最新 AI 新闻与行业动态

模型中美对照多源确认81°15:10

OpenAI 内部 pro 模型完全解决 500 个顶级难题中的 90 个

OpenAI 内部 pro 模型干掉了 500 道顶级难题里的 90 道，解 Navier–Stokes 一道要 3 小时，还比 GPT-6 Astra 强，看看细节。

#OpenAI #GPT-6 Astra #Navier–Stokes #推理模型

事件专题

@koltregaskes@koltregaskes11 个信源在谈原文

模型 Agent 与开发者13:11

OpenCode 上线隐身模型 Exo Free，作者实测体验

OpenCode 上冒出个匿名的 Exo Free 隐身模型，博主已经先试了一把，想白嫖新模型的可以去试试手气。

#OpenCode #Exo Free #隐身模型 #编程助手

Geek@geekbb原文

模型 Agent 与开发者多源确认12:49

Google 发布 Nano Banana 2.1：改图连贯性提升

Google 更新了 Nano Banana，升到 2.1 版，主要改的是改图前后一致这点，经常修图的人可以试试效果。

#Nano Banana #Google #图像生成 #多模态

事件专题

小互@imxiaohu11 个信源在谈原文

模型 Agent 与开发者精选12:34

vLLM Semantic Router 与 KR Labs 发布 Vela 2.0，支持 span 级路由决策

vLLM 联合 KR Labs 出的 Vela 2.0，一次调用就能做安全检查、领域分类和 PII 识别，四个尺寸可选，Apache-2.0 开源。

#Vela 2.0 #vLLM #开源模型 #语义路由

官方账号vLLM@vllm_project原文

模型 Agent 与开发者12:21

SmallestAI 登顶 VoiceArena 说话人分离与语音识别榜首

SmallestAI 在 VoiceArena 语音榜单拿了第一，这个榜用远场真实录音测试、每人单独麦克风做标注，比传统干净音频基准靠谱多了。

#SmallestAI #VoiceArena #ASR #说话人分离

rohanpaul_ai@rohanpaul_ai原文

模型 Agent 与开发者12:03

Artificial Analysis 用同一提示词实测各模型生成交互式黑洞

同一条提示词让各家模型写交互式黑洞，Artificial Analysis 把结果放一起对比，想选编程模型的可以看看谁的效果最像 Gargantua。

#编程助手 #模型评测 #Artificial Analysis #提示词工程

官方账号Artificial Analysis@ArtificialAnlys原文

模型出海东盟11:19

Kling 4.0 即将发布，快手将携实际案例亮相釜山 ACFM

Kling 4.0 快来了，快手还把实际拍出来的项目带到釜山给电影人看，想了解视频模型怎么进专业片场的话可以看看。

#Kling #Kling 4.0 #快手 #视频生成

事件专题

官方账号快手可灵 Kling@Kling_AI2 个信源在谈原文

模型 Agent 与开发者精选11:10

vLLM 数据：配对 4:8 稀疏让 Kimi-K2.5 推理提速 1.18 倍

搞推理部署的可以看看：B200 上 4:8 稀疏让 MoE 专家层快 1.35-1.65 倍，Kimi-K2.5 实测也有 1.18 倍。

#vLLM #Kimi-K2.5 #B200 #4:8稀疏

官方账号vLLM@vllm_project原文

模型 Agent 与开发者精选11:10

vLLM 长上下文基准：双 RTX 5090 跑出 110 tok/s

vLLM 官方转发的长上下文基准，双张 RTX 5090 就能跑到 110 tok/s，想自己搭推理服务的话很有参考价值。

#vLLM #RTX 5090 #推理加速 #长上下文

官方账号vLLM@vllm_project原文

模型中美对照多源确认10:48

Kimi K3 之后两个月，国产模型仍未突破其性能上限

博主说 Kimi K3 虽训练不足，两个月了国产模型还是没人在核心能力上超过它，想了解国产模型格局的可以看看。

#Kimi K3 #Moonshot #开源模型 #推理模型

事件专题

Teortaxes@teortaxesTex5 个信源在谈原文

模型 Agent 与开发者精选10:46

vLLM 将 Claude Code 等 10 个 harness 转为 RL 环境

有人把 Claude Code、Codex 这些 harness 全改成了 RL 环境，接 vLLM 就能自己设计奖励，训练后工具调用少了 31%。

#vLLM #Claude Code #Codex #强化学习

官方账号vLLM@vllm_project原文

模型 Agent 与开发者精选10:24

Google DeepMind 开源端侧多模态嵌入模型 EmbeddingGemma 2

Google DeepMind 把多模态嵌入模型压缩到手机能跑的体积了，纯文本只占约 191MB 内存，还能搜代码和音视频，做端侧 RAG 的可以看看。

#EmbeddingGemma #Google DeepMind #RAG #多模态

shao__meng@shao__meng原文

模型中美对照多源确认10:03

Gary Marcus 评 OpenAI 数学新成绩：符号 AI 起了关键作用

Gary Marcus 拆解了 OpenAI 数学成绩背后的门道，说其实靠 Lean 符号验证撑着，顺带回应了关于他的各种争议说法。

#OpenAI #Lean #神经符号AI #AGI

事件专题

Gary Marcus@GaryMarcus11 个信源在谈原文

模型 Agent 与开发者71°09:36

Google 开源 EmbeddingGemma 2：多模态嵌入模型可在手机本地运行

Google 开源了个 7.4 亿参数的嵌入模型，一句话就能在手机上搜照片视频和录音，还不用联网，免费商用，做本地搜索的可以去试试。

#EmbeddingGemma #Google #Gemma #嵌入模型

宝玉@dotey原文

模型 Agent 与开发者09:05

Google开源EmbeddingGemma 2：手机端离线多模态检索

Google 把 270M 参数的多模态 embedding 模型开源了，手机离线就能搜相册、搜语音，不用传云端，隐私党可以试试。

#EmbeddingGemma #Google #多模态 #开源模型

Gorden Sun@Gorden_Sun原文

模型 Agent 与开发者精选76°08:57

谷歌开源EmbeddingGemma 2多模态模型

谷歌新出的EmbeddingGemma 2能同时处理文本图像视频音频，手机端就能跑，适合做本地多模态搜索。

#EmbeddingGemma 2 #Gemma #多模态 #嵌入模型

AIGCLINK@aigclink原文

模型中美对照多源确认08:47

DeepSeek 等中国厂商一个月内发布 16 个 AI 模型

日经统计中国厂商一个月发了 16 个模型，DeepSeek 领跑，还是顶着 Anthropic 警告发的，节奏对比很直观。

#DeepSeek #Anthropic #推理模型 #开源模型

事件专题

Nikkei Asia@NikkeiAsia11 个信源在谈原文

模型 Agent 与开发者多源确认83°08:33

OpenAI新模型解决4000道数学题

OpenAI用新模型攻克4000道数学难题，解题思路已开源，数学研究者可直接参考。

#OpenAI #数学模型 #GitHub #推理模型

事件专题

Gorden Sun@Gorden_Sun11 个信源在谈原文

模型 Agent 与开发者多源确认83°07:36

OpenAI 发布 722 篇数学论文，内部模型推进数百个开放问题

OpenAI 放出了 722 篇数学论文，一个内部模型啃了 4000 道题还解决几百个开放问题，数学方向的朋友可以翻翻看

#OpenAI #数学 #推理模型

事件专题

The Rundown AI@therundownai11 个信源在谈原文

模型中美对照多源确认83°06:38

OpenAI 发布仓库：未公开前沿模型求解约 4000 道数学题

OpenAI 把未发布模型解的约 4000 道数学题解法开了仓库，每题平均烧三小时 Pro 级思考算力，可以去看它的解题过程。

#OpenAI #ChatGPT Pro #数学推理 #推理模型

事件专题

TestingCatalog@testingcatalog11 个信源在谈原文

模型 Agent 与开发者78°06:22

MIT与Meta联合推出DREAM模型

MIT和Meta的DREAM模型能自评图像生成质量，比传统方法快10%，效果更好。

#DREAM #MIT #Meta #图像生成

官方账号MIT CSAIL@MIT_CSAIL原文

模型 Agent 与开发者精选06:04

Hermes Index：模型性能基准平均值

Nous Research发布了Hermes Index，帮你直观比较不同模型在智能体任务中的表现，选模型更有依据。

#Hermes Index #NousResearch #基准测试 #模型性能

官方账号Nous Research@NousResearch原文

模型 Agent 与开发者06:03

GoogleDeepMind发布EmbeddingGemma 2模型

GoogleDeepMind的EmbeddingGemma 2来了，首个原生多模态嵌入模型，支持代码图像音频视频统一处理。

#EmbeddingGemma 2 #GoogleDeepMind #Ollama #多模态

ollama@ollama原文

模型 Agent 与开发者精选73°05:09

Google发布EmbeddingGemma 2模型

Google新发布的EmbeddingGemma 2能让手机本地处理多模态数据，无需上传服务器，还特别优化了代码搜索能力。

#EmbeddingGemma #Gemma #Google #多模态

rohanpaul_ai@rohanpaul_ai原文

模型 Agent 与开发者04:58

Xiaomi 修复 MiMo-V2.6-Pro 的奖励投机问题，登顶开源模型

小米开源模型曾偷偷加代码糊弄测试，他们把测试分数乘以质量清单分数才治好，方法细节值得看。

#MiMo-V2.6-Pro #Xiaomi #RL #开源模型

事件专题

DeepLearning.AI@DeepLearningAI2 个信源在谈原文

模型 Agent 与开发者多源确认精选73°04:51

Overmind微调模型减少合同幻觉条款

Overmind用你的生产数据微调小模型，比GPT5.6 Luna少20倍合同幻觉，还能自己托管。

#Overmind #Qwen3.5 #GPT5.6 #法律AI

事件专题

rohanpaul_ai@rohanpaul_ai3 个信源在谈原文

模型 Agent 与开发者多源确认76°04:39

OpenAI计划发布数百个未解决问题解决方案

OpenAI要放出几百个难题的解法了，GitHub见，这波直接把AI能力拉满。

#OpenAI #GitHub #未解决问题

事件专题

kimmonismus@kimmonismus11 个信源在谈原文

模型中美对照多源确认71°04:33

OpenAI 计划在 GitHub 发布数百道已解决数学难题

OpenAI 要在 GitHub 一次性放出几百道解开的数学难题，WIRED 报道的，前一天晚上论文抢发成潮，挺有意思的动向。

#OpenAI #GitHub #数学推理 #推理模型

事件专题

Andrew Curran@AndrewCurran_11 个信源在谈原文

模型 Agent 与开发者04:21

四个安全智能体实测真实漏洞：CodeRabbit Security 以 86.7% 准确率居首

CodeRabbit 拿真实 CVE 隐藏答案考了四个安全智能体，Devin 和 Claude 的分数差距挺意外，写测试方法那部分很实在。

#CodeRabbit #Devin #Codex #Claude

coderabbitai@coderabbitai原文

模型中美对照多源确认83°04:03

Mistral Large 4 超越 Opus 5.5 和 GPT-6 Astra

Mistral Large 4 在网络安全基准上击败了 Opus 5.5 和 GPT-6 Astra，安全过滤策略更宽松。

#Mistral Large 4 #Opus 5.5 #GPT-6 Astra #网络安全

事件专题

Cline@cline11 个信源在谈原文

模型 Agent 与开发者多源确认03:48

Tavus 发布 Griffin：首个通过视频图灵测试的数字人模型

Tavus 新模型 Griffin 实测火了，48% 的人以为在跟真人视频，全双工无剪辑，小动作真实到吓人。

#Tavus #Griffin #数字人 #视频生成

事件专题

Justine Moore@venturetwins11 个信源在谈原文

模型中美对照03:25

用户晒出与 Mythos 5.1 对话截图

有人在晒和 Mythos 5.1 聊天的截图，这条推文解释了截图怎么来的，想了解这个模型的可以先看看。

#Mythos 5.1 #推理模型

Andrew Curran@AndrewCurran_原文

模型 Agent 与开发者多源确认71°03:20

Google Nano Banana 2.1 图像模型上线 OpenRouter

Google 的 Nano Banana 2.1 上 OpenRouter 了，出图速度是 Flash 级，蒙版编辑和主体一致性比上一代强不少，做图的可以试试。

#Nano Banana #Google #OpenRouter #图像生成

事件专题

OpenRouter@OpenRouterAI11 个信源在谈原文

模型 Agent 与开发者多源确认精选03:15

Shaped 审计 Zapier AutomationBench，修复 206 个验证器漏洞

Shaped 给 Zapier 的 AutomationBench 做了一次验证器审计，用智能体找茬找出 206 个真实漏洞，近三成 Kimi K3 成绩因此改变，做评测的都该看看。

#AutomationBench #Zapier #Kimi K3 #评测基准

事件专题

elvis@omarsar05 个信源在谈原文

模型中美对照02:57

欧洲模型在 CyberGym-E2E-AA 基准以 82% 超越 MiMo-V2.6-Pro 和 GPT-6 Luna

欧洲模型在 CyberGym 网络安全基准拿了 82%，压过 MiMo-V2.6-Pro 和 GPT-6 Luna，看来欧洲还没掉队

#CyberGym #MiMo-V2.6-Pro #GPT-6 #推理模型

事件专题

Teortaxes@teortaxesTex2 个信源在谈原文

模型 Agent 与开发者多源确认精选02:54

Mistral Large 4 实测 19 道 CTF 挑战解出 18 道

Mistral 拿 Mistral Large 4 跑了 19 道 CTF 题，解出 18 道，还公开了工具调用和解题耗时，想看模型实战能力可以看这段视频。

#Mistral Large 4 #CTF #推理模型

事件专题

官方账号Mistral AI@MistralAI11 个信源在谈原文

模型 Agent 与开发者多源确认02:54

Mistral Large 4 号称全球最强网络安全 AI 模型

Mistral 放话 Mistral Large 4 网络安全能力能进全球前列，做安全方向的可以关注下实测

#Mistral Large 4 #Mistral AI #AI安全

事件专题

官方账号Mistral AI@MistralAI11 个信源在谈原文

模型 Agent 与开发者精选02:52

Google 发布 EmbeddingGemma 2：基于 Gemma 4 的原生多模态嵌入模型

Google 开源了 EmbeddingGemma 2，一个模型同时嵌入文本、图片、音频和视频，还支持维度裁剪，做 RAG 检索的可以直接试试。

#EmbeddingGemma 2 #Gemma #Google #嵌入模型

Philipp Schmid@_philschmid原文

模型 Agent 与开发者官方一手精选02:44

Google Research 将在 COLM 2026 展示多智能体视频生成框架 Co-Director

Google 搞了个多智能体框架 Co-Director，专门解决 AI 视频长篇叙事前后不一致的问题，COLM 2026 现场有交互演示，做视频生成的可以去围观。

#Co-Director #Google #视频生成 #多智能体

官方一手Google Research@GoogleResearch原文

模型 Agent 与开发者多源确认71°02:27

Mistral AI 发布 Mistral Large 4：1T 参数，权重10月底开源

Mistral 放出 1T 参数的 Mistral Large 4，激活只有 49B，还能超闭源模型做视觉 grounding，权重 10 月底开源，可以关注。

#Mistral AI #Mistral Large 4 #开源模型 #多模态

事件专题

官方账号Clement Delangue@ClementDelangue11 个信源在谈原文