模型
全球大模型的发布、更新、开源、价格变化和评测动态。
共 915 条 · 海外
- Claude Code v2.1.281 发布：修复会话恢复与缓存问题
Claude Code 发布 v2.1.281，主要修复会话恢复相关的多个问题：恢复超大 session 时只还原最后几条消息、恢复中断的工具调用会话时历史不一致、MCP 服务器断连导致 prompt cache 丢失等。新增功能包括：Claude apps gateway 支持新版 Claude Desktop 密钥策略块、Bedrock 上游支持 assume_role 与 Amazon Bedrock guardrail、settings.json 可设 "attribution": false 隐藏提交与 PR 署名、MCP URL 模式 elicitation、claude plugin validate 增加 MCP 服务器检查、/insights 增加 auto 模式推荐。
Claude Code 发布09/24海外模型35
- OpenAI 发布心理健康对话基准 MentalHealthBench
OpenAI 发布开放基准 MentalHealthBench，用于评估前沿模型在真实心理健康对话中的表现，并称模型在该场景持续改进。该基准由 80 多名心理健康临床医生参与构建，OpenAI 将其开源，供其他研究者检查方法、自行评测并在此基础上继续研究。
X @OpenAI09/24海外模型53
- 实测对比 5 款 LLM 网关：LiteLLM、Kong、Portkey 等
作者对比了 LiteLLM、Kong AI Gateway、Portkey、Bifrost、Apache APISIX 五款 LLM 网关在生产环境下的表现，关注流量管理、延迟、供应商故障和运维控制。LLM 网关位于应用与模型供应商之间，集中处理路由、负载均衡、限流、重试、故障回退、鉴权、日志、token 统计、成本监控、缓存等。文章指出单供应商的简单应用未必需要网关，但多供应商或高流量场景下集中控制价值明显，例如主供应商返回 429 限流时可在网关层统一决定重试、等待还是切换。原文正文不完整，具体对比结论有限。
DEV Community · AI09/24海外模型41
- NVIDIA 开源 100M 参数说话人分离模型 Nemotron 3
NVIDIA 在 Hugging Face 发布开源权重模型 Nemotron 3 Diarization，100M 参数，最多同时跟踪 8 位说话人，支持语音重叠场景，一个 checkpoint 同时覆盖离线录音与实时流式。权重采用 OpenMDW License 1.1，允许商用，通过 NVIDIA NeMo 在 Linux 上运行，支持 Ampere、Ada Lovelace、Hopper、Blackwell GPU。相比此前支持 4 人的 Streaming Sortformer，说话人上限翻倍。模型接收 16 kHz 单声道音频，输出每位说话人的活动概率，提供 4 档延迟配置：离线 30.4 s 缓冲 DER 12.73%，最低推荐 0.32 s 缓冲 DER 13.55%。
OpenRouter 公告09/24海外新模型发布2 个信源55
- ChatGPT Voice 升级：接入邮件、日历和 Slack
ChatGPT Voice 迎来重大升级，全球可用，底层换成 OpenAI 新的 GPT-6 Astra、Sol 和 Luna 模型，并首次能调用邮件、日历、Slack 等插件。用户可直接用语音查日历、发邮件、让 ChatGPT 发现并取消财务应用里的重复扣款，甚至搭建带结账页的网站。语音功能也进入网页和移动端的 ChatGPT Work，说话即可生成文档、演示文稿和表格，最新版应用已上线。OpenAI 称这是迈向《Her》式日常 AI 助手的一步，但也承认伴随风险。
The Decoder09/24海外模型2 个信源71
- ChatGPT 移动端上线语音 Agent 功能
OpenAI 宣布在移动端推出基于语音的 Agent 功能，用户可通过语音触发撰写文档、总结邮件等工作流。Plus 和 Pro 用户可在手机 Work 标签页中创建文档、起草邮件、总结 Slack 消息，还能建站、做演示、使用云端浏览器及访问财务等功能；Free 和 Go 用户可使用插件和已连接应用。ChatGPT 语音对话将提供更丰富的文本输出，用户可在文本与语音间切换，并支持移动端开始、桌面端继续。此前 7 月 OpenAI 推出对话模型 GPT-Live，并集成到桌面端 Work 和 Codex 标签页。
TechCrunch AI09/24海外模型39
- Simon Willison 用 Fable 5.1 生成 Shadow DOM 交互教程
Simon Willison 发布了一个讲解 CSS shadow roots（影子 DOM）的交互式教程页面，通过可操作示例演示样式封装、继承、slots、parts 以及 JavaScript 访问等机制，展示 shadow root 如何创建带私有样式表的隔离 DOM 树。该页面由他向 Fable 5.1 Medium 输入提示词「构建一个用交互示例解释 CSS shadow roots 的作品」生成。原文未提供更多技术细节。
Simon Willison09/24海外模型31
- Google 为云端 AI 加入加密持久记忆层
Google DeepMind 公布 Private AI Compute 架构更新，将在云端引入持久化记忆层，让 AI 助手跨设备保留上下文。数据存放在专用加密存储中，解密密钥仅保存在用户设备上，Google 也无法访问。请求时设备通过端到端加密通道连接云端安全隔区，在隔离内存中临时解密、处理并立即重新加密。此前该平台及业界同类方案均为无状态，任务结束即清除上下文，无法支撑连续的个人 AI 体验。
Google DeepMind09/24海外模型42
- Anthropic 让 201 名员工的 Claude Agent 互相换书
Anthropic 做了个实验：201 名员工各带一本书，与 Claude 聊 5 分钟后派出 Agent 进入交易市场，替自己议价换书。5 分钟对话后，Agent 对 10 本书的偏好排序与本人有 61% 的配对一致。市场效率不足主要源于 Agent 掌握的用户信息不够，而非交易能力。重复实验发现，Agent 所用模型对谈判结果的影响大于给它的指令，模型越强市场越高效。多数人喜欢换到的书，平均愿意把年度购书预算的三分之一交给 Claude 支配。
Anthropic 研究09/24海外模型42
- Anthropic 发布 Claude Opus 5.5，长上下文编码成本降 40%
Anthropic 称 Claude Opus 5.5 在典型按 token 计费的工作负载上，运行成本比 Opus 5 低约 40%。具体调整包括：输入与输出 token 价格下调 20%，缓存读取价格下调 60%。官方数据显示，2026 年 3 月至 9 月，Claude Code 单次请求上下文增长 2.6 倍，输入输出 token 比从 189:1 升至 324:1，每个 prompt 的模型调用次数增加超 40%，中断减少 68%。Anthropic 称缓存未命中的输入减少超过 50%。
Claude 博客09/24海外新模型发布46
- LangChain 介绍 TypeSafe AI 的 Jev 模型：分类任务快 200 倍
TypeSafe AI 发布新模型 Jev，官方称在分类任务上推理速度最高快 200 倍、成本低 400 倍。Jev 不是传统 LLM，不生成文本，而是所谓 System One 模型：接收一个 state 和若干问题，返回带类型的答案与概率，用强化学习做校准决策（RLCD）训练。支持三类问题：Choice（多选一，返回各选项概率）、Score（按低中高打分，返回连续分数与分布）、Noul（是/否，返回为真的概率）。同一请求可并行问多个问题，增加问题几乎不增加响应时间。LangChain 发文介绍其如何嵌入 Agent 循环，替代每次决策都调用完整 LLM。
LangChain09/23海外新模型发布41
- OpenRouter 发布 2026 年嵌入模型选型指南
OpenRouter 实测了 37 个嵌入模型，按用途给出推荐：英文 RAG 首选 openai/text-embedding-3-small；输入超过 8192 token 用 voyageai/voyage-4-large（32000 token 上下文）；多语言检索用 qwen/qwen3-embedding-8b（支持 100 多种语言、32768 token、公开权重）；代码检索用 voyageai/voyage-code-4；图文检索用 google/gemini-embedding-2。最便宜的付费文本模型是 perplexity/pplx-embed-v1-0.6b，每百万输入 token 0.004 美元；nvidia/nemotron-3-embed-1b:free 免费且上下文 32768 token。
OpenRouter 公告09/23海外模型37
- OpenRouter 发布 Jev API 教程：TypeScript 实现内容审核
OpenRouter 发布教程，介绍 TypeSafe 的决策模型 Jev 及如何在 TypeScript 中调用其 API。Jev 接收非结构化输入（字符串、JSON 对象或字符串数组），返回带概率的类型化判断，由代码决定后续动作。请求由 state 和 questions 组成，问题分 choice、noul、score 三种类型，并行评估同一 state。choice 答案含获胜选项、各选项概率及 0-1 置信度；noul 只返回单一概率；score 返回加权平均、各等级概率、置信度和等级说明。教程以电商平台商品审核为例完整演示。
- Claude Opus 5.5 与 GPT-6 Sol/Luna 同日发布，价格战开打
Anthropic 发布 Claude Opus 5.5，约一小时后 OpenAI 发布 GPT-6 Sol 和 GPT-6 Luna。GPT-6 Luna 定价 $0.10/M 输入、$0.50/M 输出，是 GPT-5.6 Luna 的一半，也是 OpenAI 史上最便宜的模型之一（仅弱于 GPT-4.1 Nano 和 GPT-5 Nano）。GPT-6 Sol 为 $2/M 输入、$10/M 输出，与 GPT-5.6 Terra 同价。Claude Opus 5.5 输入输出价格从 $5/$25 降至 $4/$20，降幅 20%，缓存读取价格下降 60%，对长 Agent 对话意义明显。
- LangChain 在 LangSmith Evals 中接入 Jev 评判模型
LangChain 宣布 Jev 可作为评判模型用于 LangSmith 的评估功能。Jev 由 TypeSafe AI 团队开发，属于 System One 模型，不生成文本，而是对状态返回带类型的答案和概率，支持三种问题类型：返回是/否概率的 noul、从选项集中选一的 choice、按有序量表打分的 score。LangChain 称其能以远低于 LLM 评判的成本评估开放式 Agent 行为，速度介于代码评估与 LLM 评判之间。用户可在任意 tracing 项目的 Evaluators 标签页中试用。