跳到正文
11月19日周四
  1. Simon Willison56

    Gemini 4 Neon 发布与定价混乱分析

    Google 推出新模型 Gemini 4 Neon,定价和层级混乱,使得原有的 Gemini 4 产品矩阵(Carbon, Neon, Hydrogen)更加难以理解。作者指出 Neon 目前最贵($3/$15 每百万 token),但其定位介于 Carbon 和 Hydrogen 之间。作者使用 Yonkers 变机甲的 3D 动画提示词,对比了 Neon 在不同推理力度下的生成质量。

  2. LessWrong · All Posts31

    GPT-6.2 Astra 在 TASTE 基准上表现低于随机猜测,GPT-6 Astra 与 Fable 5.2 接近随机水平

    GPT-6.2 Astra 在 TASTE 基准测试中同意研究者判断的频率显著低于随机猜测,具体准确率为 35%。 GPT-6 Astra 的准确率为 41%,Fable 5.2 为 53%;鉴于测试包含 92 个配对,这两者均处于 40% 至 60% 的随机猜测预期区间内。 TASTE 基准发布于 2026 年 8 月,旨在评估 AI 模型在安全研究提案选择上与研究人员的共识程度。

  3. OpenAI29

    OpenAI 模型推进芯片设计

    OpenAI 优化了 Jalapeño 芯片电路并改进 RISC-V 核心设计,展示了 GPT-6 Astra 在 AI 辅助芯片设计上的进展。 GPT-6 Astra 直接应用于具体芯片流片与核心架构优化环节,验证了大模型在半导体工程领域的落地能力。 此举标志着 AI 从代码生成向底层硬件设计的延伸,加速芯片研发流程。

11月18日周三
  1. The Decoder90

    OpenAI 发布 GPT-6.2 Astra 和 Sol,API 价格更低且部分基准测试有进步

    OpenAI 发布了 GPT-6.2 Astra 和 Sol 两款语言模型,API 价格更低且部分基准测试有进步。Astra 面向专业场景,首次达到 OpenAI“高”AI 自改进阈值;Sol 面向日常使用,在多项任务上以极低价格接近 Astra 的性能。第三方评测显示两者在科学和 3D 设计等任务上得分较高,但法律类基准排名靠后,且编码能力相比前代基本停滞。

    同一新闻,精选展示《OpenAI 发布 GPT-6.2 Astra 和 Sol 模型》

11月17日周二
  1. arXiv · AI25

    Sage S2.1 Flash 技术报告

    论文介绍 3200 亿参数的混合专家模型 Sage S1.5 Flash,专为科学证据推理与交互式环境行动设计。 模型采用专用编码器处理分子图谱与生物序列,并构建可验证环境以提升 Agent 能力。 在 33 个基准中,该模型在 OfficeQA Pro 和 MLE-bench Lite 等任务上表现领先。

  2. arXiv · AI79

    K2-Horizon 发布六款全开源语言模型

    K2-Horizon 团队发布六款从 0.9B 到 375B-A23B 的全开源语言模型,覆盖推理、编码和智能体任务。团队提出 Mixture-of-Value Attention(MoVA)架构和 Uno 扩散适配器,后者在不使用独立草稿模型的情况下将解码速度提升最高 2.2 倍。

    推荐理由:发布六款开源模型及全量训练数据,提出 MoVA 注意力机制和加速解码的扩散适配器,并披露 10T 合成预训练细节。

  3. arXiv · NLP67

    Nemotron 3.5 Bolt E4B 4GB:面向快速对话智能体的开放高效小语言模型

    NVIDIA 发布了 Nemotron 3.5 Bolt E4B 4GB,这是一个基于 Gemma-4-E4B-it 后训练优化的开放高效小语言模型,专为快速本地语音助手、交互角色及嵌入式端侧场景设计。

    推荐理由:展示了该小模型在21项基准中取得最高平均准确率及最低输出token数,并量化了推理加速指标。

  4. arXiv · NLP33

    Decision 1.0:面向开放决策基础模型的研究发布

    研究团队发布 Decision 1.0,这是一个开放权重模型家族,将文本状态和运行时定义的问题转化为类型化概率分布。 其 Choice、Noul 和 Score 接口允许应用在推理时指定结果;六个模型涵盖双向编码器和因果解码器架构。Lux-9B 在常见决策基准测试中,显式决策得 84.17%,推理得 91.25%,加权总体得 77.22%。

  5. LessWrong · All Posts74

    Claude Fable 5.2 发布:速度更快且成本更低

    Anthropic 发布 Claude Fable 5.2,其生成输出速度比 Fable 5.1 和 Mythos 5.1 快 30%,若接受双倍价格可再提速 2.5 倍。定价调整为每百万输入 token $8、输出 token $40,较 Fable 5.1 更便宜。Ethan Mollick 称其为“接近 AGI”或“参差不齐的 AGI”,该模型在网络安全工程领域表现最为出色。

  6. LessWrong · All Posts47

    Opus 5.5 预测:通往 AI 协议之路

    作者让 Opus 5.5 撰写关于 2030 年底前美中 AI 协议概率的预测分析。 该分析由 Opus 5.5 独立完成,作者仅通过具体建议进行指导,且不完全同意模型的所有建模决策。 作者建议读者阅读该文章,并指出这是 Opus 5.5 能力下限的展示。

11月16日周一
  1. R/ArtificialInteligence90

    Qwen4-Max发布,采用MoE架构与1M上下文窗口

    阿里发布Qwen4-Max,基于新MoE架构并原生支持视觉,拥有1M上下文窗口。该模型在内部评测中比Qwen3.8-Max性能更强且token消耗少约50%,单任务成本降低60%以上。输入价格$1.5/M,输出$4.5/M,隐式缓存$0.075/M,API已在QwenCloud上线,可用于3D建模、软件开发及金融等实际任务。

  2. IT之家91

    阿里通义千问发布 2.4 万亿参数旗舰模型 Qwen4-Max,任务成本降低超 60%

    阿里通义千问团队发布新一代旗舰模型 Qwen4-Max,采用 2.4 万亿参数 MoE 架构,原生支持视觉理解并提供 100 万 Token 上下文窗口。该模型在 Work360 行业基准上得分 52.69,较前代提升显著,且同等性能下 Token 消耗减少约 24% 至 35%,单个任务平均费用从 26.58 元降至 11.16 元。

    推荐理由:新旗舰模型在Work360基准上得分提升,任务成本降低近六成,展示了效率与能力的同步优化路径。

11月15日周日
11月13日周五
  1. 量子位85

    无界前沿开源生物信息大模型 Fx-Bio-1031

    无界前沿正式开源生物信息大模型 Fx-Bio-1031,该模型在 Anthropic BioMysteryBench 困难子集上取得 70.59% 的 Pass@5,领先 GPT-6-Astra 和 Claude Opus-5。模型采用 125B 总参数量的 MoE 架构,支持 512K 上下文窗口,允许本地私有化部署以满足数据安全需求。

    推荐理由:原文详细展示了开源模型在高难基准上的具体性能对比及五个实际落地场景,为评估私有化部署可行性提供了量化依据。

  2. R/ArtificialInteligence87

    Google 发布 Gemini 4 Hydrogen,速度比 3.8 Flash 快 2.5 倍且支持 4 档思考级别

    Google 发布 Gemini 4 Hydrogen,官方称其默认高配速度比 3.8 Flash 快 2.5 倍,提供 low、medium、high、xhigh 四个思考级别,上下文窗口为 1M,输入价格 $1.50、输出价格 $7.50 每百万 tokens。

    同一新闻,精选展示《谷歌推出 Gemini 4 Hydrogen,主打速度与执行效率》

11月12日周四
11月11日周三
  1. The Verge · AI68

    谷歌 AlphaGenome 2 模型聚焦疾病细胞根源

    谷歌 DeepMind 发布了新 AI 模型 AlphaGenome 2,该模型能解析 DNA 变化对不同细胞的影响。基于超过 1 亿个细胞档案和 68 种组织进行训练,该模型在识别能改变基因表达的变异方面,表现几乎达到了其前身及先有技术的两倍水平。谷歌表示,AlphaGenome 2 现可通过 AlphaGenome API 用于非商业研究,商业化研究则提供有限的“私人预览”。

  2. 36氪90

    谷歌最强模型 Gemini 4 Carbon 全球解禁

    谷歌旗舰模型 Gemini 4 Carbon 正式面向全球开放,用户可通过 API、AI Studio 等渠道体验。该模型在 GraphWalks、CursorBench 4.0 等评测中跑出了前列成绩。实测表明,其多Agent蜂群模式配合 AlphaProof Code 框架在生成代码与工程还原方面显著降本。

    同一新闻,精选展示《Google DeepMind 发布 Gemini 4 Carbon 模型》

11月10日周二
  1. TLDR AI60

    Claude Fable 5.2、Meta Ember 及 Google 新 TPU 架构发布

    Anthropic 发布 Claude Fable 5.2 和 Mythos 5.2,具备更快的生成速度和更低的价格,并在编码、推理和视觉能力上有所提升。Meta 推出小型推理模型 Muse Ember,主要用于工具调用和文档解析,宣称性能对标 Claude Haiku 5.5。Google 发布 TPU 8i Max 以支持长上下文窗口,以及用于安全推理的 TPU 8tx。

  2. 美团技术团队80

    美团正式开源 1.6 万亿参数 LongCat-2.5:多模态模型在国产算力上实现高效推理

    美团正式以 MIT 协议开源 LongCat-2.5,该原生多模态模型总参数 1.6 万亿、每个 token 激活约 480 亿参数并支持一百万上下文,面向长程智能体任务在代码开发、Visual Coding 与专业办公场景中端到端交付能力明显提升。

    推荐理由:原文详细披露了1.6万亿参数多模态模型在国产算力下的W4A4量化策略与训练细节,展示了在显存受限场景下落地万亿模型的具体工程路径。