模型发布

全部主题

新模型的发布、开源与迭代：大模型厂商的旗舰更新、开源权重放出、性能与价格变化的第一时间记录。

88 条精选相关主题产品更新研究与技术报告开源生态

今天 · 9月30日星期三

AI HOT 精选 · 模型9/29 00:00

GPT-6.1 Sol 发布 7 天后接替 GPT-6 Sol，智能指数距 GPT-6 Astra 仅 1 分

GPT-6.1 Sol 在发布 7 天后接替 GPT-6 Sol，智能指数比 GPT-6 Astra 低 1 分，价格仍为每百万输入/输出 token 2 美元/10 美元，缓存读取折扣从 90% 升至 95%。

推荐理由：通过智能指数、成本与 token 效率的横向对比，读者可判断 GPT-6.1 Sol 在价格与能力之间的取舍。

AI HOT 精选 · 模型9/30 01:53

OpenAI 发布 GPT-6.1 Sol，强化智能体编码与 computer use

OpenAI 发布 GPT-6.1 Sol，升级了智能体编码和 computer use 能力，接近 Astra 性能。缓存输入定价为标准输入价格的 95% 折扣，模型面向复杂重构、深度代码库调查和跨应用长时间运行的智能体。

推荐理由：OpenAI 发布 GPT-6.1 Sol，读者可了解其在智能体编码与 computer use 上的能力升级及缓存输入定价。

TechCrunch · AI9/30 01:15

OpenAI 发布 GPT-6.1 Sol，称接近 GPT-6 Astra 且价格更低

OpenAI 在 DevDay 上发布 GPT-6.1 Sol，称其在智能体编码、计算机使用和专业工作上接近 GPT-6 Astra 的智能水平，标准输入输出 token 价格仅为后者的五分之一。

推荐理由：读者可了解 GPT-6.1 Sol 在智能体编码与事实准确性上的具体提升，以及 GPT-6.1 Astra 因安全顾虑被搁置的背景。

The Decoder9/30 01:14

OpenAI 发布 GPT-6.1 Sol，以五分之一成本接近 Astra

OpenAI 发布 GPT-6.1 Sol，称其在智能体编码、电脑操作和办公任务上接近因安全问题未按计划发布的旗舰模型 GPT-6.1 Astra，成本约为后者的五分之一。

推荐理由：原文给出 Sol 与 Astra、Opus 5.5 的定价和多项基准对比，可据此判断低价替代方案的能力边界。

昨天 · 9月29日星期二

OpenAI News9/29 18:00

OpenAI 发布 GPT-6.1 Sol 模型

OpenAI 发布 GPT-6.1 Sol，定位为面向编码、计算机操作和专业工作的接近 Astra 级智能。其标准 API 输入与输出 token 价格为 Astra 的五分之一。

推荐理由：OpenAI 发布 GPT-6.1 Sol，读者可了解其面向编码与计算机操作的能力定位及定价变化。

9月25日星期五

Google DeepMind9/25 00:20

Google DeepMind 发布 Gemini 3.8 Live with Live Avatar

Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，在原生实时对话模型上加入近实时视频生成，实现带唇形同步、自然表情和流畅轮次切换的动态视觉形象。

推荐理由：原文给出 Live Avatar 的实时视频对话能力、异步工具调用与 97 语言支持，可据此判断企业级多模态交互的落地形态。

8月12日星期三

Google DeepMind8/12 22:01

Google DeepMind 发布 SL2T 手语转文本模型，率先落地 Pixel 11 的 Gboard 与 Live Transcribe

Google DeepMind 发布多语言手语转文本模型 SL2T，首次将手语 AI 带入消费级产品，在 Pixel 11 的 Gboard 和 Live Transcribe 中支持美国手语（ASL）转英文听写，后续将扩展更多设备与语言。

推荐理由：原文给出 SL2T 的训练规模、基准成绩与隐私设计，可据此判断手语翻译进入消费级产品的可行边界。

7月21日星期二

Google DeepMind7/21 23:16

Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 与 3.5 Flash Cyber

Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 和面向安全的 3.5 Flash Cyber 三款新模型。

推荐理由：原文给出三款新模型的定价、token 效率与多项基准对比，可据此判断智能体工作流的成本与选型变化。

7月17日星期五

Google DeepMind7/17 23:00

Google DeepMind 发布 Gemini 3.5 Flash Cyber 网络安全模型

Google DeepMind 发布 Gemini 3.5 Flash Cyber，基于 3.5 Flash 微调，用于快速发现、验证和修补漏洞，在 CyberGym 等基准上以多次调用取得接近更大模型的成绩。

推荐理由：原文给出轻量安全模型在多个基准和 Google 内部代码库的实测结果，可据此判断专用小模型在漏洞发现上的性价比。

6月10日星期三

AI HOT 精选6/10 06:13

Anthropic 发布 Claude Fable 5，在高风险领域会自动降级到旧模型

Claude Fable 5 是 Anthropic 目前最强的模型，在编程、知识问答、科研和视觉测试里几乎全面领先，任务越复杂优势越大。但它在网络安全、生物化学和模型蒸馏这些敏感领域做了限制：一旦触及，会自动切回能力更保守的 Opus 4.8，平均每 20 次对话触发一次。另外，Anthropic 把完全版 Mythos 5 开放给了少数可信的网络安...

推荐理由：Anthropic 发新模型，重要性本来就在 85–94 这个区间。HKR 三项全过：安全降级这个钩子够特别，降级对象和触发频率都写清楚了，而且 Claude 用户群对“能力强但可能被安全机制打断”这事很敏感。唯一扣分点是来源只有 X，信息不够硬，所以没给到最高档。

锐评

Claude Fable 5 的做法是把最强能力和安全控制绑在一起：模型本身是 Mythos 级的，编程、科研、视觉测试几乎全线领先，任务越复杂优势越大。但它在网络安全、生物化学和模型蒸馏这些高风险领域会自动降级到 Opus 4.8，相当于内置了一个安全开关，平均每 20 次对话触发一次回退。

这个设计思路挺直接——不是把危险能力删掉，而是用检测机制拦住。但正文没说明触发机制是关键词匹配还是语义理解，也没给出误报率。如果敏感话题的边界划得太宽，正常的安全研究讨论也可能被误拦。另外，完全版 Mythos 5 只开放给少数可信团队，普通用户拿不到，所以外部没法独立验证 Fable 5 到底在哪些能力上做了阉割、阉割了多少。

还缺几个关键信息：回退到 Opus 4.8 后回答质量掉多少、用户能不能感知到切换、以及 Anthropic 自己内部对"高风险领域"的定义清单。这些不公开，就很难判断这到底是真安全机制，还是 PR 层面的风险规避。

6月9日星期二

AI HOT 精选6/9 23:56

Cohere 发布 North Mini Code：一个 30B 参数、每次只用 3B 的开源代码模型

Cohere 在 Hugging Face 上开源了 North Mini Code，采用 Apache 2.0 协议。这是一个 30B 参数的混合专家模型，每次推理只激活 3B 参数，专门为让模型在终端里自主写代码、修 bug 这类任务设计。在 SWE-Bench Verified 上，它的 pass@10 跑到了 80.2%，在 Artificia...

推荐理由：HKR-H 来自一个紧凑的 MoE 编码模型加上一个亮眼的 SWE-Bench 成绩；HKR-K 有参数、协议、上下文和基准数据。Cohere 不是前沿实验室，所以这个发布放在 78-84 分的开源编码模型区间比较合适。

锐评

Cohere 这次放出的 North Mini Code 是个 30B 参数的混合专家模型，每次推理只激活 3B 参数，相当于用 3B 的算力跑 30B 的底子，思路就是省钱省显存。它专门冲着让模型在终端里自己写代码、修 bug 这类任务去的，在 SWE-Bench Verified 上 pass@10 跑到了 80.2%，这个分数在同类开源模型里算第一梯队。

不过有几个地方得打个折。第一，pass@10 意味着模型可以试十次，取最好的一次算分，实际干活时你不可能每次都让它试十遍，单次成功率会低不少。第二，正文只提了参数规模和跑分，没给推理速度、显存占用、单次调用的延迟这些实际部署的关键数字，30B 的模型就算只激活 3B，全量加载到显存里还是要占不少地方。第三，内部人工评估那部分只说了比 Qwen 和 Gemma 强，但没披露具体差距有多大、评估了多少道题，说服力有限。

整体看，这是个定位清晰的编码模型，开源协议也友好，适合想在本地跑编程助手的开发者试试。但能不能真在生产环境里稳定干活，还得等社区测出更多实际性能数据。

Google DeepMind6/9 23:16

Google DeepMind 发布 Gemini 3.5 Live Translate 实时语音翻译模型

Google DeepMind 发布 Gemini 3.5 Live Translate，一款支持 70 多种语言的近实时语音到语音翻译音频模型，可自动检测语言并保留说话人的语调、节奏和音高。

推荐理由：原文给出模型的语言覆盖、实时翻译机制与多产品上线节奏，可据此判断语音翻译的可用边界。

AI HOT 精选6/9 22:10

Gemma 4 12B 发布：一个模型直接看懂图文和音频，不用外挂编码器

Google DeepMind 开源了 Gemma 4 12B，一个 120 亿参数的多模态模型。它最大的变化是去掉了传统的独立视觉/音频编码器，把所有输入统一交给 Transformer 处理，架构更简单。模型能直接听懂语音，不再需要先转文字。官方说它用 Apache 2.0 协议开源，在 16GB 显存或统一内存的笔记本上就能跑。性能方面，正文没给...

推荐理由：我会先打个折：正文没给性能对比和具体 benchmark，所以没法判断它到底多强。但架构上的变化是实打实的——把视觉和音频编码器都砍掉，统一用 Transformer 处理，等于简化了管线，也降低了工程复杂度。能在 16GB 显存或统一内存的笔记本上跑，对个人开发者和中小企业是个实在的卖点。原生语音输入意味着不用再串一个 ASR 模块，做语音助手或实时对话应用会更轻量。Apache 2.0 协议也扫清了商用顾虑。整体看，这是一个有明确技术亮点的开源发布，但缺少性能验证，激动之前得等实测数据。

锐评

Google DeepMind 开源了 Gemma 4 12B，一个 120 亿参数的多模态模型。它最大的变化是把传统的视觉、音频编码器全砍了，所有输入直接扔给 Transformer 处理，架构更简单。模型能直接听懂语音，不用先转文字，而且用 Apache 2.0 协议开源，官方说在 16GB 显存或统一内存的笔记本上就能跑。

但这条消息最该打折的地方是：正文没给任何基准测试成绩。一个号称“统一多模态”的模型，发布博客里连一张跑分表都没有，只说了架构怎么变、协议怎么友好。没有对比数据，就没法判断它到底比上一代强多少，或者跟同尺寸的其他模型比是什么水平。

还缺几个关键信息：语音理解的延迟和准确率没提，多模态任务的具体表现没提，训练数据构成也没交代。想上手试的人可以先跑跑看，但做选型决策的话，得等第三方评测出来再说。

6月8日星期一

AI HOT 精选6/8 13:53

高德发布 ABot-Earth0.5，用一张卫星图 10 分钟就能生成 3D 城市

高德搞了个叫 ABot-Earth0.5 的模型，号称是全球第一个原生 3D 的城市世界模型。它已经覆盖了 190 多个国家和地区。用起来很简单，你扔给它一张卫星图或者一段文字描述，它就能在普通消费级显卡上，大概 10 分钟给你生成一大片公里级的 3D 城市场景。出来的素材是 3DGS 格式，能直接拖进 Unity、虚幻引擎这些软件里接着用。按他们算的...

推荐理由：高德这个ABot-Earth0.5把3D城市生成的门槛压得很低：消费级显卡、10分钟、公里级、直接出可编辑资产。我会先打个折，正文没披露生成精度和几何一致性有多高，也没给实际案例对比，所以“全球首个原生3D城市世界模型”这个说法先别太激动。但即便只做到七八成，对需要大量3D场景的团队来说也挺省钱。H/K/R三条都踩实了，重要性给80合理。

锐评

高德发布的ABot-Earth0.5，核心是把3D城市建模从重资产工程变成了轻量工具。你给一张卫星图或一段文字，它能在消费级显卡上花10分钟，生成公里级的3D城市场景，输出格式是3DGS，可以直接拖进Unity或虚幻引擎用。官方算了一笔账：制图成本降到传统方式的百分之一，效率提升约一千倍。这个数字如果属实，对需要大量虚拟环境的行业——比如具身智能训练、低空经济航线规划——确实能省下不少钱和时间。

但文章没讲清楚几个关键点。第一，生成的3D模型精度和几何一致性怎么样，有没有和激光点云或实拍数据做过对比，正文没披露。第二，“覆盖190多个国家和地区”指的是模型有能力生成这些地方的场景，还是已经建好了现成的3D地图，表述比较模糊。第三，3DGS格式虽然渲染快，但在物理碰撞、动态交互上不如传统网格模型，直接用于仿真训练可能还要额外处理。

目前产品刚开放内测，效果好不好还得看实际跑出来的东西。如果精度和可用性过关，这个工具对中小团队的意义会很大。

6月7日星期日

r/LocalLLaMA6/7 00:36

Cohere 把还没发布的编程模型 BLS-Mini-Code-1.0 先丢给 LocalLLaMA 社区测试了

Cohere 的员工 Nick Frosst 在 Reddit 上给 LocalLLaMA 社区开了个后门，提前放出还没正式发布的编程模型 BLS-Mini-Code-1.0，权重已经挂在 Hugging Face 上了。这个模型总参数量 30B，但每次推理只激活 3B 参数，属于稀疏模型，跑起来对硬件要求会低一些。Cohere 说它的 token 输...

推荐理由：HKR 三项都踩中了：Cohere 员工私下给社区塞未发布模型，这事本身就有点独家；30B 总参数只激活 3B 的稀疏设计，对本地跑模型的人很友好，硬件要求直接打折。不过信息来自 Reddit 帖子，正文没披露评测成绩、许可证和训练细节，所以先别太激动，给个低 featured 档位刚好。

锐评

这条消息最值得看的是两点：一是 Cohere 用“社区提前尝鲜”的方式发布，没走正式公告，说明他们想先在小范围攒口碑和实测反馈。二是模型架构本身——30B 总参数但推理只激活 3B，属于稀疏模型，跑起来对显存和算力的要求会友好很多，本地部署的门槛确实降了。

不过正文被 Reddit 的安全策略挡了，实际内容没抓到，所以关键信息全是缺口：不知道它在 HumanEval、MBPP 这类编程基准上到底跑多少分，也不知道它跟同量级的 DeepSeek-Coder、CodeQwen 比是强是弱。Cohere 只说 token 输出测试跟同级模型差不多，这句话太模糊，没法当真。

另外，模型权重虽然挂上了 Hugging Face，但授权协议、是否可商用、上下文窗口多大、支持哪些语言，这些都没披露。想上手试的人可以先跑跑看，但做选型决策还太早，等实测数据出来再判断不迟。

6月6日星期六

AI HOT 精选6/6 20:48

OpenCV 5 发布，换了一套能跑大模型的神经网络引擎

OpenCV 5 最大的变化是换了一套全新的 DNN 引擎，从原来的逐层执行改成基于计算图的架构，能做算子融合，跑 Transformer、视觉语言模型和大语言模型都成了原生能力。ONNX 算子的覆盖率从 4.x 时期不到 23% 一下子拉到 80% 以上，以前很多导不进来的模型现在能直接用了。另外硬件加速层也重新整理了，厂商可以直接插优化后的计算内核...

推荐理由：HKR 三项都站得住：OpenCV 加原生大模型支持是个实打实的跨界信号，计算图引擎和 ONNX 覆盖率暴涨是硬核知识增量，本地推理和兼容性又切中部署痛点。作为大版本更新，重要性够上 featured，但还没到模型实验室发新作那种必写级别。

锐评

OpenCV 5 这次更新挺实在，核心是把用了多年的 DNN 推理引擎从逐层执行换成了基于计算图的架构。这带来的直接好处是能做算子融合，跑 Transformer、视觉语言模型甚至大语言模型都成了原生支持，不用再绕弯子。最直观的数字是 ONNX 算子覆盖率从 4.x 时期不到 23% 一下子提到了 80% 以上，以前很多导不进来的模型现在能直接用了，对做模型部署的人来说省了不少事。

硬件加速层也重新整理了，厂商可以直接插优化后的计算内核，不用在杂乱的 #ifdef 里改代码。另外 Python 绑定更现代了，支持命名参数，不用再猜参数顺序。不过正文没给出新版引擎在具体模型上的推理延迟或吞吐量对比，也没提这 80% 的覆盖率具体覆盖了哪些算子、缺的那 20% 是不是高频使用的。这点先别太激动，实际落地效果还得看社区后续的跑分和踩坑反馈。

AI HOT 精选6/6 01:01

Google AI 本周连发六弹：笔记本能跑的多模态模型、帮你读论文的科研助手、还有开源实时音乐模型

Google AI 这周一口气更新了六样东西。Nano Banana 2 和 Pro 版正式上线，走 Gemini 企业平台、API 和 AI Studio 就能用。Co-Scientist 是一个多智能体系统，专门帮科研人员自动生成和优化新假设，相当于有个助手帮你读文献、想点子。Google Labs 出了个 dreambeans，会扒你的 Goog...

推荐理由：HKR 三项都踩中了：帖子一口气打包了 Google AI 六个更新，本地部署和开源这两个点对从业者很实在。正文没给基准测试、授权条款和定价细节，所以分数卡在 76，没往上走。

锐评

这波更新里，Gemma 4 12B 最值得关注。它是个统一多模态模型，不用额外编码器就能处理图像和文本，而且能在笔记本上完全离线运行。这意味着部署门槛低，对数据敏感的团队可以直接本地跑，不用联网。但正文没披露具体推理速度和内存占用，实际体验还得等实测。

Co-Scientist 听起来像给科研人员配了个自动读文献、提假设的助手，但多智能体系统在实际科研流程里能不能稳定产出靠谱假设，正文没给验证数据，这点先别太激动。dreambeans 会基于你的 Google 应用数据生成个性化话题，功能有意思，但隐私边界模糊——它到底读了哪些数据、怎么存、能不能关，正文全没提。

Magenta RealTime 2 开源了实时音乐模型，支持 MIDI 键盘和手势演奏，对音乐技术开发者是好事。整体看，这周更新铺得广，但每项都缺关键细节：性能指标、隐私说明、实际用例验证，这些缺口让判断得打折。

6月5日星期五

AI HOT 精选6/5 02:32

Google 开源了实时音乐模型 MRT2，在 MacBook 上延迟不到 200 毫秒

Google AI for Developers 放出了一个叫 Magenta RealTime 2（MRT2）的实时音乐模型，权重开放，推理引擎也开源了。你可以用 MIDI 键盘弹、打字给提示词，甚至用手势控制它来生成音乐。它在 MacBook 上原生跑，延迟压到了 200 毫秒以内，这个速度对实时演奏来说基本跟手。配套还给了应用和插件套件，到手就能...

推荐理由：HKR 三项都过：Google Magenta MRT2 有实打实的实时音频钩子、开放权重和低于 200ms 的本地延迟。对创意 AI 开发者吸引力很强，但本质上是一封公开信和政策诉求，不是已生效的法律，法案文本和执行时间表都没披露，所以放在 featured 而不是更高一级。

锐评

MRT2 最实在的地方是延迟压到了 200 毫秒以内，这个数字对实时演奏来说基本跟手，不会让你弹完一个音等半天才出声。模型权重和推理引擎都开源，意味着你可以自己部署、改参数，不用被云服务绑死。配套给了应用和插件套件，降低了上手门槛，不是只扔个模型让你自己折腾。

不过正文没披露模型的具体参数量、训练数据规模和版权处理方式，这些直接决定生成音乐的质量天花板和商用风险。也没提除了 MacBook 之外其他硬件的表现，Windows 或 Linux 上能不能跑到同样延迟还是未知数。手势控制的精度和延迟也没给具体数据，这点先别太激动。

整体看，这是一个把实时 AI 音乐生成从实验室推到桌面级的尝试，开源和低延迟是核心卖点。但缺了训练数据和版权说明，商用前得自己掂量。

6月4日星期四

AI HOT 精选6/4 13:58

Ideogram 4.0 开源，跑分自称全球最强，文字渲染和排版控制是亮点

Ideogram 发布了 4.0 版本，一个 93 亿参数的开源文生图模型。它把文字和图像信息放在同一条处理流水线上（单流 DiT 架构），并用了 Qwen3-VL-8B 当文本编码器。最突出的能力是能在图里准确写出长段文字，适合做海报和封面。另外，它训练时让模型理解了元素的位置关系，你用提示词就能指定版式和对象布局。在 DesignArena 的人工...

推荐理由：Ideogram 4.0把9.3B参数的文生图模型开源了，架构是单流DiT，在DesignArena人类偏好排名里拿了第4。我会先打个折——正文没披露训练数据规模和具体推理成本，所以实际部署的性价比还不好算。但一个开源模型能在人类评价里挤进前排，说明图像生成的质量门槛又在往下掉，对做应用的人来说是个省钱信号。

锐评

Ideogram 4.0 把文字和图像放在同一条处理流水线上，用 Qwen3-VL-8B 当文本编码器，这让它生成带长文本的图片时准确率明显提升，适合海报、封面这类需要精确排版的场景。另外，训练时让模型理解了元素的位置关系，你用提示词就能指定版式和对象布局，不用再靠抽卡碰运气。

DesignArena 的排名是隐藏模型名后由人打分，排第 4，说明审美上确实能打。但正文没披露推理成本、生成速度，也没给出和 Flux、SD3 等开源模型的直接对比数据。93 亿参数不算小，本地跑起来对显存要求不会低。

还缺的是：这个模型对中文文字的支持到底怎么样，以及它用的训练数据有没有版权争议。开源权重是好事，但能不能真正用起来，还得看社区后续的量化版本和配套工具跟不跟得上。

AI HOT 精选6/4 00:32

Miso One 开源了一个 8B 参数的语音模型，克隆声音只需一小段样本，延迟 110 毫秒

Miso One 放出了一个 8B 参数的开源 TTS 模型，主打一次语音克隆——给它一小段音频样本就能模仿那个人的说话风格和节奏。推理延迟标称 110ms，对实时对话场景算可用。模型权重直接挂在 GitHub 上，你可以自己部署，音频数据不用上传到第三方服务器。官方说 API 之后会出，但正文没提价格和上线时间。

推荐理由：我会先打个折：这是单条推文来源的发布，没有跑分对比、没写许可证细节、也没有第三方复现结果。但8B参数、110ms延迟、能自托管的一次语音克隆这几个事实本身够硬，放在featured刚好，再往上就缺验证了。

锐评

Miso One 放出了一个 8B 参数的开源语音合成模型，核心卖点是给一小段音频就能模仿说话风格，推理延迟标称 110 毫秒，对实时对话场景勉强够用。模型权重直接挂在 GitHub 上，音频不用上传第三方，这对在意数据隐私的团队是个加分项。

不过正文只说了这些，没披露克隆质量的具体指标，比如相似度评分、在不同口音或噪音下的表现。也没提中文支持情况，如果主要面向英文场景，国内开发者得自己调。官方说 API 之后会出，但价格和上线时间都没给，想直接接服务的人还得等。

我会先打个折：开源自部署是好事，但 8B 参数跑在本地对硬件有要求，110ms 延迟是在什么设备上测的也没说。想用在实时对话里，最好自己拿目标场景压测一下。