全部 AI 动态 · AITOP

模型 Agent 与开发者精选17:42

轻量版LingBot-World 2.0开源，单卡实时运行

这个轻量版世界模型开源了，1.3B参数，单卡就能实时跑，对开发者来说很实用。

#LingBot-World #世界模型 #开源模型 #实时运行

量子位@十三原文

模型中美对照多源确认78°16:52

OpenAI 发布 ChatGPT 5.2，提升专业能力与视觉理解

OpenAI 新发布的 ChatGPT 5.2，专业能力比 GPT-4 更强，视觉理解也更好，适合需要专业知识的场景。

#ChatGPT #GPT-5 #OpenAI

事件专题

Liputan6 Tekno11 个信源在谈原文

模型 Agent 与开发者多源确认73°11:54

OpenAI发布GPT-4o架构细节

OpenAI公开了GPT-4o的技术架构，开发者能了解其工作原理和性能优势。

#GPT-4o #OpenAI #多模态 #推理模型

事件专题

小互@imxiaohu11 个信源在谈原文

模型 Agent 与开发者多源确认精选73°03:25

GPT-6 Astra通过Computer Use直接操作Minecraft

GPT-6 Astra现在能直接玩Minecraft了，比三年前GPT-4时代简单太多，Voyager当时就实现了技能自进化。

#GPT-6 #Astra #Minecraft #Voyager

事件专题

宝玉@dotey11 个信源在谈原文

模型 Agent 与开发者73°01:15

GPT-4推理成本三年下降300倍

Mustafa Suleyman分享GPT-4成本惊人下降数据，了解AI技术扩散速度

#GPT-4 #推理成本 #AI技术

Mustafa Suleyman@mustafasuleyman原文

模型中美对照多源确认15:24

Astra模型展现显著智能提升

Astra模型展现对话智能显著提升，与GPT-4和Claude Sonnet 3.5并列，让人感受到AGI的可能。

#Astra #GPT-4 #Claude #AGI

事件专题

向阳乔木@vista811 个信源在谈原文

模型多源确认05:13

Gary Marcus质疑Astra模型可监控性声明

GaryMarcus向Astra团队提出技术质疑，关于模型可监控性的具体含义和比较基准。

#GaryMarcus #Astra #GPT-4 #可监控性

事件专题

Gary Marcus@GaryMarcus11 个信源在谈原文

模型中美对照多源确认05:01

Astra计算图深度接近GPT-4

OpenAI解释Astra计算图深度与GPT-4的关系，强调思维链监控的重要性与挑战。

#Astra #GPT-4 #OpenAI #思维链监控

事件专题

Gary Marcus@GaryMarcus11 个信源在谈原文

模型中美对照19:16

陈大年复出，入局大模型

陈大年回归DeepSeek，带来DeepSeek万亿旗舰大模型，对标GPT-4，性能有望超越，值得关注。

#DeepSeek #大模型 #陈大年 #GPT-4

量子位@鹭羽原文

模型中美对照73°15:43

阿里更新旗舰模型Qwen3.8-Max

阿里Qwen3.8-Max编程能力登顶全球，代码生成超越GPT-4o，开发者必看。

#Qwen3.8-Max #阿里 #编程 #HumanEval

量子位@量子位的朋友们原文

模型14:58

宇树智元共用大脑模型Demo炸场

宇树智元新出的模型Demo太惊艳了，10分钟内展示了强大的多模态处理能力，比现有模型强多了！

#宇树智元 #GPT-4.5 #多模态 #模型性能

量子位@林, 方舟原文

模型中美对照多源确认23:05

Kimi K3靠Harness逼近Opus 5

Kimi K3用Harness框架，在18个Agent科研任务里，性能快追上GPT-4o了，挺厉害的。

#Kimi K3 #GPT-4o #Harness #智能体

事件专题

量子位@henry11 个信源在谈原文

模型精选11:54

CABLE：通过互补前导链接扩展记忆检索范围

清华团队提出CABLE方法，让AI记忆系统不再只靠相似度，而是通过互补链接找回被遗忘的关键信息。

#CABLE #记忆检索 #LLM代理 #推理模型

arXiv: DeepSeek@Zheling Tan 等 3 人原文

模型中美对照多源确认72°06:19

GPT-4训练完成已满四年

gdb发推说GPT-4训练完成四周年了，想看看大家怎么回顾这个模型的可以点进去。

#GPT-4 #OpenAI #多模态

事件专题

官方账号Greg Brockman@gdb11 个信源在谈原文

模型中美对照多源确认82°08:06

曝OpenAI最快下周推出Astra模型，为GPT-4.5以来最大模型

OpenAI下周可能要发Astra，是GPT-4.5以来最大模型，能解10道数学难题，还能调度智能体干活。

#OpenAI #Astra #GPT-4.5 #智能体

事件专题

IT之家11 个信源在谈原文

模型中美对照多源确认72°00:18

Kimi K3 在 Fireworks 上线：3万亿参数、1M上下文、原生视觉

Fireworks 上了首个3万亿参数的开放模型 Kimi K3，百万上下文加视觉，推理不输闭源，还零数据保留，上手试试。

#Kimi K3 #Fireworks #推理模型 #多模态

事件专题

Fireworks AI@FireworksAI_HQ11 个信源在谈原文

模型中美对照多源确认00:17

Kimi K3 以 $3/百万输入 tokens 对标 Anthropic 和 OpenAI 顶级模型

Kimi K3 便宜到离谱，$3 输百万 token，推理性能还不输 Claude 和 GPT-4o，想省钱搞推理的可以试试。

#Kimi K3 #Fireworks AI #推理模型 #开源模型

事件专题

Fireworks AI@FireworksAI_HQ11 个信源在谈原文

模型09:32

RUMBA：俄语用户记忆基准，细粒度评估长对话记忆

想测LLM的长对话记忆力？RUMBA这个俄语基准能细粒度诊断模型在时间推理上的强项和短板。

#RUMBA #俄语基准 #长对话记忆 #推理

arXiv cs.AI@Elizaveta Shevtsova 等 5 人原文

模型 Agent 与开发者多源确认15:32

GPT-5.6用户称性能飞跃，超越GPT-4到3.5的提升

有用户说GPT-5.6干活更利索比之前版本强一大截，但Codex还不够好，来看看他的体验。

#GPT-5.6 #GPT-4 #Codex #OpenAI

事件专题

@koltregaskes@koltregaskes11 个信源在谈原文

模型精选10:55

SFC框架：用图结构共形预测保证科学生成的有效性

想做可靠的科学生成？SFC框架让模型一边写一边用共形预测校验事实，结果比DeepSeek和GPT-4都准，还能少犯73%的科学错误。

#SFC #共形预测 #科学推理 #DeepSeek-R1

arXiv: DeepSeek@Mingqiao Mo 等 3 人原文

模型精选10:54

数据优先本体论的显式世界模型：DaoQL多模态存储验证与反事实推理评估

这篇论文把LLM当推理引擎，把知识存进显式数据库DaoQL，反事实推理比GPT-4o单独强49个百分点，适合做高精度场景的参考。

#DaoQL #GPT-4o #反事实推理 #显式世界模型

arXiv cs.AI@Zhanbo Li 等 4 人原文

模型中美对照18:34

阿里Qwen-Audio-3.0-TTS语音合成模型登顶全球权威榜单

阿里出了个超强语音模型，能说20种方言，情感语调都能调，榜单第一，快去试试合成效果。

#Qwen-Audio-3.0-TTS #阿里 #语音合成 #方言

量子位@梦晨原文

模型 Agent 与开发者22:08

免费AI编码模型DeepSeek-Coder-V2登顶全球排行榜

DeepSeek-Coder-V2免费开源，性能还超过了GPT-4o和Claude，写代码直接省钱了。

#DeepSeek-Coder-V2 #DeepSeek #开源模型 #编程助手

量子位@一水原文

模型中美对照多源确认88°06:33

OpenAI 发布 GPT-5.6 模型系列，提升网络安全能力

OpenAI 出了 GPT-5.6，主打网络安全，想看看新模型怎么防黑客的可以点进去。

#GPT-5.6 #OpenAI #AI安全

事件专题

techcrunch@Lucas Ropek11 个信源在谈原文

模型中美对照多源确认02:19

GPT-5.6 Sol 以不到一半成本获最高基准分

OpenAI 的 GPT-5.6 Sol 比对手便宜一半还得分最高，搞 AI 的朋友值得看看这个新动向。

#GPT-5.6 Sol #OpenAI #推理模型 #基准测试

事件专题

elvis@omarsar011 个信源在谈原文

模型中美对照多源确认93°02:11

OpenAI 发布 GPT-5，Sam Altman 称其为史上最佳模型

OpenAI 正式推出了 GPT-5，Sam Altman 亲自吹捧这是他们最好的模型，快去看看博客里写了什么新能力。

#GPT-5 #OpenAI #前沿模型

事件专题

官方账号Sam Altman@sama11 个信源在谈原文

模型10:17

CO-LMLM：基于连续查询的有限记忆语言模型

CO-LMLM用360M参数打平gpt-4o-mini，事实准确度比Claude还高，这是用更小模型做更好知识检索的路线。

#CO-LMLM #LMLM #知识库 #gpt-4o-mini

arXiv cs.LG@Yair Feldman 等 8 人原文

模型中美对照多源确认72°08:01

GPT‑Live：ChatGPT语音模式升级，可调用GPT-5.5

OpenAI把ChatGPT语音模式升级成GPT-Live了，能边聊边调GPT-5.5干活，比老版聪明太多，值得体验。

#GPT‑Live #GPT-5.5 #OpenAI #ChatGPT

事件专题

官方账号Simon Willison’s Weblog11 个信源在谈原文

模型中美对照官方一手23:36

Seedream 5.0 图像模型上线，2K 分辨率表现优于 GPT-4o

Seedream 5.0 图像模型刚上线，能生成 2K 分辨率图片，比 GPT-4o 清晰，但文字多时会糊。想试试新模型可以看看这些例子。

#Seedream 5.0 #GPT-4o #图像生成 #文本渲染

官方一手歸藏(guizang.ai)@op7418原文

模型精选17:00

从前沿AI到笔记本电脑AI：25个月的滞后

想了解前沿模型多久能变成你能在笔记本上跑的开源版？这篇用GPT-4、Claude 3.5等具体案例算出了平均25个月的滞后，还画了未来预测图。

#GPT-3 #Llama 2 #GPT-4 #Gemma 3

事件专题

@koltregaskes@koltregaskes2 个信源在谈原文

模型中美对照12:19

开源模型追赶云端前沿：GPT-4级能力24个月后落地笔记本

一张图告诉你开源模型追上GPT-4还要多久，Fable 5本地跑要等到2028年。数据很具体。

#Fable #GPT-5 #开源模型 #本地推理

AI Will@FinanceYF5原文

模型中美对照05:12

本地开源模型约24个月追上云端前沿能力

社区图表算了一笔账：GPT-4级别能力两年后就能在笔记本上跑，开源追赶速度比你想象得快。

#GPT-4 #GPT-3.5 #开源模型 #本地部署

Gary Marcus@GaryMarcus原文

模型中美对照多源确认19:42

GPT和Claude在桥水基金金融测试中失败，因正确答案从未公开

桥水基金用自家金融数据微调了一个开源模型，结果比GPT和Claude都强，成本还低得多。想搞垂直领域微调的可以看看。

#Bridgewater #Thinking Machines Lab #GPT #Claude

事件专题

官方账号Decoder@Maximilian Schreiner3 个信源在谈原文

模型中美对照多源确认10:59

GPT-4 在Epoch Capabilities Index领先352天，远超其他模型

GPT-4霸榜352天，o1只撑了98天，看看到底谁才是真强者。

#GPT-4 #OpenAI #o1 #Epoch Capabilities Index

事件专题

官方账号Epoch AI@EpochAIResearch8 个信源在谈原文

模型01:15

OSWorld2.0 基准测试：评估计算机使用智能体的长周期真实世界任务

想看看 AI 在真实电脑操作上能走多远？OSWorld2.0 拿 100 个长任务测智能体，GPT-4o 都只拿到 15% 成功率，差距一目了然。

#OSWorld2.0 #基准测试 #智能体 #长周期任务

AK@_akhaliq原文

模型 Agent 与开发者多源确认78°03:08

GPT-5.6 Sol Preview 在 Cursor 内部测试被发现，或支持 1M 上下文

OpenAI 的 GPT-5.6 Sol Preview 悄悄在 Cursor 里测试，上下文直接拉到 1M，能一口气吞整本小说了。

#GPT-5.6 Sol Preview #Cursor #上下文窗口 #1M上下文

事件专题

@koltregaskes@koltregaskes11 个信源在谈原文

模型 Agent 与开发者精选13:51

GLM-5.2 能自主推理并修复代码，开源模型能力跃升

开源模型GLM-5.2能自己读代码问题、推理并修复，以前只有闭源模型才能做到，现在用Together AI就能跑。

#GLM-5.2 #Together AI #推理模型 #编程助手

官方账号Together AI@togethercompute原文

模型 Agent 与开发者精选12:56

Epoch AI 发布 MirrorCode 基准：AI 可自动编程数天，完成人类数周任务

Epoch AI 搞了个新基准 MirrorCode，让 AI 连续写几天代码，最强模型能干人类几周的活，想看看 AI 编程天花板在哪可以关注。

#MirrorCode #Epoch AI #编程助手 #基准测试

事件专题

官方账号Epoch AI@EpochAIResearch2 个信源在谈原文

模型00:57

PlanBench-XL：在大型工具生态中评估LLM智能体的长程规划

想看看你用的LLM在多工具长流程场景下到底多靠谱？PlanBench-XL用上千个工具设计了真实任务链，测出来主流模型成功率不到40%，值得一测。

#PlanBench-XL #LLM #智能体 #工具使用

AK@_akhaliq原文

模型精选12:00

Lost in Aggregation：LLM空间导航多尺度诊断基准

想知道LLM为什么在导航任务中迷路吗？这个基准把问题拆成三个层级，告诉你59%的锅在交叉口选择，39%在局部感知，方向判断几乎不犯错。对做空间推理的开发者非常有用。

#Lost in Aggregation #GPT-4o #DeepSeek-V3 #Llama-3.3-70B

arXiv: DeepSeek@Yuhan jiang 等 3 人原文