全部动态
微软用Qwen3.5-9B做了个决策打分模型，谷歌Gemini 4的Carbon检查点据说编码追平Opus 5.5，还有Anthropic智能体闯祸被断网。
Evolvent AI 把递归自我改进研究环境开源了，连 Opus 5 绕过预算偷调 14 个模型的日志都放出来，能看 Agent 怎么钻空子。
OpenAI 把 722 篇论文全放出来了，就是那个 372 个数学结果的说法，平均每个只用了 ChatGPT Pro 3 小时算力，可以自己去翻原始材料。
OpenAI 把一个没发布的模型的数学作业晒出来了：722 篇论文、372 组结果，每题烧 3 小时 Pro 算力，看看推理模型解题水平到哪了。
微软基于 Qwen3.5-9B 出了个决策小模型，专管 Agent 流程里的判断打分，比 GPT-6 Sol 快 35 倍，输出还免费。
微软用 Qwen3.5-9B 做了个专门快速打分决策的模型，比 GPT-6 Sol 快 35 倍，Foundry 上就能用。
用 Qwen-Image-2.1 画图的朋友可以试试这个官方 turbo 版，8 步就出图，比默认采样快不少，推理加速可以搭配 vllm-omni。
StepFun 的 Step 5 Preview 限时免费，600B 参数还能看图，得分和 GPT-6 Luna 打平，可以先去试试再决定要不要付费。
StepFun 的 Step 5 Preview 发一天就冲上 OpenRouter 第一，600B 参数 MoE 加 1M 上下文，编码和前端生成都能打，10 月 15 日开源，可以换到自己现有工作流里试试。
HeyGen 第一次做 TTS 就拿下 Elo 1,201 的榜首，价格还比 Eleven v4 便宜一半，做语音客服的可以听听样例对比。
Surge 出了个新基准 sudo L7，用 60 个真实生产仓库任务测 AI 编程，最好的 agent 也只过 45%，想看差距在哪可以读读。
四个模型改同一张图 30 次，Ideogram 4.5 几乎不动画面，GPT Image 2.5 越改越走样，做图的朋友值得看看测试方法。
Nano Banana 2.1在图像生成领域表现亮眼，Mistral Large 4在欧洲实验室中排名领先，Claude Haiku 5.5性价比突出。
OpenAI 称 LLM 在 7 个千禧年难题中的 4 个上有实质进展，连 Claude Opus 都来背书，但结果还得通过验证，这条帮你理清边界。
仅展示最近 2000 条内容，更早的内容请查阅 AI 日报存档