Chinese contentMeta Muse Wonder 两款模型实测：与 Claude、GPT-6.1、Gemini 4 正面对比
Meta 的 Muse Wonder 到底能不能打？这期实测直接拿它和 Claude Opus 5.5、GPT-6.1 Sol 做 3D 场景和建站对比，看完就知道差距在哪。
Latest
Every published item, in order · 6306 items
Oct 20
Chinese contentLlamaIndex 发布 ExtractBenchPro：面向真实文档抽取的高难度基准
LlamaIndex 做了个新基准 ExtractBenchPro，专测真实世界的复杂 PDF 抽取，最强模型也只有 58 分左右，还发现一页要花 1 美元，做文档处理的朋友可以看看
Chinese contentDeepSeek蒸馏论的一个反例：前沿实验室故意压制的任务
有人质疑 DeepSeek 全靠蒸馏，这条推文提出一个挺刁钻的反驳角度：在实验室故意压分的任务上提分，蒸馏解释不通。
Chinese contentArtificial Analysis 上线 HealthBench 医疗对话模型排行榜
医疗对话模型排行榜上线了，GPT-6 Astra 和 DeepSeek V4.1 Flash 的分数、成本对比都有，选医疗模型前可以看看。
Chinese contentDeepSeek V4.1 Flash 1017 上架 Databricks，推理与编程能力提升
DeepSeek 推了 V4.1 Flash 1017 新权重，Databricks 上能直接调了，写代码、跑智能体和看图任务都比之前强，用 Databricks 的可以试试。
Chinese contentMiniMax M3.1 Flash 上线 GMI Cloud，发布当天即可用于生产
MiniMax 的 M3.1 Flash 发布当天就能在 GMI Cloud 上跑生产了，主打跑大规模 Agent 的场景，有需要的可以试试。
Chinese contentDream-1 机器人基础模型发布，可操控从未见过的机器人
dreamlabs_ai 发了 Dream-1，一个机器人基础模型，能控制没见过的机器人、做没学过的任务，推理跑在 fal Serverless 上。
Chinese contentDevin Fusion 登顶 Artificial Analysis 编程智能体榜单，得分 68
Cognition 家的 Devin Fusion 用 Opus 5.5 加 GPT-6 Luna 拿了编程智能体榜单第一，比 Claude Code 便宜 31%，写代码的可以看看。
Chinese contentfal 优化 FLUX 3 Max，实现第一梯队图生视频质量并大幅降低延迟
fal 把 FLUX 3 Max 做了后训练和推理优化，画质进第一梯队，出视频速度比别家快不少，做视频生成的可以看看。
Chinese contentMiniMax M3.1 Flash 正式版上线 OpenRouter，72 小时免费
MiniMax 的 M3.1 Flash 正式版来了，之前顶着 Space Bunny 的代号偷偷在 OpenRouter 登顶十天，现在免费 72 小时，可以上手试试。
Tomorrow 08:00, the daily lands in your inboxTelegram channel or email. Same screening as this page, no ads.
Chinese contentOpen d3-turbo 在 Whack-a-Duck 对决中击败 Jev 1.14
有人拿 d3-turbo 和 Jev 1.14 玩打鸭子游戏，本地单卡 258ms 决策比走 API 的 414ms 快一大截，还附了本地部署链接。
Chinese contentMiniMax 发布 M3.1 Flash，Ollama 首日支持
MiniMax 出了个 M3.1 Flash，美国托管还承诺零数据保留，Ollama 发布当天就能用，想跑 agent 的可以直接试。
Chinese contentSkyfall AI 发布 SKY-001：专注工程任务的 World Model
Skyfall AI 发了个专做工程的 SKY-001，画 CAD 和 BIM 比 GPT-6 Astra 还强，速度快 120 倍、成本低 185 倍，工程圈可以看看。
Chinese contentMatt Shumer 感叹 AI 生成 3D 能力一年内进步飞快
Matt Shumer 发了组对比图，AI 做 3D 的效果跟不到一年前一比差距太直观了，做 3D 建模的可以看看。
Skyfall AI's SKY-001 Turns Photos into CAD Part Trees
Specialist models beating general LLMs by two orders of magnitude on cost signals where narrow world models may outcompete frontier systems in industrial workloads. Engineers and CAD tool builders can use SKY-001-style pipelines to reverse-engineer assemblies from photos, a workflow general models currently handle far less efficiently. Compared with general-purpose LLMs, the 150x-185x cost gap on CAD and floor-plan tasks is the number to watch as more vertical world models appear.
Chinese contentMeta 发布 Muse Glimmer 技术报告：在模拟数字生活中训练智能体
Meta 把智能体放进模拟的通讯录、日历和消息堆里练多天任务，还把幻觉轨迹全扔掉，这篇报告写法挺实在。
Chinese contentSKY-001 工程世界模型发布，称在 CAD 和 BIM 任务上超越 GPT-6 Astra
Maluuba 老团队做了个工程世界模型 SKY-001，CAD 和 BIM 任务上比 GPT-6 Astra 快上百倍还更便宜，做建筑设计的可以看看。
Chinese contentThe Information：Anthropic 准备新模型，更会揣摩用户没说出口的意图
Anthropic 的新模型据说不怎么提示也能猜到你要干嘛，修 bug 还会顺带查同类问题，和 Gemini 4 Carbon、OpenAI Terra 撞车了。
Chinese contentMercury 3 上架 Vercel AI Gateway：1000 tokens/秒，限时五折
扩散架构的 Mercury 3 上 Vercel AI Gateway 了，每秒 1000 tokens，还带 1M 上下文和工具调用，现在五折，跑高并发可以试试。
Chinese contentTri Dao 提议用扩散 LLM 担任快速执行模型，与智能编排模型搭配
Tri Dao 提了个有意思的组合：让聪明模型做规划，扩散 LLM 凭生成速度快来做执行，两条腿分工干活。
Chinese contentInception 发布扩散语言模型 Mercury 3，每秒输出超 1000 tokens
Inception 的 Mercury 3 用扩散方式生成文本，每秒 1000+ tokens，号称能打 GPT-6 Luna 和 Claude Haiku 5.5，做语音客服这类场景很合适。
Chinese contentfal 发布 FLUX 3 Max：速度比 Seedance 2.5 快 22 倍
fal 和 BFL 出的 FLUX 3 Max，出片质量跟 Seedance 2.5 打平，但速度能快 22 倍，做视频的可以试试。
Chinese contentfal 与 Black Forest Labs 合作推出 FLUX 3 Max 图像生成模型
fal 和 Black Forest Labs 一起搞出了 FLUX 3 Max，做图像生成的可以去 fal 上试试效果。
Chinese contentBindu Reddy 团队开源 SOTA 级 AI 生成图像检测模型
Bindu Reddy 团队把一个检测 AI 生成图像的模型开源了，权重挂在 Hugging Face 上，做内容审核或反欺诈的可以直接拿来接进产品。
Chinese contentDeepSeek-V4.1-Flash 登顶 Agent Arena 开源模型第一
DeepSeek 这版 Flash 模型在 Agent Arena 拿下开源第一，跑任务成本只有 GPT-6.1 Sol 的四分之一左右，写网页还追平了闭源大模型，做智能体的可以看看。
Meta's Prometheus supercluster trained Muse Wonder models at gigawatt scale
The numbers reveal that training efficiency, not raw GPU count, is becoming the differentiator at frontier scale — 47K GPU hours between interruptions means far fewer wasted restarts than typical clusters. Infrastructure engineers and ML leads planning large-scale runs can study Meta's published tech overview for host-failure handling patterns. The Ohio location also signals Meta's US Midwest buildout amid national compute competition.
AA-PersonalityBench Ranks Model Personality and Communication Style
The non-obvious insight is that correctness alone no longer separates models; style metrics like Slop and Conviction now offer a measurable way to pick a model for tone-sensitive use-cases such as legal drafting or creative writing. Teams building user-facing products can use the eight indexes to shortlist models matching their brand voice. The data covers Chinese models like GLM-5.3, DeepSeek V4.1 Flash and Qwen3.8 27B alongside Western ones, making direct stylistic comparison across the two ecosystems possible.
Ant Ling's Ming-3.0 speech models run locally from 0.5B
Small-parameter speech models that top open benchmarks change the calculus for on-device voice assistants, cutting cloud costs and latency. Developers building voice apps in low-connectivity markets across Southeast Asia can deploy these locally without API dependence. Compared with larger proprietary speech APIs, the 0.5B starting size makes experimentation cheap on a single GPU or even CPU.
Chinese content工程世界模型：文本或图片输入直接生成可拆解的 3D 装配体
有人分享了一个工程世界模型，给它一句话或一张图，它就能把设计拆成零件逐个做 3D 再装配起来，做产品概念探索挺方便。
Chinese contentSalesforce Research 提出奖励想法多样性的 AI 创意生成方法
Salesforce Research 解决了 AI 生成想法总是撞车的问题，让每个新点子离之前的越远分越高，做创意生成的可以看看。
Chinese contentHeyGen 发布 Video 1.0，视频与图生视频榜单均列第三
HeyGen 把自家数字人经验做成了完整视频生成模型，榜单排名紧追 Google 和 MiniMax，做短视频的可以去试试。
Chinese contentInception 扩散模型 Mercury 3 上线 OpenRouter，速度超 1000 token/秒
Inception 的扩散模型 Mercury 3 登陆 OpenRouter 了，每秒能吐 1000 多 token，上下文 100 万，官方说跑分压过 GPT-6 Luna 和 Haiku 5.5，现在还是半价。
Chinese contentInception 发布扩散语言模型 Mercury 3，速度超 1000 tok/sec
Stefano Ermon 团队的扩散语言模型 Mercury 3 上线了，号称质量超 GPT-6 Luna，速度还能跑到每秒 1000+ token，在 OpenRouter 就能试。
Chinese contentNemotron 3.5 VL Super 经皮肤科诊断后训练，与 Nolla 合作落地医疗
NVIDIA 的 Nemotron 3.5 VL Super 被专门在皮肤科诊断上做了后训练，还接进了 Nolla 的医疗服务，做医疗 AI 的可以看看。
Reflection AI's Beam 1.0 Scores 23.5% on ARC-AGI-2 Verified
Cost per task is the notable figure: high reasoning trades just 3.5 points on ARC-AGI-2 for 43% savings, which matters for teams budgeting reasoning workloads. Researchers comparing frontier abstract-reasoning scores against models like GPT-5 or Gemini can pull the verified ARC Prize entry directly. The ARC-AGI-1 versus ARC-AGI-2 gap also offers a data point on how quickly reasoning models are closing the abstraction gap.
Chinese contentViggle 发布 JST-2：1 秒生成可探索的 3D 世界、角色与动作
Viggle 出的 JST-2，1 秒不到 1 美分生成能在浏览器里逛的 3D 世界，角色省掉绑骨骼直接能动，还能拿真人视频转 3D 动作。
Chinese contentMeta Muse Wonder Full (Max) 登上 Code Arena: WebDev 榜单第 6 名
Meta 新模型冲进 Code Arena WebDev 第 6，还把 Meta 送到实验室第 3，跟 Claude、Gemini 的分数对比都列出来了。
Chinese contentMiniMax M3.1 Flash 编程性能对标 Opus 与 GPT，成本低约 25 倍
Cline 确认 Space Bunny 就是 MiniMax M3.1 Flash，编程能力和 Opus、GPT 打平，价格只有约 1/25，Cline 里免费可用。
Chinese contentDeepSeek V4.1 Flash 1017 发布，开源模型并列第二
DeepSeek 更新了 V4.1 Flash，智能指数涨到 45 分，追平 GLM-5.3 成开源第二，幻觉还少了好多，价格没变。
Ant Ling's Ming-3.0 speech models get day-0 vLLM-Omni support
Day-0 inference support means developers can productionise open speech models immediately instead of waiting on community adapters, cutting integration work for voice pipelines. Teams building ASR, TTS or audio-understanding agents can compare Ming-3.0's MoE sizing against closed APIs and self-host at lower cost. The 0.5B to 126B-A6.5B spread also gives Southeast Asian startups an on-premise option for multilingual voice work.
Only the latest 2000 items are listed; for older ones see the daily archive