跳到正文
目前篩選:模型
11月11日週三
  1. The Decoder67

    Google DeepMind 的 Gemini Robotics 2.5 在 Mercedes-Benz 生產線試點分揀金屬零件,成功率達 96%

    Google DeepMind 的 Gemini Robotics 2.5 在 Mercedes-Benz 生產線試點中控制 Apollo 2 分揀金屬零件,成功率達 96%。這款視覺-語言-動作模型在逾 200 項任務中接受測試;Google DeepMind 稱,按任務類型計,成功率較自家先前基準高 30% 至 100%,完成速度快 20% 至 30%。

  2. OpenRouter:Announcements72

    OpenRouter 實測掃描文件 OCR:Claude Opus 5.5 準確度最高

    OpenRouter 以 8 頁自製掃描文件比較 15 款視覺模型、Mistral OCR 和 Tesseract;Claude Opus 5.5 在 264 次關鍵值檢查中答對 262 次,準確度最高。Mistral OCR 答對 258 次,每 1,000 頁收費 $2.02,是測試中性價比最高的選項。測試亦發現視覺模型可能編造頁面沒有的數字或內容,作者建議用自己的掃描文件測試候選模型。

  3. Hacker News 熱門(buzzing.cc 中文翻譯)82

    Google 開放 Gemini 4 Carbon 使用,主打複雜知識工作與科學推理

    Google 向開發者、企業、科學家及一般用戶開放 Gemini 4 Carbon,主打複雜知識工作、軟件工程及科學推理。它在 CursorBench 4.0、Perplexity 的 WANDR 和 Zapier 的 AutomationBench 均排名 #1,每項任務成本比次佳外部模型低逾 2X。

    推薦理由:文章對照 Carbon 面向高難度多步任務、Argon 適合多數軟件工程及知識工作的定位,並提供基準與價格資訊,呈現兩款模型的用途差異。

  4. Google DeepMind83

    Google DeepMind 開放 Gemini 4 Carbon 使用,面向複雜知識工作與科學推理

    Google DeepMind 開放 Gemini 4 Carbon,供開發者、企業、科學家及一般用戶使用,並定位為面向複雜知識工作、軟件工程及科學推理的前沿模型。

    推薦理由:文章列出 Gemini 4 Carbon 在多項工作流程基準的排名及相對成本,並交代付費開發者和企業的使用入口,呈現其產品定位與採用條件。

  5. 新浪科技68

    實測 MiniMax H3 Image:GPT 的效果加上 MJ 的審美,並已開放權重

    MiniMax 發佈並開放 H3 Image 權重,這款模型聚焦圖像生成與編輯,並可透過 API 接入。作者實測中,模型生成 4096×4096 圖片需 10~20 秒,最多支援 16 張參考圖片,並展示複雜指令、文字排版及多種視覺風格生成。文章亦稱其可透過 API 接入 MiniMax Code、Claude Code、Codex 等 Agent Harness,參與更複雜的任務流程。

11月10日週二
  1. 新浪科技64

    MiniMax 發佈並開放 H3-Image 權重,10 秒生成 4K 圖像

    MiniMax 發佈 H3-Image 並開放權重,這款衍生自 H3 的圖像生成模型可在 10 秒內生成一張 4096 x 4096 像素、約 16 MP(4K)的圖像。模型支援文字生成圖像、圖像參考和圖像編輯,並具備指令遵循及多參考圖理解能力。發佈首週,MiniMax 將為 16MP 及以上規格的生成請求提供官方價格五折優惠。

  2. IT之家65

    MiniMax 發佈 H3-Image 圖像生成模型並開放權重,10 秒生成 4K 圖像

    MiniMax 發佈 H3-Image 圖像生成模型並開放權重,稱模型可在 10 秒內生成 4096 x 4096 像素、約 16 MP 的圖像。模型支援文字生成圖像、圖像參考及圖像編輯,最多可參考 16 張圖片;MiniMax 稱其速度可達市面主流水平的 5 倍。發佈首週,MiniMax 為 16MP 及以上規格的生成請求提供官方價格五折優惠。

  3. Google DeepMind69

    Gemini Robotics 2.5 提升機械人在真實環境中的通用靈巧操作能力

    Google DeepMind 推出 Gemini Robotics 2.5,擴大機械人可學習的技能範圍並加快學習速度,同時提升靈巧度、可靠性及安全性。模型在逾 200 項不同任務中接受評估,按任務類型較先前基線的成功率高 30% 至 100%,完成速度快 20% 至 30%。與 Apptronik、Mercedes-Benz 在汽車生產線進行的概念驗證中,Apollo 2 的成功率為 96%。

    推薦理由:文章以逾 200 項任務的測試,以及 Mercedes-Benz 生產線試點的 96% 成功率,呈現模型在基準評估與實際操作中的表現。

  4. Ars Technica · AI56

    DeepMind 公佈 Gemini Robotics 2.5 及開源安全基準 ASIMOV-jailbreak

    Google DeepMind 公佈 Gemini Robotics 2.5,稱新版本在高靈巧度任務上的能力有所提升。該模型在超過 200 項活動中接受評估,包括用鉗子上菜及使用移液器。Google 展示配備 Gemini Robotics 2.5 的 Apptronik Apollo 2 人形機械人可以用五指手打蝴蝶結;DeepMind 正準備開源安全基準 ASIMOV-jailbreak。

  5. 新浪科技51

    智元機器人發布 WITA-Omni 全模態端到端互動大模型

    智元機器人發布 WITA-Omni(硅光動語全模態大模型),主打以機器人本體感知數據訓練的全模態端到端互動。模型採用流式全雙工架構,支援觸覺、本體狀態輸入,以及機器人動作、表情輸出;官方稱最快響應約 400 毫秒,平均約 600 毫秒,較業內平均水平快近 3 倍。它亦支援上百種語言和方言免切換交流,以及流式同聲傳譯和雙向互譯。

  6. 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。

  7. IT之家56

    智元發布 WITA-Omni,官方稱其為業界首個具身全模態端到端互動大模型

    智元正式發布 WITA-Omni,模型除音訊、影片輸入輸出外,新增觸覺與本體狀態輸入,以及機械人動作、表情輸出,並採用流式全雙工架構。官方稱其交互響應最快約 400 毫秒、平均約 600 毫秒,較業界平均水平快近 3 倍。模型支援上百種語言和方言免切換交流,並可進行流式同聲傳譯及雙向互譯。

  8. 虎嗅80

    Anthropic 發佈 Claude Fable 5.2 和 Claude Mythos 5.2,主打艱巨技術任務

    Anthropic 發佈 Claude Fable 5.2 和 Claude Mythos 5.2,定位為應對艱巨技術挑戰的長程智能體模型。文章稱,Fable 5.2 在 30 小時內完成費馬大定理的形式化;Mythos 5.2 在內部 CVE 再發現評估中,發現的漏洞數量比 Claude Opus 5.5 多 10.2%,比 Claude Mythos 5.1 多 14.4%。

    推薦理由:文章以數學形式化、硬件設計及安全測試等案例,呈現兩款模型面向長程複雜技術工作的定位。