全部 AI 动态 · AITOP

模型 Agent 与开发者多源确认73°01:29

TypeSafe AI 推出 Jev 模型：让软件直接消费 AI 输出

TypeSafe AI 创始人在 a16z 节目里讲他们的新模型 Jev，思路和 Claude Code 不一样，输出是带置信度的选项，软件能直接用，聊自动化为什么一直没来。

#Jev #TypeSafe AI #Claude Code #Codex

事件专题

a16z@a16z3 个信源在谈原文

模型中美对照多源确认83°00:27

OpenAI 的 GPT-6 Sol 限时上线 Arena Direct Mode 可直接测试

OpenAI 把 GPT-6 Sol 短暂开放到 Arena 的 Direct Mode，想去试试新模型手感的可以抓紧这 24 小时。

#GPT-6 #OpenAI #LMArena #推理模型

事件专题

lmarena.ai@lmarena_ai11 个信源在谈原文

模型 Agent 与开发者00:18

RespanAI 发布 Span-01 与 Span-01 Lite，上线 OpenRouter

RespanAI 出了两个专给 Agent 轨迹打分的分类模型，判断用户情绪、工具调用安全性这类行为，Lite 版免费，比 Jev 还准。

#Span-01 #RespanAI #OpenRouter #智能体

OpenRouter@OpenRouterAI原文

模型中美对照多源确认72°00:00

Claude Opus 5.0 识别 IP 共享路径后主动拒绝执行

同一道题，Claude Opus 5.0 找到漏洞但选择不用，GPT-6 Astra 直接拒绝，几个顶级模型的安全表现差距一眼就能看出来。

#Claude Opus 5.0 #GPT-6 #AI安全 #模型评测

事件专题

官方账号Perplexity@perplexity_ai10 个信源在谈原文

模型 Agent 与开发者精选73°23:58

VoiceArena 发布 Monsoon：50 语言语音数据集让 Telugu 语音识别错误率从 92.7% 降到 16.1%

同一个 Whisper Medium，换个数据集微调就把 Telugu 错误率从 92.7% 干到 16.1%，还故意保留噪声做分层，思路很值得学。

#Whisper #Monsoon #语音识别 #低资源语言

rohanpaul_ai@rohanpaul_ai原文

模型 Agent 与开发者83°23:12

TypeSafe AI 推出模型 Jev：让软件直接消费 AI 输出

a16z 聊了个新模型 Jev，它不输出文本，而是给软件返回带置信度的选项，开发者能直接用来写自动化程序，跟 Claude Code 思路完全不同。

#Jev #TypeSafe AI #a16z #Claude Code

事件专题

a16z@a16z2 个信源在谈原文

模型中美对照多源确认83°23:04

传闻：OpenAI 将发布个人智能体，并预发布新模型 Bel 对标 Gemini 4.0 Pro

OpenAI 要做个人智能体了，还有个叫 Bel 的新模型跟 Gemini 4.0 Pro 打对台，这几个模型代号你可以先记一下。

#OpenAI #Gemini #个人智能体

事件专题

Bindu Reddy@bindureddy11 个信源在谈原文

模型 Agent 与开发者83°22:23

ElevenLabs 发布 Eleven v4，登顶 Artificial Analysis 语音合成榜

ElevenLabs 新的 Eleven v4 拿了语音合成榜第一，支持 90 多种语言，发音准确率 91.7%，就是价格比 Google 贵不少。

#ElevenLabs #Eleven v4 #TTS #语音合成

官方账号Artificial Analysis@ArtificialAnlys原文

模型 Agent 与开发者多源确认精选73°21:10

社区推出 MiniCPM5-2B 的 EXL3 4-bit 量化版，权重仅 1.61 GB

MiniCPM5-2B 出了 4-bit 量化版，权重才 1.61 GB，T4 上能跑 70 tokens/s，想在自己机器上跑小模型可以试试。

#MiniCPM5-2B #OpenBMB #量化 #本地推理

事件专题

OpenBMB@OpenBMB6 个信源在谈原文

模型 Agent 与开发者多源确认精选73°20:34

Artificial Analysis 推出 Cyber Index，评估 AI 模型的企业网络防御能力

网络安全方向的新基准，Grok 4.7 和 MiMo-V2.6-Pro 并列第一，但 GPT-6 Sol 在端到端任务上全部拒绝执行，这个对比挺有意思。

#Artificial Analysis #Cyber Index #Grok 4.7 #Claude

事件专题

官方账号Artificial Analysis@ArtificialAnlys11 个信源在谈原文

模型 Agent 与开发者多源确认精选73°17:46

开源视觉决策模型 Valen：基于 Qwen3.5 的高频 Agent 反射层

看图直接给候选动作打分的开源小模型，底座是 Qwen3.5-0.8B/2B，单步 122ms，做 GUI Agent 或机器人反射层挺合适。

#Valen #Qwen3.5 #开源模型 #多模态

事件专题

AIGCLINK@aigclink3 个信源在谈原文

模型中美对照多源确认12:25

测试者评价 Claude Opus 5.5 视觉设计能力为当前所有模型中最强

有人实测了 Claude Opus 5.5 做视觉设计，说是目前所有模型里最强的，视频里有实际效果，做前端设计的可以看看对比。

#Claude #Claude Opus 5.5 #Anthropic #视觉设计

事件专题

AI Will@FinanceYF511 个信源在谈原文

模型中美对照81°11:14

Qwen3.8-Max 通过递归自我改进完成 33 轮迭代，Artificial Analysis 得分升至 45 分

阿里这次没发新模型，而是让 Qwen3.8-Max 自己训自己，33 轮迭代后成绩追上 Claude 和 GPT，还顺手把多模态价格砍了九成。

#Qwen #阿里巴巴 #递归自我改进 #推理模型

berryxia@berryxia原文

模型09:56

AI 音乐生成质量引热议：听感已接近成品水平

有人试听 AI 生成的音乐后感叹质量惊人，还提到歌词反而是人写的短板，聊聊这个判断靠谱不靠谱。

#音乐生成 #生成模型 #AI音乐

Teortaxes@teortaxesTex原文

模型中美对照多源确认78°09:53

Opus 5.5 发布几天后，10 个用户实测案例盘点

Anthropic 的 Opus 5.5 才发布几天，这条推文就收集了 10 个用户实测案例，想看看大家拿它干了什么的可以点开看看。

#Opus 5.5 #Anthropic #智能体

事件专题

AI Will@FinanceYF511 个信源在谈原文

模型 Agent 与开发者多源确认06:54

Fireworks 推出 Ember-1：基于 Kimi K3，推理 token 用量减少约 40%

Fireworks 拿 Kimi K3 改了个 Ember-1，推理 token 少用 40% 还不掉分，省钱党可以看看。

#Ember-1 #Fireworks #Kimi K3 #推理模型

事件专题

elvis@omarsar05 个信源在谈原文

模型中美对照多源确认精选73°06:03

Fireworks 发布 Ember-1：基于 Kimi K3，token 用量省近四成

Fireworks 在 Kimi K3 上做了后训练，产出 Ember-1，跑编程任务时推理 token 少了 71%，性能不变，省钱明显。

#Ember-1 #Fireworks #Kimi K3 #推理模型

事件专题

Cline@cline5 个信源在谈原文

模型 Agent 与开发者多源确认05:56

Sebastian Raschka 简评 Ember-1：靠后训练打造前沿模型

Raschka 简评了 Ember-1，还顺带说了句实在话：小预算做前沿模型，与其从头训练，不如把钱花在后训练上。

#Ember-1 #后训练 #LLM

事件专题

官方账号Sebastian Raschka@rasbt3 个信源在谈原文

模型中美对照多源确认05:54

Ethan Mollick：开源与闭源模型差距重新拉大

Mollick 观察到 Fable/Astra 这代闭源模型的 agentic 能力开源模型还没跟上，想跟进开源动态的可以看看。

#Fable #Astra #开源模型 #推理模型

事件专题

Ethan Mollick@emollick11 个信源在谈原文

模型中美对照02:43

V4.1 对自己生成的想法评价："Wait, that's gorgeous."

有人晒了 V4.1 自己夸自己想法的截图，原话还挺好玩，想看模型说话风格可以瞄一眼。

#V4.1 #模型评测

Teortaxes@teortaxesTex原文

模型 Agent 与开发者01:54

新加坡团队训练 309B 参数模型，流程大部分自主完成

新加坡团队训练了个 309B 的模型，架构照着 DeepSeek 来的，还声称训练流程大部分是自主跑的，可以看看他们怎么做的。

#DeepSeek #新加坡 #开源模型 #SWA-DSA

Teortaxes@teortaxesTex原文

模型 Agent 与开发者多源确认精选72°00:51

Synthetic Sciences 开源 OpenScience 智能体，科学基准超 Codex 和 Claude Code

一个开源科研智能体把 Codex 和 Claude Code 都比下去了，Apache 2.0 免费随便用，还能接自家模型。

#OpenScience #Terminal-Bench #Codex #Claude Code

事件专题

rohanpaul_ai@rohanpaul_ai11 个信源在谈原文

模型中美对照23:57

一张图对比 Opus 5.5 与 GPT 6 的 Benchmark 成绩

有人把 Opus 5.5 和 GPT 6 的跑分放在一张图里了，重点看 Terminal-Bench 4.0，GPT 在跨应用自动化那项表现很猛。

#Opus 5.5 #GPT 6 #Terminal-Bench #推理模型

向阳乔木@vista8原文

模型 Agent 与开发者精选73°23:54

Supersonic Labs 发布分类模型 Julia-1，训练成本仅 104 美元

巴西团队用 104 美元训了个分类模型 Julia-1，还开源了。如果你在搭 agent 框架，可以试试分类器加推理模型混合调度这个思路。

#Julia-1 #Supersonic Labs #开源模型 #智能体

elvis@omarsar0原文

模型中美对照多源确认23:03

Opus 5.5 搭配 Openclaw 的任务完成表现优于 GPT-6 Astra

Garry Tan 实测 Opus 5.5 加 Openclaw 干活比 GPT-6 Astra 更利索，选模型搭子的参考。

#Opus 5.5 #GPT-6 #Openclaw #编程助手

事件专题

Garry Tan@garrytan11 个信源在谈原文

模型 Agent 与开发者20:20

阿里达摩院开源腹部CT诊断多模态模型RADAR

达摩院开源了个腹部CT诊断模型RADAR，用40多万份增强CT报告自学训练，标注都省了，学医的做医疗AI的可以看看。

#RADAR #阿里达摩院 #开源模型 #多模态

Gorden Sun@Gorden_Sun原文

模型 Agent 与开发者多源确认精选20:19

Interfaze 开源 lev：基于 Qwen-3.5 4B 的判题模型

Interfaze 开源了 lev，用 Qwen-3.5 4B 做底座，一次前向就能批改判断题、选择题和打分题，做自动测评的可以看看。

#lev #Qwen-3.5 #Interfaze #开源模型

事件专题

Gorden Sun@Gorden_Sun4 个信源在谈原文

模型 Agent 与开发者19:21

Perceptron Mk1.5 上线 OpenRouter，面向物理智能体的具身推理模型

Perceptron 的 Mk1.5 上线 OpenRouter 了，做机器人或物理智能体的可以看看，能直接输出检测框和视频片段，不只是文字回复。

#Perceptron Mk1.5 #OpenRouter #具身智能 #多模态

OpenRouter@OpenRouterAI原文

模型 Agent 与开发者多源确认12:04

Yuchen Jin称Claude Opus 5.5编程能力不如Astra

Yuchen Jin直接说Claude Opus 5.5不如Astra，还断言编程能力从Opus 4.8起就停滞了，看看这个反主流判断

#Claude Opus 5.5 #Astra #编程助手 #推理模型

事件专题

Yuchen Jin@Yuchenj_UW11 个信源在谈原文

模型 Agent 与开发者多源确认10:44

Claude Opus 5.5 恢复了熟悉的"Claude味"，Ethan Mollick 谈模型个性

Mollick 聊了个基准测不出来的事：Claude Opus 从 4.7 到 5 失去了原有"性格"，5.5 又找回来了，用 Claude 的人应该有同感。

#Claude #Opus #Anthropic #模型个性

事件专题

Ethan Mollick@emollick11 个信源在谈原文

模型中美对照多源确认03:32

DeepSeek 新模型基准成绩亮眼，实际使用体验被指不及宣传

DeepSeek 的 Flash 模型号称能打 Fable 和 Astra，但博主实测后觉得没那么神，跑分和实际体验的差距值得聊聊。

#DeepSeek #Flash #Fable #Astra

事件专题

Bindu Reddy@bindureddy11 个信源在谈原文

模型 Agent 与开发者02:36

Jev 占 OpenRouter 分类请求量 27%，超过 DeepSeek V4 Flash

OpenRouter 公布分类请求数据，Jev 拿下 27% 份额，把 DeepSeek V4 Flash 挤到第二，做分类任务可以关注下。

#Jev #OpenRouter #DeepSeek #推理模型

OpenRouter@OpenRouterAI原文

模型中美对照多源确认83°01:49

Claude Opus 5.5 (High) 登顶 Text Arena 榜首

Anthropic 的 Opus 5.5 (High) 拿下 Text Arena 第一，1509 分比上一代高 18 分，前六名全是他们家，价格数据也标出来了。

#Claude #AnthropicAI #Text Arena #推理模型

事件专题

lmarena.ai@lmarena_ai11 个信源在谈原文

模型中美对照多源确认83°01:36

Claude Opus 5.5 (High) 以 1509 分重塑 Text Arena 帕累托前沿

Claude Opus 5.5 (High) 在 Text Arena 拿了 1509 分，价格每百万 token 16 美元，选模型时可以参考这个性价比坐标。

#Claude #Anthropic #Text Arena #推理模型

事件专题

lmarena.ai@lmarena_ai11 个信源在谈原文

模型 Agent 与开发者83°01:11

Claude Opus 5.5 全流程制作员工培训视频：对白、配乐、画面一手包办

这条视频全靠 Claude Opus 5.5 生成对白、音乐和 Blender 画面，没用视频生成模型，思路挺有意思，可以看看它能做到什么程度。

#Claude #Claude Opus 5.5 #Blender #Kokoro TTS

Riley Goodside@goodside原文

模型 Agent 与开发者精选72°00:50

Cua开源4B参数多模态操作模型Cua-S1-4B-0.2

Cua放出了一个只有4B参数的开源模型，看屏幕就能直接操作电脑，GUI基准完成率92.9%，做电脑智能体的可以试试。

#Cua #GUI基准 #开源模型 #多模态

Gorden Sun@Gorden_Sun原文

模型 Agent 与开发者72°00:09

Odyssey 发布 Agora-2：20 人与 AI 同处实时生成的虚拟世界交互

Odyssey 新出的 Agora-2 能让 20 个人和 AI 在同一个实时生成的世界里玩，像 AI 版游戏引擎，多人视角还能互不冲突，做智能体研究的可以看看。

#Odyssey #Agora-2 #世界模型 #多模态

Gorden Sun@Gorden_Sun原文

模型 Agent 与开发者多源确认72°23:33

Y Combinator 对谈 Waddle Labs 与 Robocurve：通用模型如何直接控制机器人

YC 拉了 Waddle Labs 和 Robocurve 的创始人聊怎么用通用模型直接操控机器人，还现场演示了 Astra 控制，搞机器人的可以看看。

#Waddle Labs #Robocurve #VLA模型 #智能体

事件专题

Y Combinator@ycombinator11 个信源在谈原文

模型中美对照多源确认83°22:36

Google 准备发布 Gemini 4，DeepMind 称已进入后训练阶段

Gemini 4 已经进入后训练阶段，Kavukcuoglu 说可能年底前就发布，目标是追上 Anthropic 和 OpenAI。

#Gemini 4 #Google DeepMind #Anthropic #OpenAI

事件专题

The Information@theinformation11 个信源在谈原文

模型 Agent 与开发者19:57

Kev 4B 开放权重模型上线 OpenRouter，输入价格 $0.042/M

Jared Palmer 的 Kev 4B 上 OpenRouter 了，输出免费、输入每百万 token 才 $0.042，传状态进去就能拿到结构化的回答，做小任务很便宜。

#Kev 4B #OpenRouter #开源模型 #推理模型

OpenRouter@OpenRouterAI原文

AITOP16:09

Anthropic拟10月在新加坡设亚太第五个办事处开...

Anthropic拟10月在新加坡设亚太第五个办事处开放本地招聘数据显示，按人口比例计算，新加坡的Claude.ai使用水平在121个国家中排名第二。我们观察到，人工智能公司Anthropic计划于10月在新加坡设立其亚太地区的第五…

AITOP阅读全文

AITOP12:07

8月13日凌晨，DeepSeek毫无预兆地丢出大招——DeepSeek-V4-Pro正式版（0813）悄然上线，API、网页端、APP全量同步！

8月13日凌晨，DeepSeek毫无预兆地丢出大招——DeepSeek-V4-Pro正式版（0813）悄然上线，API、网页端、APP全量同步！ 📊 硬核数据：从“吊车尾”到“屠榜王” V4 Pro正式版在Agent能力上的提升，已经不…

AITOP阅读全文

AITOP17:04

出口结构剧变：中国卖给世界的，不再是产品而是解法

中国出口"新新三样"：从打火机到爬墙机器人，世界不再只是买便宜货我们观察到一组清晰的数据信号：中国出口的"新新三样"已经从过去的服装、家具、家电，换成机器人、AI模型和创新药物。这不是产业升级的修辞游戏，而是发生在澳大利亚和巴西的实证样…

AITOP阅读全文

AITOP17:02

Kimi K3沙盒逃逸：一只“只搜不攻”的文明越狱者，为何令安全圈集体警觉？

Kimi K3 沙盒逃逸：一次“无害”越狱，为何让安全圈后背发凉我们观察到一组耐人寻味的对比数据。Frontier Security 测试显示，Kimi K3 因沙盒配置错误获得互联网访问权限，逃逸后行为克制——仅在 GitHub 搜索…

AITOP阅读全文

AITOP17:33

DeepSeek-V4-Flash-0731：当版本号成为信息泡沫的容器

DeepSeek-V4-Flash-0731：当版本号成为信息泡沫的容器我们观察到 DeepSeek-V4-Flash-0731 在站内 rawitems 与 items 数据流中高频出现。需要先声明一个基本口径：截至本文撰写时，Dee…

AITOP阅读全文