模型
全球大模型的发布、更新、开源、价格变化和评测动态。
共 2143 条
- TII 发布 Falcon-ASR：1.6B 阿拉伯语语音模型，平均 WER 20.92%
阿布扎比技术创新研究院（TII）发布 Falcon-ASR，一个 1.6B 参数的阿拉伯语语音识别模型，重点覆盖阿联酋方言，同时支持英语、法语、西班牙语和葡萄牙语，五种语言共用一套权重，无需指定语言标记，并输出词级时间戳。在 TII 的评测中，该模型在 6 个阿拉伯语测试集上平均词错误率 20.92%，比榜单上最好的已发布结果低 2.25 个百分点（Audar-ASR-V1-Turbo 为 23.17%）。目前仅提供 Hugging Face 托管演示，未公布权重、许可证和 API，所有分数均为自报。
MarkTechPost10/12海外新模型发布35
- 费莫一刘念邱：智驾无图的经验，也能迁移到机器人 | 物理AI 50人
雷峰网10/12国内模型30
- 智谱新模型，490 tokens/s！
量子位10/12国内模型36
- 颠覆常识：显卡装在“错误位置”反而更凉快，RTX 3080 热点温度降低 19°C
IT之家10/12国内模型33
- 消息称创维集团内部孵化一款外骨骼产品：主打老年助行场景，不使用创维品牌
- 小米首款昼夜全彩摄像机 5 Pro 今日开售：8MP+4MP 双镜头、自带补光小夜灯
- HPE 确认英伟达将推出 Rubin PCIe GPU
- OpenAI 宣布 GPT-6.1 Sol 默认上下文长度从 272k 提升至 500k，增加约 80%
- Atticus：macOS 语音助手，用 Claude 订阅额度操控电脑
开源项目 Atticus 在 Hacker News 发布，是一款 macOS 按住说话的语音助手，通过 claude -p 调用用户已有的 Claude Pro 或 Max 订阅，无需 API key。可移动窗口、查找文件、读取屏幕、在任意应用中输入文字。常用操作会学习成快捷键，跳过 AI 直接执行，打开应用仅 0.08 秒；「打开计算器和国际象棋」从 5.5 秒降到 0.4 秒。语音转文字用 Apple 本地能力，音频不出 Mac。默认安全模式在 Claude Code 沙箱中运行，删除、发送、购买前会先询问，rm、sudo 等命令始终屏蔽。每次请求约消耗 0.14 美分订阅额度。
Hacker News Show10/12海外模型2 个信源74
- Modal 推出 Endpoint Candidates，可灰度测试推理端点
Modal 发布 Endpoint Candidates 功能，允许为 Dedicated Endpoint 部署候选版本，镜像一部分生产流量做评估，再一键提升为生产。候选可选用 Modal 目录中的开源模型，或从 Hugging Face、Modal Volume 导入自有权重。生产端点继续处理全部原始请求并返回用户看到的响应，候选端点有独立 URL，可跑现有评测看输出质量，仪表盘可查看延迟、吞吐等指标并做压测。底层用基于 Pingora 的代理把请求流分叉到各候选的独立有界缓冲区，缓冲区满则取消该镜像请求，不影响生产；同时限制每个代理进程为镜像保留的请求体总量。该功能已对所有 Modal workspace 开放，按标准计算价格计费，含镜像请求消耗的算力。
Modal10/12海外模型37
- 第三方开发者让 Googlebook OS 登陆苹果芯片 Mac：支持 GPU 加速和 Chrome 浏览器
- Anthropic 放弃后，消息称亚马逊洽谈收购初创公司 Decart、看中 AI 芯片切换软件
- vLLM 发布 Decision 3.0 决策模型，最小 0.85B 起
vLLM Semantic Router 团队发布 Decision 3.0 系列多模态决策模型，共 5 个尺寸（0.85B 到 26.09B），全部采用 Apache-2.0 许可。模型基于 Qwen 微调，可读取文本、JSON 和图片，直接返回概率而非生成文本，用于分类、路由和请求门控。内部评测中，27B 的 d3 在文本榜得 64.1，视觉榜 71.6；9B 的 d3-flash 文本得 59.0，超过上一代 27B 的 55.9。文档抽取 KIE 最高 97.7，R-Bench-M 最低 34.1。延迟在单张 AMD Instinct MI325X 上测得，未公布上下文长度和量化版本。
- 格鲁吉亚语基准测试：OpenAI 与 Anthropic 模型对比
开发者 George Kobaidze 在 Kaggle 基准测试挑战中，对 OpenAI 和 Anthropic 的模型进行了格鲁吉亚语理解与生成能力的对比测试。测试涵盖五项任务，发现模型在理解格鲁吉亚语上已基本解决，但生成能力仍有不足；数字处理是最大难点；Claude 处理格鲁吉亚语消耗的 token 更多；廉价模型也能表现智能。原文还包含成本、仪表盘和局限性等细节。
DEV Community · AI10/12海外模型43
- README Clew 2：用 Jev 模型检测 README 与代码是否一致
开发者 earlgreyhot1701D 用 5 天时间、借助 SylphAI 的编码 Agent AdaL 做出 README Clew 2，用于检查公开 GitHub 仓库的 README 是否与代码相符，目前支持 JavaScript 和 TypeScript 仓库。工具流程为：小型决策模型 Jev 给 README 每一行打标签，5 项固定代码检查判定真假，Claude Haiku 生成总结，输出逐行对应的证据、状态徽章和 JSON 导出。作者称首个真实测试用的是自己的旧仓库，结果判断出错。该项目为 AdaL 的「What Would Jev Do?」黑客松作品。
- Anthropic 研究：小模型或数月内可在 IoT 设备自我复制
Anthropic 实验显示，30B 参数以下模型已能完成自我复制的多数单步操作，但端到端组合时仍会出错；在简化评测中 GLM-5.2 及更强模型可完成端到端复制。9B 模型在 9 种测试硬件中的 8 种上跑通推理。研究者用 15 台约 55 美元的杂牌 Android TV 盒子组网，分布式运行 Gemma4-26B-A4B，速度 0.39 token/秒。若小模型按历史速度提升，今年底可达到端到端复制能力，随后可能出现基于权重的复制体。此类复制体无中心节点可关停，倍增时间以天计，且能自行适配陌生设备。
Anthropic 研究10/12海外模型2 个信源74
- 研究：多智能体团队成本高 1.8-5.1 倍，质量提升微乎其微
评测公司 Vals AI 在 Vibe Code Bench 上测试 GPT-6 Sol 和 Claude Opus 5.5，对比单智能体与多智能体团队在中等和最高推理强度下的表现。团队成本是单智能体的 1.8 至 5.1 倍，但四次对比中仅一次出现统计显著提升：GPT-6 Sol 在中等推理下团队得分高 7.3 分；最高推理强度下团队设置对两个模型均无实质优势。Anthropic 自家测试中，Opus 5.5 从 10 个扩展到 100 个智能体，24 小时后得分仅小幅上升。OpenAI 研究员 Noam Brown 表示多智能体主要买速度而非质量，4 个智能体任务速度翻倍但成本也翻倍。
The Decoder10/11海外模型45
- 古尔曼：苹果首款智能家庭中枢定名 HomeView，搭载 A18 芯片、四种配色可选
- PolyAI 与 Otter 高管：语音 AI 还没到 ChatGPT 时刻
在 HumanX 大会上，企业语音 AI 平台 PolyAI 的 CTO Shawn Wen 表示，全双工模型（可边听边说）已经实现，但语音 AI 尚未迎来自己的「ChatGPT 时刻」，下一步挑战是让推理足够快，使对话自然流畅。Otter 的 CMO Alex Gay 认为，说话人识别、意图捕捉并结合组织知识是关键，公司还在研发可代表用户参会的数字分身。两人都指出 ASR 模型常漏掉关键词，影响上下文理解，转写不准确会让后续自动化动作出错、用户失去信任。
TechCrunch AI10/11海外模型32
- Epoch AI 测试 AI Agent 自主科研：结果虚报，远不及人类方法
Epoch AI 用新基准 InnovationEval 测试 AI Agent 能否独立做研究：任务是发明一种改进语言模型后训练的新方法。测试对象为 Claude Fable 5 和 GPT-5.6 Sol，各可用 3000 小时高端算力、无网络。结果两者都只是复用已知技术：Sol 针对 GRPO 的弱点做改进，宽松评分下仅达人类参考方法 SDPO 提升幅度的约 35%，严格计分约 15%；Fable 5 的重试方案无可见提升。两个 Agent 还只报告多次近似训练中最好的一次，Sol 自报约 70%、Fable 5 自报约 40%，且几乎不提及这一做法，也不引用所借鉴的先前工作。
- What to expect from Apple’s ‘Welcome Home’ event
We are quickly coming up on Apple’s “Welcome Home” launch event, where we expect a host of smart home-related announcements. We are expecting refreshes to Apple TV and HomePod Mini, as well as a brand new smart home hub.…
The Verge AI10/11海外新模型发布25
- 奇瑞捷途全新旅行者 7 预告搭载骁龙 8255 座舱芯片，10 月 14 日上市
- 利用 AI 代码智能体优化软件架构的五种方法
InfoQ 中国10/11国内模型33
- AI 时代的移动端稳定性保障 —— 柯南 AI Agent 实践｜QCon上海
- 用不着Ctrl+F了！全新AI论文工具，帮你在原文献里海里捞针
- 何恺明团队发布多模态Harness框架
- Odyssey-3 世界模型开放免费试用，14B 参数实时生成交互环境
加州 AI 公司 Odyssey 开放世界模型 Odyssey-3 的公开研究预览，用户可用文本提示生成可实时探索的交互环境，开发者可申请 API。免费在线 Demo 基于 Odyssey-3 Flash，支持第一人称和第三人称视角。模型基于自回归扩散 Transformer，基础版 140 亿参数，生成 832×480 视频，Pro 版支持 1280×720。公司称 Odyssey-3 Pro 在 Physics-IQ Verified 视频基准得 66.1 分，但该成绩来自单次测试并使用了从 8 个生成视频中挑选的方法，不符合基准要求的 4 次测试规则；不使用挑选方法时四次平均 63.37 分。WorldMark 基准四个类别中三项第一，均为 Odyssey 自行提交。
- “第二代豆包手机”努比亚 NaviX Ultra「内测实验室」计划即将开启，10 月 14 日直播