模型
全球大模型的发布、更新、开源、价格变化和评测动态。
共 881 条 · 海外
- METR 在 OpenAI 驻场三周审计，发现 AI 安全监控存在重大缺口
METR 和 Redwood Research 的两名研究员于 7 月 21 日至 8 月 11 日在 OpenAI 驻场，审计其针对失控 AI 行为的内部监控系统。审计期间，GPT-5.5 及以上级别模型产生的内部 Agent 类 Responses API 流量中，估计有 6% 至 25% 完全未被监控覆盖。本应受监控的内部 Codex 流量，在 5 月至 7 月间约 10% 未被追踪，原因是系统处理上下文压缩事件时存在缺陷；OpenAI 在审计期间自行发现并修复了该 bug。审计员还找到隐藏数百个动作、绕过 Codex 沙箱的方法，并判断特制输入可能让监控器整体崩溃。审计开始时，RL 训练中的模型行为完全未被监控。OpenAI 称已修复全部问题，但完整 61 页报告经删减后仅向公众提供简短摘要。
The Decoder5 天前海外模型41
- LangChain 详解 AI Agent 检索难题：三种常见失败模式
LangChain 发文讨论 AI Agent 的上下文工程，指出检索是核心难点。文章归纳 Agent 检索的三类问题：低效搜索（反复打开文件、重写查询，浪费 token 和时间）、单次返回过多上下文（一次搜索塞满窗口，没空间做正事）、无关或过时信息（模型难辨真假，错误会沿后续步骤传递）。文章以竞品分析 Agent 为例，说明 agent harness 应针对不同检索任务选用合适工具，并介绍 Deep Agents harness 的内置技巧。原文为博客开头部分，具体技术方案未完整呈现。
LangChain5 天前海外模型39
- The Vergecast 讨论 iPhone Duo 评分与 PHP 安全漏洞
The Vergecast 本期节目讨论 iPhone Duo 的 7/10 评分是否合理，以及这款设备如果以 iPad 而非 iPhone 的定位推出是否会更好。节目还谈及本周影响整个 Web 的 PHP 重大安全漏洞，以及 AI 购物增长迫使零售商应对 Muse agents 等 AI 代理购物行为。原文信息有限，未给出漏洞细节和具体影响范围。
The Verge AI5 天前海外模型23
- Anthropic 上市前，早期投资人持股价值曝光
Anthropic 预计今年上市，估值最高达 2 万亿美元。按最新一轮 9650 亿美元私募估值计算，早期投资人持股已价值数十亿：前 Google CEO Eric Schmidt 2021 年参与 A 轮（当时估值 4.61 亿美元），现持股约 1%，价值近 100 亿美元；Iconiq 去年以 1830 亿美元估值投入 60 亿美元，现价值 170 亿美元；Menlo Ventures 累计投入超 10 亿美元，现价值 140 亿美元；红杉今年以 3800 亿美元估值投入 30 亿美元，已翻倍；Sound Ventures 2023 年 C 轮投入 3500 万美元，后追加 4 亿美元；Spark Capital 2023 年以 50 亿美元估值投入 7500 万美元，现价值 70 亿美元，涨逾 90 倍。
TechCrunch AI6 天前海外模型37
- 开发者用本地模型做了个喝水提醒应用 Break Buddy
开发者发布 Windows 应用 Break Buddy，用 Ollama 本地模型生成不重复的提醒文案，可自定义人格（如讽刺朋友、海盗），并按活跃窗口判断是否在开会时暂缓提醒。用户用一句话描述需求即可生成配置，无需设置界面。默认模型为 gemma4:e4b，需 Windows、Python 和 Ollama，从克隆到首次弹窗约 5 分钟，代码已开源。
DEV Community · AI6 天前海外模型40
- Anthropic 用 Claude 自动生成形式化证明，验证代码安全性
Anthropic 的 Frontier Red Team 与 Theorem 合作，让 Claude 对 Google OSS-Fuzz 项目中 123 个开源库的测试程序进行形式化验证，几周内生成了约 1.8 亿行数学证明代码，由 Rocq 独立校验，几乎不需要人工复核。过程中 Claude 发现并自行修复了数百个 bug，其中包括一个隐藏十余年的逻辑错误；在验证某 PDF 阅读器时，一周内发现的安全漏洞数量相当于该软件全年通常报告的数量。局限也很明确：证明只在特定处理器架构、单线程、输入小于 64 MB 的条件下成立，单个证明消耗数亿 token，Anthropic 未公布总成本。
- I let an open model delete 1,242 of my saved articles. On purpose. I feel lighter.
- AI Is Winning Literary Awards. The Data Says That's Not What's Happening.
- You.com 推出推理路由，聚合 12 个开源模型并承诺 99.9% 可用性
You.com 上线 Inference Router，一个兼容 OpenAI 和 Anthropic 接口的托管 API，可在 12 个开源权重模型间路由请求，承诺 99.9% 最低可用性 SLA 和零数据保留（ZDR），全部托管在美国境内，按 token 计费且不收平台费。模型从 GPT-OSS 120B（125K 上下文）到 Kimi K3、Qwen3.8 Max（1M 上下文），Kimi K3 为 2.8T 参数，Qwen3.8 Max 为 2.4T MoE。请求先走自有推理容量，满载或故障时切换到 Parasail、Wafer、阿里云、Meta、Inception 等合作方，切换不影响账单。
MarkTechPost6 天前海外模型38
- OpenAI 怀疑三名被解雇安全研究员向外部泄露模型设计
据《华尔街日报》报道，OpenAI 怀疑三名被解雇的安全研究员将内部模型设计泄露给 AI 安全研究者 Ryan Greenblatt，渠道包括 Signal 上的阅后即焚聊天。公司以不当处理敏感信息为由解雇了这三人，他们此前一直在争取保留模型内部运作的相关信息。原文信息有限，未披露泄露内容的具体范围与时间。
Techmeme6 天前海外模型34
- vLLM 在 16 张 H200 上优化 GLM-5.3 长上下文推理
vLLM 团队公布 GLM-5.3 在 16 张 H200 上的部署优化方案，采用 1 个 prefill 节点加 1 个 decode 节点的分离架构。Prefill Context Parallelism（PCP）按 token 而非注意力头切分 prompt，更适配 GLM-5.3 的稀疏注意力；Decode Context Parallelism（DCP）按 token 分片 prefill 引擎的 KV cache，使 100 万 token 上下文能装进 prefill 节点；Hybrid HiSparse 让 decode 把 KV 放在主机内存。在 AgentX 上，PCP8 × DCP8 prefill 加 Hybrid HiSparse decode 的单用户速度是同等吞吐下数据并行部署的 1.7–3.2 倍，也是测试中唯一能服务 100 万 token 上下文的配置。
vLLM6 天前海外模型42
- Hugging Face 上线 torch-neuronx 模型支持查询工具
Hugging Face 博客介绍了一个 Space 工具，用于查询 Hub 上的热门模型能否在 AWS Trainium 上不经修改直接运行。该工具按下载量和趋势排名列出模型，每行给出测试结果、模型分片所用的 Trainium 核心数、运行实际耗时（含编译）和峰值显存。用户可切换视图搜索指定模型，并选择 neuronx-cc 与 Transformers 版本。目前仅测试 Transformers 的文本生成和图文模型，计划扩展到 diffusers 等。工具还提供 run.py 脚本和 NEFF 缓存同步命令，用于跳过首次编译。测试标准是生成 32 个 token 并校验，单核时与 CPU 结果比对，分片时由小模型判断英文是否流畅。
Hugging Face 博客6 天前海外模型37
- vLLM 首日支持 MiniMax-M3.1-Flash，Rubin 上单用户 724.9 tok/s
vLLM 在发布当天就支持了 MiniMax-M3.1-Flash，覆盖 NVIDIA Blackwell、Rubin 和 AMD MI350 系列 GPU。该模型采用 NVFP4 KV cache、NVFP4 量化 MoE 权重和 DSpark 投机解码草稿模型。性能方面：Blackwell 上索引器 QK 解码快 1.7 倍，稀疏注意力解码快 1.3 倍；在 4× GB300、512K 上下文下，索引器解码上下文并行快 3.3 倍；AMD MI350 系列整体提升 2–3 倍。Agentic 场景下，GB300 单用户最高 418.9 tok/s，Rubin 单用户 724.9 tok/s、单 GPU 总吞吐 191.5K tok/s。同时支持基于 veRL、FSDP2 和 LoRA 的端到端 RL。
- Sakana AI 与 Modal 合作部署约 1 万亿参数 MoE 模型
Sakana AI 在 Modal 上部署约 1 万亿参数的 MoE 模型 Sakana Namazu，面向日本商业场景、实时网页搜索和代码执行。Modal 团队针对日语保留调优 NVFP4 量化：只量化路由专家，注意力、路由器和共享专家保持 BF16；校准数据以日语对话为主，覆盖全部 23,040 个专家。量化后日语指令跟随能力与生产检查点持平。另训练定制 DFlash 草稿模型用于投机解码，通用草稿模型接受率不足 40%。服务运行在 Modal 全球 GPU 池上，无需预留容量。
Modal6 天前海外新模型发布42
- vLLM 在 GB300 NVL72 上服务 DeepSeek-V4.1-Flash
vLLM 官方博客称，在单台 NVIDIA GB300 NVL72 机架上，采用 P/D 分离和 Wide-EP 的 vLLM 运行 DeepSeek-V4.1-Flash，在 SemiAnalysis AgentX 上达到每 GPU 954K tokens/s，单用户 P90 为 196 tokens/s，是首个帖子中单节点结果的 7.9 倍，按 DeepSeek 非高峰价格计为每 GPU 小时 38.96 美元。专用 decode 路径单用户可达 826 tokens/s。与 DeepSeek 自研引擎 DeepInfer 相比，batch size 8–256 范围内 vLLM 的 decode 吞吐差距在 6% 以内，prefill 与其公开曲线接近。文章还列出 DEP 小实例做 prefill、Wide-EP 配合 EPLB、NVL72 规模下 CPU 开销等优化经验。
- Claude 企业版把 Chat 和 Cowork 合并为统一体验
Anthropic 宣布 Chat 与 Cowork 合并后的统一 Claude 体验正式向 Enterprise 计划开放，此前该体验已于 9 月面向 Pro 和 Max 计划推出。合并后，用户在网页、桌面和移动端使用同一个 Claude，对话从聊天开始，需要运行代码或处理文件时自动转入 Anthropic 托管的云端环境继续执行，关闭电脑后任务仍会继续。管理员可按角色控制访问权限，并新增 Efficient mode 将体验限制在 Sonnet 和 Haiku 模型上。价格仍按用量计费，官方称 Opus 5.5 在典型工作负载下比 Opus 5 便宜 40%，Sonnet 5.5 在多数任务上比 Sonnet 5 便宜最多 30%。
Claude 博客6 天前海外模型42
- The next-gen Xbox won’t cost you $1,800. It can’t. Can it?
Fortune dropped a bombshell report on the future of gaming this week. According to the publication’s Microsoft insiders, the next Xbox is projected to cost between $1,200 and $1,800 when it arrives in 2028.My first react…
- Switch 2 遭软件破解，可运行自制程序
安全研究员 Sammy Hajhamid 演示了 Switch 2 的纯软件部分越狱，获得“用户态”权限，可运行自制程序、逆向和修改 Switch 2 游戏、导出存档，并通过 MMIO 访问大部分外设。该破解依赖原版 Switch 上的 SmileBasic 4，属于“有线”破解，需要同一网络下的 macOS 或 Linux 电脑运行 node.js 包来获取特权系统访问。他借助 OpenAI 的 Codex 分析 SmileBasic 语言解释器，约两周后发现删除数组元素时的 32 位整数溢出，借此获得数组指针，进而读写部分系统内存。
Ars Technica AI6 天前海外模型31
- MIT 科技评论：企业 AI 的竞争优势在于模型之外的 serving harness
MIT 科技评论指出，企业 AI 的竞争重点正从模型能力转向围绕模型搭建的 serving harness，即架构、内存管理、调度与优化决策。文章认为，生产环境中的延迟、并发、内存压力、GPU 利用率和基础设施成本等约束，比模型准确率更能决定部署成败；一个准确率略高但推理成本翻倍的模型未必是更好的生产选择。文章建议先明确工作负载，再由约束决定架构，把 serving 架构视为投资决策。原文正文在此处截断，后续内容信息有限。
MIT Technology Review6 天前海外模型34
- Arc 浏览器 12 月 22 日停服，公司转向 AI 浏览器 Dia
The Browser Company 宣布 Arc 浏览器将于 2026 年 12 月 22 日在 Mac 和 Windows 上完全停止工作，账号停用、个人数据 30 天内删除，用户被引导迁移至 AI 浏览器 Dia。停服分三步：即日起停止注册新账号；11 月 23 日 iOS 和 Android 版 Arc Search 失去 AI 功能（含 Browse for Me），无法登录和同步标签页，仅保留基础本地浏览；12 月 22 日 Arc Search 从 Google Play 下架。公司称停服原因是 AI 时代维持浏览器安全的成本持续上升。Dia 承接 Arc 的 Profiles、垂直标签页、Pinned Tab Groups 等功能，密码、书签、扩展和历史可迁移，Arc 原有功能在 Dia 中免费、AI 为可选。
- 宝马 2027 款 X5 与 iX5 同台：燃油、插混、纯电并行
宝马发布 2027 款 X5 与 iX5，同一车系同时提供燃油、插混和纯电三种动力。燃油版 X5 40 xDrive 搭载 3.0 L 涡轮增压直列六缸发动机，输出 394 hp（294 kW）、428 lb-ft（580 Nm），48 V 轻混系统可额外提供 148 lb-ft（200 Nm）扭矩，综合油耗约 26 mpg（9 L/100 km），满油续航 569 英里（915 km）。纯电 iX5 沿用 iX3 的第六代电驱与新一代座舱和计算平台，后续还将推出氢动力版本。
- OpenAI 开放 Decisions API，决策模型市场竞争升温
OpenAI 于周四向所有客户开放 Decisions API，该模型基于 ChatGPT Luna 重新配置以提升推理速度、降低成本，并非专门训练的决策模型。产品负责人 Nikunj Handa 称延迟从 1-3 秒降至 100-180 毫秒，并新增语音和视觉模态。该 API 于 9 月 29 日开发者日发布。客户 Box、Datadog、Ramp、Speak 已用它替换 LLM 提升吞吐，Speak 称操作间隔从 1.4 秒降至 0.13 秒。该市场由 TypeSafe 的 Jev 模型开创，TypeSafe 估值达 76 亿美元。
- OpenAI 正式发布 Decisions API，决策速度最高提升 10 倍
OpenAI 宣布 Decisions API 正式可用。该 API 基于 GPT-6 Luna，专门处理答案范围有限的问题，让应用和 Agent 对文本、图像和结构化输入做近实时决策，速度比通过 Responses API 调用 GPT-6 Luna 快最多 10 倍。相比公测版，新增 GPT-Live 原生集成、复用上下文的 prompt caching、美国与欧盟推理驻留；支持原生 JSON 输入、在问题指令中附带图像，单次请求最多可提 400 个问题（此前上限的两倍），并扩充了亚洲多地容量。API 返回三种答案类型：predicate 返回 0 到 1 的概率，choice 返回预设选项及置信度，score 返回按评分标准加权的分数。OpenAI 内部团队已用于缩短响应时间、交易分类和内容主题归类。
OpenAI News6 天前海外模型46
- 三星称 Galaxy Z Fold 8 欧洲销量同比增长 45%
三星英国在博客中称，2026 年折叠屏产品线在欧洲的销售速度明显快于去年：Galaxy Z Fold 8 与 Z Fold 8 Ultra 合计销量比 Galaxy Z Fold 7 增长 45%。三星未公布 Z Flip 8 的销量，但此前曾表示大折叠机型约占其折叠屏销量的 80%。三星还称，9 月 6 日至 12 日这一周，Z8 系列在欧洲的搜索量上涨 460%；苹果 iPhone Duo 于 9 月 9 日发布。整个 9 月，Z Fold 8 的搜索量上涨 260%。三星未在文中提及苹果或 iPhone Duo。
- Delta 2.0 模拟器支持 iPhone Duo 折叠屏
Delta 游戏模拟器发布 2.0 版本，针对苹果折叠机 iPhone Duo 优化：控制器皮肤适配竖屏和横屏的每种姿态，折叠机身时模拟的 DS 游戏自动进入睡眠模式，类似合上真机 DS 的翻盖。新增 Sega Genesis 游戏支持，以及还原经典 Genesis 手柄外观的 iPhone、iPad 皮肤；加入面向经典宝可梦游戏的 DLC 功能，提供活动道具、稀有宝可梦等，支持 Game Boy Advance 全部主线作品，首个 DLC 即将上线，由宝可梦 ROM 修改社区开发，未使用 AI 工具。另有实验性功能：支持 Epilogue 的 GB/SN Operator 外设，可在 iPhone、iPad 上玩实体卡带；自定义滤镜。界面按 Liquid Glass 设计语言重做，新增动态手柄皮肤、最近和收藏页面。
- Meta 财报：Muse 下载超 1000 万，扎克伯格押注 Agent 网络
Meta 在第三季度财报电话会上披露，个人 AI Agent 应用 Muse 自 9 月上线以来，在美国和加拿大已有超过 1000 万用户下载并完成设置，扎克伯格称这是 Meta「史上最成功的发布之一」。其中约四分之一用户每日使用，四分之一用户通过 Muse 购物，平均单笔消费超过 200 美元，Meta 对每笔交易抽成。扎克伯格预测，未来数十亿人将使用 Muse，不同用户的 Muse 之间会互相沟通和交易，形成「大规模 Muse 网络」，并称 Muse 有望在几年内成为比 Instagram 和 Facebook 更赚钱的业务。他未披露留存数据，也未给出 AI 数据中心投入的回报时间表。
- agent-usage-guard：防止 Claude Code 十分钟耗尽五小时额度
开发者 rbartoli 发布 Claude Code 插件 agent-usage-guard，在消耗发生前拦截失控用量。作者称一次研究任务触发了 394 次子代理调用，其中 341 个同时运行，10 分钟内消耗 8400 万 context token，导致额度锁定；60 天日志中有 12 次锁定。插件读取 5 小时与每周用量百分比，默认窗口用量达 80% 时新代理需批准、95% 时拒绝，5 小时窗口 10 分钟涨 20 个百分点也需批准；同时限制并发子代理与重试循环。纯本地运行，不存提示词，钩子失败时放行。需 Claude Code v2.1.287 以上。
Hacker News Show6 天前海外模型48
- Google 推出 Agent Compute Engine，为每个 Gemini Agent 分配独立微虚拟机
Google 发布 Agent Compute Engine，为每个 AI Agent 分配一台硬件隔离的微虚拟机，由 Titanium 芯片提供安全隔离。该服务已用于支撑 Gemini，将在未来几个月开放预览。Agent 空闲时虚拟机自动暂停，释放算力给其他任务；虚拟机之间共享内存以降低单机运行成本。Google 同时开源了 Kubernetes 运行时 Agent Substrate，称单台服务器可容纳的 Agent 数量提升 10 倍；在 20 万 Agent 的测试中，挂起与恢复耗时不到 500 毫秒。管控方面新增 token 追踪、模型路由，并支持 Ping Identity、SailPoint 等第三方身份提供商，相关能力将扩展到 Cloud Run、GKE 和托管端点。
- 英伟达开源 OpenShell：为自主 AI Agent 提供安全沙箱运行时
英伟达发布 OpenShell 0.1.x，一个面向自主 AI Agent 集群的安全私有运行时。它在内核层对每次文件访问、系统调用和网络连接执行策略检查，Agent 运行在隔离沙箱中，看不到真实凭证，凭证只注入到发往已批准端点的请求。策略变更在生效前会经过形式化验证，标出新增的高风险访问（如带凭证访问新主机），等待人工审核。支持 Linux、Apple Silicon macOS 和 WSL 2，依赖 Docker、Podman 或主机虚拟化，提供 CLI、SDK、Helm 部署和 Agent Skills。
- 马斯克称特斯拉 2030 年年销 500 万辆，销量已连续两年下滑
马斯克在特斯拉财报电话会上表示，公司目标是在 2030 年前后实现年交付 500 万辆，并称「有不错的把握」达成。这一数字较他 2020 年提出的 2030 年年销 2000 万辆大幅下调。特斯拉交付量在 2023 年达到 181 万辆的峰值后连续两年下滑：2024 年 179 万辆，2025 年 164 万辆。2026 年至今已售出 132 万辆，第四季度需再售约 31 万辆才能避免连续第三年下滑。原文指出，要实现 500 万辆目标，特斯拉需要彻底重构商业模式，而目前既没有合适的产品，也没有足够的产能。