跳到正文
  1. Google DeepMind84

    Google DeepMind 发布 Gemini 4 Neon

    Google DeepMind 发布 Gemini 4 Neon,面向复杂软件工程、知识工作与科学工作流,今日起在 Gemini API、Google AI Studio、Gemini for business、Google Antigravity 和 Gemini app 逐步推出。

    推荐理由:原文给出 Neon 与 Carbon 在多项基准上的成本和性能对比,读者可据此判断它在复杂工作流中的性价比。

  1. 爱范儿85

    深度实测 GPT-6.2:强是真强,难用也是真难用

    OpenAI 发布新一代旗舰模型 GPT-6.2 Astra 与主打性价比的 GPT-6.2 Sol,官方称其在专业 Agent 任务上反超 Claude Fable 5.2,综合成本仅为后者的 5%。

    推荐理由:通过与 Claude Fable 5.2、Gemini Hydrogen 的横向对比,读者能清楚看到 GPT-6.2 Astra 的能力长板与体验短板。

  2. 量子位90

    OpenAI 发布 GPT-6.2 Astra 与 GPT-6.2 Sol,3D 生成登顶 AA-3D 榜单

    OpenAI 发布 GPT-6.2 Astra 和 GPT-6.2 Sol 两款模型,已登陆 ChatGPT Work、Codex 和 API,Plus、Pro 订阅用户均可使用。

    推荐理由:原文汇总了Astra与Sol在专业任务、科研、编程和3D生成上的评测数据及API价格变化,读者可据此判断该选旗舰还是轻量版。

  1. 爱范儿77

    实测腾讯 Hy4 flash:花两毛钱,就能让 AI 从零做个 3D 交互网页

    腾讯 Hy4 flash 正式发布,总参数量 224B、激活参数 12B,支持多模态与 1M 上下文,输入价格 0.5 元每百万 Token、输出 2 元每百万 Token,并在 WorkBuddy 提供 11 月 16 日至 11 月 30 日的限时免费额度。

    推荐理由:原文用相同任务对比了 Hy4 flash 与 DeepSeek V4.1 Flash 的时间和 Token 消耗,读者可据此判断高频 Agent 场景下的成本取舍。

  2. 极客公园83

    阿里千问 4 Max 正式发布:2.4 万亿参数,单任务成本降 58%

    11 月 16 日,阿里千问正式发布新一代旗舰模型 Qwen4-Max,主干总参数 2.4 万亿,原生支持文本、图像和视频输入,上下文窗口 100 万 Token。

    推荐理由:原文给出单任务成本下降 58% 的账单对比和底层架构改动,可据此判断旗舰模型进入真实工作流的节奏。

  1. 爱范儿86

    谷歌发布 Gemini 4 Hydrogen 模型,更快更便宜且免费用户可用

    谷歌发布 Gemini 4 系列新模型 Hydrogen,主打更快响应速度、更低使用成本和更高效的 AI Agent 执行能力。

    推荐理由:原文将 Hydrogen 与 Argon、Claude Sonnet 5.5、GPT-6.1 Sol 的跑分和价格逐项对比,读者可据此判断高效率模型对旗舰模型的替代空间。

  2. Google DeepMind88

    Google DeepMind 发布 Gemini 4 Hydrogen

    Google DeepMind 发布 Gemini 4 Hydrogen,定位日常编码与智能体工作流的快速执行模型,即日起在 Gemini API、AI Studio、Gemini app、Google Search 等全端开放。

    推荐理由:Hydrogen 与 Carbon、Argon 形成快慢分工,并带来多模型编排入口,读者可据此重新规划编码与智能体工作流。

  1. IT之家76

    阿里 Qwen Code 1.0 发布:Qoder 与 Qwen Code Harness 融合开源

    阿里官宣发布 Qwen Code 1.0,将 Qoder 中打磨的 Harness 能力融入 Qwen Code,随 Qwen Code 1.0 Preview 一起开源,为开发者提供可嵌入自身产品的 Agent 运行基础。

    推荐理由:原文把 Qwen Code 1.0 的架构演进和开放方式讲得较具体,开发者可据此判断是否将其 Agent 内核嵌入自身工作流。

  2. Google DeepMind83

    Google DeepMind 发布 Gemini 4 Carbon 模型

    Google DeepMind 宣布 Gemini 4 Carbon 面向开发者、企业、科学家和消费者开放,定位为网络安全、长程智能体工作流与科学推理的最强前沿模型。

    推荐理由:原文将 Carbon 与 Argon 做了明确分工,并给出基准排名与价格,读者可判断该把它用在哪些最复杂的任务上。

  1. The Decoder76

    Anthropic Fable 5.2 完成真实自由职业任务比例达 41%,一年前仅 2.5%

    Anthropic 的 Fable 5.2 在 RLI 基准测试中完成 41.3% 的真实自由职业任务,是一年前最高系统 Manus(2.5%)的 16 倍以上。

    推荐理由:文中给出 Fable 5.2 与同类模型在真实自由职业任务上的完成率对比,读者可直观判断智能体实际工作能力的当前水位。

  2. Latent Space91

    Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2,重登 LLM 榜首

    Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2,官方称两者在多数受评能力上优于 Opus 5.5,发布后登上 Artificial Analysis、SemiAnalysis GDPx 等多个独立榜单第一。

    推荐理由:原文汇总了 Fable 5.2 的第三方评测与成本数据,读者可据此对比它与 Gemini 4 Carbon、Opus 5.5 的真实差距。

  3. Simon Willison78

    Meta AI 发布最小高效模型 Muse Ember

    Meta AI 发布新模型 Muse Ember,官方称其为最小、最高效的模型,面向复杂推理执行以及智能体重复执行的工具调用、编码子任务、路由、提取和长文档解析。

    推荐理由:原文将 Muse Ember 与 GPT-6 Luna、Claude Haiku 5.5 的定价及 Artificial Analysis 效率前沿放在一起比较,可帮助读者判断小模型选型。

  1. The Decoder79

    美团开源 LongCat-2.5:1.6 万亿参数智能体模型,全程基于中国芯片训练

    美团发布 LongCat-2.5 的模型权重,这是一个总参数 1.6 万亿、每 token 激活约 480 亿的 MoE 智能体模型,完全在中国芯片上训练。

    推荐理由:原文给出它与 Claude Opus 5、GPT-5.6 Sol 的多项基准对比,以及 194 颗华为芯片的自托管部署细节,读者可据此评估其工程可行性。

  1. OpenAI News65

    OpenAI 发布 GPT‑6 Cyber 网络安全模型

    OpenAI 发布 GPT‑6 Cyber,这是一款用于发现可利用漏洞并制定修复方案的网络安全模型,训练使其保持在授权范围内。

    推荐理由:原文说明该模型可在授权范围内寻找可利用漏洞并生成修复方案,读者可据此判断安全类智能体在企业内部的可用边界。

  1. 量子位77

    腾讯混元Hy4正式版发布,首次支持视觉理解与电脑操作

    腾讯混元Hy4正式版发布,总参数770B、激活参数49B,首次引入原生视觉能力并支持电脑操作,已在腾讯云TokenHub、WorkBuddy/CodeBuddy、元宝及企业微信等产品上线,模型权重将于近期开源。实测显示其幻觉率由preview版的12.95%降至7.2%,579个真实金融任务综合表现位居开源模型第一。主打低推理成本的Hy4 flash也已在路上。

    推荐理由:实测展示了Hy4在长程Agent任务中的自检与交付能力,可对照同类开源模型评估其落地价值。

  1. 爱范儿87

    OpenAI 发布 GPT-6.1 Terra:API 价格减半,主打 Agent 高频执行

    OpenAI 正式发布新一代模型 GPT-6.1 Terra,标准 API 价格较 GPT-5.6 Terra 降低 50%,输入每百万 Token 1 美元、输出 5 美元,仅为旗舰模型 GPT-6 Astra 的十分之一。

    推荐理由:原文将新模型与 GPT-6 Astra、Claude Opus 5.5 的价格和性能逐项对比,读者可据此判断 Agent 大规模落地时该选哪一档模型。

  1. Mistral AI79

    Mistral AI 发布 Voxtral 3 语音模型家族与语音智能体 SDK

    Mistral AI 发布 Voxtral 3 语音模型家族与语音智能体 SDK,覆盖语音识别、语音合成与实时对话全链路。

    推荐理由:原文给出各模型定价、基准对比与自部署选项,读者可直接评估其替代现有语音方案的可行性。

  1. 掘金78

    MiniMax M3.1 Flash 发布:匿名 Space Bunny 身份确认,Agent 任务成本降 70%

    10月19日 MiniMax 正式更新 M3.1 Flash,确认此前匿名的 Space Bunny 为其早期版本,亮身份前已处理超过 200T Token。线上推理速度提升近 3 倍,Agent 任务综合使用成本下降 70%,DeepSWE v1.1 拿到 73.7%逼近 Opus 5,OSWorld 2.0 得 61.7。

    推荐理由:原文把匿名期调用量、任务评测和成本曲线放在一起,读者可据此判断 Flash 模型能否在日常项目中替代旗舰。