跳到正文
  1. Hugging Face Blog83

    Thinking Machines Lab 发布本地多模态模型 Inkling 2 Mini

    Thinking Machines Lab 发布面向本地部署的多模态 MoE 模型 Inkling 2 Mini,约有 26B 物理总参数、每个 token 激活 3B 参数,支持 1M-token 上下文及图文输入。

    推荐理由:文章拆解循环层与跨轮消息机制,并给出多套本地推理路径,便于比较模型容量、速度和显存之间的取舍。

  1. TestingCatalog78

    Google 在 Google AI Studio 和 Gemini API 中上线 Genie 4

    Genie 4 已在 Google AI Studio 和 Gemini API 中开放,开发者可通过 API key 测试这一世界模型,目前仅 Ultra 订阅用户可用。它支持实时键盘控制与实时文本提示,可在导航环境时即时改变天气、光照、物体或事件。体验入口为 ai.studio/genie。

    推荐理由:材料给出 Genie 4 的开放入口与实时交互方式,可用于判断世界模型如何进入开发者工作流。

  1. Google DeepMind90

    Google DeepMind 发布 Gemini 4 Neon,面向复杂软件工程、知识工作与科学流程

    Google DeepMind 发布 Gemini 4 Neon,主打复杂软件工程、知识工作和科学流程中的快速端到端任务执行。其 xhigh thinking level 在 Artificial Analysis Intelligence Index 以 61 分列总体 #3,Vals Index 列 #2,并提供 1 million-token 上下文窗口。

    推荐理由:原文同时给出第三方基准、每任务成本、上下文窗口和开放范围,便于比较 Neon 在性能与效率之间的定位。

  2. Hugging Face Blog80

    RadixArk 发布 DaisyRose-27B,Terminal-Bench 4.1 pass@1 升至 12.0%

    RadixArk 发布 DaisyRose-27B,Terminal-Bench 4.1 pass@1 从 5.6% 升至 12.0%。该模型基于 Qwen3.8-27B,使用 Miles 和约 1,200 个精选任务,在 144 H200 GPUs 上训练 18 天,最长训练会话达 1M tokens。

    推荐理由:文章把任务筛选、异步强化学习与沙箱基础设施连到具体成本和基准变化,呈现一套可迁移的长时程 Agent 后训练路径。

  3. The Decoder81

    微软发布七款 MAI 模型,以低价自研方案替换产品中的外部模型

    微软在 Ignite 一次发布七款 MAI 模型,覆盖编码、安全、图像、语音、检索与决策路由,主打降低持续运行 AI 智能体的成本。微软称,MAI Code 2 在四项基准上的平均性能达到 GPT-6.1 Sol 的 98%,成本为 40%;相较 Claude Opus 5.5,性能为 96%,成本为 5%,但价格包含 50% 促销折扣。

    推荐理由:材料汇总了七款 MAI 模型的基准、定价和开放范围,可用于比较微软以自研模型替换外部模型时的成本与能力取舍。

  1. Hugging Face Blog79

    Rumble-2-Flash 开源,0.5B 参数支持 40+ 种语言

    Rumble-2-Flash 已按 Apache 2.0 许可证开源,这款 0.5B 参数语音识别模型支持 40+ 种语言,并原生兼容 Transformers 和 vLLM。

    推荐理由:文中展示了 GOLD 如何对齐不同 tokenizer,让师生模型无需共享词表也能进行逐 token 的 on-policy 知识蒸馏。

  2. OpenAI News82

    OpenAI 推出 GPT-6.2 Astra 和 Sol,提升专业输出、编码与计算机操作能力

    OpenAI 推出 GPT-6.2 Astra 和 Sol,提升专业输出、编码、计算机操作与效率,并降低使用成本。两款模型覆盖 ChatGPT Work、Codex 和 API。

    推荐理由:材料同时交代两款模型在专业输出、编码和计算机操作方面的改进,以及产品覆盖与成本变化,便于评估其对现有工作流的影响。

  1. Hugging Face 每日热门论文90

    K2-Horizon 提出六款面向推理与智能体工作的全开源语言模型

    K2-Horizon 提出六款全开源语言模型,规模从 0.9B 稠密模型到 375B-A23B MoE,面向通用推理与智能体任务。这些模型在智能体和编码基准上领先或可与同规模强开源模型竞争;36B-A4B 结合 MoVA 和 softplus 注意力门控,以 1/7 活跃参数几乎匹配同数据训练的 32B 稠密模型,Uno 则可将解码加速最高 2.2x。

    推荐理由:同数据训练的对照结果显示,36B-A4B 以 1/7 活跃参数接近 32B 稠密模型,为研究规模与稀疏性提供了可复用基线。

  1. TestingCatalog86

    Qwen4-Max 基准成绩公布,Artificial Analysis Index 获得 43 分

    Qwen4-Max 在 Artificial Analysis Index 获得 43 分,比 Muse Wonder 低 1 分。Qwen4 Max(xhigh)比 Qwen3.8 Max(xhigh)高 9 分,比 Kimi K3.1 Pro(max,46)低 3 分;它还以 14.7k 次真实智能体会话的 +7.5% 净提升位列 Agent Arena 第 14 名。

    推荐理由:材料并列呈现外部基准成绩与官方内部评测数据,便于比较 Qwen4-Max 相对前代的能力、token 消耗和调用成本。

  2. Qwen72

    Qwen4-Max 在 Agent Arena 排名升至 #14,Alibaba 成为整体第5实验室

    Qwen4-Max 在 Agent Arena 中较 Qwen3.8-Max 净提升 +7.5%,整体排名从 #39 升至 #14,Alibaba 位列整体第5实验室。该结果基于 14.7k 个真实世界智能体会话,Qwen4-Max 在四项报告信号上均有提升,并成为排名最高的中国模型。

    推荐理由:原文将 Qwen4-Max 与 Qwen3.8-Max 的排名、净提升和四项信号变化放在 Agent Arena 中比较,便于理解这次模型更新的具体表现。

  3. Qwen Blog85

    Qwen4-Max 发布,采用 2.4T 主干参数并支持百万 token 上下文窗口

    QwenTeam 正式发布 Qwen4-Max,该模型基于 Qwen4 系列新架构,拥有 2.4T 主干参数、原生视觉能力和百万 token 上下文窗口。相比 Qwen3.8-Max,Qwen4-Max 在 Work360 的 Xhigh 和 High 推理强度下 token 消耗分别减少约 24% 和 35%,单个任务平均费用从 26.58 元降至 11.16 元,降低 58%。

    推荐理由:原文同时披露了 Qwen4-Max 的架构变化、评测结果和成本下降,便于比较它相对 Qwen3.8-Max 在能力与 token 效率上的改进。

  1. Google DeepMind88

    Google DeepMind 发布 Gemini 4 Hydrogen,面向开发与智能体工作流

    Google DeepMind 发布 Gemini 4 Hydrogen,并将其面向开发者、企业和消费者全球开放,用于快速执行与智能体工作流。

    推荐理由:文章同时给出 Hydrogen 的性能、价格与安全数据,并说明 Orchestrator 如何在 Carbon 与 Hydrogen 间切换,便于理解其在开发工作流中的定位。

  1. Google DeepMind74

    Google DeepMind 发布 AlphaGenome 2,预测细胞类型特异的 DNA 变异影响

    Google DeepMind 发布 AlphaGenome 2,用于预测 DNA 序列及变异如何影响特定人类细胞类型和细胞状态。

    推荐理由:它把单细胞状态作为条件输入,连接遗传变异与具体细胞类型,为研究者定位疾病相关变异及其调控基因提供可复用的预测工具。

  2. Hugging Face Blog74

    Tether AI Research 发布 BotPsy 0.8B 端侧智能体语言模型

    Tether AI Research 发布 BotPsy,这是一个基于 Qwen3.5-0.8B、面向工具调用和智能体工作流的 0.8B 参数语言模型,适用于端侧部署。

    推荐理由:文章披露 BotPsy 的四阶段训练和多项基准结果,便于比较 0.8B 参数智能体在工具调用、推理效率和端侧部署上的表现。

  3. Jim Fan84

    GR00T 2 发布开放式机器人 System One 模型

    Jim Fan 宣布 GR00T 2 这一开放式机器人 System One 模型,可完全运行在机器人机载计算上,实现脱离外部连接运行。模型权重、智能体框架、仿真引擎、标注引擎、硬件设计和 100K hours 训练数据现已提供,X-Adapt recipes 将于 December 提供。

    推荐理由:原文同时给出本地运行、长时程机器人任务和多项开放组件,读者可据此了解 GR00T 2 的部署方式与可复用资源范围。

  4. Google DeepMind88

    Gemini 4 Carbon 现已向开发者、企业和用户开放

    Google DeepMind 宣布 Gemini 4 Carbon 已向开发者、企业、科学家和消费者开放,是其当前最强的前沿模型,专注网络安全能力以及跨知识工作、软件工程和科学推理的长链路智能体任务。

    推荐理由:文中给出了Carbon与Argon及多家外部模型在基准测试、成本和安全指标上的对比数据,便于横向评估这次升级。

  1. Google DeepMind67

    Google DeepMind 推出 Gemini Robotics 2.5,加速现实世界通用灵巧操作

    Google DeepMind 发布新一代视觉-语言-动作模型 Gemini Robotics 2.5,用于提升机器人在真实环境中的灵巧操作能力。该模型在200多项任务测试中,相比此前基线成功率提高30%至100%,完成速度提升20%至30%;在匈牙利和德国的梅赛德斯-奔驰产线试点中,Apptronik Apollo 2人形机器人利用该模型完成汽车零件分拣打包,成功率达96%。

    推荐理由:原文给出了相比基线30%至100%的成功率提升和奔驰产线96%的实测数据,便于衡量这代模型的实际进展。

  1. Anthropic News95

    Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2

    Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2,两款模型在编码、推理和视觉能力上有所提升。

    推荐理由:原文同时披露两款模型在编码、科学研究、机器人和安全评测中的结果,并给出价格、速度与访问条件,便于比较能力提升和适用范围。

  1. Sam Altman79

    OpenAI 发布 GPT-6 Cyber,强化安全研究与模型对齐

    OpenAI 发布 GPT-6 Cyber,称其在安全研究和模型对齐方面有所增强,并已向部分 Daybreak Red 客户开放。帖子称,GPT-6 Cyber 已用于 Linux kernel 研究,也与 GPT-6 Astra、Daybreak 一起帮助 OpenAI 加固系统。

    推荐理由:原文结合 GPT-6 Cyber 的发布信息与实际案例,展示模型如何协助发现输入校验与代码执行交互中的隐蔽漏洞。