跳到正文
11月19日周四
11月18日周三
  1. MIT Technology Review · AI60

    Osmo 称其 AI 嗅觉模型已达到人类水平

    Osmo 称其 AI 嗅觉模型近几个月已达到“人类水平嗅觉智能”,能像普通人一样检测和区分气味,并接近初级调香师的气味创作水平。该模型依托超过1000万人类标签和8亿个气味 token 训练,已用于香水设计制造,还识别出8种比 DEET 更具驱避性的物质。批评者与研究者指出,其部分营销主张缺少文档支持,情境依赖和传感器能力也可能制约开放环境及医疗诊断应用。

  2. TestingCatalog56

    ElevenLabs 发布 Scribe v3 Live Medical 医疗实时转录模型

    ElevenLabs 发布 Scribe v3 Live Medical,用于实时转录医疗对话,重点识别药物名称、医疗程序和症状。其测试显示,加载自定义术语表后,医学术语错误最多减少48%;团队可添加最多10,000个自有术语,并人工检查 AI 智能体生成的每条记录。该模型现已在 ElevenAgents 中提供。

  3. AK56

    澳大利亚 AI 模型 Agentaus 1 向全球开放

    澳大利亚 AI 模型 Agentaus 1 向全球开放,拥有 220B 参数,MMLU-Pro 得分为 84.4%,全球排名第 43。模型运行在澳大利亚服务器上,输入内容不会用于训练,删除聊天后数据会被永久清除,可从 agentaus.com.au 免费开始使用。

  4. Sam Altman68

    Sam Altman 宣布 GPT-6.2 Sol 与 Astra 发布

    Sam Altman 宣布 6.2 Sol 和 Astra 已发布,称两款模型能力出色且 token 效率很高,希望用户能从中获得价值。他尤其推荐 6.2 Sol ultrafast;引用推文称,ultrafast 已扩展至 GPT-6.2 Sol 的 Pro 200 计划。链接:x.com/thsottiaux/status/21227…

  5. TestingCatalog89

    OpenAI 发布 GPT-6.2 Astra 和 Sol

    OpenAI 宣布 GPT-6.2 Astra 和 Sol 现已可用,称两款模型强调效率和真实场景表现。公布的基准显示,Astra 在 Agents’ Last Exam 上比 GPT-6 Astra 高 5.2 points,成本不到三分之一;比 Claude Fable 5.2 高 5.5 points,成本为其 5%。

    同一件事,精选收录的是《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》

  6. 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。

11月17日周二
  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。

11月16日周一
  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. Qwen84

    Qwen4-Max 发布,支持原生视觉与 1M-token 上下文窗口

    Qwen 官方发布 Qwen4-Max,采用新的 MoE 架构,支持原生视觉和 1M-token 上下文窗口。官方内部评估称,其相较 Qwen3.8-Max 最多可减少约 50% 的 token 使用量,单任务平均成本下降超过 60%;输入价格为 $1.5/M tokens,输出价格为 $4.5/M tokens,隐式缓存价格为 $0.075/M tokens。

    同一件事,精选收录的是《Qwen4-Max 发布,采用 2.4T 主干参数并支持百万 token 上下文窗口》

  4. 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。

11月15日周日