全部动态
Sonnet 5.5 单项评测拿了 3 个第一，比 Opus 5.5 还猛，这条推里有各家模型的榜首分布数据，选模型前可以看看。
DeepSeek 的 flash 模型指纹变了，疑似悄悄上了 V4.1-Flash-1017，有人说变聪明也更简洁了，可以自己试试对比。
复旦 MOSS 团队开源了图像生成模型 MOSS-Image，vLLM-Omni 第一天就能跑，想自己部署的朋友可以直接上手了。
优必选出了个机器人世界模型 Thinker-WM，把画面、深度、动作一起学，三个具身基准都拿了第一，加深度还能涨 15 个点成功率。
有人拿一条提示词让 Opus 5.5 连跑 30 小时，从逻辑门搭出一台能玩游戏的电脑，还做成 3D 可视化，提示词也放出来了。
Qwen 团队开源了一个考 AI 做 3D 建模的基准，不比画图，比的是能不能交出可编辑的 .blend 工程，做视觉智能体的可以拿来测测。
Meta 放了个 816B 的开放权重多模态模型，两台 Mac Studio 就能本地跑，能改代码剪视频，不过年收入超 2000 万美元要另谈授权。
browser_use 跑了 NVIDIA 的 Nemotron 3.5 Super VL，浏览器任务得 48.5 分，被 GPT-6 Luna 的 67.7 分压过，成本还高 61%，想选浏览器自动化模型的可以看看。
有人实测了 Meta 新开源的 Muse Spark Open，结论是打不过 DeepSeek-v4.1-flash，还特能幻觉，想本地部署的先看看再决定。
Meta 放出了 Muse Spark Open，816B 总参数里只有 42B 激活，跑 Code Arena 拿了美国开源第一，价格还比 Muse Wonder 便宜近八成。
NVIDIA 盘点了一圈合作方怎么拿 Nemotron 3.5 Super VL 做后训练，想参考别人微调视觉语言模型思路的可以翻翻这个推文串。
NVIDIA 开源了一个 120B 多模态智能体模型，每 token 只激活 12B，跑智能体任务比大 5 倍的 Ultra 还快，ms-swift 里就能微调。
Perplexity 的 Decider v1.2 和 Flash v1.2 上 OpenRouter 了，能吃图、返回带概率的结构化答案，Flash 只有 4B 还便宜一半。
Meta 放了个 816B 的开源权重模型 Muse Spark Open，美国开源第一，1M 上下文还能塞进两台 Mac Studio 自托管，不过跑智能体任务不如 GLM-5.3。
Perplexity 把两个开源决策模型挂上了 Hugging Face，flash 版推理快 5 倍还是 4B 档第一名，做智能体路由的可以试试。
Perplexity 把开源决策模型 Decider v1.2 放到 OpenRouter 了，27B 和 4B 两档，Flash 版成本砍半，还能直接吃图。
OpenAI 给 GPT-6 Astra Pro 升级了，多个智能体能同时干一个任务的不同部分，还能跟踪进度，Pro 用户现在就能用。
OpenAI 给 GPT-6 Astra Pro 升了级，工具调用更快还能多智能体并行干活，Pro 用户现在就能用。
RespanAI 的开源决策模型 Span-02 上 OpenRouter 了，$0.01/M token 还免输出费，自带 Rust 引擎比 vLLM 快 7 倍，做分类判断挺合适。
Reflection 的开源模型 Beam 之前一直匿名运行，现在在 Vercel AI Gateway 上限时免费，写代码、跑 agent 都能直接接，想试美国开源模型的别错过。
Perplexity 把两款决策模型开源了，4B 那个跑一百万 token 才 1 美分，权重直接放 Hugging Face 上，自己搭服务的可以试试。
Reflection AI 放出了首个开放权重的 Beam 模型，在 CoreWeave 上 API 就能调，预览用户反馈它又快又准还不啰嗦。
本周 Arena 榜单更新，Gemini 4 Argon 升到第 5，小米 MiMo 拿下开源第一，Meta 的 Muse Wonder 一上榜就冲到第 2，还有省钱 37% 的新路由器。
一个不做文本生成的决策模型，单次判断 70-500 毫秒，成本比 LLM 低最多 400 倍，Databricks 上能直接给几百万行数据打标打分。
一家叫 Elorian 的公司出了首个模型 Glimpse，最特别的是边想边回头重看视频细节，自测比 GPT-6 Astra 便宜七倍还更准。
Reflection AI 放了个 501B 的全开源模型，Agent Arena 上是美国开源模型里最强的，Code Arena 前二十几个开源模型里唯一的非中国选手，Apache 2.0 随便用。
Epoch AI 测了个网络攻击能力榜单，Zai 的 GLM-5.3 拿 160 分，分数压过 GPT-5.4，开源只落后闭源半年多。
哈佛研究员拿 Claude 做量子电路设计，8 个任务里多数赢了人类纪录，写法是让模型写代码再让评估器打分迭代。
Anthropic 让 Claude Mythos 5 只凭文字描述就设计出比已发表最优方案好一个数量级的量子电路，搞量子和算法的可以看看细节。
Anthropic 让 Claude Mythos 5 自己写量子电路、自己按分数迭代，8 个原语上都打赢了已发表最优解，量子方向的朋友可以看看.
NVIDIA 工程师又把 ReflectionAI 的吞吐量从 70K 拉到约 90K 了，跑 Hugging Face 部署的可以看看这次优化细节。
Gemini 前负责人出来做的 VLM Glimpse，10 块棋盘测试 8 比 5 赢了 Gemini 3.8 Flash，做数据标注的可以试试。
DeepMind 放了 4 个 Gemini 4 Argon 进 Minecraft，27 小时写 2783 个程序自己把末影龙打了，协作细节挺值得看看。
仅展示最近 2000 条内容，更早的内容请查阅 AI 日报存档