跳到正文
目前篩選:模型
  1. Hugging Face Blog71

    Inkling 2 Mini 發佈,面向本地部署的多模態 MoE 模型

    Thinking Machines Lab 與 Hugging Face 發佈 Inkling 2 Mini,一款支援 1M-token 上下文及圖像、文字輸入的本地多模態 MoE 模型。

    推薦理由:文章拆解 Inkling 2 Mini 如何重用中間層權重、透過跨輪訊息逐步修正計算,讓 24 個實體層執行相當於 48 個邏輯層的計算,呈現循環式架構的設計。

  1. Hacker News 熱門(buzzing.cc 中文翻譯)81

    Google 發佈 Gemini 4 Neon,面向複雜編碼、知識工作及科學工作流程

    Google 發佈 Gemini 4 Neon,主打在複雜軟件工程、知識工作及科學工作流程中快速完成端到端任務。

    最新進展11月19日 10:05Gemini 4 Neon 基準測試、API 定價與 Orchestrator 工作流分析

    推薦理由:文章並列 Neon 在多項基準的表現與每項任務成本,對照 Carbon 及其他前沿模型,呈現不同 thinking level 下的能力與效率取捨。

  2. DEV Community77

    GPT-6.2 Astra 與 GPT-6.2 Sol:基準測試及 API 定價比較

    文章比較 GPT-6.2 Astra 與 GPT-6.2 Sol 的基準表現和 API 定價,兩者在 Cognition FrontierCode 2.0 均有 48.2% 通過率。

    推薦理由:文章並列編碼基準、ARC-AGI-3 表現差距與 API 成本,亦提供按驗收任務核算支出的思路。

  3. Hacker News 熱門(buzzing.cc 中文翻譯)89

    OpenAI 發佈 GPT-6.2 Astra 和 GPT-6.2 Sol

    OpenAI 發佈 GPT-6.2 Astra 和 GPT-6.2 Sol,分別面向高難度專業項目及日常工作,並以較少輸出 token 處理高要求任務。

    最新進展11月19日 06:33GPT-6.2 評測:開發者批評 Astra、Sol 的使用問題,OpenAI 提供三段提示詞

    推薦理由:文章比較 Astra 與 Sol 在專業工作、日常任務及基準測試中的定位與成本差異,並交代可用範圍和網絡安全防護限制。

  1. gihyo.jp78

    Microsoft 發佈 7 款 AI 模型,Codename MDASH 在 6 個開源項目確認 99 項漏洞並提交修正方案

    Microsoft 在 Microsoft Ignite 2026 發佈 7 款 AI 模型,涵蓋編碼、圖像、語音、決策、檢索及安全用途。MAI Code 2 和 MAI Code 2 Flash 已可在 GitHub Copilot 使用;MAI Image 2.7 支援文字生成及編輯,MAI Realtime 1 支援語音對話。

    推薦理由:七款模型涵蓋編碼、圖像、語音、檢索與安全用途,文章亦列出基準、費用和部署案例,可比較不同模型的定位與應用場景。

  2. Microsoft AI:官方博客77

    Microsoft 發佈七款 MAI 模型,涵蓋網絡安全、編碼、圖像、語音及決策

    Microsoft 在 Ignite 2026 發佈七款新模型,涵蓋網絡安全、編碼、圖像生成、即時語音、轉錄及決策。

    推薦理由:文章按網絡安全、日常企業編碼等場景列出基準表現及成本比較,呈現不同模型在任務表現與價格之間的取捨。

  1. 雷鋒網79

    阿里發佈 Qwen4-Max,強化智能體與編程能力,面向全場景任務

    阿里巴巴發佈新一代基座模型 Qwen4-Max,具備原生視覺能力、支援百萬上下文,並強化智能體與編程能力。

    推薦理由:文章對照 Qwen4-Max 與上一代在編程評測中的 Token 用量、得分及單任務成本,並列出汽車加工和金融投研場景的量化數據。

  1. Google DeepMind76

    Google DeepMind 發佈 Gemini 4 Carbon,主打網絡安全與長時程任務能力

    Google DeepMind 發佈 Gemini 4 Carbon,稱其為旗下最強模型,並指其網絡安全能力達到最先進水平,亦具備長時程任務能力。

    最新進展11月15日 10:59Google 推出 Gemini 4 Carbon

    推薦理由:Carbon 在漏洞發現、利用驗證與修補基準分別取得 88.2%、54.8% 和 71.0%,可由此比較其網絡安全防禦各環節的表現。

  1. Hacker News 熱門(buzzing.cc 中文翻譯)76

    Edge0-145B、Edge0-120B 及推理框架開源,支援個人電腦本地部署

    Edge0 開源 Edge0-145B、Edge0-120B,以及統一推理框架和部署工具,供開發者在個人電腦本地執行、評測或微調模型。Edge0-145B 有 145B 參數,文章報告其峯值記憶體為 29GB、解碼速度超過 80 tokens/s,並列出編碼、推理及指令遵循等基準成績。本地推理不產生相應的雲端模型 token 或 API 費用,資料可留在電腦,核心模型能力亦可離線使用。

    推薦理由:文章拆解模型架構、訓練、載入與 CPU/GPU 排程如何配合推理框架,呈現大規模模型在個人電腦本地執行的設計方法。

  2. Google DeepMind84

    Google DeepMind 發佈 Gemini 4 Hydrogen

    Google DeepMind 發佈 Gemini 4 Hydrogen,主打日常編碼及智能體工作流程中的快速執行,並即日起在開發者、企業及消費者產品渠道全球推出。

    推薦理由:文章以 Gemini 3.8 Flash 為對照,列出 Hydrogen 在任務速度、Terminal-Bench 4.1 成績及多項安全指標上的變化,呈現更新涵蓋的能力範圍。

  1. Hacker News 熱門(buzzing.cc 中文翻譯)88

    Anthropic 推出 Claude Fable 5.2 和 Claude Mythos 5.2,提升編碼、推理及視覺能力

    Anthropic 升級 Claude Fable 5.2 和 Claude Mythos 5.2,提升編碼、推理及視覺能力,並稱輸出速度較各自的 5.1 版本快至 30%。

    最新進展11月11日 13:14Anthropic 發佈 Claude Fable 5.2

    推薦理由:文章把共用底層模型的兩個版本放在同一組基準與應用案例中比較,也交代 Fable 和 Mythos 的安全防護及開放對象差異。

  1. 阿里雲開發者社區 AI77

    Claude Fable 5.2 首發實測:前端審美出色,三個項目花費逾 500 元

    作者在 Cursor 中讓 Claude Fable 5.2 無人工幹預完成三個純前端項目,認為其審美出色,但與 Claude Opus 5.5 相比提升不明顯,工作速度亦未見改善。

    推薦理由:三個純前端項目的實測呈現 Claude Fable 5.2 的視覺表現、修正耗時與實際花費,並提供與 Opus 5.5 的比較。

  2. The Decoder78

    美團發佈 LongCat-2.5 權重,1.6 trillion 參數智能體模型全程未用 NVIDIA GPU 訓練

    美團公開 LongCat-2.5 權重,這款面向長程多步驟智能體任務、尤其是編碼的 1.6 trillion 參數模型,全程以中國硬件訓練。它每個 token 約啟用 48 billion 參數,並可透過 API 一次處理最多 1 million tokens、生成最多 128,000 tokens,支援文字、圖像和影片輸入。

    推薦理由:報道列出多項智能體基準成績,並交代 194 張華為昇騰加速器的部署配置,便於對照模型表現與自建部署的硬件要求。

  1. DEV Community78

    Anthropic 發佈 Claude Sonnet 4.6,支援 1M token 上下文窗口並維持 Sonnet 定價

    Anthropic 發佈 Claude Sonnet 4.6,定價維持每百萬 token $3/$15,並提供 beta 版 1M token 上下文窗口。Anthropic 的早期測試稱,Claude Code 用戶約有 70% 的時間偏好它而非 Sonnet 4.5,對 Opus 4.5 的偏好率為 59%;作者沒有進行實測。

    推薦理由:文章並列 Anthropic 早期測試的用戶偏好比例、Sonnet 4.6 的定價及 Opus 4.6 的任務定位,呈現日常工作與深度推理的選型差異。

  1. DEV Community76

    LongCat-2.5、Kimi K3.1 Pro 與 DeepSeek V4.1-Flash-1017 比較價格、基準及授權

    ToolPilot Pro 比較 LongCat-2.5、Kimi K3.1 Pro 與 DeepSeek V4.1-Flash-1017 的 API 價格、基準成績、權重取得和授權條款,並按成本、自託管、能力及長程智能體任務整理適用場景。

    推薦理由:文章把三款模型的價格、權重取得方式與授權條款放在同一框架,並標明基準來自不同廠商,方便按成本、自託管及長程智能體任務比較取捨。

  2. 新浪科技79

    月之暗面推出 Kimi K3.1 Pro,支援 3 萬億級參數及 100 萬 Token 上下文

    月之暗面推出 Kimi K3.1 Pro,稱其為公司迄今能力最強的產品,參數規模達 3 萬億級,支援 100 萬 Token 上下文。

    最新進展11月5日 01:46Kimi 發佈 K3.1 Pro

    推薦理由:稿件列出 Kimi K3.1 Pro 在代碼、3D 建模和事實錯誤測試中的數據,並呈現安全過濾前後的基準差異,便於對照能力與安全取捨。

  1. Hugging Face Blog80

    Mistral Large 4(Le Chonk)登陸 Hugging Face,提供模型權重與部署指南

    Mistral Large 4(Le Chonk)以開放權重形式登上 Hugging Face,提供 FP8 和 NVFP4 兩個官方版本。模型是多模態、多語言 MoE,約有 1T 總參數、49B 活躍參數及 1M tokens 上下文窗口,支援文字和圖片輸入並生成文字。

    推薦理由:文章整理 Mistral Large 4 在 Transformers、vLLM 和 llama.cpp 的部署方式,並附上不同硬件配置與上下文長度下的實測速度,提供實際部署參考。

  1. 新浪科技83

    OpenAI 發佈 GPT-6.1 Terra,主打高效執行與低成本

    OpenAI 發佈 GPT-6.1 Terra,主打更快的回應速度、視覺理解和電腦操作能力,以及較低使用成本。

    推薦理由:文中並列 GPT-6.1 Terra 在基準測試、電腦操作任務及 API 定價上的數據,呈現其與旗艦模型在能力、速度和成本上的取捨。

  1. elsewhere:文章78

    MiniMax 發佈 M3.1 Flash,ALE 榜單國產第一,成本僅為 Opus 的 1/10

    MiniMax 發佈 M3.1 Flash,模型在 Agents' Last Exam(ALE)榜單取得國產第一,並在編程、Agent 及金融基準上與多款旗艦模型競爭。

    推薦理由:文章把 ALE、編程及金融基準與兩項實測並置,並比較 M3.1 Flash 執行多步 Agent 任務的成本和速度,呈現 Flash 與旗艦模型的取捨。