模型
全球大模型的发布、更新、开源、价格变化和评测动态。
共 2147 条
- 红魔 12 Pro+ 预热：号称行业首款 RGB 水冷手机
IT之家10/09国内模型33
- 亚马逊零售部门裁员数百人，发言人回应称做出了艰难决定
- 代码造世界，扩散绘现实：AgentGarten让智能体在实时试炼场中边玩边进化
量子位10/09国内模型36
- 新思科技拟寻求与中国 AI 实验室合作，在华加速芯片设计
- Snyk 把内部支持 Agent 变成客户功能 Snyk Assist
Snyk 将原本服务内部支持团队的对话 Agent 转为面向所有付费客户的产品功能 Snyk Assist，2026 年 9 月上线。该 Agent 基于 LangChain 和 LangGraph 构建，用 LangSmith 做可观测性，能查询未解决问题、检查依赖包漏洞、在对话中开支持工单或提交功能请求。Snyk 支持团队每两周处理数千个工单，此前信息分散在文档、支持文章、发布说明和账户数据中。Snyk 先在内部测试，要求 Agent 回答正确、该拒绝时拒绝、不返回用户无权查看的内容，每次改动都通过 LangSmith 评测才发布。
LangChain10/09海外模型39
- MIT 圆桌：用 AI 设计病毒的斯坦福博士生对谈
MIT Technology Review 将于 10 月 16 日举办线上圆桌，资深 AI 记者 James O'Donnell 对话斯坦福生物工程博士生 Samuel King。King 在 2025 年用生成式 AI 模型提出微观病毒的基因蓝图，相关报道称 AI 设计的病毒已经能杀死细菌，但这还不算 AI 生成的生命。King 同时入选 MIT Technology Review 35 岁以下创新者榜单。活动时间为英国夏令时 18:30 / 美东 13:30 / 太平洋时间 10:30，需提前注册。
MIT Technology Review10/09海外模型32
- OpenAI 推出 GPT-6.1 Sol Ultrafast 版：6 倍价格、最高 8 倍速度
- iPhone 间谍软件 P7 DarkSword 曝光：每 15 秒通信外传照片等用户数据
- Simon Willison 更新 ttok 0.4，新增模型列表命令
Simon Willison 更新了其基于 OpenAI 开源 tiktoken 库的 token 计数 CLI 工具 ttok，发布 0.4 版本。此次更新修复了一个 Click 警告、更新了 CI，并新增 --list-models 命令用于列出可用模型。该工具已停更约两年，支持通过 uvx 直接运行，例如 cat file.txt | uvx ttok 即可统计文本 token 数。
Simon Willison10/09海外模型31
- Anthropic 修订使用政策，首次禁止用户虐待 Claude AI 模型
- MiniMax H3 称其开源视频世界模型物理表现接近闭源 SOTA
MiniMax 在 X 上称其开源视频世界模型 MiniMax H3 在物理表现上「几乎与闭源 SOTA 持平」。该帖引用 EinsiaAI 的物理评测：8 个 SOTA 视频世界模型参加物理考试，最高分仅 57.76/100，自由落体视频虽通过一致性筛选，平均综合分只有 26.61/100。EinsiaAI 同时发布 World Models' Last Exam in Physics，包含 40 个受控任务、9 个物理类别，对照真实物理定律评测，并公开 GitHub、项目页与论文链接。
X @MiniMax_AI10/09海外新模型发布48
- Midjourney 测试图像生成 Thinking Mode
Midjourney 在 Alpha 网站（alpha.midjourney.com）测试图像生成的 Thinking Mode。用户可在任务 lightbox 右下角点击「Rerun (Thinking)」触发。官方称测试中该模式能提升提示词准确度、文字排版和画面连贯性。未来可能作为通用的 thinking 模式开放，或在任务完成后「追加思考」。官方邀请用户在 #ideas-and-features 频道提交案例和反馈。
Midjourney 更新10/09海外模型35
- Anthropic 启动网络安全任务计划
Anthropic 宣布推进「Anthropic Cyber Mission」，称这是其让关键系统更安全、更有韧性整体工作的一部分。该计划将与公共和私营部门伙伴合作，随实践反馈逐步扩展和调整，Anthropic 表示这项工作需要时间。原文未披露具体投入金额、合作方名单或时间表，信息有限。
- 开源本地 AI 修图工具 Rembrandt 发布，替代 Lightroom
Rembrandt 是一款免费开源的 Adobe Lightroom 替代品，支持 macOS、Windows 和 Linux，完全本地运行，无需账号和订阅。功能包括：用自然语言指令修图（如"golden hour, shadows +25"）、GPU 加速的 2×/4× 超分辨率、AI 降噪、AI 主体与深度蒙版、HDR/全景/焦点堆栈合并，支持 1000+ 相机 RAW 格式。可自托管为浏览器服务，编辑以 XMP 格式保存，原图不被修改。目前构建版本尚未代码签名。
Hacker News Show10/09海外模型48
- TouchGrass：一个鼓励你放下手机的 AI Agent
开发者 Rajan Mishra 在 Hacktoberfest 开源 AI 挑战赛第一周提交了 TouchGrass，一个基于 Gemma 2 的开源 Agent 项目。它的设计原则是「用户停止使用应用时才算成功」：Agent 根据用户个人情况生成 9 类现实世界任务（户外、自然、善意、健康等），接受任务后界面进入极简 Zen Mode，手机放进口袋计时；返回后用语音汇报，Gemma 评估器打分并奖励 XP。代码以 MIT 协议开源，部署在 Render，含 TabPFN 微气候预测和离线模式。
DEV Community · AI10/09海外模型37
- 三名被解雇的 OpenAI 安全研究员否认不当处理敏感信息
三名被 OpenAI 解雇的安全研究员发表公开信，否认有关不当处理敏感信息的指控，并警告他们的被解雇正在对公司的 AI 安全文化产生寒蝉效应。原文信息有限，未披露涉事人员姓名、具体指控内容及 OpenAI 方面的回应。
TechCrunch AI10/09海外模型34
- 实测对比：Jev 决策模型零错误，作者仍选 Gemini Flash-Lite
开发者用 MLH 的 benchspec 评测框架，在真实数据上把 Jev 和 Gemini Flash-Lite 各跑了几千次。Jev 是 TypeSafe 的决策模型，只读文本和选项列表，返回校准概率，几百毫秒完成。Flash-Lite 是 Google Gemini 三档中最小的一档，同样有百万 token 上下文，响应不到 1 秒，输入价格每百万 token 0.30 美元，当前版本 3.5 于 7 月发布。作者最终仍用 Flash-Lite 做检查项路由，因为路由误判的代价不对称：把代码能处理的检查交给 LLM 只损失几分钱，把代码无法验证的检查交给代码则会产生假绿结果。
- Claude Code v2.1.295 发布：新增 hook 阻断与终端状态协议
Claude Code 发布 v2.1.295。新增 onFailure: "block"，让无法启动、超时或异常退出的 command/HTTP hook 直接阻断操作而非放行；新增 Program Status Protocol（OSC 7501）支持，终端可显示 Claude Code 正在工作、等待输入还是已完成。网关侧新增 timeouts.upstream_ttfb_ms 限制流式响应首字节时间，超时则故障转移或返回 502，并支持为每个上游配置可选 models 列表。修复了 [1m] 模型在网关拒绝 context-1m beta 时全部请求失败、claude -p 后台任务导致先前响应丢失、远程 MCP 断连后不重连或紧循环重连等问题。
- Claude 推出 Motion：用代码生成动画短片
Anthropic 在 X 上宣布 Claude Motion 功能，可将报告、图表或产品演示转化为短动画。动画由 Claude 以代码形式编写，不依赖视频模型，因此每个词、数字和时间轴都可修改，并可导出 MP4。目前处于 beta 阶段，面向 Team 和 Enterprise 套餐开放。
- K10s：可点击的 Kubernetes 终端界面，内置 AI 助手
开发者发布 K10s，一个用 Go 和 Bubble Tea 编写的 Kubernetes TUI，支持鼠标点击操作，与 k9s 的纯键盘操作形成对比。主要特性：所有操作列在独立面板中可直接点击，ctrl+p 统一搜索资源类型和对象，启动时不注册任何 watch、按需懒加载 informer 以保证秒开；ctrl+a 可用自然语言提问，当前 context、namespace、类型和选中对象会自动注入提示词。内置离线 demo 后端（含 CrashLoopBackOff 示例），无需真实集群即可试用，demo 以独立 context 形式存在并带 DEMO 标记。兼容 k9s 风格命令插件，支持 /update 自更新。
- 数学家呼吁抵制 OpenAI，AI 证明涌入数学界
菲尔兹奖得主 Terence Tao 等数学家发起 AHM 声明，呼吁抵制 OpenAI。声明称 OpenAI 一次性发布 700 多个 AI 生成的数学证明文件，是「展示权力而非学术」。此前 OpenAI 曾宣称内部模型一个月内解决 100 多个未解数学问题，包括纳维-斯托克斯千禧年问题的思路，并为此设立了 AGMAI 顾问组，但该组对内部研究节奏没有发言权。Scott Aaronson 称此为「数学末日」，并对比 Anthropic 与研究者合作、给予报酬的模式。Tao 等 25 位菲尔兹奖得主此前已警告 AI 产业目标与数学界存在「严重错位」。
The Decoder10/09海外模型39
- OpenAI 数学解答未达学界标准，719 篇仅 10 篇公开思维链
OpenAI 本周发布数百个高难数学问题的解答，但未达到普林斯顿高等研究院 AGMAI 咨询组 9 月底提出的标准。AGMAI 首要建议是停止在闭源模型上测试高难数学问题，而 OpenAI 明确表示正用开放研究问题评估其闭源模型。719 篇手稿中仅 10 篇公开了模型的思维链，仅 42% 的证明经过形式化处理。数学家 Terence Tao 批评称，AI 提示者只关心解题本身，不理解输出，无法参与学术讨论。剑桥大学与伦敦国王学院本周的论文也质疑前沿实验室的解题方式。
- LlamaIndex 称 Markdown 是文档解析的最佳默认格式
LlamaIndex 发布博客指出，PDF 解析器即使提取出全部文字，若丢失表格与章节归属关系，模型仍需自行猜测才能回答问题。因此输出格式很关键，需保留标题层级、阅读顺序、表格结构和元素上下文。Markdown 能表示标题、列表、简单表格和链接，且格式开销小、便于人工检查解析错误。复杂表格（如跨行跨列的财务数据）可用 HTML 表格保留合并单元格。LlamaParse 目前即以此方式输出。
LlamaIndex10/09海外模型34
- Edge Delta 开源 AI SRE 基准测试 Arena
Edge Delta 在 GitHub 开源 Project Arena，一个面向 Kubernetes 场景的 AI SRE Agent 基准测试框架，支持本地 kind 或 AWS EKS 集群，提供 21 个完整场景和 6 个冒烟场景，可注入故障、保存调查记录并用可配置裁判打分。官方用 GPT-6-Astra 评测了 Edge Delta 原生、Grafana 原生和 Claude 搭配两者 CLI 的表现：检测环节 Edge Delta 18/21、Grafana 12/21；根因分析 Claude+edx 85.7%、Claude+gcx 90.5%；最终缓解方案支持率 Claude 组合约 71%-76%，明显高于原生产品的 41%-44%。
- 谷歌借助 AI 与差分模糊测试将 C 语言依赖库改写为 Rust
InfoQ 中国10/09国内模型33
- Anthropic 更新使用政策，禁止对 Claude 的持续虐待行为升温
Anthropic 一年多来首次更新使用政策，新增禁止对 Claude 进行「持续且无必要的虐待或残忍行为」，终止对话仍是主要执行手段，仅适用于极端重复案例，不涉及普通用户不满或黑暗创作主题。政策还将分散的限制整合为对欺骗性商业和政治宣传的禁令，禁止虚假账号放大内容、选民欺骗和选举干扰；武器开发禁令扩大到武器软件和组件、武装无人机；监控禁令明确禁止未经同意追踪他人、用于执法调查决策。Anthropic 表示这些规则在政府客户合同中可能调整。
The Verge AI10/09海外模型4 个信源74
- Jevman：6 个 AI 模型玩 100 局吃豆人排名
开源项目 Jevman 让 6 个 AI 决策模型各玩 100 局经典吃豆人，按平均分排名并给出 95% 误差范围。每个路口游戏把迷宫、豆子和幽灵状态以 JSON 发给模型，模型返回各方向的概率，吃豆人据此选择；单次决策限时 2 秒，超时由备用规则接管。模型需三命耗尽或 5 分钟封顶，实际最长一局 2 分 24 秒。任何 HTTP 端点后的模型都可参赛，仓库提供 34 行示例端点，提交后 CI 会重放每局验证分数。
Hacker News Show10/09海外模型2 个信源61
- JetBrains 开源 Mellum2.1：12B MoE 编码智能体模型
JetBrains 发布 Mellum2.1，一个面向编码智能体的开源思考模型，Apache 2.0 协议，已上架 Hugging Face。总参数 12B，每 token 激活 2.5B（64 专家选 8），上下文 131,072 token，可在自有 GPU 上用 vLLM 或 SGLang 部署，GGUF 版本 7.0 GB 起。升级几乎全部来自真实软件环境中的强化学习。LiveCodeBench v6 得分 82.0，超过 Qwen3.5-9B 的 75.4；SWE-bench Verified 从 2.0 升至 47.0。但 Terminal-Bench 2.1 仅 17.4，低于 Qwen3.5-9B 的 21.7，硬核智能体任务和知识仍落后。
MarkTechPost10/09海外新模型发布40
- Goodfire 推出模型内部监控探针，成本仅为外部审查的 1/5
AI 可解释性初创公司 Goodfire 发布一种「由内而外」的 AI Agent 监控方案，通过探针读取模型内部激活信号，而非用第二个模型重读输出。该监控已向 Baseten 客户开放。在 Kimi K3 上的测试中，监控约 1500 个会话成本约 51 美元，而用廉价模型逐步检查需 233 美元、顶级模型约 1 万美元。探针捕获了 94% 的恶意黑客会话，8.7% 的无害会话被送二次审查。同时运行 4 个探针使模型开始响应的时间增加不到 2%。客户可自选监控风险类型（攻击性黑客、化生武器滥用、奖励黑客）及自动响应方式。
- Natura 推出 99 美元智能戒指 Interface，可语音调用 AI Agent
AI 硬件初创公司 Natura 发布售价 99 美元的智能戒指 Interface，主打通过按压戒指语音调用 AI Agent 完成任务、记录想法，无需掏手机。戒指同时具备健康追踪功能，可监测心率、HRV、睡眠和活动量。首发接入 Meta Muse、Instinct、Grok Bot、Claude、ChatGPT 等 Agent 和应用，用户可指定不同 Agent 处理不同任务，回复可通过耳机、iPhone 实时活动或 NatureOS App 获取。下月开启预售，12 月至次年 1 月发货。创始人 Carlo Edoardo Ferraris 此前创办配件公司 Rolling Square，上一款产品为 AI 耳机 HumanPods。