商湯發佈日日新 SenseNova6.8Flash 正式版,支援動態 PPT 及 3D 設計
商湯科技發佈日日新 SenseNova6.8Flash 正式版,升級辦公協作與設計生成能力,支援長期記憶及跨會話任務協作。設計功能涵蓋動態 PPT、動態海報、網頁、SVG 及 Blender3D 創作,並可接入 Figma 等專業設計工作流。
商湯科技發佈日日新 SenseNova6.8Flash 正式版,升級辦公協作與設計生成能力,支援長期記憶及跨會話任務協作。設計功能涵蓋動態 PPT、動態海報、網頁、SVG 及 Blender3D 創作,並可接入 Figma 等專業設計工作流。
新浪科技以官方 API 實測 DeepSeek V4.1-Flash,未觀察到字節Seed論文中 DeepSeek-V4-Flash-Base 隨填充長度出現的答案偏好翻轉。
美團發佈 LongCat-2.5,這款原生多模態智能體模型採用 MoE 架構,總參數為 1.6 萬億,單 Token 激活約 480 億參數。模型訓練將 F2P/P2P 測試校驗納入流程,並把 Agent 失敗軌跡轉化為可復現、可驗證的訓練任務。作者據此認為,軟件測試工程師的角色將轉向 Agent 設計、測試數據生產及 AI 輸出審核。
OpenAI 下一代模型 GPT-6.2 Astra 疑似進入小範圍測試,部分 Codex 用戶的用量統計已出現獨立模型標識「gpt-6.2-astra」,其中一個帳戶的模型調用量佔比達 19.8%。OpenAI 尚未在官方 API 模型目錄、更新日誌或公開公告中確認此型號,也未確認發布時間。
部分 OpenAI Codex 用戶在用量統計中發現新模型標識「gpt-6.2-astra」,最高佔比達 19.8%,疑似正進行灰度測試。OpenAI 尚未在 API 目錄、更新日誌或官方公告中確認該模型,也未公佈發布時間。TestingCatalog 分析認為,這可能是灰度或 A/B 測試;用戶反映額度消耗加快,相關成本成為關注焦點。
部分 Codex 用戶的用量統計出現「gpt-6.2-astra」獨立模型標識,顯示 OpenAI 的 GPT-6.2 Astra 疑似已進入小範圍測試。OpenAI 尚未透過官方 API 模型目錄、更新日誌或公開公告確認這個型號,也未確認發布時間。相關記錄主要出現在 10 月 31 日的使用統計中,其中一個帳戶的用量佔比達 19.8%。
OpenAI 的 GPT-6.1 Terra 是 GPT-6.1 系列第二低價模型,本文整理其規格、定價和使用方式,並與 Claude Opus 5.5 比較。
LongCat 發佈 LongCat-2.5,這款面向長程智能體任務的原生多模態 MoE 模型總參數量為 1.6 trillion,每個 token 約啟用 48 billion 參數。
度小滿與香港科技大學、香港生成式人工智能研發中心(HKGAI)聯合發佈行業首個自進化金融增強大模型「軒轅4.5」,以RSI閉環提升獲客、風控和客戶經營等金融場景的效果,成本僅為通用模型的10%。模型透過業務結果迴流進行微調和強化學習,將信貸風控策略迭代週期由約兩周縮短至三到四天,短期逾期風險下降約50%。
報道指,OpenAI 的 GPT-6.2 Astra 正在 Codex 內灰度測試,Claude Fable 5.5 則因程式生成動畫作品而在網上熱傳。其中一段 66 秒短片的畫面、配樂、音效及字幕均由 Claude Fable 5.5 以 Python 生成,並封裝在一個 HTML 檔案內,模型連續工作約 2 小時 40 分鐘。
Google 被指秘密將 Gemini 4 Carbon 放上 Arena,透過用戶盲測評估反應。TestingCatalog 指出,與 Gemini 4 Carbon 有關的代號 Argon 4 在 10 月 31 日後曾出現在 Arena,但這項觀察未能確認模型由 Google 所有。Arena 讓用戶比較兩個匿名回答並選出較佳者。
美團推出新一代多模態大模型 LongCat-2.5,面向長程智能體任務,並在多項 Agent 評測中取得領先成績。它在 AutomationBench 得分51.8,高於 Claude-Opus-5 的50.3;BrowseComp 得分91.9並排名第一,3DCodeBench 文本轉3D項目得分55.4,略高於其他競品。
Sam Altman 在 ADIPEC 2026 表示,完成 OpenAI 納維–斯托克斯研究核心探索的,是由即將發布的下一代 GPT 驅動的約 1 萬個 Agent;相關發言影片:https://www.youtube.com/watch?
一項在 Cursor 進行的 5 項日常工作測試中,Gemini 在 low effort 下贏得 4 項,Claude 則做出最佳登陸頁面。測試比較 Grok 4.7、Claude Opus 5、Gemini、Muse 和 GPT;Grok high 在遊戲測試中最慢,作者認為不值得等候。作者建議按工作選擇模型:商店頁面可選 Claude,快速工具和編輯則以 Gemini 表現最佳。
Apriel Voice 27B 是一個 27B 參數的開源模型,將語音輸入、視覺上下文理解及工具調用輸出整合在單一模型中。文章稱其在 4-GPU A100 節點上的端到端延遲約為 1.2 s,並在 Hugging Face Hub 提供 Apache 2.0 授權的模型權重、訓練腳本和 Docker 映像。
Nextcloud 將 Olmo 3 評為其最高級別的 Ethical AI 綠色評級,肯定模型符合公營機構對透明度及問責性的要求。評級要求訓練及推理軟件開源、模型可由用戶自行託管,並公開訓練數據。Olmo 3 7B 可在消費級硬件上運行,讓機構在自主管理的基礎設施上使用 AI。
Deep Principle 發佈 Hydrogen-1.0,這是一個以 Z.ai 的 GLM-5.3 為基礎、面向化學、材料科學及生命科學的 753B 開放權重模型。
Claude Opus 5.5 能繪製符合許可申請要求的建築圖紙。提供的正文未包含圖紙細節或相關測試資訊。
Google 回顧 10 月 AI 更新,全球推出 Gemini 4 Argon,並公佈 Gemini 4 Carbon 和世界模型 Genie 4。Gemini 4 Carbon 正透過 Fairwind Program 由美國政府及部分可信網絡防禦人員進行預發佈測試;Genie 4 支援具原生音訊的即時互動世界模擬,並可用自然語言操控場景。
LongCat-2.5 主打以原生多模態能力處理智能體任務。Hacker News 討論提及它是 1.6 trillion 參數模型,並指出圖表將其與 GPT-5.5、GPT-5.6-Sol、Claude-Opus-4.8 和 Claude-Opus-5 比較。評論者詢問模型是否提供可下載權重或開放權重,現有資訊未交代清楚。
VAKYR 檢驗足球賽事的即時入球概率是否準確,分析 341,846 次頁面實際顯示的讀數。模型平均報出 24.9% 的入球概率,實際入球率為 24.7%,顯示值的誤差低於 1 個百分點。按概率分成十組後,最高與最低組的實際入球率相差約 17 個百分點;服務免費,並可在瀏覽器使用。
DeepSeek-V4.1-Flash-1017 的 IQ2_XXS GGUF 標示 2.00 bpw,若計入 Engram 則整體為 2.66 bpw。作者核對分配檔及 GGUF shards,指出 Engram 有 196.6B 參數,以 4.5 bits 儲存,佔 IQ2_XXS 下載容量 44.4%。
LongCat-2.5 提供 OpenAI 與 Anthropic 相容 API、1M tokens 上下文窗口,並按思考模式將温度固定為 1.0 或 0.7。
作者在 us-east-1 對 opus5 和 opus5.5 部署進行負載測試,記錄延遲、節流及部署間吞吐量的差異。短提示詞的單次請求延遲約為 3.0s ~ 4.5s,較長提示詞可達 6s 以上;並發量增加後,429 回應會迅速出現。部分部署另有靜態 401 問題,而同一模型版本在不同預置吞吐量部署上的穩定最高吞吐量差異顯著。
RZR 北京新辦公室正式投入營運,由北京團隊研發的下一代機器學習模型「Argus」亦已在平台上線。辦公室匯聚 AI 研究、數據分析、產品開發及增長營運團隊,研發成果服務全球各地的廣告主。RZR 的單一 AI 系統覆蓋 iOS、Android 及大屏電視(CTV),無需依賴設備 ID 亦可喚醒 iOS 沉睡用戶。
作者展示如何由連結建立語料,在 CPU 上以 LoRA 微調 SaaS 商業策略模型,並將模型發布到 Hugging Face。底模為 Qwen2.5-0.5B-Instruct,訓練語料包含 3,615 篇貼文;模型在 4 個 CPU 執行緒上訓練 400 steps,峯值 RAM 為 2.4 GB,留出集困惑度由 44.5 降至 28.6。
美團發布新一代大模型LongCat-2.5,這是一款面向長程智能體任務的原生多模態模型,總參數為1.6萬億。LongCat-2.5延續LongCat系列的研發方向,全程在國產算力上訓練,是目前在國產算力上完成的最大訓練任務。
HKGAI、度小滿及香港科技大學推出「軒轅4.5」金融增強大模型,稱其為業界首個具備自我進化能力的金融大模型。模型採用遞迴自我改進(RSI)技術,在拓展客源、風險管理及客戶關係管理等場景的表現提升30%,運算成本僅為通用模型的10%。
開發者 Vixhal 在 GitHub 以 MIT 授權發布 qwenGPU,讓 Qwen3.5-2B 在前向計算中執行 CUDA。它在原有 24 層前加入 45 個未訓練的編譯 GPU 層,並以 Gated DeltaNet 狀態充當程式 ROM、暫存器和全域記憶體。
bootgpt 將一個 11.5 KB 的 int8 字符級模型從後續 23 個磁區載入,並在 386 的 16-bit real mode 下運行,生成虛構的 Linux 開機日誌。
Tobias Hoffmann 分析 2026 年 9 月 Grok 4.7、Claude Opus 5.5 及 GPT-6 Sol、Luna 接連推出,指出模型成本的比較重點正由每 token 價格轉向每項任務的總成本。
由 Claude Opus 5 遷移至 Claude Opus 5.5 時,Claude API 用戶須把模型 ID 由 claude-opus-5 改為 claude-opus-5-5。
Anthropic 內部未公開的 Claude 模型在系統測試中發現潛伏 11 年的 Linux 核心漏洞 CVE-2026-98432,並生成可用的兩階段利用程式,約 53 分鐘即可取得 Root 權限。
推薦理由:文章交代 Claude 發現漏洞、生成兩階段利用程式所需的時間,並列出 Ubuntu 仍受影響的版本,呈現漏洞利用能力與修補進度的關聯。
Kumiko 應用設計器以同一款金屬加工廠維修應用測試五個模型,發現多數紅色測試結果源於生成器規則和測試設計,而非模型本身。修正後,Sonnet 5.5 三個步驟均通過,花費 $0.322;首次測試則花費 $0.454,建構步驟未通過。Qwen3.8-27b 未能回覆首次呼叫,其他四個模型尚未按修正後的設定重測。
HuggingFaceBio 團隊聯合多家研究機構發布開源基因組大模型 Carbon‑X,將 DNA 序列與自然語言納入同一解碼器模型。模型在 5 項去污染 DNA 基準的無推理模式平均得分為 66.7%,較基座 Qwen3‑14B 高 27 個百分點,單樣本推理成本約為 GPT‑6.1 Sol 的 1/1800。
Anthropic 披露,其未發布的 Claude 模型在系統性測試中發現 Linux 核心漏洞 CVE-2026-98432,並生成可用的兩階段遠端利用程式,全程約 53 分鐘取得 Root 權限。該漏洞的 CVSS 3.1 評分為 9.8;上游修復於 10 月 15 日完成,但 Ubuntu 多個版本的修復仍在開發中,Red Hat 部分版本則列為延期處理。
推薦理由:文章將漏洞成因、模型生成利用程式的耗時,以及各發行版修補進度並列,呈現 AI 漏洞研究能力與實際修補窗口的關係。
美團發布總參數 1.6 萬億、面向長程智能體任務的原生多模態模型 LongCat-2.5,並稱模型全程在國產算力上訓練。評測顯示,LongCat-2.5 在多項主流基準中介乎 Claude-Opus-4.8 與 Claude-Opus-5 之間,部分評測超過 Claude-Opus-5。美團亦推出 AI 經營工作台「妙手」,協助商家理解行業指標和品牌規則,並在授權範圍內調用工具與系統執行經營任務。
美團技術團隊發布面向長程智能體任務的原生多模態模型 LongCat-2.5。模型總參數量為1.6萬億,每個 token 約激活480億參數,並在 LongCat-2.0 基礎上強化原生視覺理解與智能體編程能力。
Anthropic 未公開的 Claude 模型發現潛伏 11 年的 Linux 核心漏洞,並生成可用利用程式,約 53 分鐘取得 Root 權限。漏洞編號為 CVE-2026-98432,CVSS 評分為 9.8,源於 IPv4 TCP 握手中的釋放後使用(UAF)缺陷。
推薦理由:報道並列漏洞成因、約 53 分鐘的利用流程與各發行版修補進度,呈現 AI 生成利用程式如何把核心漏洞轉化為可操作的安全風險。
美團發佈面向長程智能體任務的原生多模態大模型 LongCat-2.5,總參數 1.6 萬億,訓練全程使用國產算力。模型採用最長達 1M token 的序列進行長上下文訓練,並強化視覺理解及智能體編程能力,支援交互網頁、3D 展示頁面等任務。