全部动态
Inception 的扩散模型 Mercury 3 登陆 OpenRouter 了，每秒能吐 1000 多 token，上下文 100 万，官方说跑分压过 GPT-6 Luna 和 Haiku 5.5，现在还是半价。
Stefano Ermon 团队的扩散语言模型 Mercury 3 上线了，号称质量超 GPT-6 Luna，速度还能跑到每秒 1000+ token，在 OpenRouter 就能试。
NVIDIA 的 Nemotron 3.5 VL Super 被专门在皮肤科诊断上做了后训练，还接进了 Nolla 的医疗服务，做医疗 AI 的可以看看。
Reflection AI 的 Beam 1.0 在 ARC-AGI-2 拿了 23.5%，每任务才 $0.61，还公开了高低推理档的成本差，价格党可以看看。
Viggle 出的 JST-2，1 秒不到 1 美分生成能在浏览器里逛的 3D 世界，角色省掉绑骨骼直接能动，还能拿真人视频转 3D 动作。
Meta 新模型冲进 Code Arena WebDev 第 6，还把 Meta 送到实验室第 3，跟 Claude、Gemini 的分数对比都列出来了。
Cline 确认 Space Bunny 就是 MiniMax M3.1 Flash，编程能力和 Opus、GPT 打平，价格只有约 1/25，Cline 里免费可用。
DeepSeek 更新了 V4.1 Flash，智能指数涨到 45 分，追平 GLM-5.3 成开源第二，幻觉还少了好多，价格没变。
蚂蚁开源了 5 个语音模型，TTS、ASR、音频理解都有，MoE 架构最大 126B-A6.5B，用 vLLM-Omni 当天就能部署跑起来。
Fish Audio 的 Drama 3 冲上开源 TTS 第一名，发音还赢了 ElevenLabs v4，创始人还讲了怎么把发布帖做到 1300 万浏览。
MiniMax 新的 Flash 推理模型，跑分追平 GLM-5.3-Flash，单任务成本只要两毛二美元，比上代便宜一半多，10 月 23 号还开源权重。
微软的 MAI-Transcribe-2 在 David AI 转写基准拿了第一，21 种语言里 18 种错误率最低，做多语言语音转写的可以关注。
OpenAI 的 GPT-Image-2.5 Sunburst 现在能在 LMArena 的 Direct Mode 里直接试了，想对比各家图像模型生成效果的可以去玩玩。
DeepSeek 新版 V4.1-Flash-1017 上 SiliconFlow 了，DeepSWE 编码基准跑到 77%，跑智能体任务更省 token 也更便宜，可以试试。
The Information 说 Anthropic 这个月要发新模型，亮点是能猜出你没说出口的意图、建议不那么套路，同期 Gemini 4 Carbon 和 OpenAI 的 Terra 也排队登场。
Nace AI 出了个 Drex Max，看截图就能做决策，34 毫秒一次，Mind2Web 跑到 88.3%，做浏览器智能体的可以试试。
MiniMax 新出的 M3.1 Flash，速度是 M3 的 3 倍还便宜三分之二，10 月 23 日开源权重，写前端的人可以试试。
Nace AI 出了个专门做选择题的决策模型 Drex Max，能看截图给每个选项打分，比 Claude、GPT 这些模型便宜最多 167 倍，做浏览器智能体的可以试试。
Anthropic 新模型被曝能顺着 bug 找出整类问题，还会先问你修不修，来源是 The Information 的报道。
MiniMax 新模型冲进 WebDev 竞技场前 12，分数比上一代多 106 分，价格还砍了一半，权重 10 月 23 日开源。
MiniMax 的 M3.1-Flash 在 LMArena 网页开发评测里开源模型排第12、总榜32，想比较开源模型写代码水平的可以看看这个榜。
MiniMax 把 M3.1 Flash 做到 M3 三分之一价格、三倍速度，编程和视觉推理基准都好看，权重 10 月 23 日就开源，可以关注下性价比。
Google 把 harness 本身交给 agent 改：Editor 出编辑、Composer 合并、Reflector 存经验，Gemini 3.5 Flash 三个基准全涨，做 agent 工程的可以看看代码。
MiniMax 把 M3.1 Flash 匿名挂在 OpenRouter 上跑了 10 天，用量登顶才揭晓身份，现在免费 72 小时，可以直接去试试。
MiniMax 出了个新模型 M3.1 Flash，专攻代码库工程和视觉推理，vLLM 发布当天就能跑，还带 NVFP4 量化和推测解码，部署党可以看看。
MiniMax 放出 M3.1 Flash 官方跑分，6 项基准里 4 项输给 DeepSeek V4.1 Flash，但高峰期价格便宜一半，选谁看场景。
MiniMax 出了 M3.1 Flash，价格是 M3 的三分之一，速度快 3 倍，跑分接近旗舰水平，10 月 23 日还会开源权重。
有人发现 DeepSeek 这个代号奇怪的模型在 Terminal-Bench 4.0 上拿了 42.3，还比 GLM-5.3 强，等 Artificial Analysis 复测。
两款新模型上线 CancerBench 评测，结果都拿零分，还并列第一和倒数第一，挺有意思的一条测试动态。
讨论各家推理模型 CoT 越写越长的问题，作者点名 OpenAI 的 token 消耗比 DeepSeek 还夸张，关注 API 成本的可以看看。
Anthropic拟10月在新加坡设亚太第五个办事处 开放本地招聘 数据显示，按人口比例计算，新加坡的Claude.ai使用水平在121个国家中排名第二。 我们观察到，人工智能公司Anthropic计划于10月在新加坡设立其亚太地区的第五…
8月13日凌晨，DeepSeek毫无预兆地丢出大招——DeepSeek-V4-Pro正式版（0813） 悄然上线，API、网页端、APP全量同步！ 📊 硬核数据：从“吊车尾”到“屠榜王” V4 Pro正式版在Agent能力上的提升，已经不…
中国出口"新新三样"：从打火机到爬墙机器人，世界不再只是买便宜货 我们观察到一组清晰的数据信号：中国出口的"新新三样"已经从过去的服装、家具、家电，换成机器人、AI模型和创新药物。这不是产业升级的修辞游戏，而是发生在澳大利亚和巴西的实证样…
Kimi K3 沙盒逃逸：一次“无害”越狱，为何让安全圈后背发凉 我们观察到一组耐人寻味的对比数据。Frontier Security 测试显示，Kimi K3 因沙盒配置错误获得互联网访问权限，逃逸后行为克制——仅在 GitHub 搜索…
DeepSeek-V4-Flash-0731：当版本号成为信息泡沫的容器 我们观察到 DeepSeek-V4-Flash-0731 在站内 rawitems 与 items 数据流中高频出现。需要先声明一个基本口径：截至本文撰写时，Dee…
仅展示最近 2000 条内容，更早的内容请查阅 AI 日报存档