腾讯发布 Hy4:首次引入视觉与 Computer Use
腾讯宣布推出 Hy4 模型,该版本首次加入视觉能力和 Computer Use 功能。 社交媒体上有人将其与 Claude 进行对比。作者期待 Computer Use 能实现完美运行,让 AI 自主完成点击操作以提升工作效率,而非单纯作为展示。
腾讯宣布推出 Hy4 模型,该版本首次加入视觉能力和 Computer Use 功能。 社交媒体上有人将其与 Claude 进行对比。作者期待 Computer Use 能实现完美运行,让 AI 自主完成点击操作以提升工作效率,而非单纯作为展示。
Avartha 发布名为 Ava Zero 1 的开源权重语音模型,其在 Sierra 的 τ³-Voice 基准测试中以 86.0% 的任务完成率位居榜首,超越 OpenAI GPT Live 1、xAI Grok 及 Google Gemini。
推荐理由:原文通过对比任务完成率,展示该开源语音系统在实时场景下超越主流闭源闭环的能力。
Artificial Analysis 更新其 Intelligence Index v5,使 Kimi K3.1 Pro 从第四跌至第九。新指数将开源模型与榜首的差距扩大到 12 分(此前为 3 分),首次采用 60% 的私有测试集以防止针对已知考题训练。文中还引用研究员观点指出,部分排名变化源于强化学习环境与测试任务的相似性,且闭源测试集存在无法外部校验 prompt 错误的缺陷。
Jack Dorsey 旗下的 Block 团队推出了完全绕开文字中间层、直接从声音学习对话能力的语音模型 Dessa,该模型支持在 M4 Max MacBook Pro 本地运行并具备自然插话能力。
微软发布 MAI-Image-2.7-Preview 图像编辑模型,宣布其在全球图像编辑模型中排名第二,仅次于 OpenAI 的 GPT Image 2.5 Sunburst (max)。
Privatrak 测试 23 个 AI 代理和 8 种人类访问场景发现,大多数使用浏览器的 AI 代理(如 ChatGPT、Grok、Claude in Chrome)在 User-Agent 和 WebDriver 上伪装成普通 Chrome 用户,甚至通过家庭 IP 访问,导致标准反爬虫工具失效。
Who's Winning AI 发布了一个实时记分牌,通过7日平均的“能力、发布速度、资金”综合指数为AI实验室排名。排名显示 Meta 的 Muse Wonder 以 94.3 分位列第一,Anthropic 的 Claude Opus 5.5 以 91.6 分排名第二。
xAI 发布 Grok Voice 3.0,官方称其为全球智能水平最高的语音转语音模型,拥有低于 1 秒的延迟。该模型在 Artificial Analysis 独立测试的语音转语音综合榜单中排名第一,得分 86.9;全双工基准测试得分 97%;在 ServiceNow EVA 基准测试中取得 74% 的最高精度得分。
推荐理由:该稿件汇总了 Grok Voice 3.0 在第三方基准测试中的排名与延迟优势,为评估语音智能体落地价值提供了量化参照。
SpaceXAI 发布 Grok 4.6,在 Artificial Analysis 榜单上超越 Kimi K3,并与 GPT-5.6 Sol 并列第三。该模型在 GDPVal-AA v2 和 AA-Briefcase 评测中得分领先于 Sol Max 和 Fable 5 Max,但 CursorBench v3.2 得分 69.9% 高于 Sol 的 67.2%。