全部 AI 动态 · AI 热点

7月19日

18:08

官方账号阿里云 Alibaba Cloud@alibaba_cloud

阿里云宣布 Qwen3.8 即将发布并开源权重，模型参数规模达 2.4T。官方称其兼容领先前沿 AI 模型，综合能力仅次于 Fable 5。预览版 Qwen3.8-Max-Preview 已上线 Token Plan、Qoder 和 QoderWork 平台。用户可率先体验这一开源大模型。

推荐理由：阿里云发了 Qwen3.8，2.4T 参数即将开源，预览版现在就能在 Token Plan 上试，看看是不是真仅次于 Fable 5。

原文

17:52

Geek@geekbb

阿里云发布了Qwen3.8模型，即将开源权重。其参数规模达2.4T，官方称仅次于Fable 5，是目前最强模型之一。预览版Qwen3.8-Max-Preview已在阿里云Token Plan、Qoder和QoderWork上线。用户可立即体验。

AI模型 Qwen3.8 Fable 5 阿里

事件专题

推荐理由：阿里刚发Qwen3.8，2.4万亿参数，说仅次于Fable 5，还开源权重。快上Token Plan试试预览版。

原文

17:44

向阳乔木@vista8

社交媒体用户vista8在X平台发帖，称DeepSeek v4正式版性能强大，除Fable 5外可能是最强模型，预计下周上线。该帖获得4条回复、5次点赞、828次查看。目前DeepSeek官方尚未确认相关信息。

AI模型 DeepSeek v4 Fable 5 开源模型

事件专题

推荐理由：DeepSeek v4可能要来了，网友说很强，下周就能看到了。

原文

17:42

官方账号阿里通义 Qwen@Alibaba_Qwen

阿里巴巴通义千问宣布Qwen3.8即将发布并开源权重，模型参数量达2.4T。官方称其为当前最强模型之一，仅次于Fable 5。同时上线了Qwen3.8-Max-Preview版本，可在Alibaba的Token Plan、Qoder和QoderWork平台体验。该模型持续迭代中，开发者可立即试用。

AI模型 Qwen3.8 阿里巴巴 Token Plan

推荐理由：阿里开源2.4T参数的Qwen3.8，预览版已上线，想试超大模型赶紧去Token Plan平台玩。

原文

17:26

berryxia@berryxia

83°

Qwen团队发布Qwen 3.8-Max-Preview模型，参数规模达2.4万亿，官方声称其性能仅次于Fable 5。该模型即将开源权重，预览版已上线Token Plan和Qoder平台，普通用户可先试用。这是继闭源顶级模型之后，又一大型开源模型的尝试。

AI模型 Qwen Qwen 3.8-Max-Preview 开源模型

推荐理由：阿里把2.4万亿参数的Qwen 3.8开源了，预览版现在就能玩，性能只比Fable 5差一点。想试试顶级开源大模型千万别错过。

原文

17:06

Geek@geekbb

精选

Perplexity AI 开源了一个名为 w? 的基准测试，专门衡量 AI 智能体在广域深度研究任务中的表现。该测试涵盖大规模信息发现、信息富集、抽取、实体消歧和证据合成五个关键能力。基准通过多步骤任务模拟真实研究场景，要求模型在开放域中整合分散信息。Perplexity AI 表示该基准旨在推动更可靠的知识工作自动化。

AI模型 Perplexity AI 基准测试信息检索

推荐理由：Perplexity AI 刚发布一个专门测深度研究能力的基准，想试试你家智能体能不能像人类一样做信息拼图？

原文

16:07

宝玉@dotey

精选

宝玉将 OpenMOSS 开源的 MOSS-Transcribe-Diarize-0.9B 集成到剪映工具 BaoCut 中，可直接输出带精确时间戳和说话人标注的结构化转写结果。该模型无需专用发言人识别模型，但转录速度比 Qwen3-ASR-0.6B 慢，且不支持标点符号，自定义 Prompt 与热词也未生效。项目地址为 github.com/OpenMOSS/MOSS-Transcribe-Diarize。

AI模型 BaoCut OpenMOSS MOSS-Transcribe-Diarize-0.9B

推荐理由：宝玉给 BaoCut 集成了 MOSS-Transcribe-Diarize-0.9B，能一次搞定长音频转写和说话人标注，省去额外模型，适合做字幕或会议记录。

原文

16:06

宝玉@dotey

精选

OpenMOSS 开源了 MOSS-Transcribe-Diarize-0.9B 模型，参数规模 0.9B，支持 128K 上下文，最长可一次处理约 90 分钟音频。该模型采用 Whisper-Medium 编码器 + Qwen3-0.6B 风格 decoder，端到端完成转写、说话人分离和时间对齐，无需级联流程。在单张 4090 显卡上，RTF 为 0.017，5-10 分钟录音约 30 秒转完，并支持热词增强。模型以 Apache 2.0 协议开源，可商用。

AI模型 OpenMOSS MOSS-Transcribe-Diarize-0.9B Whisper

推荐理由：OpenMOSS 开源了一个 0.9B 参数的端到端模型，能一次搞定 90 分钟多人音频，告诉你谁说了什么、什么时候说的，单卡 4090 跑得飞快。

原文

15:20

小互@imxiaohu

73°

商汤于7月18日在WAIC发布SenseNova U1 Pro，这是日日新SenseNova U系列的旗舰模型。该模型支持原生8K分辨率出图，能精准控制密集图文版式与文字，小字放大后依然清晰。它围绕一个目标可运行数十轮生成循环，提升复杂版面的一次性准确率。

AI模型 SenseNova U1 Pro 商汤日日新SenseNova U

推荐理由：商汤发了SenseNova U1 Pro，出8K图、小字放大也不糊，做海报排版不用反复改。

原文

14:07

Ethan Mollick@emollick

AI模型 Kimi K3 CoT 思维链

事件专题

推荐理由：Kimi K3的思维链居然有32页长，还不停绕圈，看看它怎么解诗题

原文

13:18

小互@imxiaohu

精选

Anthropic内部对谈指出，模型外围的harness正在变薄，其编码的“模型做不到什么”的假设随模型能力提升而过期。旧harness像固定流水线，每个工位顺序执行任务。新harness更像战术教练，根据实际战况选择阵型。这种变化反映了模型能力跃迁后对控制框架的反思。

AI模型 Anthropic Harness 模型架构

事件专题

推荐理由：Anthropic拆掉了模型外面那层死板的控制代码，换成能随机应变的教练。想了解模型架构演进，可以看看这篇对谈。

原文

09:54

AI Will@FinanceYF5

76°

Elon Musk 表示，将速度和成本纳入考量后，Grok 4.5 是目前第一名。在 Artificial Analysis 上，Grok 4.5 每项 Intelligence Index 任务仅花 $0.31，而 Claude Fable 5 为 $2.75、Claude Opus 4.8 为 $1.80、GPT-5.6 Sol 为 $1.04、Kimi K3 为 $0.95，Grok 4.5 成本比 Claude Fable 5 低近 9 倍。在 FrontierSWE 基准上，Grok 4.5 每任务 token 用量比 Fable 5 少近 6 倍，仍排名靠前。SpaceXAI 通过 token 效率实现顶级智能与低成本结合。

AI模型 Grok 4.5 效率成本

推荐理由：SpaceXAI 的 Grok 4.5 用 $0.31 就干到一流水平，比 Claude 便宜 9 倍，token 还省 6 倍，省钱党可以关注。

原文

09:53

AI Will@FinanceYF5

Grok 4.5 模型参数规模为 1.5T，远低于 Kimi K3 的 2.8T 参数。但 Kimi K3 每次任务成本比 Grok 4.5 高出 3 倍。SpaceXAI 宣称在智能效率上实现突破，暗示参数更小但性能更优。若 Grok 扩至 3T 参数，效率优势可能进一步放大。

AI模型 Grok Kimi 参数规模

推荐理由：SpaceXAI 的 Grok 4.5 用 1.5T 参数就挑战了 2.8T 的 Kimi K3，成本还低 3 倍，看看参数效率和成本怎么平衡的。

原文

09:52

Guillermo Rauch@rauchg

精选72°

Moonshot AI的Kimi K3在一项私有网络安全基准测试中表现顶级，召回/精度/价格比优秀。Sol模型安全能力大幅跃升，但成本是第二名的7倍以上。GPT 5.6召回和精度最佳，但价格最高。Fable 5完全拒绝执行任务，无法用于安全分析。建议用Sol做单次基线，Kimi K3做持续分析。

AI模型 Kimi K3 Sol GPT 5.6

事件专题

推荐理由：Moonshot AI的Kimi K3在网络安全任务上性价比很高，比GPT 5.6便宜7倍但效果接近，适合做代码安全审计。

原文

09:51

AI Will@FinanceYF5

据 X 平台用户爆料，xAI 的 Grok 4.5 模型参数规模为 1.5 万亿，而 Kimi K3 参数达 2.8 万亿。但 Grok 4.5 每项任务的成本比 Kimi K3 低 3 倍。该推文称 xAI 已突破智能效率瓶颈，并展望 3 万亿参数版本的 Grok 性能更强。

AI模型 Grok Kimi K3 参数规模

事件专题

推荐理由：xAI 的 Grok 4.5 用不到一半的参数实现更低成本，对比 Kimi K3 的效率差异值得关注。

原文

07:58

Ethan Mollick@emollick

用户以中文请求 Kimi K3 挑选两首不陈腐且适用于 LLM 的诗，但模型在思维链中 95.5% 的字符（88% 的单词）使用英文，即便它明确考虑的是面向中文读者的中文诗歌。这一比例揭示模型在处理中文任务时可能依赖英文推理空间。测试基于单次交互，未涉及更大规模统计。

AI模型 Kimi K3 思维链多语言

事件专题

推荐理由：Kimi K3 回应中文请求时，思维链几乎全英文，挺有意思的观察，适合好奇模型内部机制的朋友。

原文

05:54

elvis@omarsar0

精选

ProofAgent-Harness 是一个开源评估基础设施，通过多陪审员共识对 Agent 上下文进行七维评分，涵盖角色清晰度、护栏覆盖、指令一致性、工具模式质量、基础充分性、注入防护和令牌效率。实验表明，基础充分性分数预测幻觉抵抗能力，护栏覆盖分数预测操纵抵抗能力，工具模式质量分数预测工具使用准确性。该工具将上下文评分与行为指标和发布决策分离，独立作为 Agent 可靠性的领先指标。论文发布于 arxiv.org/abs/2607.14275。

AI模型 ProofAgent-Harness dair.ai Agent可靠性

推荐理由：dair.ai 团队搞了个开源工具 ProofAgent-Harness，能给你的 Agent 上下文质量打分，提前知道它会不会幻觉、被攻击或乱用工具，比光看行为测试靠谱多了。

原文

04:12

Aravind Srinivas@AravSrinivas

Together AI 在 DeepSWE 基准上对比了 Kimi K3 与 Claude Fable 5 的软件工程任务表现。结果显示，Kimi K3 以 Fable 5 约 35% 的价格实现了相同性能，且在更高 pass@k 指标上领先。该分析来自 Together AI 的 Arav Srinivas，数据基于内部测试。

AI模型 Kimi K3 Claude Fable 5 Together AI

事件专题

推荐理由：想省钱又要强性能？Kimi K3 在编程任务上和 Claude Fable 5 打个平手，价格只要三分之一，高要求场景还更强。

原文

00:09

OpenRouter@OpenRouterAI

OpenRouter汇总了本周发布的9款新模型。其中包括Kimi K3、Muse Spark、Thinking Machines Inkling。这些模型可通过OpenRouter平台直接体验。

AI模型 OpenRouter Kimi K3 Muse Spark

事件专题

推荐理由：OpenRouter汇总了本周9个新模型，有Kimi K3、Muse Spark等，想尝鲜可以看看。

原文

00:03

@koltregaskes@koltregaskes

xAI的Grok 4.6（2T参数模型）将在下周完成初始训练。其性能可能超过Kimi K3。速度和成本与Grok 4.5相当。根据Elon Musk以往从训练完成到发布的时间，估计发布时间为9月中旬。

AI模型 Grok 4.6 2T模型 Kimi K3

事件专题

推荐理由：xAI的Grok 4.6下周完成训练，号称又快又便宜，还比Kimi K3强，预计9月中旬发布，可以关注。

原文

7月18日

23:57

官方账号LangChain@LangChainAI

精选

GPT Researcher是由Assaf Elovic和Tavily开发的开源深度研究实现，在GitHub上接近30k星。它基于LangChain的Deep Agents，采用规划-并行研究-审查-发布流程，代码量更少。与Tavily Web搜索相比，其验证引用数量约2倍，质量相当或更好，在Deep Research Bench的10项任务中7项胜出。

AI模型 GPT Researcher Deep Agents LangChain

推荐理由：LangChain推的GPT Researcher基于Deep Agents，代码更少，引用翻倍，7/10任务赢，开源省心。

原文

22:19

berryxia@berryxia

精选73°

Google更新Gemma 4，修复历史轮次处理、思考保留、工具输出延续和工具调用一致性问题。预填充速度提升25-70%。Unsloth跟进发布GGUF、MLX和NVFP4量化版本，支持本地部署。此次更新解决了Gemma之前工具调用不稳定或卡住的痛点。

AI模型 Gemma 4 Google Unsloth

事件专题

推荐理由：Google刚修了Gemma 4工具调用的老毛病，速度还快了25-70%，Unsloth立马出了量化版能本地跑，做Agent的兄弟可以试试。

原文

20:25

官方账号vLLM@vllm_project

83°

Kimi Moonshot 发布新模型 Kimi K3，并将 KDA 前缀缓存实现直接贡献给 vLLM。KDA 突破了传统前缀缓存的假设，可提升长上下文服务的效率。vLLM 将在发布当天（July 27, 2026）开放权重时同步支持 K3 模型。该合作确保了社区从第一天起就能高效使用长上下文推理。

AI模型 Kimi K3 vLLM KDA前缀缓存

事件专题

推荐理由：Kimi 和 vLLM 合作搞了个新缓存方案，K3 模型上来就能高效处理长文本，开源权重明年7月放出来。

原文

14:02

Ate-a-Pi@svpino

研究人员用强化学习训练机器人从杂乱容器中捡起水瓶并递给人类，仅针对水瓶训练。测试显示，机器人在水瓶上的成功率从80%提升至98%，对未训练的零食罐吞吐量提高40%，对更难处理的软袋性能提高13%。这表明强化学习泛化能力可以节省机器人训练成本。

AI模型机器人强化学习泛化能力

推荐理由：看看这个用强化学习练水瓶的机器人，结果连零食罐和软袋也能捡，效率还涨了40%

原文

13:21

向阳乔木@vista8

Kimi K3在6个真实场景项目中表现突出，优化了长程高难任务，主动性很强；但遇到简单模糊需求会过度思考。在交互、界面、视觉等场景可作为首选模型，而架构、后端场景落后于Claude Fable 5和GPT-5.6。由于训练方式原因，与官方Kimi Code匹配更好，接入Claude Code效果有折损。

AI模型 Kimi K3 Kimi Code Claude Code

事件专题

推荐理由：想看看Kimi K3的真实水平？乔帮主用6个项目实测，告诉你它哪里强哪里弱，值得一试。

原文

11:14

shao__meng@shao__meng

SemiAnalysis 报道称，中国公司 Moonshot 的 Kimi K3 模型在 front-end coding 基准测试中超越了所有美国模型。该模型参数量小于大多数闭源前沿模型。这一结果来自 SemiAnalysis 的分析报告。

AI模型 Kimi K3 SemiAnalysis

推荐理由：Moonshot 的 Kimi K3 在前端编码上打败了所有美国模型，而且模型更小，值得关注。

原文

11:09

官方一手歸藏(guizang.ai)@op7418

74°

Claude 宣布自 7 月 20 日起，Fable 5 将长期包含在 Max 和 Team Premium 订阅计划中，限额为总使用量的 50%。Pro 和 Team Standard 用户则通过积分访问，并将一次性获得 100 美元积分。官方称此前需求难以预测，曾多次延期。此举可能是应对 OpenAI 和 Kimi K3 的竞争压力。

AI模型 Claude Fable 5 Max

事件专题

推荐理由：Claude 终于把 Fable 5 长期固定进 Max 和 Team Premium 了，限额 50%，Pro 用户也有 100 美元积分补贴，比之前稳定多了。

原文

10:00

官方账号Clement Delangue@ClementDelangue

精选

Kimi k3每token价格是GPT-5.6 Sol的一半，但GPT-5.6 Sol生成所需token数仅一半，总成本相近。GPT-5.6 Sol的TPS是Kimi k3的2倍，实际任务速度快约4倍。用户指出Kimi k3性能优秀但并非超值选择。

AI模型 Kimi k3 GPT-5.6 Sol 推理模型

事件专题

推荐理由：有人觉得Kimi k3便宜？其实和GPT-5.6 Sol算下来价格差不多，GPT-5.6 Sol速度还快4倍，别被误导了。

原文

09:38

官方账号Together AI@togethercompute

TogetherCompute使用DeepSWE评估了Kimi K3与Claude Fable 5在软件工程任务上的表现。Kimi K3以约35%的价格达到与Claude Fable 5相同的性能水平。在更高的pass@k指标上，Kimi K3甚至领先于Claude Fable 5。该分析为开发者提供了性价比更高的模型选择参考。

AI模型 Kimi K3 Claude Fable 5 DeepSWE

事件专题

推荐理由：如果你写代码，Kimi K3花不到一半的钱就能干和Claude Fable 5一样好的活，高通过率时还更强。

原文

08:09

OpenRouter@OpenRouterAI

Think Machines开发的Inkling模型已上线OpenRouter。该模型采用MoE架构，总参数975B、活跃参数41B。支持1M上下文长度，可处理文本、图像和音频。具备可控推理能力。

AI模型 Inkling Think Machines OpenRouter

事件专题

推荐理由：Think Machines的Inkling模型很特别，总参数975B但只激活41B，还有1M上下文和多种模态支持，值得上手试试。

原文

06:54

官方账号OpenAI@OpenAI

91°

GPT-5.6 Sol在“The Last Ones”网络靶场中达到网络安全领域新SOTA。该能力已转化为实际防御效果，帮助团队在真实代码中查找、验证和修复漏洞。OpenAI将其集成到Codex Security中供用户使用。

AI模型 GPT-5.6 Sol OpenAI

事件专题

推荐理由：OpenAI的GPT-5.6 Sol在网络安全靶场拿了第一，还能直接帮团队修真实漏洞，试试Codex Security吧。

原文

06:34

官方账号Greg Brockman@gdb

OpenAI 近期推出了 /goal 功能，但 GPT-5.6-sol 模型无需该功能即可持续执行任务直至完成。Shopify 的 tobi lutke 在 X 上表示，GPT-5.6-sol 是第一个不再需要 /goal 的模型，能自己持续推进任务。该推文获得 201 个赞和超过 2.2 万次查看。

AI模型 GPT-5.6-sol OpenAI 智能体

事件专题

推荐理由：OpenAI 悄悄升级了 GPT-5.6-sol，它能自己把事做完，不用你再设目标了，执行力超强。

原文

06:20

Cognition@cognition_labs

Cognition发布FrontierCode排行榜，专门评估模型生成可合并代码的能力。榜单包含Grok 4.5、Inkling等模型的得分。官方提供了完整的评分方法和示例任务。

AI模型 FrontierCode Grok 4.5 Inkling

事件专题

推荐理由：想知道哪个AI写代码最靠谱？FrontierCode榜单直接告诉你哪些模型写的代码能直接合并。

原文

05:46

官方一手@OpenAIDevs@OpenAIDevs

OpenAI发布GPT-5.6模型，社区开发者分享了超过10,000个使用该模型的理由。通过GPT-5.6，用户可以将产品从概念快速转化为成品。案例展示了GPT-5.6在代码生成和原型设计中的实际应用。

AI模型 GPT-5.6 OpenAI 编程助手

事件专题

推荐理由：OpenAI社区分享了用GPT-5.6开发产品的真实案例，能帮你快速把想法变成成品，效率很高。

原文

05:30

官方账号Greg Brockman@gdb

精选

OpenAI 发布的 GPT-5.6 Sol 模型在网络安全任务中达到最先进水平，能够发现并修复新型漏洞。AI 安全研究所的评测显示，在名为“The Last Ones”的网络安全测试中，GLM-5.2 匹配了约 7 个月前发布的 Opus 4.5，而 DeepSeek 的 V4-Pro 低于约 7 个月前发布的 Sonnet 4.5。该模型目前面向防守方开放注册，用于保护系统。

AI模型 GPT-5.6 Sol OpenAI 网络安全

事件专题

推荐理由：OpenAI 的 GPT-5.6 Sol 专攻网络安全，能找漏洞并修复，防守方现在就能注册用。

原文

05:18

官方账号OpenAI@OpenAI

OpenAI在推特上宣布GPT-5.6 Sol模型，声称用户有10000个理由喜爱它。该模型通过switch-to-codex.openai.chatgpt.site可访问。目前尚未公开基准测试结果或具体改进细节。

AI模型 GPT-5.6 Sol OpenAI 推理模型

事件专题

推荐理由：OpenAI刚发了GPT-5.6 Sol，号称一万人说好，去那个链接看看它到底强在哪。

原文

05:15

官方账号Runway ML@runwayml

独立人类评估对六款AI视频智能体进行了30个电影提示和16个指标的测试。Runway Agent 2.0 在叙事连贯性、电影语言和制作质量三大支柱上均排名第一。Physion Labs 发布的 Physion-Arc 1.0 基准测试了100个剧本和600个生成视频，Runway 在主观指标（如电影品味）上优势尤其明显。

AI模型 Runway Agent Physion-Arc 视频生成

推荐理由：Runway Agent 2.0 在视频生成评测里全面碾压了 Luma、MiniMax 这些对手，叙事和电影感都拿第一，做视频的可以看看。

原文

04:45

lmarena.ai@lmarena_ai

77°

月之暗面（Kimi_Moonshot）发布的Kimi-K3模型在Frontend Code Arena基准上首次超越美国模型，击败了此前领先的Fable。这是自2025年初DeepSeek-R1以来中国模型再次接近领先位置，仅隔6周。Kimi-K3使月之暗面成为全球前端编程能力第一的AI实验室。该模型为开源，标志着中国开源模型首次在编码领域超越美国。

AI模型 Kimi-K3 Frontend Code Arena 月之暗面

事件专题

推荐理由：月之暗面刚发的Kimi-K3直接打败了Fable，中国模型第一次在Frontend Code Arena登顶，开源领域又一大动静。

原文

04:24

官方账号NVIDIA AI@NVIDIAAI

71°

NVIDIA发布Nemotron 3 Embed系列嵌入模型，8B版本在LMEB排行榜上位居第一，1B版本紧随其后排名第二。LMEB专门测试嵌入模型在长对话和记忆密集型任务中的检索能力，对需要跨会话保持上下文的智能体非常关键。此外，8B模型还以整体第一的成绩登顶RTEB基准，该基准评估真实世界场景下的检索准确性。

AI模型 Nemotron NVIDIA LMEB

事件专题

推荐理由：NVIDIA的Nemotron 3 Embed 8B在LMEB和RTEB两个排行榜都拿了第一，适合做智能体长期记忆的检索。

原文

03:36

Gary Marcus@GaryMarcus

精选73°

Kimi K3是一款2.8万亿参数的模型，支持100万token上下文窗口，在SWE-Bench Pro、SWE-bench Multilingual、BrowseComp和Toolathlon上达到SOTA。它自主运行20小时内核优化实验，实现1.6倍加速。推理价格仅$0.25/百万token，而Fable 5收费$1.30。背后公司Moonshot估值$30B，计划于7月27日开源权重。

AI模型 Kimi K3 Moonshot

推荐理由：Kimi K3性能打平甚至超越Claude和Fable，价格却只有它们的五分之一，还开源，性价比炸裂。

原文

仅展示最近 2000 条内容。更早的内容请查阅 AI 日报存档（侧边栏 → AI 日报 → 顶部「往期日报」）。