OpenAI 改進 ChatGPT 中的 GPT-5.6 Sol,並擴大免費用户使用 GPT-5.6 Luna 的範圍
OpenAI 改進 ChatGPT 中的 GPT-5.6 Sol,提升其準確度與一致性,並擴大免費用户使用 GPT-5.6 Luna 的範圍。免費用户可與 GPT-5.6 Luna 進行不限量的日常聊天。
推薦理由:公告交代 GPT-5.6 Sol 在準確度與一致性上的提升,並説明免費用户可與 GPT-5.6 Luna 進行不限量的日常聊天,呈現模型調整與使用範圍的變化。
OpenAI 改進 ChatGPT 中的 GPT-5.6 Sol,提升其準確度與一致性,並擴大免費用户使用 GPT-5.6 Luna 的範圍。免費用户可與 GPT-5.6 Luna 進行不限量的日常聊天。
推薦理由:公告交代 GPT-5.6 Sol 在準確度與一致性上的提升,並説明免費用户可與 GPT-5.6 Luna 進行不限量的日常聊天,呈現模型調整與使用範圍的變化。
OpenAI 更新 GPT-5.6 Sol 和 GPT-5.6 Luna,並公佈青少年安全、生物與化學能力及網絡安全評估。U18 評估中,兩款模型表現與受測的 GPT-5.5 版本大致相若,未觀察到統計顯著差異;評估涵蓋高難度案例,結果不代表相關行為在一般使用中的出現頻率。
Mistral AI 發佈 Shieldstral,一款 3B 開放權重多模態安全分類器,可用自然語言政策評估文字與圖像,無須重新訓練。它將內容審核設計為可在推理時指定政策的二元問答,並輸出校準後的安全分數;Mistral 稱其在多項基準上匹配或超越模型規模最高達其 7x 的開放權重安全模型。
推薦理由:將審核政策置於推理時的自然語言問題中,使同一個 3B 模型可按部署情境調整文字與圖像判斷,無須重新訓練。
美團 LongCat 發佈 LongCat-Flash-Lite-Sparse,這是一款總參數量 69B、每個 token 約啟用 3B 參數的非思考型 MoE 模型。
Alibaba Qwen 於 2026年8月3日正式發佈 Qwen3.8-Max,稱其為 Qwen 家族迄今效能最高的模型。該模型以 Qwen 3.5 架構為基礎,活躍參數量為 950億,最高可擴展至 2.4T 參數;公司稱它在多個領域的基準測試中,表現達到或超越部分競品旗艦模型。
推薦理由:文章並列阿里巴巴自測的多領域基準結果、QwenCloud API 價格和下週開放權重安排,讓效能比較與使用條件一併呈現。
Google 於 2026年7月30日發佈 Gemini Robotics 2 系列物理 AI 模型,支援機械人全身控制、多步任務規劃及多機協作。
CAIR 與瑞臻再生醫學發布 RC-GPT V1.0,將多模態 AI 系統性嵌入 iPSC 分化製備全流程,為細胞治療生產標準化提供技術路徑。模型以四大功能模組協同支援分化監控、質量預判及批次一致性保障,並可在單卡完成訓練與推理。文章稱,該模型已完成概念驗證。
DeepSeek 將 DeepSeek-V4-Flash API 開放公開 Beta,並稱其智能體能力顯著增強,基準測試結果遠高於 V4-Pro-Preview。
Google DeepMind 發佈 Gemini Robotics ER 2,這款面向機械人的具身推理模型可理解連續影片、編排多步任務,並支援多機械人協作。它在任務進度分類達 57.4% 準確率,關鍵時刻定位達 91.3% 準確率、平均絕對距離為 0.96s。
推薦理由:文章將影片進度追蹤與多機械人協作納入模型更新,並提供任務評測數據,讓讀者掌握 Gemini Robotics ER 2 的具身推理能力變化。
Google DeepMind 今日在 Google Flow Music 推出音樂生成模型 Lyria 3.5,並提升旋律、歌詞及人聲生成品質。它可生成更豐富、複雜且自然的旋律結構,並改善歌詞的提示詞遵循度與結構意識,以及人聲的真實感、情感細膩度和發音。使用者也可更容易控制生成內容的節奏和時長。
Gemini API 開放 Gemini Robotics ER 2 公開預覽,推出 gemini-robotics-er-2-preview 和 gemini-robotics-er-2-streaming-preview 兩個機械人模型端點。
Poolside 公開 Laguna S 2.1 的模型權重及評測軌跡,這款智能體編碼模型可無需人工介入連續工作數小時。在 Poolside 自家的 agent harness 測試中,啟用 thinking 後,模型在 Terminal-Bench 2.1 得分 70.2%;文中比較指出,得分高於 Laguna 的模型不是閉源,就是規模至少大 2.5x。
上海人工智能實驗室 InternLM 發佈 35B 基礎模型 Intern-S2-Mobius,採用 Mobius-v0 架構。它以全域共享 Memory 供多個 Reasoners 反覆查詢和修訂隱藏狀態,並引入 Backward Residual Connection 和 Dynamic Latent Reasoning。
GPT-5.6 提升 AI 在模型、推理及智能體工作流程各方面的效率,有助於讓每一美元帶來更多實用智能。
Google DeepMind 發佈 Gemini Robotics 2 系列模型,為機械人帶來全身控制、靈巧操作及多機協作能力。系列包括將視覺與語言輸入轉為動作控制的 Gemini Robotics 2、用於具身推理與多步任務規劃的 Gemini Robotics ER 2,以及可在機械人裝置本地運行的 Gemini Robotics On-Device 2。
推薦理由:全身控制、靈巧操作、多機協作與本地適配均有具體案例,呈現 Gemini Robotics 2 系列面向機械人任務的能力佈局。
BeingBeyond 發佈 Being-H0.8(https://research.beingbeyond.com/being-h08),將潛在世界—動作建模由視覺預測擴展至觸覺感知互動。
Black Forest Labs 上週發佈多模態基礎模型 FLUX 3,mimic 同步推出結合其影片骨幹的 FLUX-mimic 機械人操控系統。
NVIDIA 發佈 Cosmos-H-Dreams,一款根據機械人動作即時生成手術場景影片的模擬器。它將 Cosmos-H-Surgical-Simulator 蒸餾為因果學生模型,並透過 FlashDreams 在單張 NVIDIA RTX PRO 6000 上達到約 160 fps。
Anthropic 發佈 Claude Opus 5,並於7月24日開始提供;模型面向編碼、長期智能體任務及知識工作,性能較 Claude Opus 4.8 提升。
推薦理由:文章並列多項基準分數、正答率與誤答率變化,並交代預設推理設定及 API 價格,方便掌握性能評估與部署差異。
Google 於 2026年7月21日發佈 Gemini 3.6 Flash、Gemini 3.5 Flash-Lite 和 Gemini 3.5 Flash Cyber,三者均以 Gemini 3.5 Flash 為基礎。
Google DeepMind 發佈 Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber,涵蓋智能體工作流、低延遲高吞吐任務及網絡安全場景。
推薦理由:文章列出 3.6 Flash 與 3.5 Flash-Lite 的速度及成本指標,並説明 Cyber 模型將透過有限試點提供,呈現不同工作負載的部署差異。
Sakana AI於2026年7月21日推出網絡防禦能力強化版編排模型Fugu-Cyber,並將其加入Sakana Fugu的按量付費Token計劃。公司測試中,Fugu-Cyber在CyberGym和CTI-REALM分別取得86.9%及72.1%的成功率,稱得分媲美GPT-5.5-Cyber與Mythos-Preview。
Gemini 3.6 Flash 和 Gemini 3.5 Flash-Lite 已正式提供,均為穩定且可用於正式環境的 3.x Flash 模型。Gemini 3.6 Flash 提升 token 效率及程式編碼和智能體規劃能力,價格低於 3.5 Flash;Gemini 3.5 Flash-Lite 是低延遲、具成本效益、面向高流量自動化的子智能體選項。
Google DeepMind 發佈 Gemini 3.5 Flash Cyber,這款基於 3.5 Flash 並經微調的輕量網絡安全模型,旨在快速發現、驗證及修補漏洞。
推薦理由:V8 JavaScript Engine 的固定調用測試提供了具體比較,Gemini 3.5 Flash Cyber 找到 55 個獨特確認問題,主線 3.5 Flash 與 Claude Opus 4.6 分別找到 47 個和 36 個。
Moonshot AI 於 2026 年 7 月 16 日發佈 Kimi K3,這款 MoE 開放模型具備 2.8 兆參數、100 萬 token 上下文窗口及原生多模態能力。
Thinking Machines Lab 於 2026年7月15日發佈首個 AI 模型 Inkling,公開模型權重,支援文字、圖像及語音輸入並以文字輸出。
推薦理由:Inkling 可按任務連續調整推理用量,降低成本與等待時間,或為較難任務分配更多推理資源,呈現推理開銷與任務需求之間的可調取捨。
OpenMOSS 公開 MOSS-Video-Preview,這是一款基於 Llama-3.2-Vision、採用 Cross-Attention 架構的即時影片理解模型,程式碼見 https://github.com/OpenMOSS/MOSS-Video-Preview。
Moonshot AI 發佈 Kimi K3,稱其為全球首個開放 3T 級模型;它有 2.8T 參數、原生視覺能力及 1-million-token 上下文窗口。
推薦理由:資料披露 Kimi K3 相較 Kimi K2 的整體擴展效率提升約 2.5×,並交代其整體表現仍落後最強的專有模型。
Mercury 2 是 Inception Labs 推出的擴散式推理語言模型,官方稱其在標準 NVIDIA GPU 上解碼速度達 1,000+ tokens/second,300-token 推理鏈完成時間不到 300ms。
Meta 於 2026 年 7 月 9 日發佈面向智能體任務的多模態推理模型 Muse Spark 1.1,表示其工具使用、電腦操作、編碼及多模態理解能力有所提升。
OpenAI 於 2026 年 7 月 9 日開始向一般用戶提供 GPT-5.6 系列,同日公佈 ChatGPT Work 和整合 Codex 的新桌面應用程式。
推薦理由:文章對照三款模型的定位、推理等級和 API 價格,並整理 ChatGPT、Codex 與 API 的提供安排,有助比較模型選擇及接入成本。
GPT-5.6 主打每個 token 帶來更多智能、每美元效能更強,並可按需提供更多能力,支援最艱鉅的工作。
SpaceXAI 於 2026年7月8日發佈 Grok 4.5,稱其為首個專為編碼與智能體訓練的模型。SpaceXAI 表示,該模型使用數萬台 NVIDIA GB300 GPU 訓練並結合 Cursor 技術,內部基準測試顯示其表現與 GPT-5.5、Opus 4.8 等模型相當。
OpenAI 發佈新一代語音模型 GPT-Live,採用全雙工架構,讓 ChatGPT Voice 可同時聆聽和發話,令即時對話更自然。遇到複雜處理、高階推理或網頁搜尋需求時,GPT-Live 會在背景委派予最新頂尖模型,並逐步將結果帶入對話;本次推出 GPT-Live-1 和 GPT-Live-1 mini。
推薦理由:文章比較級聯語音系統與 ChatGPT Advanced Voice Mode 的限制,並交代全雙工架構如何帶來即時回應及背景任務處理。
OpenAI 發佈 GPT-5.6 系統卡,公開模型訓練資料、部署安全模擬及生物化學能力評估。部署模擬預測 GPT-5.6 Sol 的違規內容總量與 GPT-5.5 大致相若,性相關違規率由 0.05% 升至 0.07%,心理健康相關違規回應率由 0.03% 降至 0.02%。OpenAI 將 GPT-5.6 系列的生物與化學能力列為 High,並判定三款模型均不需按 Critical 能力處理。
Mistral AI 發佈 8B 模型 Robostral Navigate,讓機械人根據 RGB 圖像和自然語言指令自主導航。模型在 R2R-CE 已見及未見驗證集分別取得 79.4% 和 76.6% 成功率;未見集成績較最佳單相機方案高 9.7 個百分點,較採用深度感測或多相機的最佳系統高 4.5 個百分點。
美團 LongCat 發佈 LongCat-2.0,模型總參數為 1.6 trillion,每個 token 約啟用 48 billion 個參數。
美團 LongCat 發佈 LongCat-2.0,這款 MoE 語言模型總參數為 1.6 trillion,每個 token 約啟用 48 billion 個參數。
美團 LongCat 發佈 LongCat-2.0,這款 MoE 大語言模型總參數量為 1.6 trillion,每個 token 約啟用 48 billion 參數。
推薦理由:文中按編碼、Agent、搜尋及基礎能力列出 LongCat-2.0 與多款專有模型的基準分數,並標明部分分數引用自官方報告。
Meta 於 2026年7月7日發佈 Muse Image,並以預覽形式公佈 Muse Video;Muse Image 已可在 Meta AI 應用程式及網頁版使用,Muse Video 則將於 Meta AI 等平台稍後提供。
推薦理由:文章列出 Muse Image 在三項 Arena 評測均排名第 2,以及 Muse Video 在影片生成評測排名第 3,並交代兩款模型目前的開放狀態。