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
- 我们让 GPT‑6 Astra、Fable 5.1 和 Sol 控制同一台机器人：谁真的把活干完了？
雷峰网09/30国内模型30
- 拆解 WorkBuddy、千问办公和豆包工作，它们其实不是同一种产品
- NVIDIA 发布 Physis-Lang，Cosmos 3 物理基准超越 Veo 3.1
NVIDIA 联合 MIT、牛津发布 Physis-Lang，把物理推理写入视频描述文本，同一套语言同时驱动数据筛选、训练和推理。在 2026 年 9 月 29 日的 Physics-IQ Verified 榜单上，Cosmos3-Super 以 48.2 ± 1.4 排名第一，Cosmos3-Nano 以 43.3 ± 1.5 第二。方法为每条描述增加 physics_reasoning 字段，并生成 physics_negative_prompt 作为推理时的负向条件。自进化循环中描述模型冻结，仅优化指令，由 Gemini-3.1-Pro 担任评审，描述 F1 从第 1 轮 78.64 升至第 9 轮 87.82。最终训练集 18.3 万条视频，其中 11.2 万条为检索补充，单靠检索在 3 个基准上平均提升 3.01 分。
MarkTechPost09/30海外模型39
- 三星 Galaxy Tab S12 Ultra 平板宣传图曝光：7 年安卓更新、主打 AI 技能
IT之家09/30国内模型33
- 沃尔玛对超市门店内的 AI 生成海报说“不”
- 央视起底物流领域新型“软敲诈”犯罪：利用 AI 合成人脸盗号、软暴力胁迫货主加价
- 【AI 智能运维平台】本周更新：智能体问答现可展示知识库中的图片
开源中国09/30国内模型25
- 从 Dreamore 到 CreaXene：AI 生成工具正在走向创作工作流
- 计算机视觉的下一个十年：从「看懂世界」到「教会人类」| ECCV 2026
- MateClaw 2.3.0 发布：企业智能体告别“自报完成”，不可变 JSON 接管长任务验收
- DeepSeek Harness v0.2 发布桌面版：装插件靠 npm 包名，还能让 AI 自己写插件
- 一个公开数据接口与 Agent 认证路径的差异，暴露了文档缺失
开发者 Pouya 克隆仓库并提交了项目首个外部 PR（#1，3 次提交，+25/-12，36.3 小时后合并）。他认为 Agent 查询 Sanity 数据集失败是因为模型猜测文档类型，于是把真实 schema 写进工具描述。作者实测其示例发现语法错误：`[0].{...}` 多了一个点，应为 `[0]{...}`。真正的问题在于：同一数据集，公开路由无需密钥即可查询 120 条文档，而 Agent 实际走的 Context MCP 端点需要组织 API token，且不接受项目 token，外部贡献者无法认证这条路径。
DEV Community · AI09/30海外模型37
- Meta Muse 爆火，美银警示 AI 智能体或冲击苹果服务业务收入
- “美国散户大本营”Robinhood 推出 AI 智能体工具，可自动替用户盯盘交易
- 闪促价 1399 元起，OPPO K15s/K15x 两款新机今日开售
- DeepSeek官方开源昇腾基础组件，与昇腾共建高效易用的AI芯片软件生态
量子位09/30国内模型36
- 数学界发布 AI 生成数学成果负责任发布建议
针对部分前沿 AI 实验室在专有模型上测试高等数学问题且不向科学界公开的做法，数学界在征集 600 多份反馈后提出一套建议。核心原则包括：AI 实验室若产出重要数学成果，应尽快负责任地公开发布；若发布时人类尚无法理解，实验室须承担后续责任，包括提供资金支持帮助人类建立理解；人类理解的发展必须由社区主导，不应由 AI 实验室指挥。文中明确表示不认可在专有模型上测试高等数学问题的做法，并要求停止。
Hacker News · AI09/30海外模型49
- 报告称微软 Copilot 承包商可完整查看用户上传的照片、AI 提示词等
- DeepSeek 开源面向华为昇腾算力平台的基础设施组件，与英伟达平台一一对应
- 国启新篇 兴创未来 国兴智能新品亮相，多项技术引领行业变革
- GPT-6 丝滑「上身」宇树 G1，斯坦福把机器人控制链封装成了一套「专属 API」
- 深度拆解 Sonnet 5.5 ：半价 Opus 只是表象，Agent Runtime 才是变化核心
- 微星流光 X32 MAG 271QPX32 OLED 显示器体验：新面板 + 旗舰调校，电竞玩家新选择
- 百度地图 V22 版本发布：车道级导航 4.0、SR 导航 2.0、全域护航系统
- OpenRouter 发布 Agent 工具调用准确率测试指南
OpenRouter 发布教程，把 Agent 工具调用失败拆成两类分别测试：选错工具，或选对工具但参数错误。指南给出三种方法——无参考 LLM 评判、确定性参数校验、轨迹对比。参数校验又分结构与取值两步：JSON Schema 只能拦住格式错误，schema 合法的 order_id 仍可能是错的（用户问 ord_7281，模型传 ord_7282）。跨模型对比时需保持测试用例、评分规则、模型设置和路由配置一致。
OpenRouter 公告09/30海外模型36
- Fireworks 实验：数值不对齐会让 RL 训练奖励崩溃
Fireworks 在 GLM 5.2 上做对照实验：同一算法、同一数据跑 countdown 推理任务，仅改变训练器与 rollout 引擎计算 token 概率的方式。不对齐时两者 KL 约 0.013，为保持稳定每批要丢弃约 45% 样本，奖励升到约 0.9 后在 20 步左右崩到 0.2 以下；对齐后 KL 为 0，无样本丢弃，25 步内奖励稳定。在 Qwen3.5-MoE 上还发现，即使一方精度更高，专家输出合并方式不同也会导致分歧，并可能翻转路由决策。
Fireworks AI09/30海外模型39
- OpenRouter 发布 AI Agent 回归测试指南
OpenRouter 发布教程，讲 Agent 在 prompt、模型、工具定义或检索设置变化后如何做回归测试。核心做法：锁定一组固定用例，每次改动后重跑，并对照书面行为契约检查；每个用例带结构化断言（Agent 调了哪个工具、传了什么参数），有策略时还要检查硬性不变量。模型替换时只换模型，prompt、工具、用例、评判器和推理参数全部保持不变，并用具体模型 slug（如 anthropic/claude-fable-5.1）而非 ~author/family-latest 别名，避免模型在两次运行之间悄悄变化。先看基线列再看候选列：两边都失败的用例说明测试本身有问题，只有候选侧破坏硬性不变量才应阻止发布。
- OpenRouter 发布用生产流量构建黄金评测集指南
OpenRouter 发布教程，介绍如何从生产流量中构建 golden eval 数据集：由人工审核过的生产输入与预期输出配对组成，纳入 Git 版本管理，每次部署前运行。指南给出五步流程，并说明规模选择——约 10 条用于排查单个问题，100 至 1000 条用于完整回归集；强调覆盖失败模式比数量更重要，数据集、评分标准和基线需一起版本化，否则无法区分回归来自模型、提示词还是数据集变化。
- Ledge.sh：可运行 Shell、SQL 和 AI 提示的 Markdown 笔记本
开发者发布开源笔记工具 Ledge.sh，在 Markdown 代码块上按 ⌘↩ 即可执行 shell 命令、Python、SQL 和 AI 提示，输出直接流式显示在块下方。每个笔记拥有独立持久 shell，cd、环境变量、虚拟环境可跨次运行保留；支持通过 ssh 把笔记和 shell 放在远程服务器上运行，关闭笔记本后任务继续。Apache-2.0 开源，支持 macOS Apple Silicon、Linux、Windows 11 WSL、iPhone/iPad 和 Android（beta），另有每小时加密备份到 S3 兼容存储的 ledge backup 功能。
Hacker News Show09/30海外模型44