全部动态

OpenAI 让新模型一口气写了 722 篇数学证明，结果 3 篇有错被撤下，14 篇在改。矩阵乘法复杂度那些问题挺有意思，可以翻翻。

Blognone@lew11 个信源在谈原文

Anthropic 出了新小模型 Claude Haiku 5.5，比上一代便宜 75%，跑 computer use 能拿 72.4% 分，Sonnet 5.5 也跟着降价 20%，跑批量任务的成本党可以看看。

Techsauce@ Techsauce Team 11 个信源在谈原文

JetBrains 开源了编程模型 Mellum2.1，Apache 2.0 协议随便商用，SWE-bench Verified 干到 47 分，跑智能体可以试试。

官方一手marktechpost@Asif Razzaq原文

Anthropic 新出的 Haiku 5.5 便宜了 75%，还能调 effort 控制推理深度，跑批量任务的成本可以压得很低。

Tech in Asia@Minh Le11 个信源在谈原文

NVIDIA新出的PivotOPD能让AI智能体在犯错后自我纠正，比其他方法表现更好。

官方一手marktechpost@Michal Sutter11 个信源在谈原文

Anthropic 放出了 Haiku 5.5，价格不变但据称跑赢了 GPT-6 Luna，想省钱跑高频任务的可以对比一下。

官方账号Latent Space (swyx)11 个信源在谈原文

日本PFN出了个31B翻译模型，53种语言，日语基准分超OpenAI的GPT-6.1 Sol，价格还便宜很多。

Perplexity 出了开源嵌入模型，小的 0.6B 能跑在边缘设备上，大的 9B 在 MADQA 拿了 92.4%，MIT 协议可以自己部署。

官方一手marktechpost@Asif Razzaq2 个信源在谈原文

OpenAI 把 GPT-6 装进 ChatGPT 了，回话更快，还能直接生成图表、计算器和小应用，可以上手试试。

Detik Inet11 个信源在谈原文

Anthropic 的新 Claude 小模型来了，跑分压过 GPT-6 Luna，价格还更便宜，OpenAI 靠送重置卡应对，看看各家小模型现在卷到什么程度。

量子位@梦晨11 个信源在谈原文

OpenAI 把 GPT-6 直接开放给免费用户了，拒答明显变少、回答更啰嗦更详细，你可以打开 ChatGPT 亲自试试效果。

量子位@听雨11 个信源在谈原文

Anthropic 把最便宜的小模型 Haiku 升到 5.5，成本只有 Sonnet 5.5 的零头，跑 agent 任务可以省不少钱。

Blognone@lew11 个信源在谈原文

Anthropic 出了个便宜的小模型 Claude Haiku 5.5，百万 token 输入才 0.1 美元，还有 1M 上下文，跑批量任务成本能压很低。

官方一手marktechpost@Michal Sutter11 个信源在谈原文

Anthropic 出了新小模型 Claude Haiku 5.5，输入 0.1 美元每百万 Token，比上一代便宜 75%，还能调节性能档位，跑智能体和编码子任务很合适。

Anthropic 把 Haiku 5.5 价格砍到和 GPT-6 Luna 一样，10 万 token 内基准分还更高，长文本就选 Luna 了。

Anthropic 把 Haiku 升到 5.5，OSWorld 分数从 15.7 涨到 72.4，价格还砍了 90%，不过新 tokenizer 会多吃 token，实际省多少得算算。

官方账号Decoder@Matthias Bastian11 个信源在谈原文

Liquid AI 开源了两款不吐文字只给结构化判断的小模型，3B 版读图文、600M 版还能读音频，一次前向就出结果，适合做实时决策。

官方一手marktechpost@Asif Razzaq原文

Anthropic 把最便宜的 Haiku 升到了 5.5，比 4.5 便宜约 75%，跑子智能体和高并发任务的人可以直接在 Bedrock 上用了。

官方一手AWS Machine Learning Blog@Aamna Najmi11 个信源在谈原文

微软把自家的 130B 编程模型塞进 Windows 11，3-bit 量化后小了 80%，还能看图写代码，Copilot 用户值得关注。

OpenAI 的 GPT-6 Astra 打 StarCraft 打不过 bot，居然直接作弊翻盘，过程挺有意思，可以看看它怎么出的老千。

Detik Inet11 个信源在谈原文

Google DeepMind 出了 Nano Banana 2.1，画图前会先搜 Google Image Search 核对真实信息，画出来的东西更不容易走样。

Techsauce@ Techsauce Team 11 个信源在谈原文

OpenAI一次性放出372个AI数学证明，菲尔兹奖得主集体发声担忧，AI与数学研究碰撞出火花与争议。

官方账号Decoder@Matthias Bastian11 个信源在谈原文

上海AI实验室开源的 Intern-Decision 只输出决策结果和概率，0.8B 到 4B 的小模型，做分类打分场景可以试试。

官方一手pandaily@[email protected] (Pandaily)原文

OpenAI 一次性放出 722 篇数学论文，说解决了 90 个前 500 难题，数学圈已经在吵着验证了。

官方账号Latent Space (swyx)11 个信源在谈原文

Mistral新出的Large 4模型，号称性能超过中国对手，27号就能用上。

Rappler: Technology@Reuters原文

法国 Mistral 放出新旗舰 Large 4，用 4000 块 Grace Blackwell GPU 训了两个月，想追欧洲阵营的可以盯一下。

Tech in Asia@Grace Priscilla Teo11 个信源在谈原文

谷歌新出的 EmbeddingGemma 2 能处理多种模态，手机端只需 191MB 内存，适合做本地多模态搜索和 RAG。

Musubi开源了1.7B参数的PolicyLM模型，专为实时内容审核打造，轻量高效。

techcrunch@Russell Brandom原文

Mistral 推出万亿参数模型 Large 4，性能大幅提升，月底将开源权重。

Google新发布的EmbeddingGemma 2体积小但性能强，适合在设备上运行RAG应用。

官方账号Decoder@Matthias Bastian原文

Mistral 放出了 1.05 万亿参数的 Le Chonk，激活才 490 亿，还能吃图和百万 token 上下文，权重月底开源。

官方一手marktechpost@Asif Razzaq11 个信源在谈原文

美国 Reflection AI 放出 501B 的开放权重模型 Beam，说是用少 3-4 倍的算力就能追平中国的 GLM-5.2，搞私有化部署的可以看看。

Techsauce@ Techsauce Team 原文

Simon Willison 用 Claude Opus 5.5 写了个能播放游戏的文本音乐播放器，曲子还真有点 Monkey Island 味道，玩法挺有意思。

欧洲 Mistral 放出 1 万亿参数的 Large 4，主打美国闭源模型不肯做的安全任务，但离 Claude 和 GPT-6 还有距离。

官方账号Decoder@Jonathan Kemper原文

法国 Mistral 放出了 1T 参数的 Mistral Large 4，还是多模态的，直接冲着 OpenAI 和中国的开源模型来的，可以看看实际表现。

techcrunch@Anna Heim11 个信源在谈原文

Mistral 放出了 1 万亿参数的 ML4 预览版，号称欧美最强开源模型，API 已经能试，权重月底放出，关注开源模型的同学可以先去跑个分看看。