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
- Liquid AI 发布 RIPL 实时推理引擎，LFM 端到端延迟低于 50 ms
Liquid AI 发布 Liquid RIPL（Real-time Inference Pipeline），一个在实时请求路径中运行 Liquid Foundation Models（LFM）的低延迟推理引擎，端到端返回完整生成结果低于 50 ms，并称在峰值负载下持续有请求到达时延迟仍能保持。支持 LFM2.5 系列 230M 到 2.6B 参数模型，运行在 NVIDIA H100、H200、B200 和 RTX PRO 6000 上，基准测试用单张 B200。据其自测，p95 延迟比 vLLM 上的 Qwen3.5 低 5.6 到 28.4 倍：LFM2.5-1.2B 为 155.8 ms，Qwen3.5-0.8B 为 4431 ms（256 入、128 出）；LFM2.5-2.6B 仅 5.6 倍（449.1 ms 对 2499 ms），长请求下低于 50 ms 不成立。
MarkTechPost6 天前海外模型38
- Arc 浏览器宣布关停
The Verge 报道，Arc 浏览器即将关停。原文正文内容混入了无关的 Nintendo Switch 2 破解信息，关于 Arc 关停本身只给出了标题，没有说明关停时间、影响范围或用户数据如何处理。原文信息有限。
The Verge AI6 天前海外模型28
- Gradium 开源 31M 参数端侧 TTS 模型 Phonon
巴黎语音 AI 公司 Gradium（从 Kyutai 分拆）开源端侧 TTS 模型系列 Phonon。英文版 Phonon 31m 采用 Apache 2.0 协议，q8 GGUF 文件仅 64.5 MB，输出 24 kHz 单声道音频，可在 CPU、手机、树莓派 5、浏览器（WASM/WebGPU）上运行，无需 GPU 和云端调用。CPU 上首帧音频延迟约 7 ms。在 Gradium 自测的 500 句困难集上 WER 为 1.70%，对比 Kokoro 的 3.50%；但在 Seed-TTS 评测集上 WER 为 0.51%，落后于 Kokoro（0.45%）和 Magpie（0.46%）。另有 40m 版本及多语言版，采用 CC BY-NC 4.0 协议。
- Cohere 发布 Rerank 5：支持段落级定位与可校准分数
Cohere 发布 Rerank 5 重排序模型，分 Pro 和 Fast 两档，支持 32K 上下文、100 多种语言，可对 JSON、表格、YAML 等半结构化数据重排，升级无需重建索引。新增 Context Focus 功能，返回文档内相关段落的字符区间；在 30 个 QA 数据集测试中，删掉一半检索文本仍保留 96% 的答案质量。分数改为可校准概率，ECE 约 0.06，低于 Voyage AI Rerank 3 的 0.234。Pro 在 Cohere 自评的 46 个数据集中 39 个排名第一，BRIGHT 得分 82.2；但每 96 篇文档请求的中位延迟为 11.7 秒，Fast 为 4.1 秒。
- Datalab 开源文档解析基准 OmniParseBench：2.9 万页 1.6 万项测试
Datalab 发布开源文档解析基准 OmniParseBench，用 16,288 项通过/失败小测试评测解析器输出，覆盖 2,937 页文档，包括扫描表单、手写体、arXiv 数学公式和密集表格。作者基于 Datalab 公布的 27 个解析器判定结果重建排行榜，并自行在 50 页样本上运行 Tesseract 和 Indra OCR。发现：排名前两位的解析器在统计上并列，多数文档切片下榜首会变化，且发布时公布的一项数字与公开文件不符。原文为教程，含完整代码。
- Allen AI 发布 OlmoEarth v1.3 卫星嵌入模型，覆盖全球
Allen AI 发布 OlmoEarth v1.3 卫星嵌入模型，并公开全球预计算嵌入：10 米分辨率，提供 64 维和 128 维两种版本。模型读取 Sentinel-1 雷达与 Sentinel-2、Landsat 多光谱数据，为每个 10 米像素生成一个 128 维向量。在 27 项评测中，128 维版本在 20 项得分最高，64 维版本在 18 项领先，对比对象为 AlphaEarth Foundations 和 Tessera v2。模型权重、预训练数据和代码全部开源，并配套无需登录的浏览器工具 Embeddings Explorer。
Hugging Face 博客10/23海外新模型发布43
- Congrats to the Sanity Challenge Winners!
DEV Community · AI10/22海外模型29
- 特斯拉 Cybercab 下月进达拉斯，年底向车队客户开售
特斯拉 CFO Vaibhav Taneja 在第三季度财报电话会上称，Cybercab 将于下月在达拉斯启动运营，年底前扩展到更多城市，并开始向车队运营商销售。特斯拉目前已在达拉斯、休斯顿及佛州三城投放小规模 Model Y robotaxi。相比之下，Waymo 在美国十余个城市部署了超过 4000 辆 robotaxi。特斯拉未披露 robotaxi 业务收入，并将股东信中「累计付费 robotaxi 里程」图表改为「累计无人监督里程」，该指标不再区分车上是否有付费乘客。马斯克称该业务到 2027 年第二季度才会在财报中体现，2027 年第三或第四季度才可能成为重要业务。
TechCrunch AI10/22海外模型34
- Spotify 确认收紧家庭套餐共享，改用二维码验证
Spotify 在第三季度财报电话会上确认正在打击家庭套餐共享，称这是对现有验证工具的「常规改进」。新方法是二维码验证：家庭套餐成员会收到通知，需在 7 天内用自己手机扫描套餐管理者手机上的二维码，以证明同住。若错过验证窗口，用户 12 个月内无法加入其他家庭或双人套餐，只能转为自费的个人套餐。Spotify 联合 CEO Alex Norström 称家庭套餐已存在约 12 至 13 年，占订阅用户相当比例，验证方式需要持续改进，没有终点。
- LlamaIndex 发布 4B 文档解析模型 OCRia-1
LlamaIndex 推出 OCRia-1，一个 40 亿参数的视觉语言模型，主打文档解析。在 ParseBench 上综合得分 87.4，比第二名高 12.1 分，是 350 亿参数以下解析模型的最高分。在表格评测中，olmOCR-bench 得 92.9、PulseBench-Tab 得 84.1、fr-bench-pdf2md 得 72.1，均排名第一。官方称其在准确率、成本和延迟三方面同时领先，重点优化了嵌套表头、合并单元格和不规则网格的重建，面向金融报表、保险单据等场景。
LlamaIndex10/22海外新模型发布40
- Anthropic 推出 Claude Duet，面向专业用户的 Agent 应用
Anthropic 发布 Agent 应用 Claude Duet，面向专业人士和小企业，用于自动化和管理任务。它基于 Claude Opus 5.5 模型，可生成每日简报、创建仪表盘、根据用户数据建议行动，并通过独立虚拟机在后台执行任务，需要时请求用户批准。Duet 可接入 Claude Marketplace 的 6000 多个连接器和插件，能通过 Stripe Link 或 Shopify Shop Pay 代用户在线购物，但支付等敏感步骤需用户确认，且不涉及证券交易和账户间转账。Anthropic 同时上线分类器，默认拒绝信用卡号、政府证件等敏感信息请求。目前以研究预览形式在 iOS、Android 和 Claude.ai 上线，Pro 和 Max 用户需加入等待名单。
- Atari VCS 软件商店将于 2027 年 2 月关闭
Atari 宣布，Atari VCS 的软件商店将于 2027 年 2 月 1 日关闭。用户可在 2027 年 1 月 31 日前继续通过官方商店下载软件；此前已下载的应用和游戏在商店关闭后仍可使用。Atari 表示，商店关闭后将提供系统更新，把全部功能迁移到本地机器，移除对 Atari 认证和软件基础设施的依赖；同时计划推出 Atari Home Brew 应用，让用户继续添加第三方开发者分享的新游戏。VCS 是一款基于 Linux、采用 AMD 芯片的迷你主机，可模拟预装的经典 Atari 游戏。
- LangSmith 推出 LLM Gateway 公测版，为 Agent 提供运行时管控
LangChain 宣布 LangSmith LLM Gateway 进入公开测试。该网关位于 Agent 与模型之间，统一执行运行时管控，避免成本超支和故障。支持按组织、工作区、API key、用户四个层级设置限时花费上限并追踪支出，超限时 Agent 收到 402 响应；同样四级可设速率限制；还支持模型回退和敏感数据处理。多租户场景下，可通过自定义请求头识别终端客户，在共用一把 API key 的情况下为每个客户单独设花费和速率上限。
LangChain10/22海外模型37
- Modal 开源 Spindle：兼容 Tinker 的训练服务器
Modal 发布开源训练服务器 Spindle，兼容 Thinking Machines 的 Tinker 接口，运行在用户自己的 Modal workspace 中。用户按 GPU 时间付费，而非按 token 付费，并可自行修改服务端。Spindle 支持全参数训练和多 LoRA，覆盖多种开源模型，可同时运行数百个训练任务。Modal 称，相比闭源 API，Spindle 在相似性能下成本显著降低。部署只需一条命令。Modal 同时提供训练库 Dojo 和底层集群原语，Spindle 位于两者之间。
Modal10/22海外模型40
- Symantec 发现自主攻击 AI Agent，劫持未防护模型挖矿窃密
Symantec 安全研究人员发现一个攻击性 AI Agent，会劫持互联网上未受保护的语言模型，自主发起攻击，被劫持模型的拥有者承担算力账单。该 Agent 获得模型访问权后，会扫描更多目标、利用常见服务器软件漏洞、窃取数据库和凭证，并在后台安装挖矿程序，全程无需人工介入，可持续多达 10 万步。Symantec 称其为「LLMjacking」。事件因攻击者把完整工作提示词发到 Symantec 的蜜罐而暴露，蜜罐记录到来自数万个地址的逾 12.7 万次请求。攻击者还用五层越狱提示词试图绕过商业模型的安全护栏，并内置 74 个攻击工具模块。
The Decoder10/22海外模型39
- Celonis 首席科学家：企业 AI 需要业务上下文层
MIT Technology Review 的 Business Lab 播客中，Celonis 企业 AI 首席科学家 Devavrat Shah 提出「决策智能」概念：AI Agent 能支持单个任务，但若不了解任务在决策流程中的角色和业务约束，就会遗漏关键限制、做出代价高昂的错误决策或消耗过多算力。他建议企业先把 AI 接入现有流程和数据，建立上下文层，让 Agent 在设定的边界内运行并输出可人工审核的建议；落地时从某个具体业务决策入手，找出其中最难的环节测试 AI 能否改善，再用速度和价值增益判断是否扩大规模。该期节目由 Celonis 合作制作。
MIT Technology Review10/22海外模型32
- Update, things are coming together.
- AI 推理的隐性存储账单：8 秒视频留下 500MB 后端数据
MIT Technology Review 指出，AI 基础设施成本讨论长期聚焦 GPU，而推理产生的后端数据存储成本被忽视。西部数据（WD）内部测量显示，一段 8 秒视频返回给用户的是 3.97MB 的 720p 文件，但后端留下超过 500MB 关联数据，包括日志、缓存上下文、即时渲染、备份和安全记录，是用户所见文件体积的 130 倍。麦肯锡预测，到 2030 年 AI 推理需求年复合增长 35%，训练为 22%，推理将占数据中心总需求 40% 以上。WD 委托 IDC 对 763 名 IT 与业务决策者的调查显示，近 95% 受访者称过去 12 个月生成式 AI 导致数据量增加，约 61% 增幅达 25% 以上。
- IBM 开源 Granite 时间序列集成预测模型
IBM 在 Hugging Face 发布 Granite Timeseries Ensemble，把四个预训练 Granite 时间序列模型（PatchTST-FM-r1/r2、FlowState-r1.1、TTM-r3）组合成一个集成预测接口，无需重新训练、无需拟合集成权重，直接输出点预测和 0.1 到 0.9 分位数预测。默认提供概率集成和自适应 IQR 集成两种方案，接口可扩展接入其他兼容预测器，代码与默认成员模型均为宽松许可。安装 granite-tsfm 0.3.11 及以上版本即可加载，首次运行需下载四个成员检查点。
- IBM 开源 Granite Speech 5.0 2B，支持 6 种语言转写与翻译
IBM 发布开源语音语言模型 Granite Speech 5.0 2B，采用 Apache 2.0 许可，可将 6 种语言的语音转成文本。模型为 2B 参数稠密结构，LLM 主干基于 granite-4.0-1b-base，用 YaRN 扩展到 16k 位置，训练使用 39 万小时公开音频加合成数据，8 张 H100 训练 40 天。在 Open ASR Leaderboard 上以 5.68% 平均英文 WER 排开源权重第二，仅次于 Qwen3-ASR-1.7B 的 5.40%；LibriSpeech Clean 上 0.99%，私有对话集 13.79%。支持最多 2000 个关键词偏置、语言 ID 提示和标点大小写。可跑在 GPU（Transformers、vLLM）、Apple Silicon（mlx-audio）和 CPU（llama.cpp GGUF）。
- MiniMax Code 推出 Mini App：把 Agent 工作变成常驻页面
MiniMax 在 Code 桌面端上线 Mini App，一种带前端和 Node.js 后端、以插件形式安装的常驻应用，可与 Agent 互相调用。官方称目标是让 Agent 的工作留在一个持续存活的页面上，而不是散落在多个对话里。发布包含三部分：Mini App 运行时（持久数据目录、托管 MCP、Agent API、Host Connectors、页面内工具审批）、/miniapp-creator（从一句话需求生成可用页面）、插件市场官方 Mini App 及开源仓库 MiniMax-Code-MiniApps。首批官方应用包括股票看板、CadQuery Viewer 和自驾路线规划器，其中部分由非工程团队同事用该工具搭建。
MiniMax10/22海外模型40
- "I'm 93% confident" is a string, not a probability
- Perplexity 与 NVIDIA 提出 JOLT：教师学生联合强化学习
Perplexity 与 NVIDIA 团队提出后训练方法 JOLT（Joint On-policy Learning and Teaching），让同一个模型同时扮演教师和学生两个角色：教师能看到特权信息，学生看不到，而且教师本身也会被训练，以保证其反馈始终可用。在 MATH 上，JOLT 达到 GRPO 的准确率，但处理的训练 token 少 6.5 倍。测试覆盖 Qwen3-0.6B、Qwen3-4B-Instruct、Qwen3-8B、Qwen3-30B-A3B-Instruct 和 DeepSeek-V2-Lite。JOLT+ 在 AppWorld 状态测试通过率 72.09%，GRPO 为 62.20%，高 9.9 个百分点；不带学生奖励的 JOLT 在 AppWorld 上仅 51.92%，低于 GRPO。
- 开发者吐槽：别做我和 AI 之间的传声筒
一位开发者撰文批评同事把 AI 生成内容原样转发来回答问题：他提出技术问题后，对方回复结构工整、列 3 个权衡并给出建议，被追问后停顿一分钟再贴一段同样精致的回答，实际是在和「带人形复制粘贴按钮的聊天窗口」对话。作者认为，向同事提问要的是其亲身经验与判断，而非通用输出加延迟；并质疑所谓「AI 出方案、人做决策」：若 99% 同意 AI 建议，决策者只是盖章。他建议自测：能否说出一次基于模型不知道的约束、历史事故或团队偏好而反对 AI 的经历。原文信息有限，末尾案例未完整呈现。
- 16.9 MB 的语音模型 Whistle 实测：CPU 上能否胜过 Whisper base
MarkTechPost 实测了 Cactus Compute 的语音转文字模型 Whistle：该模型体积 16.9 MB，可在 CPU 上运行，支持 7 种语言，并能返回词级时间戳和概率。在 LibriSpeech 的 test-other 样本上，Whistle 领先使用贪心解码的 Whisper base，但与使用 beam search 的 Whisper base 相比没有显著差距；它的速度优势会随音频变长而缩小。测试还发现，固定版本的引擎在处理超过 30 秒的音频时，会静默丢弃中间部分。数据来自 Apple M4 上的单次运行样本。
- NVIDIA 发布 Nsight Python 教程：在 Python 里直接分析 GPU Kernel
NVIDIA 发布 Nsight Python 使用教程。该开源库是 NVIDIA kernel 分析器的 Python 接口，用 nsight.annotate 标注代码、用 nsight.analyze.kernel 装饰基准函数，即可返回按标注区域、配置和运行次数组织的硬件指标 pandas DataFrame。自 1.0 版起，该库把 Nsight Compute 挂到运行中的 Python 进程，可在 Jupyter 和 Colab 中使用；即将发布的 1.1 版将加入实验性 CUPTI 后端、显式工具管理和自定义信息收集器。
- Heidi 在 Fireworks 上训练并部署 NVIDIA Nemotron 3 Ultra
医疗 AI 公司 Heidi 在 Fireworks 平台上对 550B 参数的 NVIDIA Nemotron 3 Ultra 进行后训练：先用合成 Agent 轨迹做监督微调，再用围绕临床安全与忠实度设计奖励的强化学习，经 NVFP4 量化后部署在 NVIDIA Blackwell 的专属实例上。Heidi 每周支持 270 万次临床问诊、覆盖 110 种语言。后训练后的开源模型在实时盲测对比中约 54% 胜出，而基线检查点约为 42%，对手是当前生产环境使用的前沿闭源模型。
Fireworks AI10/22海外模型37
- Anthropic 用 Claude 为 100 多个开源库做形式化验证
Anthropic 与 Theorem 合作，用 Claude 在 RISC-V 汇编代码层面为 100 多个真实开源软件库证明了安全属性，这是首次用 AI 对生产软件做汇编级大规模形式化验证。Claude 在写证明过程中还发现了此前历经数万亿次测试运行仍未检出的 bug。形式化验证传统上成本极高：seL4 内核实现用了 2 人年，验证却用了 20 人年，因此此前只用于空客航电等关键领域。
Anthropic 研究10/22海外模型2 个信源75
- Anthropic 将 Agent Skills 标准捐给 AAIF
Anthropic 宣布把 Agent Skills 开放标准捐给 Linux 基金会旗下的 Agentic AI Foundation（AAIF），同时捐出名称、Logo、GitHub 组织和 agentskills.io 域名。该标准自 2025 年 12 月发布以来，已有 ChatGPT、Cursor、GitHub Copilot、VS Code 等 70 多个 Agent 平台接入；累计发布 100 万个 skill，安装量近 2.8 亿次。Anthropic、Google、OpenAI 等公司的工程师将以个人身份维护该标准，David Soria Parra 和 Mahesh Murag 任首席维护者。后续路线图包括版本化发布、正式提案流程和 skill 编写与安装的安全指引。
- 特斯拉称车主明年 Q2 可将车辆接入 Robotaxi 车队
特斯拉在第三季度财报电话会上给出时间表：自动驾驶副总裁 Ashok Elluswamy 表示，预计 2027 年第二季度可让首批车主车辆加入 Robotaxi 车队，前提是这些 Model Y 能纳入特斯拉的地理围栏和车队管理。目前特斯拉在得州和佛州有数百辆 Robotaxi，其中部分仍配安全员；奥斯汀有数十辆完全无人驾驶的 Cybercab。本季度北美新购车者中超过 75% 选装 FSD（Supervised），环比提升近 20 个百分点。特斯拉还上线 Robotaxi 安全网站，称已自动驾驶 330 万英里。原文指出，马斯克此前多次承诺落空，且无人驾驶网约车仍需地方和州级许可，保险与合规障碍未解。