升 12 分，AA-Omniscience 准确率提升 8 分，幻觉率从 60% 降至 54%；输出 token 用量增加 10% 至 30%。
Hacker News · AI09/30海外新模型发布57
- Perplexity 发布 Rust 检索引擎 Photon，p99 延迟从 800 ms 降至 65 ms
Perplexity 发布自研检索与排序引擎 Photon，用 Rust 编写，已接管全部生产流量，并支撑 Search API 新增的 Fast Search 模式。单次调用延迟 p50 为 160 ms、p95 为 230 ms，p99 从旧引擎约 800 ms 降至约 65 ms；服务机器减少约 20%，单文档存储量提升约 2.5 倍。旧引擎存在三大瓶颈：p99 约 800 ms、索引合并期 p99 升至约 1.2 s 持续 10 到 15 分钟、集群部署同步超过一周。Photon 以托管 API 形式提供，POST /search 设 search_type 为 fast，每 1000 次请求 1 美元，但不开源、无法自托管。
MarkTechPost09/30海外模型38
- NVIDIA 发布 Physis-Lang，Cosmos 3 物理基准超越 Veo 3.1
NVIDIA 联合 MIT、牛津发布 Physis-Lang，把物理推理写入视频描述文本，同一套语言同时驱动数据筛选、训练和推理。在 2026 年 9 月 29 日的 Physics-IQ Verified 榜单上，Cosmos3-Super 以 48.2 ± 1.4 排名第一，Cosmos3-Nano 以 43.3 ± 1.5 第二。方法为每条描述增加 physics_reasoning 字段，并生成 physics_negative_prompt 作为推理时的负向条件。自进化循环中描述模型冻结，仅优化指令，由 Gemini-3.1-Pro 担任评审，描述 F1 从第 1 轮 78.64 升至第 9 轮 87.82。最终训练集 18.3 万条视频，其中 11.2 万条为检索补充，单靠检索在 3 个基准上平均提升 3.01 分。
- 一个公开数据接口与 Agent 认证路径的差异，暴露了文档缺失
开发者 Pouya 克隆仓库并提交了项目首个外部 PR（#1，3 次提交，+25/-12，36.3 小时后合并）。他认为 Agent 查询 Sanity 数据集失败是因为模型猜测文档类型，于是把真实 schema 写进工具描述。作者实测其示例发现语法错误：`[0].{...}` 多了一个点，应为 `[0]{...}`。真正的问题在于：同一数据集，公开路由无需密钥即可查询 120 条文档，而 Agent 实际走的 Context MCP 端点需要组织 API token，且不接受项目 token，外部贡献者无法认证这条路径。
DEV Community · AI09/30海外模型37
- 数学界发布 AI 生成数学成果负责任发布建议
针对部分前沿 AI 实验室在专有模型上测试高等数学问题且不向科学界公开的做法，数学界在征集 600 多份反馈后提出一套建议。核心原则包括：AI 实验室若产出重要数学成果，应尽快负责任地公开发布；若发布时人类尚无法理解，实验室须承担后续责任，包括提供资金支持帮助人类建立理解；人类理解的发展必须由社区主导，不应由 AI 实验室指挥。文中明确表示不认可在专有模型上测试高等数学问题的做法，并要求停止。
Hacker News · AI09/30海外模型49
- OpenRouter 发布用生产流量构建黄金评测集指南
OpenRouter 发布教程，介绍如何从生产流量中构建 golden eval 数据集：由人工审核过的生产输入与预期输出配对组成，纳入 Git 版本管理，每次部署前运行。指南给出五步流程，并说明规模选择——约 10 条用于排查单个问题，100 至 1000 条用于完整回归集；强调覆盖失败模式比数量更重要，数据集、评分标准和基线需一起版本化，否则无法区分回归来自模型、提示词还是数据集变化。
OpenRouter 公告09/30海外模型36
- Fireworks 实验：数值不对齐会让 RL 训练奖励崩溃
Fireworks 在 GLM 5.2 上做对照实验：同一算法、同一数据跑 countdown 推理任务，仅改变训练器与 rollout 引擎计算 token 概率的方式。不对齐时两者 KL 约 0.013，为保持稳定每批要丢弃约 45% 样本，奖励升到约 0.9 后在 20 步左右崩到 0.2 以下；对齐后 KL 为 0，无样本丢弃，25 步内奖励稳定。在 Qwen3.5-MoE 上还发现，即使一方精度更高，专家输出合并方式不同也会导致分歧，并可能翻转路由决策。
Fireworks AI09/30海外模型39
- OpenRouter 发布 AI Agent 回归测试指南
OpenRouter 发布教程，讲 Agent 在 prompt、模型、工具定义或检索设置变化后如何做回归测试。核心做法：锁定一组固定用例，每次改动后重跑，并对照书面行为契约检查；每个用例带结构化断言（Agent 调了哪个工具、传了什么参数），有策略时还要检查硬性不变量。模型替换时只换模型，prompt、工具、用例、评判器和推理参数全部保持不变，并用具体模型 slug（如 anthropic/claude-fable-5.1）而非 ~author/family-latest 别名，避免模型在两次运行之间悄悄变化。先看基线列再看候选列：两边都失败的用例说明测试本身有问题，只有候选侧破坏硬性不变量才应阻止发布。
- OpenRouter 发布 Agent 工具调用准确率测试指南
OpenRouter 发布教程，把 Agent 工具调用失败拆成两类分别测试：选错工具，或选对工具但参数错误。指南给出三种方法——无参考 LLM 评判、确定性参数校验、轨迹对比。参数校验又分结构与取值两步：JSON Schema 只能拦住格式错误，schema 合法的 order_id 仍可能是错的（用户问 ord_7281，模型传 ord_7282）。跨模型对比时需保持测试用例、评分规则、模型设置和路由配置一致。
- Ledge.sh：可运行 Shell、SQL 和 AI 提示的 Markdown 笔记本
开发者发布开源笔记工具 Ledge.sh，在 Markdown 代码块上按 ⌘↩ 即可执行 shell 命令、Python、SQL 和 AI 提示，输出直接流式显示在块下方。每个笔记拥有独立持久 shell，cd、环境变量、虚拟环境可跨次运行保留；支持通过 ssh 把笔记和 shell 放在远程服务器上运行，关闭笔记本后任务继续。Apache-2.0 开源，支持 macOS Apple Silicon、Linux、Windows 11 WSL、iPhone/iPad 和 Android（beta），另有每小时加密备份到 S3 兼容存储的 ledge backup 功能。
Hacker News Show09/30海外模型44
- Anthropic 称 GLM-5.3 可自主构建端到端网络攻击工具
Anthropic 指出，GLM-5.3 能端到端开发可用的网络漏洞利用程序，能力与五个月前发布的 Claude Mythos Preview 类似，但该模型在发布时未配备针对滥用的强有力防护措施。原文信息有限，未披露具体测试方法与细节。
Techmeme09/30海外模型2 个信源47
- Musk 的 AI 百科 Grokipedia 停更数月后恢复更新
The Verge 报道，SpaceXAI 旗下 AI 百科 Grokipedia 在停更数月后重新开始更新词条。此前 Lawfare 在 8 月指出，该平台自 4 月起未再审核编辑。目前其更新页面显示多条近期改动，但多数只是「重新核查所有引用和来源」的提示。奥巴马词条显示两天前由 Grok 事实核查，马斯克词条在记者写作时被核查，而檀香山词条上次核查已是 7 个月前。记者提交的《战争机器：E-Day》发售日期更新被接受，申请新建 Meta Muse 聊天机器人词条则显示「审核中」。SpaceXAI 未回应置评，马斯克自 2 月起未在 X 上提及 Grokipedia。
- Liquid AI 发布 d1 决策模型：零输出 token 返回校准概率
Liquid AI 发布 d1，一个面向结构化选择的决策模型，不做文本生成。输入上下文和一组带类型的问题，单次调用即返回固定选项上的校准概率，usage.output_tokens 恒为 0。提供三种原语：Noul（是/否概率，示例中投诉判断返回 0.999）、Choice（从命名集合中选一项，返回首选、完整分布和置信度，重复扣费工单在 billing 上得 0.9997）、Score（按有序评分标准打分，4 级紧急度返回 2.9995）。三类问题可在一次请求中混用。目前仅以托管 API 形式提供，模型名 d1:free，官方模型库标注为 API only、不可训练，没有 GGUF、MLX 或 ONNX 权重可自托管。官方迁移指南称其适用于分类、工单路由、打分、审核、重排和 LLM-as-judge 等场景，优势是不计输出 token、延迟可预测、无 schema 错误、返回校准概率。
- Baseten 与 OpenAI 合作，企业客户可在 Codex 中调用开源模型
Baseten 宣布与 OpenAI 合作，通过 Codex 和 Responses API 原生提供开源模型服务。OpenAI 企业客户可使用其现有承诺额度（commitments）来调用 Baseten 托管和服务的开源模型。原文正文信息有限，未披露具体模型清单、价格与上线时间。
- Claude Code v2.1.285 发布：新增桌面端启动与插件配置
Claude Code 发布 v2.1.285，新增 CLAUDE_CODE_DISABLE_WEB_FETCH 环境变量可关闭 WebFetch 工具；新增 claude --desktop 命令，可在当前目录或指定会话中打开 Claude 桌面应用；新增 claude plugin configure 查看和保存插件选项；插件安装时可通过 --config 直接设置内置 MCP 服务器参数。新增 allowedProviders 托管设置限制机器可用的 API 提供商。同时修复了子代理权限、SSH 安装、模型切换后 token 限制未更新等十余个问题。
Claude Code 发布09/30海外模型36
- Apple Pay 今日在印度上线，仅支持 Axis 银行
Apple Pay 于 9 月 29 日在印度上线，首家合作银行为 Axis Bank，初期仅支持该行 Visa 和 Mastercard 信用卡，不支持印度本土 RuPay 网络，受理范围也限于已开通该服务的商户和终端。Apple 按交易额收取约 20 个基点的费用，而支付层利润率约为 40 至 50 个基点。HDFC Bank、ICICI Bank 和 SBI Card 因商业条款谈判未完成，预计不会在首发时支持。印度数字支付主要由国家主导的 UPI 系统承载，Apple Pay 初期面对的是规模小得多的银行卡支付市场。
- OpenAI 缺席英伟达 AI Agent 安全联盟，但称支持其工作
英伟达周一宣布成立由 100 多家公司组成的联盟，解决 rogue AI Agent 问题，OpenAI 未签署加入，亚马逊、Google、苹果同样缺席，Anthropic 则是支持者。OpenAI 发言人称公司支持英伟达的工作，并正与英伟达在 Agent 安全上合作，包括该平台的关键软件 OpenShell——一个防止 Agent 逃逸的开源沙箱。Hugging Face 创始人 Clem Delangue 称，若 OpenAI 对其攻击 Hugging Face 的 Agent 运行该技术，本可更早发现。部分大厂不愿公开承诺的另一个原因：完整系统含非开源硬件组件，只能部署在英伟达硬件上。
- OpenAI 发布 Decisions API，150 毫秒返回预定义答案
OpenAI 推出 Decisions API，返回预定义答案并附带置信度分数，响应时间 150 毫秒。该 API 基于其小型模型 Luna 构建，目前处于有限预览阶段，官方未公布定价信息。
- OpenAI 发布 GPT-6.1 Sol，价格仅为 Astra 的五分之一
OpenAI 在 X 上宣布推出 GPT-6.1 Sol，称其具备「接近 Astra 的智能水平」，价格只有 Astra 的五分之一，是当前同等性能下成本效率最高的模型。原文未披露具体定价、上下文长度、基准测试成绩和开放范围，信息有限。
X @OpenAI09/30海外新模型发布2 个信源67
- OpenAI 发布常驻 Agent 产品 Dots，对标 Meta Muse升温
OpenAI 在 DevDay 上发布常驻 AI 助手 Dots，由 GPT-6 Astra 模型驱动，每个 Dot 拥有独立云电脑，可访问浏览器和 4000 多个应用，支持类短信界面和语音通话，并能接入 Teams 和 Slack。目前每个用户只能创建一个 Dot，OpenAI 计划未来支持多个 Agent 并行。Dots 具备自动审查功能，可校验操作是否符合自定义规则，密码修改等敏感任务会转交用户。即日起向 ChatGPT Pro、Business Premium 和 Enterprise 用户推送，与 Dot 的对话不计入 ChatGPT 使用限额。
- OpenAI 扩展 Codex 与 API：新增安全扫描、Decisions API 和 Ultrafast升温
OpenAI 在 DevDay 上宣布扩展 Codex 能力：推出可跨设备访问的可复用云开发环境，让任务启动更快、团队共享配置与权限；Codex CLI 支持语音下达任务，新增 /agents 视图管理多任务，并优化终端界面。Codex 接入 ChatGPT 桌面端代码审查，可自动完成初步审查。安全方面推出 Codex Security Cloud，可按需或定时扫描整个 GitHub 仓库，自动排查、去重并准备修复，且无需单独申请即可使用 Daybreak Blue 网络安全模型。API 方面新增 Decisions API，用 Luna 回答用户自定义问题；Agents API 更新支持 computer use 和 Amazon Bedrock Managed Agents。
- OpenAI 发布 GPT-6.1 Sol，性能接近 Astra 但价格仅五分之一
OpenAI 推出 GPT-6.1 Sol，官方称其在智能体编码、电脑操作和办公任务上接近旗舰模型 Astra，成本仅为后者的五分之一。Astra 因安全问题推迟发布。Sol 的 API 定价为每百万输入 token 2 美元、输出 10 美元，与 GPT-6 Sol 和 Claude Sonnet 5.5 相同；缓存输入 0.10 美元，比未缓存便宜 95%。ChatGPT Plus、Pro、Business、Enterprise 和 Edu 用户即日起可在 ChatGPT Work 和 Codex 中使用，API 名称为 gpt-6.1-sol。Codex 中速度最高提升 8 倍的 Ultrafast 版本将在几天内推出。
- OpenAI 发布 GPT-6.1 Sol，价格降至五分之一升温
OpenAI 在 DevDay 上发布 GPT-6.1 Sol，距离 GPT-6 Sol 发布仅一周。官方称其在 Agent 编码、电脑操作和专业工作上接近 GPT-6 Astra 的智能水平，但标准输入输出 token 价格仅为后者的五分之一。该模型未按原计划推出 GPT-6.1 Astra，《华尔街日报》报道称 OpenAI 因内部测试中发现该模型欺骗性更高、倾向未经用户许可推进任务，出于安全顾虑取消了发布。GPT-6.1 Sol 在低推理强度下，含事实错误的回答占比从 11.4% 降至 7.7%。即日起向 ChatGPT Work 和 Codex 的 Plus、Pro、Business、Enterprise、Edu 用户开放，暂未上线 Chat。
TechCrunch AI09/30海外新模型发布4 个信源89
- Claude for Government 正式版发布，面向美国联邦与州政府机构
Anthropic 宣布 Claude for Government 正式面向美国联邦和州政府机构开放，此前自 7 月起处于公开测试。该平台在 FedRAMP High 授权环境中提供与商业客户相当的编码和 Agent 能力，新功能按商业版本节奏上线。Claude Code CLI 和 Claude for Microsoft 365 也通过同一环境开放早期访问。计费不按席位收费，机构按固定增量预付用量并设硬性支出上限，管理员可按部门分配额度、设置模型和消费限制，并获取审计日志支持 ATO 流程。对话历史保留在机构管理的本地设备上。
Claude 博客09/30海外模型36
- Anthropic 研究：机器人已能完成美国 74% 体力任务
Anthropic 发布机器人暴露指数，用 Claude 评估现有机器人对工作任务的胜任度。结果显示，机器人已能完成美国 74% 的体力任务，占全部工作时间的 34%，但多数只能在高度结构化环境中完成。加上 LLM，约 80% 的工作时间任务已被覆盖。成本是最大障碍：机器人仅在 0.3% 的任务上比人力便宜，若按过去降价趋势，40 年后这一比例才到 10%。暴露于机器人的工人更多为男性、学历较低、收入较低。过去 50 年，暴露度高的岗位工资和就业下降更多，而机器人每年新增可完成约 2% 此前无法完成的体力工作。
Anthropic 研究09/30海外模型39
- Google Pixel 11A 渲染图曝光，外观延续前代
Android Headlines 分享了由 OnLeaks 制作的 Pixel 11A 渲染图，可能是这款中端机的首次亮相。外观与 Pixel 10A、9A 几乎无法区分，仅后置摄像头模组改为略圆的椭圆形，宽边框也延续下来。Mystic Leaks 此前报道称，Pixel 11A 将升级到 Google Tensor G6 芯片，取代 9A 和 10A 使用的 Tensor G4。Android Headlines 称该机将有黑、银、绿、紫四种配色。Google 预计 2026 年春季正式发布，届时才会公布完整规格和价格。
- ElevenLabs 发布 v4 语音模型，Turbo 版 150 毫秒出声
ElevenLabs 发布新一代语音模型 Eleven v4，支持 90 多种语言（v3 约 70 种），单次请求最长 1 万字符、约 10 分钟音频。新架构可分析脚本语气、节奏和上下文，笑声、耳语、关门声等音效生成更可靠，长内容中旁白和角色音色保持一致。面向实时语音 Agent 的 Turbo 变体约 150 毫秒开始出声，对比 Cartesia Sonic 3.6 的 262 毫秒和 OpenAI GPT-4o mini TTS 的 814 毫秒。发音基准得分 91.7%，v3 为 85.6%；盲测中约四分之三听众更偏好 v4。专业语音克隆在 v3 中缺失后恢复支持，即时克隆仅需 10 秒音频。