webAI 开源 TwIL-8B：4.98 GiB 量化即可在 CPU 上跑
webAI 开源了 TwIL-8B，量化后不到 5 GiB 就能在 CPU 上跑，编程和数学成绩却逼近甚至超过多个前沿大模型，老电脑也能玩。
全部动态
AI 相关资讯全量信息流 · 70 条
11月6日
10月18日
Salesforce 用 8B 小模型训练 AI 科研创意生成，创意性超 Claude Opus 4.8
Salesforce 只用 8B 小模型就教 AI 一次写出一堆不重复的科研点子，创意性还赢了 Claude Opus 4.8 和 GPT-6 Astra，做法挺巧的。
10月8日
Mistral Large 4 预览版登 Code Arena: WebDev 第45名
Mistral Large 4 预览版冲进 WebDev 榜第45名，价格只有 Claude Opus 4.8 的六分之一，10月底还会开源。
10月7日
Mistral Large 4 登陆 Code Arena：WebDev 排名升至第45位
Mistral 的新模型 Mistral Large 4 在 WebDev 榜单一口气从130名冲到45名，价格只有 Claude Opus 4.8 的六分之一，10月底还会开源权重，可以蹲一下。
9月18日
研究人员用 Claude 洞悉 OpenAI 算法秘密
朋友发现个好玩的事，三个安全研究员用 Claude 模型，花不到三天就搞定了 OpenAI 的员工账户，还拿到了他们的代码库，挺有意思的。
9月17日
AITOP16:09
Anthropic拟10月在新加坡设亚太第五个办事处 开...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…
AITOP阅读全文
9月4日
Thomson Reuters 推出大模型 Thomson
Thomson Reuters 花费 4000 万美元训练自己的大模型，用 175 年专业数据，性能接近 Claude Opus 4.8。
汤森路推发布Thomson法律大模型
汤森路透花4000万打造的法律大模型Thomson，用175年专业数据训练，性能比肩Claude Opus 4.8。
8月23日
Inherent发布Faraday智能体，复现能力超GPT-5.5与Claude Opus 4.8
Inherent新推Faraday智能体，小模型大能力，强化学习助其超越GPT-5.5与Claude Opus 4.8，值得关注。
IT之家原文
8月21日
8月20日
阿里发布 Qwen-UI-Agent，主打让模型真正“会用”每一块屏幕
阿里刚发了 Qwen-UI-Agent，能直接操作手机电脑屏幕，移动端比 GPT-5.6 Sol 高 12 个点，还能在真实手机上跑任务，以后帮你自动查地址、订高铁、整理文件应该更靠谱了。
IT之家原文
模型13:41
Ornith-1.5系列开源AI模型发布，量化版适配iPhone 17等手机DeepReinforce刚发布了Ornith-1.5系列开源模型，里面有量化版居然能在iPhone 17手机上用，而且大模型性能和Claude Opus 4.8差不多甚至更强，和其他模型比也有优势，值得看看。
IT之家原文
8月15日
27B参数智能体Faraday复现论文击败Claude Opus 4.8和GPT-5.5
一个叫Faraday的27B智能体，把论文复现变成强化学习任务，在测试集上赢了Claude Opus 4.8和GPT-5.5，还把编码agent当工具用，有点意思。
8月13日
AITOP12:07
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！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…
AITOP阅读全文
8月7日
AITOP17:04
出口结构剧变：中国卖给世界的，不再是产品而是解法中国出口"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…
AITOP阅读全文
AITOP17:02
Kimi K3沙盒逃逸：一只“只搜不攻”的文明越狱者，为何令安全圈集体警觉？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…
AITOP阅读全文
8月6日
Qwen3.8 Max追平Claude Opus 4.8，但Kimi K3便宜25%仍领先
Qwen3.8 Max一口气涨10分追平Claude，但Kimi K3更便宜还更强，值得看。
8月2日
AITOP17:33
DeepSeek-V4-Flash-0731：当版本号成为信息泡沫的容器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…
AITOP阅读全文
7月28日
GPT-5.6 三变体 Agent Arena 战绩：Sol +10.1%，Terra +4.0%，Luna +3.3%
GPT-5.6 的 Sol 版在 Agent Arena 上表现亮眼，比 Terra 和 Luna 都强，直接对标 Claude Opus 4.8。想了解新模型实力的话可以看看。
7月21日
Kimi K3 登顶 Agent Arena 第4名，前端代码竞技场第1名
Kimi K3 智能体能力追上 Claude 和 GPT，还计划开源，前端编码直接登顶，值得关注这个国产模型的新进展。
7月19日
Elon Musk 称 Grok 4.5 综合速度与成本是当前第一
SpaceXAI 的 Grok 4.5 用 $0.31 就干到一流水平，比 Claude 便宜 9 倍，token 还省 6 倍，省钱党可以关注。
7月17日
Kimi K3 Max在内部知识工作基准上超越Claude Opus和GPT-5.5
Kimi K3 Max在三个内部知识工作基准上全面超过Claude Opus和GPT-5.5，适合关注智能体工作流的人看看。
Kimi K3: 2.8万亿参数模型发布，开放权重承诺7月27日
Moonshot发了2.8万亿参数Kimi K3，前端代码超越Fable 5，开放权重版月底就能用，价格虽高但看齐Claude Sonnet。
Moonshot开源模型Kimi K3上线，基准超Claude Opus 4.8
开源模型Kimi K3性能吊打Claude Opus 4.8，价格却和Sonnet一样，值得关注。
7月12日
Meta 发布多模态推理模型 Muse Spark 1.1，强化 AI 智能体任务能力
Meta 的 Muse Spark 1.1 强化了多智能体协作与代码开发，支持百万 token 长上下文，但部分场景弱于 GPT-5.5 和 Claude Opus 4.8。
IT之家原文
7月11日
Grok 4.5以半价在WANDR基准上击败Claude Opus 4.8
Perplexity把Grok 4.5作为Computer的编排模型，代理研究任务得分最高，价格只有Opus 4.8的一半，值得试。
7月10日
Grok-4.5 在 Code Arena: Frontend 排名第三，与 GLM-5.2 和 Claude Opus 4.8 相当
Grok-4.5 在编码前端基准里干到了第三，比 4.3 狂升 59 名，跟 GLM-5.2、Claude Opus 4.8 一个水平线。想试试新编码模型的可以关注。
7月9日
Claude Fable 5 六项行业指数第一，成本比 DeepSeek V4 Pro 高 100 倍
想选行业AI模型？Claude Fable 5 碾压全场，但成本是 DeepSeek V4 Pro 的百倍，性能只多 12 分，性价比得掂量。
7月8日
SpaceXAI 与 Cursor 合作 AI 模型最快今日亮相，部分性能比肩 GPT-5.5
马斯克的SpaceXAI联手Cursor搞了个新模型，据说能跟GPT-5.5和Claude Opus 4.8掰手腕，可以看看。
7月6日
Claude Opus 4.8 和 Sonnet 5 工具调用反而不如旧模型，原因何在
Armin 用实际 bug 案例拆解了 Claude 新模型在工具调用上的奇怪倒退，解释了为什么更强的模型反而更不听话，读起来很爽。
7月1日
OpenAI研究用GPT 5.5 Pro和Claude Opus 4.8解决9个数学开放问题
这篇展示了用GPT和Claude联手破解COLT、FOCS等顶会未解难题，还开源了pipeline，做理论计算的值得看看。
6月30日
普林斯顿CEO-Bench测试：AI模拟CEO经营500天，Claude Fable 5居首
普林斯顿搞了个AI当老板的模拟考试，Claude Fable 5赚了4700万，其他大多破产，这测试挺能看出谁更适合做长期决策。
GLM 5.2 在 IDOR 漏洞检测基准中击败 Claude
智谱的 GLM 5.2 开源模型在安全漏洞检测上居然超过了 Claude，而且推理成本低，适合做代码审计。
6月27日
GLM-5.2 在 Code Arena 前端排名超 Claude Opus 4.8，仅次于 Fable 5
GLM-5.2 在社区投票的编码竞技场上压过 Claude Opus，你可以在前端任务中试试它的单次生成效果。
6月25日
GLM-5.2 (Max) 在 Code Arena: Frontend 以高胜率超越 Opus 系列
GLM-5.2 在前端任务上干掉了 Claude Opus 系列，对 Kimi 和 Sonnet 胜率超 60%，开源模型里相当能打。
6月24日
Qwen发布AgentWorld：原生语言世界模型模拟7种智能体环境
阿里Qwen造了个能模拟7种环境的AgentWorld，在AgentWorldBench上干掉了Claude和GPT最新版，训练智能体不用真实环境也能更强，零微调迁移呢。
6月21日
Z.ai发布GLM-5.2开源模型，1M上下文逼近Claude Opus 4.8
Z.ai刚刚放出了GLM-5.2，MIT开源、100万上下文、跑分81.0，跟Claude Opus 4.8差距很小，做开源模型的得看看。
6月19日
AA-Briefcase基准测试：Claude Fable 5领先但任务成本$31，DeepSeek V4 Flash仅$0.04
新基准AA-Briefcase测长期项目，Claude Fable 5最强但贵，DeepSeek V4 Flash极便宜，GLM-5.2性价比超赞。
6月18日
模型10:55
TxBench-PP基准测试：AI Agent在临床前药理学任务中表现不佳想看看AI在药物发现中到底行不行？这个基准测试用4800条轨迹告诉你，Claude Opus 4.8和GPT-5.5都还差得远，最高才59.3%的通过率。
智谱AI发布GLM-5.2，百万token上下文在编码基准逼近闭源模型
智谱AI的GLM-5.2在长时间编码任务上只比Claude Opus 4.8差1%，还是开源免费，码农可以试试。
6月17日
6月16日
OpenRouter推出Fusion API，多模型协同以一半成本接近Claude Fable 5水平
OpenRouter用多个便宜模型拼出顶级效果，成本砍半但性能追上Claude Fable 5，预算有限又想用好模型可以试试。
Claude Opus 4.8 提升金融工作流引用准确性和 Token 效率
Hebbia 的 CTO 亲测说 Claude Opus 4.8 在金融任务上引用更准、省 token，做财报分析的团队可以试试。
6月14日
Claude Design 高精度可交互原型背后是模型能力差距，GPT-5.5 还扛不住
拆解 Claude Design 为何比 Codex 强
6月13日