跳到正文
只看模型#模型发布
今天10月21日周三7 条
  1. NVIDIA Blog75

    NVIDIA 扩展开源模型家族，覆盖语言、机器人、生物与量子计算

    NVIDIA 扩展其开源模型家族，覆盖语言、机器人、生物和量子计算，包括新的 Nemotron 3.5 Super VL、Nemotron 3.5 Bolt、Nemotron Retriever、Kumo、Cosmos 3.5、Alpamayo 2 Edge、BioNeMo 与 Ising。

    推荐理由：NVIDIA 一次性铺开语言、机器人、生物、量子四条开源模型线，并给出各模型的开放渠道与首批企业用例。

  3. 爱范儿78

    实测 DeepSeek V4.1 Flash：4 元生成特斯拉飞行 3D 网页

    作者在 DeepSeek Harness 中实测 DeepSeek V4.1 Flash，用纯提示词生成特斯拉飞行 3D 网页，耗时 35 分钟、消耗 3752 万 Token，按缓存命中 0.04 元每百万 Token 和输出 8 元每百万 Token 计算约花 4 元。

    推荐理由：作者用多个实测案例对比 V4.1 Flash 与闭源模型的成本差距，可据此判断低价模型能覆盖哪些任务。

  4. The Decoder72

    可灵 AI 发布 4.0 版本，新增立体声与多语言口型同步并推出 Flash 轻量版

    可灵 AI 发布 4.0 版本，单次可生成最长 30 秒视频，支持最多 10 张关键帧图像输入，提示词理解扩展到 8,000 tokens。新版本加入双声道立体声和覆盖德语、英语、日语、韩语、西班牙语等十余种语言的改进口型同步，Omni Reference 单次最多接受 15 个参考素材。

    推荐理由：可灵 4.0 的升级集中在参考素材、音频与多语言口型，同时给出与 Wan 3.0、Seedance 2.5 的对比观察。

10月20日周二
  7. OpenAI58

    OpenAI 表示最新模型进展增强了在 COBOL、Fortran、Visual Basic 等低资源编程语言上构建和迁移软件的能力。这些语言支撑着银行、政府和企业依赖的系统，能力提升意味着模型能理解数十年的业务逻辑，帮助开发者现代化这些系统并保留仍然有效的部分。OpenAI 称正围绕开发者和企业客户提出的挑战构建这些能力，并征集团队反馈下一步应处理的语言和工作流。

  8. MiniMax (official)60

    MiniMax 正式发布 M3.1 Flash，并确认此前在 OpenRouter 匿名运行的 Space Bunny 就是它的早期版本。据 OpenRouter 介绍，Space Bunny 连续 10 天位居该平台模型第一，处理了 56.7T tokens，是 OpenRouter 运行过的匿名模型中用量最高的。M3.1 Flash 已在 OpenRouter 上线，未来 72 小时免费。

    引用OpenRouter@OpenRouter

    Stealth model reveal 🐰 Space Bunny was OpenRouter’s #1 model for 10 straight days, processing 56.7T tokens! The most of any stealth model we’ve run. Space Bunny hopped off OpenRouter on Oct 5. It's back today as @MiniMax_AI's M3.1 Flash, and it's free for the next 72 hours.

  11. elvis58

    Viggle 发布 JST-2，官方称其为全球首个全栈物理原生世界基础模型，整套模型栈在 3D 空间构建，可在数秒内生成 3D 场景并实时扩展。该模型附带 PINOC MCP server，向 Claude Code 发一条提示词即可生成角色、按文本驱动动画并组装场景；角色与动作共用同一骨架，因此智能体无需中途做重定向处理。

    引用ViggleAI@ViggleAI

    Today we are releasing JST-2, the world's first full-stack physics-native world foundation model. Many world models learn in pixel/video space. We went back to first principles and built the entire model stack in 3D. Generate a 3D scene in seconds and expand it in real time. Create characters with motion built in, all through one general architecture.

10月19日周一
  1. elvis58

    Nace 发布多模态决策模型 Drex Max，支持文本、图像和视频输入，单次决策耗时 34 ms，262K token 下低于 1 秒，输入价格为 $0.06/1M tokens。该模型可直接从截图、录屏、扫描文档、科学图表和照片中做决策，适合 computer-use 与 browser-use 智能体。Nace 称其在 Mind2Web 上达到 88.3%，超过 Jev 1.14，Decision Index 得分为 67.6（Jev 1.14 为 60.70）。

    引用Nace AI@NaceAI

    Drex Max is here: our multimodal decision model text, images, and video 34 ms/decision, under 1s at 262K tokens $0.06 / 1M input tokens available today at https://nace.ai/drex

10月18日周日
10月17日周六
  1. DeepSeek78

    DeepSeek 发布 DeepSeek-V4.1-Flash-1017，称其基准表现更强、任务完成更快、输出更短，在性能与成本上实现帕累托改进。该模型已在 DeepSeek 网站、App 和 API 上线，并针对 DeepSeek Harness、腾讯 CodeBuddy、WorkBuddy 等做了优化，使用 DeepSeek Harness 需升级到 v0.2.1-rc.1 或更高版本。

    推荐理由：官方给出新版本在基准表现、任务完成速度和输出长度上的变化，并说明已上线网站、App 与 API。

10月16日周五
  2. Hugging Face78

    Reflection 宣布 Beam 已在多平台上线，以 Apache 2.0 协议开放权重，并与 40 多家生态伙伴合作。此次发布包含权重、tokenizer 和参考实现，BF16、FP8、NVFP4 权重及 DFlash2 drafter，以及训练 Beam 所用的开源工具 Mirror CLI。Hugging Face 转发该消息并预告 Reflection 团队直播讲解 Beam 的构建过程。

    引用Reflection@reflection_ai

    Beam is now available across platforms, with open weights under the Apache 2.0 license - in collaboration with an ecosystem of 40+ partners. We're releasing: - Weights, tokenizer, and reference implementation - BF16, FP8 and NVFP4 weights and a DFlash2 drafter - The open source harness we built and trained Beam on: Mirror CLI Weights and model card on Hugging Face: https://huggingface.co/reflection

    推荐理由：Reflection 公开 Beam 的权重、量化版本与训练工具 Mirror CLI，可据此了解其开放程度与复现路径。

  3. AI at Meta80

    Meta 发布开源权重模型 Muse Spark Open，称其为目前美国最强的开源权重模型。该模型面向编码与智能体任务，主打长程任务、复杂软件工程和多步推理，规格为 816B 总参数、42B 激活参数、1M token 上下文窗口，原生支持文本、图像、视频和音频多模态。

    推荐理由：Meta 公布开源权重模型的具体参数与多模态规格，可据此判断其长程编码与智能体任务的定位。

10月15日周四
  1. NVIDIA73

    NVIDIA 发布 Nemotron 3.5 Super VL，扩充其 Nemotron 开源模型系列，将视觉理解、推理与工具调用结合，用于帮助 AI 智能体在更短时间内完成更多工作。该模型支持文本、图像、文档和视频理解，总参数 120B、激活参数 12B。NVIDIA 表示开源模型让用户能按自己的方式定制、部署和构建。

    引用NVIDIA AI@NVIDIAAI

    Meet NVIDIA Nemotron 3.5 Super VL Our new open model combines reasoning and tool use with text, image, document, and video understanding for long-running AI agents. 120B total parameters with 12B active 🧵

    推荐理由：官方给出新开源多模态模型的总参数与激活参数，读者可据此判断其本地部署与定制空间。

10月14日周三
  3. Aran Komatsuzaki58

    Aran Komatsuzaki 介绍 Aether AI 的 CRIS-0 智能体可从演示中自行生成定位函数（SAM3 + RGB-D + IK）。当某个函数触发 IK 关节限位时，智能体会根据报错修补该函数、重试当前阶段并保留修补后的版本。他将这一过程类比为编码智能体循环在机器人控制上的应用。

    引用Biwei Huang@huang_biwei

    I have spent more than a decade studying causality. For me, causality is about understanding the rules that govern how actions change the world, and reasoning about their consequences before acting. Scaling has made today's models remarkably capable at spotting patterns and predicting what comes next. A system that acts in the physical world needs more. It has to ask what will happen if it acts, check the outcome, and adapt when reality doesn't match the plan. In the physical world, trial and error can be costly or unsafe, and an early mistake can carry through the rest of a task. When we started Aether AI, robotics was the obvious place to begin. CRIS-0 is our first integrated system built on these ideas. It tracks the conditions that matter for a task, predicts how each action will change them, and replans when something unexpected happens. In our demo, that means taking a metal can off a plate before heating it, and telling an empty can from an unfinished drink while tidying a room. Physical AI is just our first proving ground. We're building towards causal intelligence that also works for forecasting, scientific discovery, and more. The technical write-up is linked in the comments. https://x.com/AetherLab_AI/status/2108263657251418596/video/1

  4. Google DeepMind80

    Google DeepMind 发布 Gemini 4 Argon 并公布安全防护方案

    Google DeepMind 开始广泛推送 Gemini 4 Argon，并同步发布安全与安全报告，说明其在高风险领域的防护设计。该模型在 12 个端到端模拟网络攻击场景中全部完成，上一代为 5 个；在 Gray Swan 的间接提示注入基准上，15 次自适应攻击的成功率降至 0.7%。

    推荐理由：原文披露了 Gemini 4 Argon 在网络安全与生物风险上的防护分层，以及智能体越界行为的监控数据。

  8. Google DeepMind90

    Google DeepMind 发布 Gemini 4 Argon 前沿模型

    Google DeepMind 发布 Gemini 4 Argon，通过 Gemini API、AI Studio、Antigravity 及 Gemini 应用向开发者、企业和订阅用户开放，定价为每百万输入 token 2 美元、输出 token 10 美元。

    推荐理由：官方披露了 Argon 在编码、科研与安全对齐上的具体案例和基准表现，可据此判断前沿模型在长程任务中的实际边界。

10月13日周二
  1. AI at Meta72

    Meta 发布 Muse Wonder 系列，包含 Muse Wonder 和 Muse Wonder Full 两款模型，称其为目前能力最强的模型，面向个人与专业智能体任务提供前沿性能。Muse Wonder 即日起通过 Meta Model API 和 Muse Code 提供，Muse Wonder Full 即日起面向 Muse Code 订阅用户开放。Muse Wonder 后续还将用于 Meta 的个人智能体产品 Muse，先向订阅用户推出。

    推荐理由：Meta 公布 Muse Wonder 系列两款前沿模型，并给出 API 与 Muse Code 的可用入口，读者可据此了解其智能体任务定位。

10月9日周五
  1. Qwen70

    Qwen 发布 Qwen-Image-2.1-Turbo，在同样的 7B 视觉生成架构上做加速，仅需 8 步去噪即可生成和编辑图像，权重已在 ModelScope 和 Hugging Face 开放。

    引用Qwen@Alibaba_Qwen

    Meet Qwen-Image-2.1, the most balanced and cost-effective image generation model in the Qwen-Image series! Now open weights! 🎨 A unified model for both generation and editing, delivering top-tier quality in a lightweight package. Highlights: 👀 - Compact & exceptionally fast: A lightweight 7B architecture that outperforms most closed-source models, with drastically accelerated inference for multi-image inputs. - Native transparency: Natively generates and edits RGBA layers, enabling seamless compositing and text editing within transparent images. - Versatile, high-fidelity editing: Supports up to 10 reference images and precise local control while preserving strict fidelity for portraits and products. - Broad coverage & stunning aesthetics: Excels at panoramas, infographics, and virtual try-ons, delivering realistic textures and elegant typography. Start to create your next masterpiece with Qwen-Image-2.1! 🖼️ - Blog: https://qwen.ai/blog?id=qwen-image-2.1 - GitHub: https://github.com/QwenLM/Qwen-Image-2.1 - Model Scope: https://www.modelscope.cn/models/Qwen/Qwen-Image-2.1 - Hugging Face: https://huggingface.co/Qwen/Qwen-Image-2.1

    推荐理由：官方给出 Turbo 加速版在 8 步去噪下仍能生成 2K 图像，并同步开放权重与 API，便于判断落地成本。