Thinking Machines 发布开放权重 MoE 模型 Inkling 2 Mini
Thinking Machines 宣布推出开放权重模型 Inkling 2 Mini,采用循环 Transformer 和 MoE 架构。该模型共有 26.4B 参数、3.4B 激活参数,考虑循环后每个 token 的权重激活量为 5.4B。
Thinking Machines 宣布推出开放权重模型 Inkling 2 Mini,采用循环 Transformer 和 MoE 架构。该模型共有 26.4B 参数、3.4B 激活参数,考虑循环后每个 token 的权重激活量为 5.4B。
Google 已将 Gemini 4 Hydrogen 上线 Gemini App 和 Search,定位于快速、高效地执行多种智能体工作流和日常任务。它能更贴合用户指令、调用合适的工具,并以更少的反复沟通给出可靠输出。
Google AI 汇总了过去两周推出的多款 Gemini、Genie、机器人与生命科学模型,以及 Stitch Loop 实验。Gemini 4 Neon 面向复杂软件工程、知识工作和科学工作流,提供前沿级智能与快速的端到端任务执行;Gemini 4 Hydrogen 强调日常编码和智能体工作流的速度与效率;Gemini 4 Carbon 面向高难度长期项目和深度研究。
Hugging Face 转发消息称,NousResearch 发布面向 Qwen3.8-27B 的 Hermes adapter,以提升智能体开发的效率和准确率。
Google 推出 Gemini 4 Neon,正向 Google Antigravity 和 Gemini app 中的 Google AI Pro、Ultra 付费订阅者开放。
同一件事,精选收录的是《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。
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。
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¢。
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。
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 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。
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。
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。
Google 推出 Gemini 4 Hydrogen,面向日常编码和智能体工作流,主打速度与效率。
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。
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。
千问 Qwen 宣布 Qwen4 即将到来,主打更深的知识、更丰富的世界理解以及更强的编码和智能体能力。Qwen4-Max 已通过 Alibaba’s Token Plan 开启预览,并可在 QwenWork、Qoder、Qwen APP 和 QwenStudio 提前体验。模型面向复杂编码、知识工作、前端构建和专业软件工作流等真实任务。
Google 发布 Gemini 4 Carbon,面向复杂知识工作、软件工程、网络安全和科学推理中的长流程智能体任务。Google 表示 Gemini 4 Argon 仍适合大多数软件工程和知识工作,Carbon 则用于多步骤调试和开放式科学研究等高难度任务。
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。
Mistral AI 发布改进版 Mistral Large 4(Le Chonk)的模型权重,这款 1-trillion-parameter 原生多模态模型提供 Low、Medium、High 三种推理模式,并提升编码、防御性网络安全和推理效率。
推荐理由:原文把编码、防御性网络安全和推理效率的公开评测,与开放权重及自部署路径放在一起,便于判断模型的工程使用价值。
Mistral AI 发布 Voxtral 3 语音模型家族,包括语音转文字模型 Voxtral Small Transcribe 3 和文字转语音模型 Voxtral Mini TTS 3,并推出基于 LiveKit 的语音智能体 SDK,支持 50+ 语言转写和 35+ 语言语音合成。
Mistral AI 发布 Mistral Large 4 公共预览版,这是一款 1 trillion-parameter、52 billion active parameters 的原生多模态模型,预览 API 已可在 Mistral Studio 试用。
推荐理由:文章集中披露 Mistral Large 4 的参数规模、核心基准与预览 API,并交代月底发布权重的计划,便于把握其能力范围和开放节奏。
Qwen3.8-Omni-Flash 正式上线,支持文本、图像、音频和视频输入,以及 1M 长上下文。在累计 29 项评测中,相比上一代 Qwen3.5-Omni-Plus 平均得分提升超过 25%。API 每小时音频输入价格降幅超过 98%,音视频输入价格降幅超过 93%。
推荐理由:原文提供了与上一代模型的评测和价格对比,帮助判断 Qwen3.8-Omni-Flash 在音视频 Agent 场景中的变化。
DeepSeek 将全新的多模态视觉理解模型 DeepSeek-V4-Flash-Vision-Exp 上线 DeepSeek API,用户可通过指定 model='deepseek-v4-flash-vision-exp' 访问。
推荐理由:材料同时给出文本与多模态 Agent 基准对比,并说明 API、图片传入和 Files API 的接入方式,便于判断模型的适用场景。
DeepSeek 发布 DeepSeek V4 Pro 正式版,并同步更新至 APP、网页端和 API。模型增强了 Agent 能力,API 原生支持 OpenAI Responses API 并适配 Codex;V4-Pro 和 V4-Flash 思考模式新增 low、high、max 三档。API 将于北京时间 2026 年 8 月 17 日 0 时启用峰谷定价,闲时价格为高峰时段的一半。
推荐理由:原文同时交代了 DeepSeek V4 Pro 的 Agent 能力、Responses API 接入、思考强度与峰谷定价变化,便于评估升级成本和接入方式。
Meta Superintelligence Labs 发布 Muse Spark 1.1,这是一款面向 Agent 任务的多模态推理模型,并通过 Meta Model API 向开发者开放公开预览。
推荐理由:原文展示了 1 million tokens 上下文、工具调用和多智能体编排能力,并开放 Meta Model API 公开预览,读者可据此了解 Muse Spark 1.1 在复杂 Agent 工作流中的使用方式。
Meta Superintelligence Labs 发布 Muse Image,并预览 Muse Video。
推荐理由:文章交代了 Muse Image 的工具调用、自我优化和多参考合成机制,以及 Muse Video 的预览状态与开放范围,便于理解这次发布的能力边界。