全部 AI 动态 · AI 热点

7月16日

06:05

官方账号Allen AI (Ai2)@allen_ai

Allen AI 构建的 SciArena 基准测试用于评估 AI 模型处理科学文献问题的能力，评判者均为研究人员。该基准将于 7 月 15 日退役，最终数据包括约 1700 名用户投出的约 3900 次投票。结果揭示了模型在科学问答、文献理解等任务上的表现对比。具体排名和用户偏好信息已在推文线程中公布。

推荐理由：Allen AI 用研究者投票测了 AI 的科学文献能力，1700 人投了 3900 票，想看看哪个模型更靠谱？这里直接给结果。

原文

05:58

Justine Moore@venturetwins

九日前，有人让多个 LLM 预测 2022 年世界杯冠军。Fable 是唯一预测法国队会被淘汰的模型，并正确猜中阿根廷和法国两支决赛队伍。ChatGPT、Qwen 和 Kimi 各猜对了一个决赛选手。该测试展示不同模型在体育赛事预测方面的能力差异。

AI模型 Fable ChatGPT Qwen

推荐理由：Fable 比 ChatGPT 和 Qwen 更准，竟然独自猜对了法国翻车和决赛阵容，挺有意思的对比。

原文

05:46

官方账号Fei-Fei Li@drfeifei

精选

Stanford SVL与NVIDIA Robotics联合提出RoboTTT，基于测试时训练（TTT）方法，将机器人模型原生扩展到8000时间步的上下文（约5分钟肌肉记忆），推理成本恒定。相比以往机器人策略仅能处理数帧（<0.1秒），该方法将上下文长度提升3个数量级。在电路板组装任务中，RoboTTT通过一次人类视频演示即可实现零样本模仿学习。实验显示，8K上下文预训练性能比1K高出62%，且从128到8K时间步的闭合环路性能持续提升无饱和迹象。

AI模型 RoboTTT Stanford SVL NVIDIA

事件专题

推荐理由：斯坦福和英伟达搞了个新方法RoboTTT，能让机器人记住5分钟内的动作历史，一次看人演示就能模仿，还能自己纠错。上下文越长效果越好，8K比1K强62%。

原文

05:39

岚叔@lufzzliz

82°

xAI 将 Grok Build 开源，用户可获取其源代码。同时，Grok 的使用额度被重置，用户可重新使用。其 Agent 功能受到部分用户喜爱。

AI模型 Grok xAI 开源模型

推荐理由：xAI 把 Grok 的构建代码放出来了，还重置了额度，想玩 Agent 的可以试试。

原文

05:27

官方账号OpenAI@OpenAI

OpenAI展示了GPT-Live模型的改进，该模型能保持对话连续性，同时处理多个任务，例如查询航班信息、获取当地天气和实时制定行程。官方演示中可见其多任务并发处理能力。这一更新在Twitter上获得广泛关注，拥有超过260次点赞和46k次观看。

AI模型 GPT-Live OpenAI 多任务

事件专题

推荐理由：OpenAI的GPT-Live现在能一边聊天一边帮你查航班、天气和做行程，多任务处理更流畅了。

原文

04:27

lmarena.ai@lmarena_ai

精选

Thinking Machines 发布 Inkling，支持文本、图像和音频三种模态。Inkling 已加入 Agent Arena，该基准使用数百万全球用户的长时任务评估智能体，任务涉及网络搜索、文件系统和终端操作。Inkling 也参与文本、视觉和代码竞技场。Inkling 完整权重开放，可在 Tinker 平台进行微调。

AI模型 Inkling Thinking Machines Agent Arena

事件专题

推荐理由：Thinking Machines 出了个新模型 Inkling，能同时处理文字、图片和音频，还在 Agent Arena 上测了长期任务能力。现在能免费下载权重自己微调，可以试试。

原文

03:57

The Rundown AI@therundownai

精选

Thinking Machines 推出了其首个模型 Inkling，这是一个开源权重的多模态系统。Inkling 拥有高达 100 万 token 的上下文窗口，能够原生处理文本、图像和音频，并支持可控思考努力。完整权重已在 Hugging Face 上公开，并可通过 Tinker 平台进行微调。团队表示 Inkling 不是整体最强的模型，但专为定制化而设计。

AI模型 Thinking Machines Inkling 多模态

事件专题

推荐理由：想找个能处理百万 token 多模态、还能自己微调的开源模型？Inkling 刚上线，权重直接开放，值得试试。

原文

03:54

官方账号Greg Brockman@gdb

精选73°

OpenAI发布GPT-Red，一种内部自动化红队测试工具，专注于大规模发现模型的提示注入漏洞。该工具帮助OpenAI在模型广泛部署前建立更强防御。GPT-Red通过模拟攻击自动检测提示注入风险，提升模型安全性。OpenAI利用该工具在正式发布前修复漏洞，降低安全威胁。

AI模型 OpenAI GPT-Red 提示注入

事件专题

推荐理由：OpenAI搞了个自动红队GPT-Red，专门找自家模型的提示注入漏洞，部署前先修好，安全又可靠。

原文

03:51

官方账号Greg Brockman@gdb

用户称GPT-5.6 Sol是迄今为止最令人印象深刻的模型。在编程之外的数学和视觉能力方面，Sol（Max）表现极佳。测试显示Sol和Terra在视觉数学上远优于其他模型。这些改进非常显著。

AI模型 GPT-5.6 Sol OpenAI 多模态

事件专题

推荐理由：有人实测了GPT-5.6 Sol，数学和视觉超强，比Terra和其他模型厉害很多，值得关注。

原文

03:46

Suhail@Suhail

精选

Thinking Machines 今日推出多模态模型 Inkling，支持文本、图像和音频三种模态的高效推理。该模型完全权重开放，允许用户在 Tinker 平台上进行微调。官方同时提供 Inkling Playground 供用户体验。这一发布标志着后训练基础设施即服务的垂直整合进入新阶段。

AI模型 Inkling Thinking Machines 多模态

事件专题

推荐理由：Inkling 能同时处理文本、图像和音频，权重全开放还能自己微调，去 Playground 玩一把就知道了。

原文

03:42

Paul Couvert@itsPaulAi

Thinking Machines发布了开源模型Inkling，采用Apache 2.0许可。Inkling为多模态模型，支持文本、图像和音频，拥有41B活跃参数。在Design Arena上其性能与GPT-5.6 Sol相当。公司还计划推出12B参数的Inkling-Small版本。Inkling提供完整权重，并可在Tinker平台微调。

AI模型 Inkling Thinking Machines GPT-5.6 Sol

事件专题

推荐理由：Thinking Machines出了个真开源的多模态模型Inkling，41B参数能和GPT-5.6 Sol掰手腕，还准备出12B小版，赶紧试试。

原文

03:40

elvis@omarsar0

精选

Thinking Machines推出Inkling，一个975B参数（41B活跃）的MoE Transformer模型。它原生支持文本、图像和音频多模态处理。上下文长度提供64K和256K两种版本。完整权重已开放，可在Tinker平台进行微调。用户还能通过Inkling Playground直接体验。

AI模型 Inkling Thinking Machines MoE

事件专题

推荐理由：Thinking Machines开源了975B参数的MoE模型Inkling，支持多模态和64K/256K长上下文，还能在Tinker上微调，值得试试。

原文

03:39

Lilian Weng@lilianweng

Thinking Machines 发布 Inkling 模型，提供完整开源权重。该模型在文本、图像、音频三种模态上均具备高效推理能力。用户可在 Tinker 平台上直接进行微调。基准性能覆盖广泛能力类别，适合实际应用与定制开发。

AI模型 Inkling Thinking Machines 多模态

事件专题

推荐理由：Thinking Machines 开源了 Inkling，能同时处理文本、图像和音频，还能在 Tinker 上微调，挺实用的。

原文

03:13

lmarena.ai@lmarena_ai

中国开源权重模型Kimi K3已在lmarena平台以'KIVINE'名称上线，官方发布在即。该模型由AI创作者进行初步测试，展示了包括赛车游戏在内的多个基准结果。Kimi K3在Hugging Face和lmarena上的表现吸引了社区关注，具体基准分数尚未完整公布。

AI模型 Kimi K3 KIVINE lmarena

事件专题

推荐理由：Kimi K3是国产开源新秀，已经在lmarena上跑分了，代号KIVINE，想看看它和开源模型比怎么样？

原文

03:02

官方账号vLLM@vllm_project

84°

Thinking Machines Lab发布了TML Inkling，一个1T参数的开源权重模型，支持文本、图像和音频多模态输入。其上下文窗口高达100万token，采用相对注意力、短卷积和MoE专家汇聚的新架构，并配备8个MTP头用于推测解码。vLLM已从首日支持该模型，在NVIDIA Blackwell和Hopper上运行，4×GB200 MTP可达380 tok/s/user。

AI模型 TML Inkling Thinking Machines Lab vLLM

事件专题

推荐理由：1T参数的开源多模态模型，百万token上下文，vLLM直接跑，4×GB200飙到380 tok/s，值得试试。

原文

03:00

官方账号NVIDIA AI@NVIDIAAI

精选

Thinking Machines 推出开源模型 Inkling，支持文本、图像和音频三模态推理。模型基于 NVIDIA GB300 NVL72 训练，NVFP4 检查点已在 Hugging Face 开放下载。官方提供完整权重，并支持通过 Tinker 平台进行微调，用户也可在 Inkling Playground 直接体验。

AI模型 Inkling Thinking Machines NVIDIA

事件专题

推荐理由：Thinking Machines 刚发了 Inkling，一个开源的多模态推理模型，能处理文本、图像、音频，还给了完整权重可以微调，NVFP4 检查点直接下。

原文

02:56

elvis@omarsar0

73°

OpenAI 发布了内部自动化红队工具 GPT-Red，用于大规模发现模型中的提示注入漏洞。GPT-Red 对 GPT-5.6 进行了对抗性训练，显著增强了其对抗提示注入的鲁棒性。该方法以高投资回报率提升了 AI 模型的安全性，帮助在更广泛部署前构建更强防御。

AI模型 GPT-Red GPT-5.6 OpenAI

事件专题

推荐理由：OpenAI 用 GPT-Red 对抗训练 GPT-5.6，让模型更抗提示注入，安全提升很实在。

原文

01:56

lmarena.ai@lmarena_ai

Arena团队推出新的事实性信号方法，用于测量模型是否生成真实且可验证的声明。该方法分析了前沿模型在事实性上的表现差异，揭示了模型在真实世界可靠性中的关键指标。目前该评测尚未公开具体模型得分，但提供了新的评估维度。

AI模型 Arena factuality 模型评估

推荐理由：Arena团队搞了个新方法测模型真假话，比基准靠谱，想知道你的模型有多爱吹牛？看点这个。

原文

01:16

Justine Moore@venturetwins

AI模型 Seedance 2.5 BytePlus 视频生成

推荐理由：BytePlus 的 Seedance 2.5 把 AI 视频生成又推了一大步，连足球名将的巅峰动作都能还原，效果非常逼真。

原文

00:43

lmarena.ai@lmarena_ai

精选

Arena 推出基于人类偏好和事实性加权组合的新排名。系统随机抽取对战并提取网络可验证声明，已标注超 200 万条声明（Text Arena 130 万+，Search Arena 70 万+）。启用事实性后，Claude Fable 5 降至第 2，GPT-5.5 跃升 13 位至第 7，Muse Spark 跌 13 位至第 20。Meta 整体排名从第 2 跌至第 5，Anthropic 仍居榜首，开源模型中 Xiaomi 从第 9 升至第 6。

AI模型 Arena 事实性 Claude Fable 5

事件专题

推荐理由：以后看模型排名不只凭喜好，还能按事实准确性排序。GPT-5.5 狂飙 13 名，Claude 也被挤到第二，快去 Arena 开开关看看。

原文

00:42

lmarena.ai@lmarena_ai

AI模型 GPT-5.5-search GPT-5.2-search claude-sonnet-4-6-search

推荐理由：看谁家搜索模型最靠谱？GPT-5.5-search 刚拿了事实性第一，GPT-5.2-search 飙升到第三，Claude 和 Gemini 反而掉了。

原文

7月15日

23:55

elvis@omarsar0

精选

Robbyant 开源了 LingBot-VLA 2.0 的训练后代码。在单张 NVIDIA GeForce RTX 4090D 上，仅需 10 步去噪，推理耗时约 130 毫秒。这意味着用户无需集群即可进行适配和测试，大幅降低了部署门槛。

AI模型 LingBot-VLA 2.0 Robbyant RTX 4090D

事件专题

推荐理由：Robbyant 把 LingBot-VLA 2.0 的训练后代码开源了，单张 RTX 4090D 跑出 130 毫秒推理，不用集群就能自己玩。

原文

23:52

Jim Fan@DrJimFan

76°

研究团队推出RoboTTT模型，通过测试时训练（TTT）机制，将机器人策略的上下文窗口从不足0.1秒扩展到8000时间步（约5分钟），推理成本保持恒定。该模型在上下文长度上比现有SOTA提升了3个数量级。实验显示，从128到8000时间步，闭环性能持续提升，8K预训练比1K提升62%。RoboTTT支持从人类视频进行一次性上下文学习，并能在执行过程中自我纠正错误。

AI模型 RoboTTT 机器人模型上下文学习

事件专题

推荐理由：机器人模型终于能记住5分钟内的动作了！RoboTTT用TTT方法让机器人从人类视频一次学会新任务，还能边干边自我纠错，性能随上下文增长持续提升。

原文

23:24

elvis@omarsar0

LingBot-VLA 2.0 是全新开源具身模型，在单臂机器人到人形平台等多样化配置上训练。模型整合了60K小时精选机器人与人类数据，形成通用策略。在复杂长周期任务中显著提升机器人性能。由 @robbyant_brain 团队发布。

AI模型 LingBot-VLA 2.0 开源模型具身智能

推荐理由：开源、60K小时数据、覆盖多种机器人，LingBot-VLA 2.0 在长周期任务上表现出色，值得研究具身智能的你看一看。

原文

23:09

Viking@vikingmute

用户测试发现，Codex执行更换图片地址的任务耗时超过6分钟仍未完成，而Composer2.5在同一任务中仅需几秒。这种速度差异导致使用体验显著下降。作者感叹用过快的模型后再用慢的会产生明显的挫败感。

AI模型 Codex Composer2.5 编程助手

推荐理由：Composer2.5换地址几秒搞定，Codex要等6分钟还不动，别用慢模型折磨自己。

原文

22:42

Hailuo AI@Hailuo_AI

ElevenLabs推出Music v2，可从场景、风格和情绪提示生成任意类型音乐。Seed Audio 1.0支持从文本、参考音频或图像生成语音，并可调节速度、音量和音高。两个模型分别面向音乐和语音生成场景。

AI模型 ElevenLabs Music v2 Seed Audio 1.0

推荐理由：ElevenLabs同时更新了音乐和语音生成模型，Music v2能从提示生成任何风格音乐，Seed Audio 1.0支持图片转语音，玩法更多了。

原文

22:20

官方账号Together AI@togethercompute

精选

PrismML发布了Bonsai 27B，一个270亿参数的多模态模型，能在手机级设备上本地运行。该模型采用三元量化技术压缩体积，同时保留图像理解等多模态能力。用户现可通过Together AI平台在线试用。这是本地AI在参数量和设备适配上的重要进展。

AI模型 Bonsai 27B PrismML Together AI

推荐理由：27B参数的多模态模型能塞进手机？Bonsai 27B做到了，性能还很强，快试试。

原文

12:45

Hunyuan@TXhunyuan

腾讯混元发布了Hy3的1-bit和4-bit量化版本，该模型拥有295B参数。通过1-bit和4-bit量化，模型可在单张GPU上运行，大幅降低硬件门槛。支持使用llama.cpp进行推理，并启用MTP（多token预测）功能。模型以GGUF格式提供下载，用户可快速体验。

AI模型 Hy3 TencentHunyuan 量化模型

推荐理由：腾讯把295B的模型压到1-bit和4-bit，单卡就能跑，用llama.cpp就能玩，赶快试试。

原文

11:48

小互@imxiaohu

PrismML 基于 Qwen3.6-27B 模型，将原本 54GB 的 27B 参数模型压缩至 3.9–5.9GB，使其能在 iPhone 上运行。在 15 项测试中，5.9GB 的 Ternary 版本保留原版 95% 性能，3.9GB 的 1-bit 版本保留 90% 性能。在 RTX 5090 上推理速度达 163 token/s，在苹果 M5 Max 上达 87 token/s。

AI模型 Qwen3.6-27B PrismML iPhone

推荐理由：PrismML 把 27B 大模型压到几 GB 还能在手机上跑，性能几乎没缩水，iPhone 用户也能本地跑大模型了。

原文

10:38

官方账号vLLM@vllm_project

精选

vLLM项目实现了预填充与解码分离，TileRT通过vLLM V1连接器将自身低延迟解码引擎与vLLM预填充配对，无需修改vLLM代码。原生vLLM解码默认用于吞吐场景，TileRT解码用于延迟敏感场景（如智能体、实时助手）。TileRT在GLM-5.1-FP8（8×B200）上单用户解码达618 tok/s，启用推测解码（MTP）后约为无MTP基线的2倍，峰值接近800 tok/s。

AI模型 vLLM TileRT GLM-5.1-FP8

推荐理由：vLLM拆开预填充和解码，TileRT提供低延迟解码，单用户618 tok/s，适合实时助手。

原文

09:09

Suhail@Suhail

Perplexity 开源了内部基准测试 WANDR，用于评估深度与广度研究能力。WANDR 在对比所有 Deep Research 类基准中表现最强，例如比 DRACO 更优秀。该基准测试已公开在 research.perplexity.ai/articles/wandr。

AI模型 Perplexity WANDR 基准测试

推荐理由：Perplexity 拿他们最强的内部测试 WANDR 开源了，专门测深度研究能力，比市面其他基准都强。

原文

08:53

Paul Couvert@itsPaulAi

PrismML今天推出Bonsai 27B，首个能在手机上运行的27B参数多模态模型。基于Qwen3.6 27B，提供两个变体：三元版5.9GB（1.71位/权重）和1-bit版3.9GB（1.125位/权重）。该模型支持多步推理、结构化工具使用和长上下文智能体循环。全部代码和权重已开源（Apache 2.0），此前运行类似模型需要千美元级电脑。

AI模型 Bonsai 27B PrismML Qwen3.6

推荐理由：27B模型能塞进手机，3.9GB就跑得动，还完全开源。手机党不用再羡慕桌机了。

原文

08:41

berryxia@berryxia

精选72°

OpenMOSS 发布 MOSS-VL-Realtime，一个 11B 参数的多模态模型，支持实时视频流交互，可边接收视频边生成回复。采用 Cross-Attention 架构和 XRoPE 位置编码，支持 256K 上下文窗口，兼容文本、单图/多图、视频及图文交错输入。在流式视频理解基准上达到开源模型领先水平，主动预警和及时响应能力突出。同时开源 MOSS-VL-0708 Instruct，在细粒度感知和长视频理解任务上有明显提升。所有模型以 Apache-2.0 协议开源，支持本地部署和实时推理。

AI模型 OpenMOSS MOSS-VL-Realtime 多模态

推荐理由：OpenMOSS 发了能边看视频边聊天的实时多模态模型，11B 参数开源可部署，适合做监控、直播等持续视频理解应用。

原文

08:40

berryxia@berryxia

73°

PrismML推出Bonsai 27B模型，可在iPhone 17 Pro上直接运行，内存占用低于5GB。这是首个在手机端运行的27B参数级模型。演示视频显示实时响应且可用。通过量化技术将内存压缩至极致，同时保持模型可用性。该模型表明27B规模的大模型开始走进个人设备。

AI模型 PrismML Bonsai 27B iPhone 17 Pro

事件专题

推荐理由：27B的模型在手机上跑，内存不到5GB，PrismML的Bonsai做到了。以后手机AI不连网也能用大模型了。

原文

08:37

berryxia@berryxia

PrismML发布Bonsai 27B，这是首个能在手机上本地运行的27B级多模态模型。该模型通过端到端低比特技术，1-bit版本仅3.9GB，可在iPhone 17 Pro上运行；Ternary版本5.9GB，适合笔记本。其智能密度达0.53 per GB，比全精度基线高约10倍，比现有最佳低比特方案高2.7倍。在15个基准测试中，Ternary版平均保留95%性能，1-bit版保留90%，数学、编码和工具调用能力接近原版Qwen3.6 27B。模型已开源（Apache 2.0），支持GGUF格式，提供一键运行Demo和免费开发者预览API。

AI模型 Bonsai 27B PrismML 多模态

推荐理由：PrismML搞了个Bonsai 27B，在手机上就能跑27B多模态模型，压缩到3.9GB性能还能保留90%，挺牛的，还开源了，可以试试。

原文

08:03

berryxia@berryxia

73°

阿里巴巴开源了Wan-Dancer-14B模型，这是一个14B参数的模型，可以根据音乐生成与节拍同步的舞蹈视频。该模型支持街舞、踢踏、拉丁、K-Pop、中式古典等多种舞蹈风格，并能实现较长时间连贯输出。用户可在本地运行该模型，不再依赖云端服务，大幅降低了音乐驱动舞蹈生成的门槛。此前类似能力多依赖闭源模型或效果不佳，此次开源权重让本地部署成为现实。

AI模型 Wan-Dancer-14B Alibaba 视频生成

推荐理由：阿里开源了Wan-Dancer-14B，能根据音乐生成同步舞蹈视频，支持多种风格，本地就能跑，比闭源模型门槛低得多。

原文

07:27

AK@_akhaliq

Bonsai 27B 模型现可通过 Hugging Face 的 hf claude 集成在 Claude Code 中直接调用。该模型拥有 270 亿参数，是专为代码和推理任务设计的大型语言模型。用户无需额外配置即可在 Claude Code 环境内无缝使用 Bonsai 27B 进行代码生成、调试与分析。此次整合降低了模型部署门槛，使得开发者能更快在专业代码场景中利用该模型的能力。

AI模型 Bonsai 27B Claude Code Hugging Face

推荐理由：现在你直接在 Claude Code 里就能调用 Bonsai 27B 了，不用自己部署，省事。

原文

05:53

lmarena.ai@lmarena_ai

AI模型 Agent Arena 智能体基准测试

推荐理由：想看看哪个模型最擅长完成真实世界的复杂任务？Agent Arena用百万任务和因果追踪方法给出了答案，比普通基准更贴近实际。

原文

05:51

lmarena.ai@lmarena_ai

精选72°

Meta 推出了 Muse Spark 1.1，这是其早期模型 Muse Spark 的升级版。该模型在 Agent Arena 排行榜上位列所有实验室第五、模型排行榜第十七。Meta 同时开放了 Meta Model API 公开预览，开发者可通过该 API 访问 Muse Spark 1.1。模型已在 Meta AI app 及 meta.ai 的 "思考" 模式下可用。

AI模型 Muse Spark 1.1 Meta Agent Arena

推荐理由：Meta 终于入局智能体赛场，Muse Spark 1.1 一上榜就拿第五，还开放了 API 和思考模式，想试试新模型可以冲。

原文

05:49

官方账号Meta AI@AIatMeta

72°

Meta AI 提交其推理与多模态模型参加了亚洲物理奥林匹克（APhO）理论考试。该模型取得满分 30/30 的成绩，与排名前三的学生选手并列。APhO 委员会允许该模型参赛，展示其在复杂物理推理任务上的能力。

AI模型 Meta AI 推理模型多模态

推荐理由：Meta 的模型在物理奥赛里拿了满分，和前三名人类选手并列，看看AI的理科能力有多强。

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」）。