模型
全球大模型的发布、更新、开源、价格变化和评测动态。
共 2157 条
- Perplexity 开源 9B 上下文嵌入模型 pplx-embed-v2
Perplexity Research 与 turbopuffer 发布 pplx-embed-v2-context-9b-preview，一个面向 RAG 的上下文嵌入模型，权重已在 Hugging Face 以 MIT 协议开放，可自托管，暂未上线 Perplexity API。模型基于内部 9B ColBERT 检索模型，训练信号改为让模型同时检索答案及其验证所需的上下文，而非单一 gold passage；教师模型为 Perplexity 的 query-aware 上下文压缩模型，通过 KL 蒸馏加 InfoNCE 文档损失训练，每批随机采样切块策略。输出 2048 维，Matryoshka 支持 1024 维，量化感知训练支持原生 int8。训练用约 430 个数据集、覆盖 50 多种语言。模型卡提示权重与接口可能不向后兼容。
MarkTechPost10/01海外新模型发布40
- 应对 AI 爬虫：Reddit 将关停 RSS 订阅、终止公共 API 访问
IT之家10/01国内模型33
- 生物安全领域里程碑：谷歌 DeepMind 首创 AI 蛋白质水印技术
- 谷歌推出 Gemini 4 Argon 旗舰 AI 模型，消息称其实战性能遭员工质疑
- Musk 的 Grokipedia 发布 v0.3 更新，重新开始收录编辑
SpaceXAI 旗下 AI 百科 Grokipedia 推出 v0.3 更新，更换新 logo，改版首页和实时编辑页。新首页增加精选条目、最多阅读条目和「最新编辑」追踪器，条目页表格和行距也有调整。该站 2025 年 10 月底以 v0.1 上线，用 AI 克隆维基百科页面，一个月后更新 v0.2；今年早些时候停止更新，Lawfare 8 月报告称「超过三个月没有任何条目变动」。此次更新显示 SpaceXAI 内部重新关注该项目，公司未回应置评请求。
The Verge AI10/01海外模型28
- 宝马启动“自救”计划：扩大 AI 应用、削减两成管理层、发力新车
- OpenRouter 发布 Agent 模型成本与质量权衡框架
OpenRouter 提出基于置信度的升级路由方案：让模型用结构化输出给自己的答案打 0-1 分，高分请求留在便宜模型，低分请求转给更强模型。指南强调分数只是自评，不是校准概率，0.85 不代表 85% 正确率，应使用排序而非绝对值。阈值需用自己的流量数据设定：先跑一批请求，按分数分档统计错误率，在错误率上升处切分。上线后需记录分数分布、升级率和未升级答案的错误率，模型或流量变化时重新调参。
OpenRouter 公告10/01海外模型38
- OpenRouter 发布教程：在 CI 中用 LLM 评测卡住 Pull Request
OpenRouter 发布指南，介绍如何把固定评测集接入 CI，像单元测试一样在 prompt 变更时拦截不合格的合并。核心做法：评测用例提交进仓库、只经 PR 审核修改；脚本在通过率低于阈值时以非零退出码让任务失败。文中提醒，应在 job 级别而非 workflow 级别做路径过滤，否则被跳过的必需检查会一直 pending 卡住合并；阈值应通过反复跑未改动分支来测，而非拍脑袋定死。temperature 和 seed 只在模型 supported_parameters 中列出时有效，多数投票式重复采样则对所有模型通用。
- Modal 正式发布 VM Sandboxes，已跑通 2000 万台虚拟机
Modal 宣布 VM Sandboxes 正式可用（GA），用户只需一个开关即可获得完整 Linux 虚拟机，保留原有 modal.Sandbox 的 API、modal.Images、亚秒级冷启动和 CPU/内存突发能力，并支持数十万并发 Sandbox。该功能基于 Rust 的 Cloud Hypervisor 自研运行时，叠加宿主机文件系统、镜像懒加载、内存突发和快照等多项改造。早期客户已累计启动超过 2000 万台 VM。Linear 的 Coding Sessions 已全部运行在 VM Sandbox 上，用 cgroups 和网络命名空间隔离编码 Agent、用户 dev server 与自身主进程。
Modal10/01海外模型41
- Google 发布 Gemini 4 Argon，主打网络安全
Google 母公司 Alphabet 发布新模型 Gemini 4 Argon，称其为迄今最强模型，可处理编码、研究、写作等任务，尤其擅长网络安全。该模型仅通过 Fairwind 安全计划向部分网络安全合作伙伴开放，专门针对防御性安全工作训练，Google 称其能「自主发现、验证并修复关键软件漏洞」。Google 员工已用其调试代码和迁移代码库，模型还可解析长视频和图表内容。Google 称 Argon 在多项基准测试中显著高于 OpenAI 的 GPT-6 Astra 和 Anthropic 的 Fable、Opus，并在 Vals 模型指数上领先。
TechCrunch AI10/01海外新模型发布41
- The Code Exorcist：AI 诊断 Bug，人类在 Sanity Studio 里审批
开发者 Vidisha Gupta 发布开源项目 The Code Exorcist，用 Next.js + Sanity 搭建一个 AI Bug 分诊应用。开发者粘贴报错堆栈和出错代码，Groq 上的 Llama 模型同时读取两者，定位根因、标注 Bug 类别与威胁等级并给出修复方案，随后状态进入 pending_human_review。人类在 Sanity Studio 中用两个自定义操作做最终决定：BANISH 批准修复并结案，或 Send Back 打回重分析并重置状态。每个决定都记录操作人、动作、时间戳和备注，前端通过 client.listen() 实时刷新，无需重载页面。代码已开源在 GitHub，应用部署于 Vercel。
DEV Community · AI10/01海外模型36
- Simon Willison 参观纽约城市博物馆模型展
原文信息有限：Simon Willison 记录他当天参观了纽约城市博物馆的展览「He Built This City: Joe Macken's Model」——一座 50 x27 英尺的纽约城市模型，由 Joe Macken 用巴尔沙木和纸板耗时 21 年建成。他表示展览超出预期，并提醒展览将于 10 月 12 日结束。该内容与 AI 无关。
Simon Willison10/01海外模型18
- OpenAI 发布 GPT-6.1 Sol：编码与电脑操作接近 Astra，价格仅五分之一
OpenAI 发布 GPT-6.1 Sol，定位 GPT-6 家族中端模型，在智能体编码、电脑操作和专业工作上接近 GPT-6 Astra，价格仅为 Astra 标准输入输出费率的五分之一。API 定价为每百万 token 输入 2 美元、输出 10 美元、缓存输入 0.10 美元，缓存价较 GPT-6 Sol 降 50%。已上线 OpenAI API（gpt-6.1-sol）、ChatGPT Work 和 Codex。上下文窗口 105 万 token，最大输出 12.8 万 token，知识截止 2026 年 4 月 30 日。支持 low 到 max 五档推理强度，不支持微调。
- 谷歌开源面向自主 AI 代理的 Kubernetes 风格编排器 AX
InfoQ 中国10/01国内模型33
- 开发者用 AI Agent 一天重写 Winamp，前端设计是否安全引讨论
一位开发者在 DEV Community 发文讨论 AI 对前端开发的冲击。他提到一位 62 岁、从业近 30 年的开发者评论称 Claude 已承担其约一半工作量，建议深耕 Vue 或 Angular 加 C# 等具体技术栈。作者用 Kiro 让 AI Agent 一次性重建了 Winamp MP3 播放器（ErikAmp），包含均衡器滑块、滚动播放列表、播放控制、随机与循环等功能，还自动生成了测试套件，代码为纯 index.html、CSS、JavaScript 加少量 Python，未使用框架。作者认为 CRUD 应用最容易被 LLM 替代，而优秀 UX 与设计品味仍需人类经验判断，但新模型已越来越难与人工设计区分。
- Google 发布 Gemini 4 Argon，初期仅限可信网络安全方使用升温
Google 发布新一代前沿模型 Gemini 4 Argon，官方称其在真实软件工程、法律金融等企业知识工作和网络安全防御等复杂工作流中达到前沿水平。该模型已用于 Google 内部工作流，包括大规模代码库迁移。初期访问仅限一组可信网络防御方，Google 正参与美国政府的前置模型访问自愿流程，并将逐步扩大开放。发布前 Google 表示会加强防滥用、防提示注入和失准监测等前沿保障措施。此举发生在 OpenAI DevDay 发布 Dots 智能体和 GPT-6.1 Sol 的次日。
The Verge AI10/01海外新模型发布6 个信源85
- DeepSeek 开源昇腾平台基础设施组件，覆盖 TileLang、计算库与分布式通信库
- 像改文字一样改语音：火山引擎全新语音内容编辑模型
- 宝马同款车型电动版比燃油版便宜 4400 美元
宝马 2027 款 3 系同时提供燃油和纯电版本，电动版 i3 50 xDrive 售价 61,500 美元，燃油版 M350 xDrive 售价 65,900 美元，电动版便宜 4,400 美元（约 6.7%）。两车动力、造型相近，但基于不同平台，i3 采用宝马最新底盘。燃油版满油续航约 450 英里，i3 满电续航 468 英里，快充 10 分钟可补能 208 英里。
- Claude Code 发布 v2.1.286，修复登录、恢复会话等多项问题
Claude Code 发布 v2.1.286 版本，主要修复一批稳定性与安全问题：多个进程或 IDE 扩展在 gcpAuthRefresh、awsAuthRefresh 凭证过期时各自弹出登录浏览器；claude --resume 和 --continue 在并行工具调用后崩溃或被杀时丢失全部对话轮次；工具或 hook 返回对象、数字、布尔值时导致的 API 400 错误；云会话历史过大时因容器停止而无法唤醒。此外修复了 spend meter 把 1 小时 prompt cache 写入按 5 分钟低价计费、MCP 错误信息泄露凭证值、Bearer token 仅部分脱敏等问题，并新增权限提示计数与全屏列表鼠标支持。
Claude Code 发布10/01海外模型34
- OpenAI 推出 Decisions API，对标 TypeSafe 的 Jev 模型
OpenAI 在 Dev Day 上由 Sam Altman 宣布推出 Decisions API，功能与 TypeSafe AI 本月发布的 Jev 模型类似：给模型一组预设选项，让它以概率形式快速、低成本地输出选择，可用于图像分类或 Agent 行为决策。Altman 称聚焦单一选择能让 Luna 模型在保持图像理解、多语言和安全防护的同时变得极快。该 API 目前为限量预览，尚无开发者实测。TypeSafe CEO Diogo Almeida（前 OpenAI 工程师）在 X 上调侃「克隆战争」开始，并称其护城河是为生成统计有效输出而构建的合成数据。此类模型的一个潜在用途是监控和保护 AI Agent。
- Google 用 Skills 取代 Gems，采用 Anthropic 开放标准
Google 在 Gemini 聊天中全球上线 Skills，取代此前的 Gems。Skills 是面向具体任务的详细提示词，用户可保存常用指令，输入「/」加名称调用；Gemini 也能从历史对话生成 Skills，并在检测到匹配提示时自动运行，多个 Skills 可串联使用。Skills 支持文本、PDF 和图片作为参考材料，未来几周将加入分享、Google Drive 文件和 Gemini Notebook 集成，随后面向企业、教育和非营利 Workspace 客户推出。Gems 个人账户 11 月关停，企业版 2027 年 3 月、教育版 2027 年 6 月关停，现有 Gems 自动转为 Skills。Opal 也将在 11 月结束。
The Decoder10/01海外模型36
- Reddit 限制 Old Reddit 访问，11 月起停用 RSS
Reddit 宣布将在未来几个月内进一步限制 Old Reddit 访问：用户不仅需登录，还须在过去六个月内使用过 Old Reddit 才能继续浏览经典界面。Reddit 称六个月窗口覆盖了「绝大多数 Old Reddit 用户」，此举意在阻止机器人利用闲置或废弃账号。同时，Reddit 将于 11 月 13 日停止支持 RSS 订阅，理由是 RSS 已成为大规模抓取和自动化滥用的常见渠道，版主场景建议改用 Discord Relay。此前 Reddit 已封禁 Internet Archive 的 Wayback Machine、起诉 Anthropic，并与 Google、OpenAI 达成数据授权协议。API 方面，未在 2027 年 1 月 12 日前注册的应用将被移除访问权限，公共 API 访问将于 2027 年 3 月彻底终止。
- Restate 获 2000 万美元 A 轮，做崩溃可恢复的工作流引擎
总部位于柏林的 Restate 完成 2000 万美元 A 轮融资，由 Singular 领投。该公司提供持久化执行引擎（durable execution engine），让软件工作流在崩溃后仍能恢复运行。原文正文信息有限，未披露估值、资金用途和客户数据。
Techmeme10/01海外模型31
- DoorDash 推出短信下单 AI Agent
DoorDash 周三宣布推出可通过 Apple Messages 短信下单的 AI Agent，用户发送「order my usual」这类指令即可复现常点订单，也可指定菜品或要求本地推荐，Agent 会搜索附近商家、生成购物车并发送菜品照片。多人订单可同时处理不同饮食偏好和数量。该功能面向美国用户开放等待名单。DoorDash 同时宣布将在北加州部分餐厅测试配送无人机。此举意在应对 Uber Eats 和 Grubhub 的竞争。
- Claude Code 推出 mods：用 TypeScript 改写工具行为
Anthropic 为 Claude Code 推出 mods，一种用 TypeScript 编写的小函数，可改写 prompt、增删 UI、替换内置功能或添加新功能。mods 随插件分发，可在 CLI 和桌面端使用，且与 Claude Code 本身拥有相同的机器访问权限，不做沙箱隔离，官方建议只安装可信来源的 mod。mods 通过监听事件工作，可在事件前、后或替代执行，也能包裹事件；多个 mod 按加载顺序执行。内置的 /diff 已改为 mod，可在 /plugin 中关闭或替换。团队和企业版沿用插件管控，管理员可允许或屏蔽插件市场。
Claude 博客10/01海外模型41
- 从 AI 试点到营收增长：Snowflake 销售与营销团队如何跨越落地鸿沟 ｜ 技术实践