DeepSeek 今日发布 V4 模型，主打高效的超长上下文支持与智能体任务优化。此次发布了两款 MoE 架构模型：DeepSeek V4 Pro（总参数 1.6T，激活参数 49B）与 DeepSeek V4 Flash（总参数 284B，激活参数 13B），两者均支持 100 万 Token 上下文窗口。 针对长上下文推理中 KV 缓存占用过大的痛点，V4 引入了混合注意力机制（CSA 和 HCA），在交替层中压缩 KV 条目。与 V3.2 相比，V4 Pro 的单 To...
OpenAI正式发布GPT 5.5，这是自GPT 4.5以来首个完全重新训练的基础模型。该模型专为智能体（Agentic）工作流设计，具备自主规划、工具调用、自我校验及多步骤任务执行能力，核心聚焦智能体编程、计算机操作、知识工作与早期科研四大场景。 核心性能表现 GPT 5.5在多项基准测试中表现突出：Terminal Bench 2.0得分82.7%（领先Claude Opus 4.7与Gemini 3.1 Pro），GDPval得分84.9%，OSWorld Verifi...
4月23日，OpenAI正式发布最新AI模型GPT 5.5，称其为迄今“最智能、最直观易用”的模型。OpenAI联合创始人兼总裁Greg Brockman表示，新模型在实现“更具智能体和直观的计算”方面取得了重大进展，且相比GPT 5.4，它思考更快、更敏锐，同时消耗的token更少。 GPT 5.5在智能体编程、知识工作、数学及科学研究等领域均有提升，并在药物研发方面展现出潜力。OpenAI公布的基准测试数据显示，该模型表现不仅优于前代，也超越了Google Gemini...
小米 MiMo 团队正式发布两款全新模型 MiMo V2.5 Pro 和 MiMo V2.5。这两款模型在智能体能力上取得显著突破，以更低的 Token 成本比肩当前顶尖的闭源前沿模型。两款模型现已通过 API 开放使用，并兼容 Claude Code、OpenCode 和 Kilo 等主流智能体框架。 旗舰模型 MiMo V2.5 Pro 专注于长周期复杂任务，在 SWE bench Pro（57.2）、Claw Eval（63.8）和 τ3 Bench（72.9）等基准测...
阿里巴巴通义千问团队正式发布 Qwen3.6 系列首款密集开源模型 Qwen3.6 27B。该模型采用 Apache 2.0 许可证，在多项智能体编码基准测试中表现亮眼，部分成绩超越参数量更大的 Qwen3.5 397B A17B MoE 模型。其中，SWE bench Verified 得分达 77.2，Terminal Bench 2.0 得分 59.3，与 Claude 4.5 Opus 持平。 Qwen3.6 27B 针对前端工作流与代码库级推理进行专项优化，并引入“...
谷歌CEO桑达尔·皮查伊在Google Cloud Next大会上宣布推出全新产品Gemini Enterprise Agent Platform。该工具旨在帮助企业大规模构建和管理AI智能体，对标亚马逊的Bedrock AgentCore和微软的Microsoft Foundry。 鉴于AI在编码等技术任务上的领先表现以及企业对安全性的担忧，谷歌将该平台主要面向IT和技术团队。而业务人员则被引导使用去年秋天推出的Gemini Enterprise应用，他们可以使用IT构建的...
近日，月之暗面新模型 Kimi K2.6 上线期间因访问量激增，导致部分用户遭遇会员排队及功能短暂不可用等问题。同时，后台系统在统计 Agent 额度时出现偏差，造成部分用户权益被误扣。 针对此情况，月之暗面公布补偿方案，已于 2026 年 4 月 22 日 20:30 将所有用户当月额度恢复至 100%，已使用量直接清零。 据悉，Kimi K2.6 于 4 月 20 日发布并开源，在代码编写、长程任务执行及 Agent 集群能力方面实现全面升级，并在多项基准测试中表现优异。
今日，阿拉伯语大模型评测榜单 QIMMA 正式发布。与传统直接聚合现有基准不同，QIMMA 采用“质量优先”理念，在评估模型前先对基准数据进行严格质量验证。该榜单整合了 14 个源基准的 109 个子集，包含超 52,000 个样本，覆盖文化、STEM、法律、医疗、安全、诗歌与编程等 7 个领域，其中 99% 为原生阿拉伯语内容，并首次引入阿拉伯语代码评测。 QIMMA 的核心是多阶段质量验证流程。第一阶段使用 Qwen3 235B A22B Instruct 和 DeepS...
瑞银发布近40页研报，首次覆盖智谱并给出「买入」评级，目标价1160港元。报告将智谱定位为「中国版Anthropic」，认为其模型研发与商业化路径与Anthropic高度相似，双方均以编程能力作为AI从辅助走向执行的突破口。 在长时程任务能力上，根据METR测试，智谱GLM 5.1能完成约8小时的人类等效任务时长，在全球开源模型中排名第一。此外，Artificial Analysis数据显示，GLM 5.1综合智能指数排名全球第七（51.4分），与Claude Opus 4....
月之暗面（Moonshot AI）正式开源原生多模态智能体模型 Kimi K2.6。该模型采用 MoE 架构，总参数量达 1 万亿，单 token 激活 320 亿参数，支持 256K 上下文。模型权重已基于 Modified MIT License 在 Hugging Face 发布，可通过 Kimi 平台、API 及 CLI 调用。 在核心基准测试中，K2.6 表现亮眼：SWE Bench Pro 得分 58.6，HLE Full (with tools) 得分 54.0...
OpenAI 宣布将其“网络安全受信访问”（Trusted Access for Cyber, TAC）项目从有限试点扩展至数千名经过验证的个人安全防御者和数百个关键软件防护团队，并同步推出专为防御性网络安全用例微调的 GPT 5.4 Cyber 模型。 GPT 5.4 Cyber 基于 GPT 5.4 变体，被设定为“网络宽容”模型，旨在降低合法防御目的提示的拒绝阈值。该模型支持无源代码的二进制逆向工程等高级防御工作流，但仍严格禁止数据窃取、恶意软件创建与部署等违规行为，且...
开发者Kye Gomez在GitHub发布开源项目OpenMythos，尝试基于第一性原理对Anthropic尚未公开技术细节的Claude Mythos架构进行理论重建。该项目并非模型泄露或微调版本，而是完全基于PyTorch构建、具备可证伪性的架构假设。 OpenMythos提出Claude Mythos可能采用循环深度Transformer（RDT）架构。该架构由前奏、循环块和尾奏组成，核心在于同一组权重在单次前向传播中多次复用，推理深度由迭代次数决定而非参数量。项目还...
NVIDIA发布人形机器人基础模型Isaac GR00T N1.7早期访问版。该模型为开源且支持商业许可的视觉 语言 动作（VLA）模型，参数量为30亿，旨在将视觉观察和自然语言指令映射为连续的机器人动作。 GR00T N1.7采用Action Cascade双系统架构，结合Cosmos Reason2 2B视觉语言模型进行高级任务推理，以及32层Diffusion Transformer进行实时底层电机控制。训练数据方面，该模型基于超2万小时的人类第一人称视角视频（EgoS...
Anthropic宣布推出全新实验性产品Claude Design，允许用户通过自然语言指令快速创建原型、幻灯片及单页文档等视觉内容。该产品主要面向创始人、产品经理等缺乏专业设计背景的用户，旨在降低创意可视化门槛。用户描述需求后，Claude将生成初始版本，并支持后续通过直接编辑或对话进行细节微调。 Anthropic强调，Claude Design并非旨在替代Canva等成熟设计平台，而是作为补充工具。生成的内容可导出为PDF、URL或PPTX格式，亦可直接同步至Canva...
4月17日，Anthropic Labs 推出全新产品 Claude Design。该工具允许用户与 Claude 协作创建设计、原型、幻灯片等视觉作品。Claude Design 由 Anthropic 能力最强的视觉模型 Claude Opus 4.7 驱动，目前已面向 Claude Pro、Max、Team 和 Enterprise 订阅用户推出研究预览版。 在工作流方面，Claude Design 支持在初始化阶段读取代码库和设计文件，自动为团队构建设计系统，确保输出...
阿里巴巴Qwen团队正式开源Qwen3.6 35B A3B模型。该模型采用稀疏混合专家（MoE）架构，总参数量达350亿，推理时仅激活30亿参数。其MoE层包含256个专家，每个Token激活8个路由专家与1个共享专家。模型原生支持262,144上下文长度，经YaRN扩展最高可达1,010,000 Token。 在智能体编码方面，该模型表现突出：SWE bench Verified得分73.4，Terminal Bench 2.0得分51.5（对比模型中最高），前端代码生成基...
Anthropic 正式发布最新模型 Claude Opus 4.7。该模型在高级软件工程方面较 Opus 4.6 有显著提升，尤其在处理最困难的编程任务时表现突出。Opus 4.7 能够严谨一致地处理复杂且长时间运行的任务，精确遵循指令，并在输出前自行验证结果。测试数据显示，在 93 项编码基准测试中，其解决率比 Opus 4.6 提高了 13%。 除了编程，Opus 4.7 的视觉能力也得到增强，支持更高分辨率的图像识别，并在完成专业任务时展现出更好的品味与创造力，能生成...
OpenAI正式发布其首个生命科学领域AI模型GPT Rosalind，旨在通过高级生物化学和基因组分析，大幅缩短新药研发通常所需的10至15年周期。该模型以化学家罗莎琳德·富兰克林命名，专为生物学、蛋白质工程和转化医学的深度分析需求进行了微调，能够协助研究人员完成文献综合、假设生成和实验规划等多步骤科研工作。 GPT Rosalind可在同一界面内查询专业数据库、解析科学文献并建议新的实验路径。同时，OpenAI为Codex推出了生命科学研究插件，连接超过50种科学工具和数...
旧金山机器人初创公司 Physical Intelligence 发布最新模型 π0.7。该模型展现出“组合泛化”能力，能够指挥机器人执行从未受过明确训练的任务。研究人员表示，这一能力超出预期，标志着向通用机器人大脑迈出了早期但关键的一步。 在演示中，π0.7 在缺乏相关训练数据的情况下，成功整合碎片信息与网络预训练数据，操作空气炸锅烤制红薯。尽管零指导下的尝试表现一般，但在人类逐步语音引导下，机器人成功完成任务。这表明机器人有望在新环境中实时改进，无需重新收集数据或训练。...
Hugging Face 发布了一款 Skill 和配套的测试工具，旨在帮助开发者将语言模型从 Transformers 移植到 mlx lm。该工具使得新模型在加入 Transformers 后，能够几乎同步在 MLX 框架上可用。 随着代码智能体在 2026 年日趋成熟，开源项目的 PR 数量激增，但智能体生成的代码往往缺乏对隐式设计契约的理解，容易引入冗余代码、过度泛化或细微 Bug，给项目维护者带来巨大审核压力。为此，Hugging Face 设计了这款 Skill...
通义实验室正式宣布开源 Qwen3.6 35B A3B 模型。该模型采用稀疏混合专家（MoE）架构，总参数量达 350 亿，每次推理仅激活 30 亿参数，显著降低计算成本。 在性能方面，该模型在智能体编程任务上大幅超越前代 Qwen3.5 35B A3B，表现可媲美 Qwen3.5 27B、Gemma 31B 等更大规模的稠密模型。作为原生多模态模型，其支持图文、文档及空间智能任务，在 RefCOCO（得分 92.0）和 ODInW13（得分 50.8）等视觉基准上表现优异。...
Hugging Face 近日发布技术博客，详细介绍了如何使用 Sentence Transformers 库训练和微调多模态嵌入与重排模型。该库现已全面支持文本、图像、音频和视频等多模态数据处理，开发者可基于自有领域数据对模型进行微调以优化特定任务表现。 文章以视觉文档检索（VDR）为实战案例，演示了微调 Qwen/Qwen3 VL Embedding 2B 模型的完整流程。实验数据显示，微调后的模型在 NDCG@10 指标上从基线模型的 0.888 显著提升至 0.947...
加州大学圣地亚哥分校（UCSD）与Together AI联合推出了名为Parcae的稳定循环Transformer架构。该架构通过将层循环重新构建为动态系统并约束其稳定性条件，解决了以往循环模型中常见的残差状态爆炸和损失尖峰问题，使循环Transformer的大规模可靠训练成为可能。 Parcae采用中循环设计，将架构分为前奏、循环块和尾奏三个功能块，并借鉴Mamba和S4等状态空间模型的离散化技术，从数学设计上保证系统的稳定性。实验表明，在参数和训练数据预算相同的情况下，7...
据动察监测，谷歌 DeepMind 宣布推出 Gemini 3.1 Flash TTS 文本转语音模型。 据介绍，该模型是谷歌迄今为止可控性最强的文本转语音模型。
谷歌 DeepMind 宣布推出 Gemini 3.1 Flash TTS 文本转语音模型。据悉，该模型是谷歌迄今为止可控性最强的 TTS 模型。
据动察监测，谷歌 DeepMind 宣布推出 Gemini 3.1 Flash TTS 文本转语音模型。该模型是谷歌迄今为止可控性最强的文本转语音模型。
Mistral AI 正式发布其首款文本转语音（TTS）模型 Voxtral TTS。该模型参数量为 4B，基于 Ministral 3B 构建，采用基于 Transformer 的自回归流匹配架构。Voxtral TTS 支持 9 种主流语言（英语、法语、德语、西班牙语、荷兰语、葡萄牙语、意大利语、印地语和阿拉伯语）及多种方言，具备低延迟特性，模型延迟约为 70ms。 该模型主打逼真且富有情感的语音生成，支持情绪控制（如中性、开心、讽刺等）。Voxtral TTS 支持少至...
Anthropic 于 2026 年 2 月 5 日发布最新旗舰模型 Claude Opus 4.6。该模型在编码能力上进行了显著升级，能够更谨慎地规划、更长时间地维持智能体任务，并在大型代码库中运行更可靠，同时具备更强的代码审查和调试能力。值得注意的是，Opus 4.6 首次为 Opus 级别模型引入了 100 万 token 上下文窗口（测试版）。 在基准测试中，Opus 4.6 表现达到业界领先水平。它在智能体编码评估 Terminal Bench 2.0 和复杂多学科...
Anthropic 于 2 月 17 日发布 Claude Sonnet 4.6 模型。该模型在编码、计算机使用、长上下文推理和智能体规划等方面实现全面升级，并推出支持 100 万 token 上下文窗口的测试版。目前，Sonnet 4.6 已成为 claude.ai 和 Claude Cowork 免费及 Pro 计划的默认模型，定价与 Sonnet 4.5 保持一致，为每百万 token 输入 3 美元、输出 15 美元。 性能方面，Sonnet 4.6 在多项基准测试中...
Google DeepMind发布了Gemini Robotics ER 1.6，这是其具身推理模型的重要升级。该模型旨在作为机器人的“认知大脑”，专注于视觉与空间理解、任务规划和成功检测等高级推理，而非直接控制机械肢体。它采用双模型架构，与负责执行物理动作的视觉 语言 动作模型（VLA）Gemini Robotics 1.5协同工作。 相较于前代版本，Gemini Robotics ER 1.6在空间和物理推理能力上显著提升，特别是“指向”功能，使其能够进行关系逻辑、运动轨...