Microsoft 在 Hugging Face 发布 Aion Instruct 小语言模型
Microsoft 在 Hugging Face 发布 Aion Instruct,这是一款面向 Windows 端侧 AI 的 2.3B 小语言模型。它提供 32K 上下文窗口,并支持 8 种语言。
Microsoft 在 Hugging Face 发布 Aion Instruct,这是一款面向 Windows 端侧 AI 的 2.3B 小语言模型。它提供 32K 上下文窗口,并支持 8 种语言。
Google 正在通过 Project Genie 向 Google AI Ultra 订阅用户推送 Genie 4,提供原生音频和实时编辑功能。用户还可浏览预制作品库,并探索和混合改编其中的内容。
Arena.ai 的评测称,Muse Ember (Max) 在速度、Agent Arena 得分和成本上领先 GPT-6 Luna (Max) 与 Claude Haiku 5.5 (High)。三者每项任务耗时分别为 27s、5.8 min 和 1.9 min,Net Improvement 分别为 +2.3%、+1.4% 和 +0.4%,成本分别为 1.9¢、7.0¢ 和 6.9¢。
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。
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。
OpenAI 发布 GPT-6.2 Astra 和 Sol,并向 ChatGPT Work、Codex 及 API 用户推出。Artificial Analysis 测试显示,Sol 以约 15% 的单任务成本追平 9 月版 Astra;新 Astra 的 Intelligence Index 得分为 62,低于 Fable 5.2 的 65。
字节跳动最新图像模型 Seedream 5.5 登上 Artificial Analysis AA-Image-T2I v2.1 的质量价格前沿,以 $20 per 1k images 成为 $30 以下最佳模型。
Artificial Analysis 称,GPT-6.2 Astra 在衡量模型构建交互式 3D 体验能力的 AA-3D 基准中排名第 1。与其他模型进行两两比较时,人类在 152 次投票中有 139 次更偏好它生成的场景。
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。
OpenAI 推出 GPT-6.2 Astra 和 GPT-6.2 Sol,两款模型分别以 gpt-6.2-astra 和 gpt-6.2-sol 接入 API。
Apple 发布可实现交互式延迟的 FastFrames 视频生成模型。FastFrames-L(14B):huggingface.co/apple/FastFram…;FastFrames-S(1.3B):huggingface.co/apple/FastFram…。
Simon Willison 展示 GPT-6.2 Astra 与 GPT-6.2 Sol 根据同一提示词生成 Three.js 动画的效果。提示词要求 Yonkers 化身巨型机甲,以酷炫动作起身并在曼哈顿、皇后区和布鲁克林踩踏行走,同时使用 OpenStreetMap 地图数据。
OpenAI 发布 GPT-6.2 Astra 和 GPT-6.2 Sol,前者面向专业工作且 API 价格较上一代低 20%,后者面向日常任务并维持 GPT-6.1 Sol 定价。
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》
NVIDIA 在 Hugging Face 发布一款 4B 参数的推测解码草稿模型,用于加速 Qwen3.8-27B。其 token 接受率较内置 head 提升 46%。
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。
Qwen3.8-27B-pi-adapted 发布,通过强化学习和 LoRA adapter 针对 pi 编码智能体完成适配。其 pass@1 在 SWE-bench Pro (Hard 51) 从 29.4% 升至 62.7%,Terminal-Bench 2.1 从 39.5% 升至 55.8%,每项任务的工具调用减少 55–62%,并开放权重。
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…
Qwen3.8-27B-pi-adapted 面向 pi 编码智能体完成强化学习与 LoRA 适配,并开放权重。其 pass@1 在 SWE-bench Pro (Hard 51) 达 62.7%,Terminal-Bench 2.1 达 55.8%;每项任务工具调用减少 55–62%。
Gabriel Chua 演示由 GPT-6.2 Astra 生成的短视频,讲解其如何以 1:1 比例复刻新加坡。项目使用 100+ 个 Astra Codex 线程和 1,000+ 个子智能体,耗时超过 100 小时,包含 200,000+ 个建筑轮廓、160,000+ 段道路和 120,000+ 盏路灯。
OpenAI 现已在 Codex 和 API 中开放 GPT-6.2 Astra 与 GPT-6.2 Sol,用户可以开始使用这两个模型版本。
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》
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》
Microsoft 在 Ignite 宣布 MAI Decision 1、MAI Code 2、Code 2 Flash 和 Cyber 2 四款模型。MAI Decision 1 比通用模型快 10x、便宜 200x,现已可通过 Foundry、OpenRouter 等提供商使用;MAI Code 2 的更多细节将很快公布。
Microsoft 宣布 Transcribe Dragon 和 Realtime 1 两款新模型,Realtime 1 将为 Copilot 的 Voice Mode 提供支持。作者主观体验认为它与 GPT Live 模型非常接近,但表示还需要测试。
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。
OpenAI 宣布 GPT-6.2 Astra 和 Sol 现已可用,称两款模型效率极高,并针对真实世界中的关键表现而构建。有人一直非常礼貌地询问,也有人只是一直在问。openai.com/index/introducing-…
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》
TestingCatalog 称 OpenAI 正在向 ChatGPT Work、Codex 和 API 推出 GPT-6.2 Astra 与 GPT-6.2 Sol。
Cloudflare 将自身定位为 neolab,依据是它已推出受 Jev 启发的决策模型 Clef 和 System One 提取模型 Clairic。这一称谓扩展了原本多用于研究导向、高算力且尚无显著收入的 AI 初创公司的定义,因为 Cloudflare 是年化收入超过 $3 billion 的上市基础设施公司。
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。
阿里巴巴发布旗舰 MoE 模型 Qwen4-Max,采用 Qwen4 混合架构,拥有 2.4 trillion parameters、每个 token 激活 71 billion parameters,并支持原生图像处理和 100 万 token 上下文窗口。
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》
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。
Alibaba 发布 Qwen4 Max,采用 xhigh reasoning effort 时在 Artificial Analysis Intelligence Index 得分 43,较 Qwen3.8 Max 高 9 分。
推荐理由:原文同时给出 Qwen4 Max 与前代及其他模型的指数、成本和 token 使用量对比,便于判断性能提升与调用开销的关系。
Qwen4-Max 在 Vals Index 中排名总榜第 11,位列中国模型第一,整体能力较 Qwen 3.8 Max 0902 有提升。Vals AI 指出,Qwen4-Max 在编码和金融任务上的提升尤为明显。
Qwen4-Max 在 Python-PPTX arena 以 Elo 1302 排名第4,并在 Spreadsheet arena 以 Elo 1336 排名第5。
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。
Qwen4-Max 在 Code Arena: WebDev 以 1750 pts(preliminary)排名第 6,较 Qwen3.8-Max 提升 74 pts。它还在 HTML、Brand & Marketing 和 Reference-Based Design 中分别排名第 6、第 8 和第 8,成为这些项目中的 top Chinese model。
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》
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。
Anthropic 的语言模型 Claude Fable 5.2 通过 Python 代码驱动模拟画笔、颜料和画布,逐笔绘制复杂乃至接近照片的图像,而不是调用外部图像模型。
Runway 开源发布机器人控制模型 Praxis-1,提供开放权重与源代码,采用 Apache 2.0 许可支持商用。该模型基于视频训练学习物体运动规律,再用人类动作视频和机器人数据微调,输入摄像头图像、文字指令和机器人位置信息来预测环境变化并计算机器人动作。
美团LongCat团队发布了1.6万亿参数的智能体模型LongCat-2.5权重,模型完全基于中国芯片训练,自托管方案使用194块华为Ascend Atlas A2芯片,无需Nvidia GPU。