跳到正文
11月19日周四
  1. Hugging Face Blog77

    DaisyRose-27B:提升后训练效率的前沿模型

    RadixArk 发布其首个模型 DaisyRose-27B,基于 Qwen3.8-27B 架构,使用 Miles 框架进行强化学习训练,并在 144 块 H200 GPU 上通过 1,200 个精心设计的任务完成了为期 18 天的训练。

    推荐理由:RadixArk 基于 Qwen3.8-27B 发布了首个模型 DaisyRose-27B,展示了其在长程智能体任务上的强化学习训练效果。

11月18日周三
  1. 36氪83

    GPT-6.2 Astra 发布后遭遇大量差评,作者实测认为其被低估

    OpenAI 发布 GPT-6.2 Astra 和 Sol,官方数据显示新模型在编程、科研及 3D 设计领域表现优异且成本显著降低,但首批开发者实测却引发巨大争议。多位开发者如 Theo 等指出其长期任务频繁中断、解释能力差,但作者通过三组 3D 场景实测发现,Astra 的实际表现优于舆论预期,首发后的批评更多被情绪放大。

    推荐理由:开发者实测结果与跑分呈现明显分歧,读者可据此理解新模型在真实长任务中的体验边界与成本逻辑。

  2. Simon Willison82

    GPT-6.2 Astra 和 GPT-6.2 Sol 实测表现

    OpenAI 发布了新模型 GPT-6.2 Astra 和 GPT-6.2 Sol,其中 Astra 定价为 $8/$40 每百万 token,缓存价格大幅降至 $0.40/百万。实测中,GPT-6.2 Astra 在长任务中可能会随机询问用户无法理解的内部实现细节,且部分任务表现不及 Claude Fable 5.2。

  3. 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. 量子位70

    中关村两院开源材料研发智能体系统MatOS

    北京中关村学院、中关村人工智能研究院开源了材料研发科研智能体系统MatOS,其资产库包含3,135个数据集、386项技能和48款材料计算软件。在材料软件使用基准MatTools上,MatOS的完整问题成功率为97.96%,高于采用相同底座模型的Codex CLI和Claude Code;在端到端自主科研基准上,MatOS平均得分比Codex CLI高33.6%。

    推荐理由:中关村两院开源面向材料研发的科研智能体系统MatOS,其在多项基准与案例中的任务成功率超过同类通用工具。

  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. 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. 量子位89

    阿里巴巴正式发布Qwen4-Max,智能体与编程能力大幅进阶

    阿里巴巴正式发布全新一代基座大模型Qwen4-Max,总参数2.4T,原生支持视觉能力与百万上下文。新模型采用MoE架构,每次尝试平均Token用量较上代减少近50%,完成单个任务的平均费用降低58%。在CodeArena全球盲测中,Qwen4-Max前端排名全球第6;同时,Qwen4-Max已上线千问AI平台提供API服务,其系列中的中小尺寸模型将陆续开源。

    同一新闻,精选展示《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%》

11月15日周日
  1. The Decoder89

    美团 LongCat 团队发布 1.6 万亿参数智能体模型 LongCat-2.5,全程未使用英伟达 GPU

    美团 LongCat 团队发布 1.6 万亿参数模型 LongCat-2.5,这是专为处理长步骤自主任务的智能体(Agent)及编码工作设计的大型混合专家(MoE)模型。

    同一新闻,精选展示《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》

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. 36氪93

    谷歌推出 Gemini 4 Hydrogen,主打速度与执行效率

    谷歌发布 Gemini 4 Hydrogen,面向所有用户开放,主打速度和执行效率。在默认 High 推理档位下,其完成任务速度是上一代 Gemini 3.8 Flash 的 2.5 倍,编造事实情况减少超 80%。

    推荐理由:新模型向全员开放且部分指标超过自家高端型号,读者可快速了解它在搜索和工具调用上的实际差异。

  3. IT之家78

    腾讯混元发布实时语音模型 Hy Realtime:新增唱歌与工具调用,已上线元宝及腾讯客服

    腾讯混元发布全新实时语音模型 Hy Realtime,在语音理解、指令遵循与拟人化表达上升级,并新增 Agentic 工具调用与唱歌能力。该模型支持自然语言点歌与多轮上下文匹配歌曲演唱,已上线元宝语音通话和腾讯客服,近期将上线腾讯云提供 API 服务,当前版本可通过最新版元宝 App 或网页 Demo 体验。

    推荐理由:原文给出了 Hy Realtime 新增唱歌与工具调用的具体能力,并明确其已上线元宝语音通话和腾讯客服,并即将上线腾讯云 API,为读者提供了直接体验与接入入口。

11月12日周四
  1. 36氪86

    谷歌发布 Gemini Decision 1:9 项测试拿下 7 项第一,单次处理 1000 个决策问题

    谷歌正式发布 Gemini Decision 1,同时推出由该模型驱动的 Gemini Decisions API。与传统逐 Token 生成不同,该模型通过单次前向传播对最多 1000 个预设候选问题进行评分,支持文本、图像、音频、视频和 PDF 等多模态输入,覆盖二元判断、多项选择和有序标准评分三类决策任务。

    推荐理由:谷歌给出 Gemini Decision 1 的基准与校准对比,并说明它如何通过模型路由和工具选择缩短 Agent 决策链路。

11月11日周三
  1. Hugging Face Blog68

    Tether AI 发布 BotPsy:0.8B 参数端侧智能体模型

    Tether AI 发布 BotPsy,一款基于 Qwen3.5-0.8B 构建的 0.8B 参数端侧智能体模型,采用 Apache 2.0 协议开源。通过在 BFCL v4 等六项工具调用基准上取得领先成绩(平均 45.0 分),并在推理 token 效率上较基座模型提升约 3 倍,该模型在低中难度任务场景中展现出优于 1.2B 以下规模模型的表现力。

    推荐理由:0.8B 端侧模型通过蒸馏与两轮 RL 训练,在工具调用和多轮 Agent 基准上超越 2.5 倍参数量的模型,展示了小参数智能体路径。

  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
11月9日周一
11月7日周六
  1. 量子位80

    METR 报告披露 Anthropic 三个内部模型及研发提速数据

    METR 报告披露 Anthropic 内部 Model 2、Model 3 和 Model 4 的训练时间,其中 Model 4 的综合能力指数比 Opus 5.5 高约 3.9 分。文章指出 Anthropic 内部研发中约 80% 的实验时间被 AI 工具缩短,Model 4 在 15 项基准测试中的成绩均超过 50%,联合创始人回应称该报告因涉密删去了大量信息。

    推荐理由:METR 报告披露了 Anthropic 未公开的内部模型参数与能力指数,为观察者提供了研判模型迭代节奏与安全政策背景的独立评估视角。

11月6日周五
  1. 百灵大模型77

    Ling-3.2-flash 正式发布:支持视觉反馈与异常自适应

    百灵大模型官方发布 Ling-3.2-flash,该模型总参数 560B,单步激活 25B,原生融入视觉感知与空间理解能力。Ling-3.2-flash 具备视觉反馈自检和异常自适应恢复能力,能对照渲染结果调整代码并根据报错信息继续执行任务。

    推荐理由:官方明确了560B参数下的视觉自检机制,用户可据此评估其在异常恢复场景下的工程落地可行性。