最新 AI 新闻与行业动态

模型 Agent 与开发者精选73°09:23

ACE：自适应专家跳过框架提升MoE模型效率

ACE让MoE模型能智能跳过冗余专家，无需重新训练就能提升效率，在Qwen3.6-35B-A3B上效果显著。

#ACE #MoE #Qwen3.6-35B-A3B #专家跳过

arXiv cs.AI@Zukang Xu 等 8 人原文

模型 Agent 与开发者78°17:22

阿里千问开源Qwen-Drive-1.0-4B自动驾驶视觉语言模型

阿里开源了首个自动驾驶视觉语言模型Qwen-Drive-1.0-4B，能同时处理3D感知和运动规划，还强化了闭环安全性。

#Qwen-Drive #Qwen3.5-4B #自动驾驶 #视觉语言模型

IT之家原文

模型 Agent 与开发者78°13:59

微信开源WeMM-Embedding多模态模型

微信开源多模态Embedding，2B打平8B，9B登顶MMEB-v2，支持视频纯向量与字幕向量同时输出。

#WeMM-Embedding #Qwen3.5 #多模态 #MMEB-v2

事件专题

shao__meng@shao__meng2 个信源在谈原文

论文中美对照精选73°02:17

腾讯发布环境进化论文解决智能体训练难题

腾讯这篇论文解决了智能体RL的环境供应瓶颈，提出不依赖智能体弱点就能提升环境难度的方法。

#Tencent #环境进化 #智能体 #强化学习

elvis@omarsar0原文

模型精选73°21:25

微信开源WeMM-Embedding多模态模型

微信开源了每天调用十亿次的WeMM-Embedding模型，9B版本在多模态榜单上拿第一，支持文本图像视频一起处理。

#WeMM-Embedding #Qwen3.5 #多模态 #嵌入模型

事件专题

IT之家2 个信源在谈原文

模型中美对照多源确认73°11:51

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。

#Thomson #Qwen3.5-397B #Claude Opus #Thomson Reuters

事件专题

AI Will@FinanceYF54 个信源在谈原文

模型73°11:51

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。

#Thomson #Qwen3.5-397B #Claude Opus 4.8 #GPT-5.5

AI Will@FinanceYF5原文

论文 Agent 与开发者78°11:28

ESPO：错误结构化提示优化方法

ESPO方法让提示更短更准，在Qwen3 GSM8K上从15%提升到91.4%，比GEPA短47%还更准。

#ESPO #提示词工程 #NLP #Qwen3

arXiv cs.AI@Lihao Liu 等 4 人原文

模型精选73°11:25

Terminal-Universe：将代理轨迹转化为可扩展终端环境

Terminal-Universe能把代码执行轨迹变成可复用环境，让Qwen3.5-27B在终端任务上提升近12分。

#Terminal-Universe #Qwen3.5-27B #Terminal-Bench #代码代理

arXiv cs.AI@Jie Wu 等 14 人原文

论文多源确认11:23

终端智能体环境演化方法研究

研究人员提出环境演化方法，让终端智能体训练环境持续变难，在Qwen模型上提升了18%性能。

#环境演化 #终端智能体 #Qwen3.6 #Claude Opus

事件专题

arXiv cs.AI@Zhiyuan Fan 等 12 人4 个信源在谈原文

论文精选73°11:22

Gated DeltaNet在4位量化中保持性能的机制研究

Minima团队把Qwen3.8-27B全量化到4位，性能不变还更小更快，揭秘了混合模型递归部分为什么好量化。

#Gated DeltaNet #Qwen3.8-27B #NVFP4 #量化

事件专题

arXiv cs.AI@Sergii Kozyrev, Davyd Maiboroda2 个信源在谈原文

论文11:13

LLM能否从代码提交中提取架构设计决策

研究测试了四种大模型从代码提交中提取架构设计决策的能力，发现虽有一定效果但仍有改进空间。

#LLM #架构设计决策 #代码提交 #Gemini 3 Pro

事件专题

arXiv: DeepSeek@Amey Karan 等 4 人2 个信源在谈原文

模型精选01:41

Fable 5.1 (Max) 在 WebDev 领域领先137分

Anthropic的Fable 5.1 (Max)在WebDev基准测试中大幅领先，六个领域五个第一，游戏和模拟领域提升超200分。

#Fable 5.1 #AnthropicAI #Code Arena #WebDev

lmarena.ai@lmarena_ai原文

产品中美对照多源确认78°12:20

Perplexity 开源 Mac 本地推理引擎 Lily

Perplexity 为 Mac 开发了专用推理引擎 Lily，比 MLX-LM 快 23%-35%，专为 Qwen3.6-35B-A3B 和 Apple Silicon 优化。

#Lily #Perplexity #Qwen3.6-35B-A3B #Apple Silicon

事件专题

shao__meng@shao__meng3 个信源在谈原文

论文精选73°12:17

SafeEvolve：基于智能体经验的策略协同进化框架

SafeEvolve通过策略协同进化提升AI智能体安全性，在降低有害响应的同时保持性能，比现有方法更有效。

#SafeEvolve #Qwen3.5-4B #AgentDojo #安全对齐

arXiv cs.AI@Qinghua Mao 等 11 人原文

论文11:53

Graph Machine：通过边实现更优预训练

Graph Machine 用边对象替代传统状态，在 Qwen3-0.6B 上预训练时，稀疏层仅需少量检索就能保持性能。

#Graph Machine #Qwen3-0.6B #Transformer #稀疏路由

arXiv cs.LG@Lintai Hou原文

论文精选73°09:12

多教师蒸馏方法提升多领域大模型性能

MT-SDPO方法让每个样本选择最可靠的教师，而非按领域匹配，大幅提升多领域大模型性能。

#MT-SDPO #Qwen3-8B #多教师蒸馏 #大模型

arXiv cs.LG@Xixiang He 等 7 人原文

产品中美对照78°06:57

Perplexity开源Lily本地推理引擎

Perplexity开源了专为Apple Silicon优化的Lily推理引擎，让Qwen3.6-35B-A3B在本地运行更高效。

#Perplexity #Lily #Qwen3.6-35B-A3B #Apple Silicon

Aravind Srinivas@AravSrinivas原文

产品中美对照78°04:43

Perplexity开源Lily本地推理引擎

Perplexity开源了专为Apple芯片优化的Lily推理引擎，解决Qwen3.6-35B-A3B的本地计算瓶颈问题。

#Lily #Qwen3.6-35B-A3B #Perplexity #Apple硅芯片

官方账号Perplexity@perplexity_ai原文

模型中美对照04:43

Qwen3.6-35B-A3B 在 MacBook Pro 上性能测试

Qwen3.6-35B-A3B 在苹果笔记本上跑得比 MLX-LM 还快，吞吐量提升超 20%，质量不打折。

#Qwen3.6-35B-A3B #MLX-LM #MacBook Pro #性能基准

官方账号Perplexity@perplexity_ai原文

模型中美对照多源确认73°01:37

Fable 5.1 Max登顶代码竞技场

Anthropic新发布的Fable 5.1 Max在代码基准测试中大幅领先，比第二名高出77分，刷新了高价模型性能标准。

#Fable 5.1 #Anthropic #Code Arena #WebDev

事件专题

lmarena.ai@lmarena_ai11 个信源在谈原文

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

产品14:48

阿里云企业级 Agent 协作平台“万有无界”开启公测

阿里云推出的万有无界平台，让多个 Agent 协作完成任务，企业可沉淀数字资产，比传统 AI 工具更适合团队协作。

#万有无界 #阿里云 #Qwen3.8-Max #智能体

IT之家原文

模型中美对照多源确认73°14:48

GLM-5.3-Flash首秀进代码榜前十，千问3.8-Max登顶前端榜

国产模型在细分领域表现亮眼，GLM-5.3-Flash代码能力超越多数海外模型，千问3.8-Max直接登顶前端榜。

#GLM-5.3-Flash #Qwen3.8-Max #Kimi-K3-Max #代码榜

事件专题

IT之家4 个信源在谈原文

模型中美对照73°11:53

Qwen3.8-Max-0902登顶CodeArena WebDev排行榜

阿里Qwen3.8-Max-0902以1691分登顶CodeArena WebDev排行榜，比前代模型高出22分，价格仅5美元/百万token。

#Qwen3.8-Max-0902 #CodeArena #WebDev #Alibaba_Qwen

官方账号阿里通义 Qwen@Alibaba_Qwen原文

模型中美对照精选73°11:53

Qwen3.8-Max-0902登顶Code Arena

阿里发布Qwen3.8-Max-0902，在编程评测中夺冠，性价比超越对手。

#Qwen3.8-Max-0902 #Code Arena #Alibaba_Qwen #帕累托前沿

官方账号阿里通义 Qwen@Alibaba_Qwen原文

模型中美对照73°11:16

阿里千问Qwen3.8-Max-0902版本发布

阿里千问Qwen3.8-Max-0902版本上线，前端编程能力全球第一，价格仅竞品1/4

#Qwen3.8-Max #阿里千问 #CodeArena #前端编程

IT之家原文

模型 Agent 与开发者精选73°11:08

Qwen3.8-Max-0902登顶Code Arena: WebDev

阿里Qwen新模型Qwen3.8-Max-0902在代码评测中登顶，性价比超高。

#Qwen3.8-Max-0902 #Alibaba_Qwen #Code Arena #WebDev

lmarena.ai@lmarena_ai原文

模型中美对照73°11:08

Qwen3.8-Max-0902登顶Code Arena: WebDev

阿里Qwen3.8-Max-0902在代码基准测试中超越Claude和Kimi，价格实惠，多项类别领先。

#Qwen3.8-Max-0902 #Alibaba_Qwen #Code Arena #WebDev

lmarena.ai@lmarena_ai原文

模型中美对照73°10:18

Qwen3.8-Max-0902发布

阿里升级了Qwen3.8-Max到0902版本，参数量和上下文都大幅提升，企业级任务表现更强，价格也公布了。

#Qwen3.8-Max-0902 #Qwen #阿里巴巴 #多模态

官方账号阿里通义 Qwen@Alibaba_Qwen原文

论文精选73°10:14

大模型量化损伤结构研究

这篇论文揭示了LLM量化损伤的分布规律，证明全局量化比局部修复更有效，对模型部署有实际指导意义。

#LLMs #量化 #Qwen3-8B #模型压缩

arXiv cs.LG@Jundong Hu, Shekar Ramachandran原文

模型精选73°09:36

HiveTraceGuard-Pro发布：0.6B安全护栏模型

俄语安全护栏新模型，在俄语提示注入检测上表现优异，延迟最低，开源权重已发布。

#HiveTraceGuard-Pro #Qwen3-0.6B #护栏模型 #提示注入

arXiv cs.AI@Nikita Oblakov 等 3 人原文

论文09:32

PersianAnonymizer：评估基于LLM标注的波斯语NER匿名化

波斯语数据匿名化新方案，用LLM标注训练轻量NER模型，消费级GPU上2分钟处理4万消息。

#PersianAnonymizer #NER #DeepSeek-V3-0324 #GPT-OSS-120B

arXiv: DeepSeek@Mohammad Hossein Shalchian 等 3 人原文

模型中美对照73°08:43

Shopify基于Qwen3.5-0.8B微调模型击败GPT 5.6-sol xhigh

Shopify用0.8B小模型微调后打败了GPT 5.6-sol xhigh，小模型专用训练有奇效。

#Qwen3.5-0.8B #GPT 5.6-sol xhigh #Shopify #微调

shao__meng@shao__meng原文

论文中美对照04:33

Qwen团队发布电商智能体基准测试

Qwen团队测试了18个模型在365天电商运营中的表现，GPT-5.6 Sol盈利最多但效率不高，Qwen3.8-Max-Preview在开源模型中领先。

#Qwen #GPT-5.6 #E-Commerce Bench #智能体

elvis@omarsar0原文

模型中美对照73°13:13

Qwen3.8-Max在商业代理基准中表现最佳

阿里发布商业代理基准测试，Qwen3.8-Max在复杂商业工作流中表现最佳，完成率达62%。

#CommerceAgentBench #Qwen3.8-Max #商业代理 #开源模型

官方账号阿里通义 Qwen@Alibaba_Qwen原文

论文精选73°11:24

大模型规模对本体学习的影响研究

Qwen团队研究了13个模型规模对本体学习的影响，发现参数量并非越大越好，架构和模型血统比参数数量更重要。

#Qwen3.5 #Qwen3.6 #本体学习 #大模型规模

arXiv cs.AI@Hamed Babaei Giglou 等 3 人原文

论文精选73°11:24

BLOOM-WILT：大模型行为审计新方法

BLOOM-WILT让大模型安全审计更高效，在Qwen3.5-4B测试中行为诱导率翻倍，还推翻了原有模型安全排名。

#BLOOM-WILT #Qwen3.5-4B #大模型安全 #行为审计

arXiv cs.AI@Adrians Skapars, Edoardo Manino原文

论文精选73°11:21

大语言模型序列评分崩溃下的推理能力恢复

发现大模型推理失败不等于能力缺失，用简单方法就能恢复被掩盖的内部逻辑。

#Qwen3.5 #Llama-3.1-8B #OLMo-2-1B #推理模型

arXiv cs.AI@Qiyao Yan 等 3 人原文

模型78°10:14

TuringLLM推出20B参数专家混合模型

Turing团队发布20B参数专家混合模型，每激活2B参数，性能接近9B模型，支持超长上下文。

#TuringLLM #Turing-20B-A2B #专家混合模型 #长上下文

arXiv cs.AI@Yuheng Zhang 等 22 人原文