Chinese contentArena 第 41 周榜单：Claude Opus 5.5 Max 首登智能体榜首
这期榜单看点是 Claude Opus 5.5 Max 直接拿下智能体榜第一，代码榜里 claude-opus-5.5-high 一口气升了 7 位。国产这边 kimi-k3-max 综合榜 16 名，想看各家模型盲测排名的可以翻翻完整表格。
IT之家Source
Latest
Every published item, in order · 2490 items
Oct 12
Oct 11
Cloudflare releases Clef-omni open-weight decision model with audio and video input
Clef-omni is a decision model rather than a chat model: it returns structured scores and labels, which fits routing, moderation and tool-selection layers that sit in front of a larger LLM. Teams building voice or video agents can now send raw mp4 or wav files straight to one endpoint instead of stitching together a transcription service and a classifier, and the US$0.15 per million input tokens undercuts Cloudflare's own Clef tier at US$0.24. The trade-off is visible in the benchmarks, where Jev still leads on When2Call and BRIGHT, so the choice depends on whether multimodal input outweighs those gaps.
IT之家Source
Chinese content华为与华东师大联合研发时序预测模型登顶TIME和GIFT-Eval双榜单
华为和华东师大搞了个叫七曜的时序模型，直接冲到TIME和GIFT-Eval两个榜单第一，能零样本预测电网、工业、金融数据，还能低成本微调。
IT之家Source
Chinese contentOdyssey-3 生成式世界模型开放免费试用
Odyssey 把 140 亿参数的世界模型免费开放了，输入文字就能实时生成可玩环境，还能拿来控机器人、无人机和 GTA V，物理基准分数第一但评测方法有争议。
Chinese contentWestlake Robotics 发布 WR1 通用大脑，双人形机器人折裤子
Westlake Robotics 的 WR1 让两台人形机器人一起折裤子，还跑通了厨房到卧室的家务流程，想了解通用机器人大脑能干什么可以看看。
Microsoft-Decision-1: A Qwen3.5-9B Decision-Scoring Model
Building a scorer on Alibaba's Qwen3.5-9B signals how Chinese open-weight base models are now infrastructure even inside Microsoft's own stack. Teams running LLM routers, agents or verification pipelines can plug it in via Microsoft Foundry or OpenRouter for calibrated probability outputs rather than text generation. Compared with general chat models, it targets fixed-option scoring tasks specifically.
Chinese contentGoogle Gemini 4 "Carbon" 编程能力据称追平 Anthropic Opus 5.5
Google 还没正式发的 Gemini 4 Carbon，被内部员工拿来和 Opus 5.5 比编程，Gemini 应用里也冒出新模式了，看来离发布不远。
Tomorrow 08:00, the daily lands in your inboxTelegram channel or email. Same screening as this page, no ads.
Chinese contentNace.AI 开源 Drex 1.5：9B 决策模型，输出选项概率而非文本
Nace.AI 开源了个 9B 的决策模型 Drex 1.5，不生成文本，一次前向传播直接给每个选项打概率，还支持 128K 上下文，适合做选项评分场景。
Chinese content微软发布 Microsoft-Decision-1 决策模型，准确率超 GPT-6 Luna Decision
微软把 Qwen3.5-9B 改成小决策模型，分类任务准确率干到 83.5%，跑分类便宜 200 倍，做内容审核的可以试试。
Chinese contentClaude Science 协助绘制首张全天紫外线地图
Anthropic 让 Claude Science 补上了 GALEX 没拍到的三分之一天空，还标了哪些是实测哪些是模型猜的，做天文数据的人可以看看这个思路。
IT之家Source
Oct 10
Chinese contentUnderdog AI 发布 Saluki 27B：基于 Qwen3.8-27B 的 2-bit 量化版本
Underdog AI 把 Qwen3.8-27B 压到 2-bit，只有 7.89GB 还能跑工具调用，日常推理比原版还强，本机部署党可以试试。
IT之家Source
Chinese contentOpenAI 在 GitHub 公布 700 多份数学研究成果，引发数学界争议
OpenAI 一口气在 GitHub 放出 700 多份 AI 做的数学证明，有数学家说自己的研究计划直接被冲掉了，还怀疑未发表材料被模型吸收，各方吵得很凶。
IT之家Source
Chinese contentAlphaFold 之后：Pushmeet Kohli 与 Sal Candido 谈蛋白质折叠的未解之谜
DeepMind 的 Pushmeet Kohli 和 Biohub 的 Sal Candido 聊 AlphaFold 没解决的部分，做生物 AI 的值得听听他们的判断。
Chinese content生数科技发布 Vidu Q4 Preview，支持 2K、4K 视频输出
生数科技的 Vidu Q4 Preview 能一次塞 15 张参考图和 3 段音频生成视频，直接输出 4K，价格 0.09 元一秒起。
IT之家Source
Chinese contentOpenAI 发布 350 项 AI 数学发现，包含拟黎曼猜想证明
OpenAI 让 AI 一口气给出 350 项数学发现，连拟黎曼猜想都证了，数学家们吵翻了，看看他们怎么说。
Chinese content谷歌 Gemini 4“Argon”即将发布，内部已在测试“Carbon”新版本
谷歌 Gemini 4 快来了，内部代号为 Argon，员工还在测更强的 Carbon，代码据说能对标 Anthropic 的 Opus 5.5，喜欢追模型升级的可以看看细节。
IT之家Source
Oct 9
Chinese contentOdyssey 发布 Odyssey-3 基础世界模型，Physics-IQ 得分 66.1 登顶
Odyssey-3 Pro 在物理理解基准 Physics-IQ 上拿到 66.1 分冲到榜首，还能让你在生成的环境里随便走动触发事件看它怎么应对。
IT之家Source
Chinese contentLiquid AI 开源 d1 系列决策模型，单次判断最快 8 毫秒
Liquid AI 把决策模型做小做快了，d1-3B 单次判断 8 毫秒，d1-omni-600M 还能听语音，权重已放出可自己微调部署。
IT之家Source
Chinese contentJetBrains 发布编程模型 Mellum2.1：高负载推理吞吐量接近 Qwen3.5-9B 两倍
JetBrains 开源了新的编程模型 Mellum2.1，专门练了智能体写代码的能力，高负载下吞吐量几乎是 Qwen3.5-9B 两倍，还能本地部署保数据安全。
IT之家Source
Chinese content星动纪元具身模型登顶全球第一，视频预测与动作学习分阶段训练
清华系的星动纪元把具身模型做到全球第一，超过了 GPT-6 和英伟达，靠的是把视频和动作拆开分阶段训练，不靠额外数据。
Chinese contentAnthropic 发布 Claude Haiku 5.5，短提示价格较 Haiku 4.5 降 90%
Anthropic 把 Haiku 5.5 的短提示价格砍到 0.10 美元一百万 token，跑分类摘要这些活儿成本直接砍半以上，做子代理的可以算算账了。
SuperTechFansSource
Chinese contentTypeSafe AI 发布 Jev 决策模型：直接返回概率的浮点数
有公司发布了只返回概率数字的 Jev 模型，有人拿它做了语义查找和网页打分插件，Simon Willison 却说这是黑箱倒退，两边观点都看看。
阮一峰的网络日志Source
Chinese contentOpenAI 一次性发布 722 篇数学证明，随后撤回其中 3 篇并修正 14 篇
OpenAI 让新模型一口气写了 722 篇数学证明，结果 3 篇有错被撤下，14 篇在改。矩阵乘法复杂度那些问题挺有意思，可以翻翻。
Chinese contentAnthropic 发布 Claude Haiku 5.5：速度最快的小模型，成本降 75%
Anthropic 出了新小模型 Claude Haiku 5.5，比上一代便宜 75%，跑 computer use 能拿 72.4% 分，Sonnet 5.5 也跟着降价 20%，跑批量任务的成本党可以看看。
Chinese contentJetBrains 发布 Mellum2.1：12B MoE 开源编程智能体模型
JetBrains 开源了编程模型 Mellum2.1，Apache 2.0 协议随便商用，SWE-bench Verified 干到 47 分，跑智能体可以试试。
Oct 8
Chinese contentAnthropic 发布 Claude Haiku 5.5，价格降低 75%
Anthropic 新出的 Haiku 5.5 便宜了 75%，还能调 effort 控制推理深度，跑批量任务的成本可以压得很低。
Chinese contentClaude Haiku 5.5 发布：同等定价下表现优于 GPT-6 Luna
Anthropic 放出了 Haiku 5.5，价格不变但据称跑赢了 GPT-6 Luna，想省钱跑高频任务的可以对比一下。
Chinese contentPFN 发布 PLaMo 3 Translate 31B，日语翻译基准超 GPT-6.1 Sol
日本PFN出了个31B翻译模型，53种语言，日语基准分超OpenAI的GPT-6.1 Sol，价格还便宜很多。
IT之家Source
Chinese contentPerplexity 发布嵌入模型 pplx-embed-v2-late，含 0.6B 边缘版和 9B 版
Perplexity 出了开源嵌入模型，小的 0.6B 能跑在边缘设备上，大的 9B 在 MADQA 拿了 92.4%，MIT 协议可以自己部署。
Chinese contentOpenAI 发布 GPT-6，ChatGPT 响应更快并支持生成图表和应用
OpenAI 把 GPT-6 装进 ChatGPT 了，回话更快，还能直接生成图表、计算器和小应用，可以上手试试。
Chinese contentAnthropic 发布 Claude 新小模型，对标 GPT-6 Luna
Anthropic 的新 Claude 小模型来了，跑分压过 GPT-6 Luna，价格还更便宜，OpenAI 靠送重置卡应对，看看各家小模型现在卷到什么程度。
Chinese contentGPT-6 上线 ChatGPT 免费可用，拒答更少回答更详细
OpenAI 把 GPT-6 直接开放给免费用户了，拒答明显变少、回答更啰嗦更详细，你可以打开 ChatGPT 亲自试试效果。
Chinese contentAnthropic 发布 Claude Haiku 5.5，定价降至 GPT-6 Luna 水平
Anthropic 把最便宜的小模型 Haiku 升到 5.5，成本只有 Sonnet 5.5 的零头，跑 agent 任务可以省不少钱。
Only the latest 2000 items are listed; for older ones see the daily archive