跳到正文
10月22日周四
  1. 机器之心86

    田渊栋新公司发布首个模型 Flint,AI 全程参与、4 个月从零打造

    田渊栋参与创立的新公司 Recursive 发布了首个模型 Flint,这是一款总参数量 400 亿、每生成一个 Token 激活 25 亿参数的 MoE 模型,由自研自动化系统 Eureka Machine 全程参与研发,从零构建耗时不到 4 个月。

    推荐理由:田渊栋新公司Recursive发布本地编程模型Flint,展示了AI全流程自动化造模型的可行性与速度优势。

  2. Hacker News AI56

    Nutrient 发布支持多模输入的文档决策模型

    Nutrient 发布了一款专为文档任务调优的决策模型,该模型同时接收页面图像和文本输入,以选择和置信度分数代替生成式文本作为响应。相较于通用 LLM,该模型单次响应延迟约为 200ms,显著降低延迟和成本,同时在合并 PDF 拆分任务上达到了 96.2% F1 的基准成绩。

  3. Wired68

    Hugging Face 发布开源生物模型 Carbon-X,支持通过自然语言查询 DNA

    Hugging Face 周四发布了名为 Carbon-X 的开源生物模型,该模型允许用户在笔记本电脑上本地运行,通过自然语言询问 DNA 变化对基因活动和健康的影响。

    推荐理由:这款开源模型让非技术人员能用自然语言查询DNA序列对基因活动的影响,且可本地运行以保护数据隐私。

  4. IT之家37

    蚂蚁数科发布决策模型 LingDT-Decision-1.0,将 Token 消耗降低超 90%

    蚂蚁数科发布决策模型 LingDT-Decision-1.0,在真实业务场景中处理任务时,Token 消耗降低超 90%,响应时效提升 10 倍。 模型首创原生多选与按序决策(DAG)功能,提供 4B 和 27B 版本,其中 27B 版本在同参数模型中取得最高准确率,并在 23 项开源评测基准中性能超过 Microsoft-Decision-1 等模型。

  5. IT之家60

    米哈游联合清华北大等高校开源 GameScaling 游戏模型,覆盖 0.8B 至 27B 参数规模

    米哈游崩坏 AI 研发团队联合清华大学、北京大学、中国科学院大学、香港大学、新加坡国立大学等机构开源 GameScaling 系列游戏模型,基于 Qwen3.5 视觉语言模型继续预训练,共发布 0.8B、2B、9B 和 27B 四个参数规模、每个规模 2 个版本共 8 个模型检查点。

  6. 量子位52

    中国电信开源意图理解模型Xing4.0-29B-Intent

    中国电信人工智能科技有限公司星辰通用人工智能实验室正式开源意图理解专用模型 Xing4.0-29B-Intent,同步开放 275.3 万条训练语料、模型权重与推理镜像。该模型将意图识别与参数抽取结合,输出平均几十个 token,完整结果响应时延可达百毫秒级,在内部评测中总分 58 分高于参评通用模型最高分 49 分,已在电信万号客服和智能家居音箱中应用。

  7. IT之家40

    科大讯飞首发星火语音基座大模型 SparkAudio 1.0

    科大讯飞在全球 1024 开发者节上宣布首发星火语音基座大模型 SparkAudio 1.0。 该模型集成机器翻译、语音识别及语义理解能力,支持中英文任意切换与说话人实时识别,已全面上线讯飞输入法 16.0 等应用。 同时发布的讯飞 AI 录音环搭载 4+1 环麦阵列与 Wi-Fi 6,综合识别准确率超 96%,2 小时录音转写仅需 2 分钟。

  8. IT之家44

    讯飞星火 X2.6 端云一体大模型发布

    科大讯飞发布讯飞星火 X2.6 端云一体大模型,宣称首次基于全国产算力实现代码和智能体能力突破。 模型采用 293B-A30B 参数的 MoE 架构,上下文长度拓展至 1M,输入限时 0.9 元/百万 tokens。 同步开源星火 X2.6-4B 端侧大模型,推理限时免费,下载量已进全球前四。

10月21日周三
  1. The Decoder78

    Inception 发布扩散语言模型 Mercury 3,宣称在速度上大幅领先 GPT-6 Luna 和 Claude Haiku 5.5

    Inception 发布其新扩散语言模型 Mercury 3,称其在部分基准测试中胜 GPT-6 Luna 和 Claude Haiku 5.5,生成速度达 1,068 tokens/s(对比竞品分别为 ~130 和 ~240 tokens/s)。

    推荐理由:Inception称其新扩散语言模型在12项测试中胜8项且速度达1068 tokens/s,但尚未有独立测试佐证。

  2. Hugging Face Blog70

    IBM 发布 Granite Speech 5.0 系列模型与更新版本,支持高精度多语言转写、翻译及极速端侧推理

    IBM 发布三款语音模型更新:新模型 granite-speech-5.0-2b 支持多语言高精度 ASR、翻译及 2000 词关键词偏置,英文短文本 WER 为 5.06%。

    推荐理由:IBM 发布并更新了 3 款开源语音模型,分别针对多语言高精转写、端侧极速推理与多说话人归属场景,给出了具体性能指标对比。

  3. IT之家81

    Black Forest Labs 发布 5.6B 参数图像生成模型 FLUX 3 Image Klein

    Black Forest Labs 发布开放权重的 5.6B 参数图像生成模型 FLUX 3 Image Klein。该模型优化了消费级 GPU 适配,其 INT8 版本仅需 8GB 显存即可运行。实测显示,在 RTX 5090 上生成 1MP 图像约需 4 秒,支持 4K 分辨率、文本转图像及像素级精确编辑。

    同一新闻,精选展示《Black Forest Labs 发布 FLUX 3 Image Klein,5.6B 参数模型支持 4K 原生输出》

  4. 阿里语音AI77

    Qwen-Audio-3.1-Realtime 发布:实现全双工实时语音交互

    Qwen-Audio-3.1-Realtime 发布,实现“边听、边想、边说、边动”的全双工实时语音交互,支持并行工具调用与异步任务执行。在 Audio MultiChallenge 评测中达到 52.21% 通过率,在 Full-Duplex-Bench v1.5 中用户打断响应率 84.5%,表现优于 GPT-Realtime-2。

    推荐理由:原文给出了全双工交互架构和多模态后训练方法,读者可以据此了解实时语音Agent的技术实现路径。

  5. arXiv · AI59

    Sage-A1.5:基于能力组合的长程执行与科学探索模型发布

    研究团队发布 Sage-A1.5,这是一个 35B MoE 架构的智能体模型,旨在通过自适应能力组合推进长程问题解决。相比前代 A1,Sage-A1.5 新增了代理编排、代理验证和开放科学发现三项改进:支持子代理任务委派与并行协作以分解复杂任务,通过进度检查与证据验证提升可靠性并修正策略,以及将能力延伸至探索性科学研究,生成可检查的研究工件。

  6. IT之家84

    OpenAI 研究:增强 GPT-6 提升 COBOL 等冷门编程语言迁移准确率至 97.9%

    OpenAI 发布研究报告,展示增强 GPT-6 Astra 等模型在 COBOL、Fortran 和 Visual Basic 等低资源编程语言上的能力。评测显示,GPT-6 Astra 在 MultiLangBench 中 20 种语言的平均测试通过率达 87.4%,较 GPT-5.6 Sol 提升显著。

    推荐理由:OpenAI 公布了 GPT-6 系列在冷门编程语言迁移上的新评测数据,读者可据此了解模型在旧系统现代化方面的最新进展与成本变化。

  7. APPSO84

    VAST 开源实时世界模型 EdenLive 及游戏工具 EdenGolem

    VAST 开源实时生成式渲染器 EdenLive,其架构将游戏状态逻辑与视觉渲染解耦,模型仅负责根据上游状态实时生成画面。EdenLive 支持 5B 和 14B 模型,5B 版本在 RTX 5090 上可实现超 24 FPS 的 720P 实时生成。团队同时开源了 EdenGolem 智能体,用于辅助生成 3D 灰盒游戏。

    推荐理由:文章解析了 EdenLive 实时生成渲染器的三层架构分工逻辑,展示了其在游戏交互中的实际应用。

  8. Hugging Face Blog83

    NVIDIA 发布 Cosmos3-H-Dreams:实时手术生成模拟器

    NVIDIA 发布 Cosmos3-H-Dreams,这是一款基于临床胆囊切除术视频训练的实时生成式手术模拟器。该模型基于 160 亿参数的 Cosmos3-H-Embodied-Nano 构建,通过 FlashDreams 加速流式推理,可支持单张 NVIDIA RTX PRO 6000 GPU 实时运行。

    推荐理由:展示了在单张高端GPU上运行实时手术生成模拟器的技术路径,为具身智能提供了具体的工程参考。

  9. 智东西79

    蚂蚁百灵开源Ming-3.0系列语音模型,支持语音合成、识别与音频理解

    蚂蚁百灵开源Ming-3.0系列五款语音模型,覆盖TTS、ASR与音频理解场景,权重已在Hugging Face和ModelScope开放。Ming-3.0-tts-0.5B通过自然语言指令控制表演细节,Ming-3.0-audio-flash实测可分析多人对话性格并定位背景音位置,ASR模型支持热词与上下文辅助识别。

    同一新闻,精选展示《蚂蚁百灵开源 Ming-3.0 语音系列模型》

  10. Mistral AI76

    Mistral 发布 Voxtral 3 语音智能体模型与 SDK

    Mistral 发布 Voxtral 3 系列,包含语音转文本、文本转语音模型及基于 LiveKit 的语音智能体 SDK。语音转文本模型 Voxtral Small Transcribe 3 支持 50 多种语言,在 FLEURS 基准测试中表现优于 Whisper 和 Gemini 3.5 Transcribe。

    推荐理由:Mistral 推出 Voxtral 3 语音智能体 SDK 及模型,覆盖 50 多种语言,读者可借此了解其实时流式对话与工具调用的整合方式。

10月20日周二
  1. Hugging Face Blog72

    ALTK-Evolve 用提示词级学习记忆在 τ²-bench 客服基准中超越多家前沿模型

    ALTK-Evolve 通过让 GPT-4.1 从自身在 τ²-bench 上的运行轨迹中自动提炼行为指南(如先验证身份、一步只做一个动作等)并附加到系统提示词,无需更新模型权重,即可让 GPT-4.1 在 τ²-bench 零售域的 Pass^4 指标达到 67.5%,超越榜单快照中所有其他零售条目(包括微调模型 RAFT-30B-A3B)。

    推荐理由:用GPT-4.1从自身运行轨迹提炼规则并加入提示词,在无需微调权重的情况下显著提升客服智能体的准确率与可靠性,提供了一种可迁移的智能体增强方法。

  2. 机器之心75

    记忆张量发布 MemT 1.0:首个记忆原生基座模型,支持参数化记忆更新

    记忆张量发布 MemT 1.0,这是业内首个将历史编码为内部状态的记忆原生基座模型,包含 288B 参数的 Flash 版和 36B 参数的 Nano 版。MemT 1.0 在 SWE-bench Verified 上通过注入经验将平均成功率从 66.07% 提升至 69.73%,且在 128K 历史下推理速度比完整上下文方案快 1.86 倍,已开源至 GitHub 和 HuggingFace。

    同一新闻,精选展示《记忆张量发布并开源 MemT 1.0 记忆原生大模型》

  3. The Decoder52

    Cloudflare 发布数据提取模型 Clairic,单轮处理速度更快且成本更低

    Cloudflare 发布了 Clairic 模型,该模型通过单轮处理实现比大语言模型更快、更低成本的数据提取。Clairic 已在 Workers AI 上开放预览,并计划随后发布开放权重。在实测案例中,Clairic 结合其他模型的智能体链条处理邮件所需时间为 19.3 秒,而单独使用 GLM-5.3 处理相同任务需 61.7 秒且成本近乎翻倍。

  4. IT之家47

    小米 MiMo-V2.6-Pro 正式上线 WorkBuddy

    小米 MiMo-V2.6-Pro 模型正式上线 WorkBuddy,支持 1M 超长上下文与多智能体分工协作。 该模型在 Artificial Analysis 智能指数获 46 分,具备图像、视频、音频、文本全模态联合理解能力。 作为小米 RSI 路径探索关键一步,其 Pro 版 API 定价为每百万词元输入 3 元、输出 6 元。

  5. Qoder62

    Qoder 支持接入 MiniMax M3.1 Flash 模型

    Qoder 现已支持 MiniMax M3.1 Flash 模型。MiniMax M3.1 Flash 在 Agentic 任务、编程、Computer Use 及网络安全能力等方面实现了代际提升,线上推理速度提升近 3 倍,使用成本降低 70%。用户可在 Qoder 国际版和 CN 版产品中切换体验。

    推荐理由:Qoder官方确认接入MiniMax M3.1 Flash模型,该模型在Agentic任务和编程能力上有所提升,且推理速度与成本表现更优。

  6. 36氪90

    MiniMax M3.1 Flash 发布,在 Agent 基准上实现低成本追平旗舰模型

    MiniMax M3.1 Flash 正式发布,并确认是匿名模型 Space Bunny 的正式版,主打高速推理与低成本。该模型在 Automation-Bench、DeepSWE、ALE 等基准上表现强劲,在 ALE 任务中花费约 739 元即可跑完,性能追平甚至部分反超旗舰级模型如 Claude Opus 5。

    推荐理由:M3.1 Flash 的定价与多任务基准成绩被并排放在 DeepSeek V4.1 Flash 和 Opus 5 的坐标系中,可以直接看出当前低段位模型的价格锚点。

  7. MiniMax 稀宇科技88

    MiniMax 发布 M3.1 Flash,Agent 任务成本降低 70%

    MiniMax 正式更新 M3.1 Flash,该模型在复杂 Agent 任务、编程、Computer Use 及网络安全能力上实现代际提升。M3.1 Flash 线上推理速度提升近 3 倍,使用成本降低 70%,输入价格为每百万 Token 1 元,输出价格为每百万 Token 4 元。模型现已上线 MiniMax API、MPlan 及 MiniMax Code。

    推荐理由:发布M3.1 Flash模型,推理速度提升3倍且成本降低70%,在自动化与编程等Agent任务中达到顶尖水平。