跳到正文

内容类型

模型发布 最新动态

各家新模型的发布、开源与迭代：旗舰更新、开源权重放出、能力与价格变化。

844 条精选近 30 天 58 条共收录 3,972 条

更新

精选归档 · 第 6 页

9月4日周五第 101–120 条
  2. Greg Brockman72

    Greg Brockman 转发 @arcprize 的评测称 OpenAI 的 GPT-6 Astra 在 ARC-AGI-3 上取得 SOTA，他称该基准已饱和。Astra 标准 harness 得分 63%，经新的 Provider Adapter harness 达 99%，在 96% 的 ARC-AGI-3 关卡上超越人类表现；排行榜图还显示更高推理层级通常成本更低，因为 Astra 用更少动作通关，减少模型调用和 token 数。

    引用ARC Prize@arcprize

    由 @OpenAI 推出的 GPT-6 Astra 在 ARC-AGI 上达到 SOTA： - Astra 在 ARC-AGI-3 上得分 63%，通过新的提供商适配器测试框架可达 99% - 它在 96% 的 ARC-AGI-3 关卡上超越了人类表现 - 它构建了我们所见过的、对新环境最精确的符号模型 我们的分析：

    推荐理由：转发 ARC Prize 对 GPT-6 Astra 的评测数据，标准与 Provider Adapter 两种 harness 分差大，可据此了解 harness 对得分的影响。

  3. Aravind Srinivas70

    Perplexity CEO Aravind Srinivas 祝贺 OpenAI 发布 GPT-6 Astra，称其在宽度和深度研究任务上远超其他模型且更具成本效益，将很快向 Perplexity Computer 的 Pro 和 Max 用户开放。

    引用Perplexity@perplexity_ai

    我们在 WANDR 上评估了 GPT-6 Astra。它以每任务 $11.98 的成本得分 0.682，是我们测试过的所有模型中的最高分。 GPT-6-Astra 比 Fable 5.1 高 13.5%，成本低 6.1%；比 Opus 5 高 27.0%，成本高 3.3%。

    推荐理由：Perplexity CEO 确认 GPT-6 Astra 在其评测中领先，并宣布将向 Pro 和 Max 用户开放。

  4. OpenAI：官网动态81

    OpenAI 发布 GPT-6 Astra 并公布安全概览，称其网络安全能力达到 Preparedness Framework 的 Critical 级

    OpenAI 发布 GPT-6 Astra，称这是其部署过的最强模型，也是首个在其 Preparedness Framework 下达到网络安全能力 Critical 级的模型，可在无人逐步引导的情况下发现未知安全漏洞并开发利用方式。

    推荐理由：OpenAI 官方发布的安全评估，给出模型在网络安全能力、对齐和可监测性上的具体发现，读者可借此了解前沿模型安全实践的最新变化。

  5. TechCrunch：AI81

    OpenAI 发布新模型 Astra，主打计算机与浏览器操作但因 opaque recurrence 引发争议

    OpenAI 发布最新模型 Astra，称其为迄今最强大模型，主打计算机和浏览器操作，先面向 Daybreak 网络安全计划客户开放，随后一周内覆盖 Pro、Plus、Enterprise、Business 付费账户及 API。

    推荐理由：原文梳理了 Astra 的能力主张、发布节奏，以及 opaque recurrence 引发的可监控性争议，信息较为完整。

9月3日周四
  1. Microsoft AI：官方博客64

    Microsoft AI 发布语音识别模型 MAI-Transcribe-2

    Microsoft AI 发布转录模型 MAI-Transcribe-2，称其在 FLEURS 基准 60 种语言上平均词错率 5.2% 排名第一，并占据 Artificial Analysis 准确率-延迟 Pareto 前沿。

    推荐理由：官方给出具体基准排名、对比速度倍数和定价，读者可以据此评估它对现有语音转写方案的可替换性。

  2. Google DeepMind：Blog70

    Google DeepMind 发布 WeatherNext 3 全球天气 AI 模型， hourly 更新且分辨率较上一代提升约 5 倍

    Google DeepMind 与 Google Research 发布 WeatherNext 3，称其为迄今最先进的全球天气 AI 模型，经 Brightband 独立实时评估。

    推荐理由：原文给出分辨率、卫星数据接入和降水精度的具体数字，并说明在 Google 产品和 Cloud 中的获取方式，读者可评估其实际用途。

  5. Sundar Pichai65

    Google 发布 Gemini 3.8 Flash，为 6 周内第 3 次 Flash 更新。官方称相较 3.7 Flash 在软件工程、智能体任务和多步推理上有显著提升，在 DeepSWE v1.1 上以更低成本自主端到端解决复杂工程问题，表现超越多数更大的前沿模型。图中基准显示其 Terminal-bench 2.1 得 89.4%、HLE-Verified 得 54.9%，输入价格 $0.75/1M tokens、输出 $3.75/1M tokens，为 2026 年 12 月 31 日前 introductory 价。详情见 https://blog.google/innovation-and-ai/models-and-research/gemini-models/3-8-flash-and-3-8-flash-cyber/

    推荐理由：原文给出模型能力变化、定价和多项基准对比，读者可据此评估它相对更大模型的性价比与适用场景。

9月2日周三
  1. Anthropic：Newsroom87

    Anthropic 发布 Claude Fable 5.1 与 Claude Mythos 5.1

    Anthropic 发布 Claude Fable 5.1 和 Claude Mythos 5.1，两者为同一模型但安全防护级别不同，Mythos 5.1 仅通过可信访问计划提供给网络安全和生命科学领域的受审机构。

    推荐理由：官方发布给出了定价变化、基准数据和科学应用实例，读者可以据此评估新模型在编码与科研场景中的成本与能力取舍。

  2. Qwen69

    通义千问发布 Qwen3.8-Max-0902，在 Code Arena: WebDev 以 1,691 分首次亮相即排名总榜第一，并以混合价 $5/MToken 成为 Pareto 前沿上得分最高的模型，现已可在 QwenCloud 试用。

    引用Arena.ai@arena

    Qwen3.8-Max-0902 由 @Alibaba_Qwen 发布，刚刚在 Code Arena: WebDev 中首次亮相便夺得综合第一，得分 1,691 分，并以每百万 Token 5 美元的混合价格成为帕累托前沿上得分最高的模型！ 在更新后的前沿上，Qwen3.8-Max-0902 位于 HY4 Preview（1,629 分，每百万 Token 2.08 美元）和 Qwen3.8-Flash-Next（1,620 分，每百万 Token 0.39 美元）之上。 随着此次发布，综合排行榜顶部的三个模型尽管仍位居综合第 2 至第 4 名，却已移出帕累托前沿： - Claude Opus 5 (Max)：第 2 名，1,688 分，每百万 Token 20 美元 - Kimi K3 (Max)：第 3 名，1,674 分，每百万 Token 12 美元 - Qwen3.8 (Max)：第 4 名，1,669 分，每百万 Token 5 美元 祝贺 @Alibaba_Qwen 团队发布！

    推荐理由：官方发布自家新模型并给出 Arena 排名与价格数据，读者可据此比较其在编码场景的性价比位置。

  4. Gemini API：更新日志65

    Gemini 3.8 Flash 正式发布（GA），开放 gemini-3.8-flash 模型入口

    Google 在 Gemini API 更新日志中宣布 Gemini 3.8 Flash 正式可用（GA），发布 gemini-3.8-flash，称其为最智能的 Flash 模型，面向长程软件工程、自主智能体和复杂企业工作流。官方同时提供了 Gemini 3.8 Flash 模型页面和指南作为上手入口。

    推荐理由：官方更新日志明确了 gemini-3.8-flash 的定位与开放入口，读者可以据此判断是否将其纳入工程工作流。

  5. cat70

    Anthropic 推出 Claude Fable 5.1 和 Claude Mythos 5.1，称其为面向编码和知识工作的最先进模型。Claude Code 产品负责人 Cat Wu 表示团队用 Fable 5.1 承接了此前需数月完成的大型项目，并邀请用户在 Claude Code、Claude Cowork、Claude Tag 中试用并反馈。

    引用Claude@claudeai

    我们推出 Claude Fable 5.1 和 Claude Mythos 5.1。 它们是全球最先进的编程和知识工作模型。

    推荐理由：作者以 Claude Code 产品负责人身份说明团队用 Fable 5.1 承接原本需数月的项目，并给出在 Claude Code 等产品中试用入口。

  6. OpenAI：官网动态82

    OpenAI 评定 Astra 达到网络安全 Critical 能力阈值，将受限发布

    OpenAI 宣布 Astra 在其 Preparedness Framework 下达到 Critical 网络安全能力阈值，是首个被评定为该级别的模型，可在少人干预下发现未知漏洞并构建利用链。

    推荐理由：OpenAI 说明了把 Astra 评为 Critical 网络安全能力的评估依据、对应的安全防护设计和受限开放安排，有助于读者理解前沿模型能力分级与放行逻辑。

  7. Claude Platform：开发者版本说明72

    Anthropic 发布 Claude Fable 5.1 与 Claude Mythos 5.1

    Anthropic 发布 Claude Fable 5.1（claude-fable-5-1），面向长时间运行的智能体编码、知识工作与研究，Claude Mythos 5.1 面向 Project Glasswing 参与者。

    推荐理由：官方版本说明给出定价、缓存和 API 兼容性变化，开发者可据此评估迁移成本与新特性用法。

  8. Artificial Analysis 完整文章66

    Google 发布 Gemini 3.8 Flash，四个月内第四款 Flash 模型

    Google DeepMind 发布 Gemini 3.8 Flash，在 Artificial Analysis Intelligence Index 上以 high 推理得分 59，较 Gemini 3.7 Flash 提升 3 分。

    推荐理由：评测方一手数据给出了智能指数、单任务成本和速度的具体变化，可帮助读者判断该模型在实际任务中的性价比。

9月1日周二
  1. 上海人工智能实验室 InternLM：原创项目63

    上海AI实验室发布 InternLumina-U2：16B-A1B 多码本扩散统一多模态模型

    上海AI实验室发布 InternLumina-U2，一个 16B 参数（激活 1B）的 MoE 扩散语言模型，用 8 码本全离散视觉表示统一覆盖文本问答、文生图、图像理解与编辑、视频及 3D 理解。

    推荐理由：原文给出多码本全离散统一架构的设计细节、基准分数和双硬件适配说明，读者可以了解统一理解与生成模型的一条新路线。