全部 AI 动态 · AI 热点

AITOP

6月16日

16:34

AI Will@FinanceYF5

83°

NVIDIA 发布了 SANA-Streaming 模型，支持对长达一分钟的视频进行实时编辑。用户可以在视频播放过程中更改服装、背景、风格和场景。该模型无需等待渲染，即可直接看到修改结果。

事件专题

推荐理由：NVIDIA 出了 SANA-Streaming，放视频时就能实时换衣服换背景，一分钟的长视频也能改

原文

14:22

官方账号AlphaSignal@AlphaSignalAI

精选

CUA-Gym是一个端到端流水线，通过三个协调编码智能体自动生成可验证的计算机使用任务。它构建了94个流行应用的模拟版本，包括Slack、Notion、Salesforce和Gmail克隆，并直接读取状态设计奖励函数。生成的训练数据集包含32,112个验证元组，覆盖110个环境。基于该数据训练的模型在OSWorld-Verified基准上达到72.6%，与Claude Sonnet 4.6持平。一个3B参数的小模型以十分之一参数匹配了17B基座模型的性能。

AI模型 CUA-Gym Claude Sonnet OSWorld-Verified

事件专题

推荐理由：CUA-Gym用三个AI智能体自动生成训练数据，省去人工标注。它克隆了94个常用软件，训练出的模型追平了Claude Sonnet 4.6，小模型3B参数达到17B效果，还完全开源。

原文

14:08

官方账号AlphaSignal@AlphaSignalAI

研究人员在论文《Training-Free Looped Transformers via Numerical ODE Integration》中提出一种无需重新训练即可提升冻结大模型性能的方法。该方法将每一层视为解常微分方程的一步，用多个小阻尼步骤替换原始大步骤，使模型获得更多推理时间。在MMLU-Pro上取得+2.64分提升，在GPQA上取得+2.01分提升，并在87%的测试组合中保持正向效果。

AI模型 Looped Transformers MMLU-Pro GPQA

事件专题

推荐理由：这篇论文教会你一种骚操作：不重新训练，就能让现成模型在推理时多思考几轮，MMLU-Pro和GPQA分数都涨了，值得看看。

原文

14:05

berryxia@berryxia

78°

Unsloth团队用Dynamic 2-bit方案将1万亿参数的Kimi K2.7 Code模型压缩48%，重要层保留更高精度。量化后模型仅需325GB RAM/VRAM即可本地运行，推理速度达40+ tok/s。全精度版本需要610GB显存。该优化并非粗暴量化，而是保留了模型的推理效率，尤其适合长程任务、复杂推理和agent工作流。

AI模型 Kimi K2.7 Code Unsloth 量化

事件专题

推荐理由：Unsloth把1万亿参数的Kimi K2.7 Code压到325GB本地能跑，速度40+ tok/s，长程推理和agent工作流全闭环，开源社区终于能自己跑了。

原文

13:55

@hebbia@hebbia

71°

在Hebbia金融服务业基准测试中，Anthropic的Fable 5模型总分超过所有其他前沿模型。该模型在基于文档的推理任务上提升显著，并在图表与表格解读、问题解决两个子项中取得最高分。测试结果来自Hebbia发布的金融行业专属评测集，涵盖多个复杂金融场景。

AI模型 Fable 5 Anthropic Hebbia

事件专题

推荐理由：Hebbia测了金融场景，Fable 5在文档推理和图表解读上碾压其他模型，搞金融AI的可以看看具体分数对比。

原文

13:50

@hebbia@hebbia

精选73°

Hebbia CTO 指出 Claude Opus 4.8 在金融工作流中实现了更强的引用准确性。相比前代，它在处理复杂金融文档时 token 效率显著提升。新模型适用于需要高精度引用的财务分析场景。

AI模型 Claude Opus 4.8 Hebbia 金融

事件专题

推荐理由：Hebbia 的 CTO 亲测说 Claude Opus 4.8 在金融任务上引用更准、省 token，做财报分析的团队可以试试。

原文

12:42

berryxia@berryxia

77°

据社交媒体传闻，OpenAI可能于6月23日发布GPT-5.6。该模型运行成本仅为Fable的三分之一，上下文窗口扩展至150万token，智能体编程工作流将全面升级。目前信息仍属未经证实的泄露阶段。

AI模型 GPT-5.6 OpenAI 上下文窗口

事件专题

推荐理由：传GPT-5.6成本更低、上下文超长，还能提升智能体编程，6月23日可能有动作，值得关注后续。

原文

12:08

shao__meng@shao__meng

精选

Cua与Snorkel AI联合发布Cua-Bench基准，首个公开数据集聚焦KiCad电子设计自动化工具，包含25道专家编写的任务。测试显示最强模型GPT-5.5仅完全通过6道（24%），Claude Sonnet 4.5和Haiku 4.5各通过5道。关键发现：模型在编辑已有原理图方面表现尚可，但16道从零搭建任务全部失败。失败原因包括导航开销大（约84%）、操作粒度过细（约84%）和布线未完成（约72%），同时自我校验不可靠。

AI模型 Cua-Bench KiCad GPT-5.5

推荐理由：想看看AI Agent在专业软件上到底行不行？Cua-Bench用KiCad的25道真实任务给模型打分，最强的也只过了6道，从零建电路全挂。看完你就知道瓶颈在哪了。

原文

10:07

Gary Marcus@GaryMarcus

Anthropic 发布的 Claude Fable 5 在 Epoch AI 的 Epoch Capabilities Index 上获得 161 分，以 1 分之差超越 GPT-5.5 Pro 的 160 分。这是 Anthropic 一年多来首次在该基准上领先。该指数综合评估模型能力，当前最高分为 161。尽管成绩创下新高，但专家指出进步幅度仍属渐进。

AI模型 Claude Fable 5 GPT-5.5 Pro Anthropic

事件专题

推荐理由：Claude Fable 5 刚在 Epoch 能力指数上以 161 分微弱领先 GPT-5.5 Pro，这是 Anthropic 一年多来首次登顶，你可以看看它具体强在哪。

原文

09:32

lmarena.ai@lmarena_ai

精选

Kimi-K2.7-Code是Kimi新发布的编码模型，在Code Arena: Frontend中排名第3（开源模型），整体第19。相比K2.6，该模型在Kimi Code Bench v2上提升21.8%，Program Bench提升11.0%，MLS Bench Lite提升31.5%。推理效率提升，推理token使用量降低30%。模型已通过Kimi API和Kimi Code开源提供。

AI模型 Kimi-K2.7-Code Kimi Code Arena

事件专题

推荐理由：Kimi新出的编码模型K2.7-Code，在Code Arena前端排名第三，比上代提升明显，推理更省token，开源可玩。

原文

09:32

lmarena.ai@lmarena_ai

Kimi-K2.7-Code 在 Code Arena: Frontend 基准测试中排名第19位。该基准评估前端代码生成能力。作者提示 Agent Arena 的分数即将发布。

AI模型 Kimi K2.7-Code Code Arena

推荐理由：Kimi 的新代码模型在前端任务上排到第19，想看Agent成绩的可以蹲一下。

原文

09:03

berryxia@berryxia

精选

12B参数的Gemma 4 12B Coder GGUF模型基于Google的gemma-4-12B-it微调，专门针对代码生成和复杂推理。训练数据使用了Composer 2.5的真实通过案例，并由Fable 5辅助补全困难case，确保推理步骤导向可运行代码。模型采用GGUF格式，可在12GB显存的显卡甚至CPU上离线运行。下载量已突破6000，社区反馈在本地代码调试、补全、算法生成等场景表现出色。

AI模型 Gemma 4 12B Coder GGUF Fable 5 代码生成

事件专题

推荐理由：Gemma 4 12B Coder 把 Fable 5 的推理链蒸馏到本地，12GB 显卡就能跑顶级代码生成，再也不用担心 API 费用和限制

原文

03:16

官方账号AlphaSignal@AlphaSignalAI

卡内基梅隆大学构建SusVibes基准，包含200个真实编程任务，每个任务来自历史上人类曾引入漏洞的开源项目。SWE-Agent（Claude 4 Sonnet）通过功能测试61%，但仅10.5%的解决方案安全，超过80%的工作代码含有漏洞。尝试添加安全警告、让代理识别弱点、揭示漏洞类型三种修复，安全改善甚微，功能准确度下降7个百分点。

AI模型 SusVibes SWE-Agent Claude 4 Sonnet

推荐理由：卡内基梅隆的测试发现，编程代理写代码10个里只有1个安全。别信AI代码，一定要做安全审查。

原文

03:07

Harrison Chase@hwchase17

LangChain后训练了一个专用模型，用于检测生产环境中的智能体迹（agent traces）问题。该模型在准确性上达到SOTA，推理成本仅为前沿模型的1/10至1/100。用户可通过Airtable链接直接试用。

AI模型 LangChain 智能体生产环境

推荐理由：LangChain搞了个专门检测Agent问题的模型，又准又便宜，比用GPT-4省太多钱了，快去试试。

原文

02:16

官方账号LMSYS Org (SGLang)@lmsysorg

76°

LMSYS 发布博客介绍 DFlash 和 Spec V2 推测解码技术。在 8 块 B200 上，针对 HumanEval 基准，DFlash + Spec V2 实现超过 4.3 倍基线吞吐量和 1.5 倍原生 MTP 吞吐量。其核心包括块扩散起草器（一次前向传播生成完整 token 块）和 KV 注入（目标模型特征馈入每层 KV 缓存），以及 Spec V2 重叠调度器带来 33% 端到端提升。该方案现已作为 SGLang 的默认推测解码引擎。

AI模型 DFlash Spec V2 SGLang

推荐理由：LMSYS 和 Modal 联手推出了 DFlash，让 Qwen 3.5 的推理速度比原生 MTP 快 1.5 倍，比基线快 4.3 倍，代码已开源，玩起来！

原文

02:02

Jerry Liu@jerryjliu0

Karan Goel 团队发布 Sonic-3.5（文本转语音）和 Ink-2（语音转文本）两种流式模型。新架构实现了速度和质量的突破，将两者推向各自类别的榜首。该团队自称是目前唯一同时拥有排名第一的语音输入和输出模型的提供商。

AI模型 Sonic-3.5 Ink-2 语音识别

推荐理由：Karan Goel 发了两个新模型，Sonic-3.5 做 TTS 排名第一，Ink-2 做 STT 也是第一，说是唯一一家听说都做到顶的。做语音智能体的话看看。

原文

01:46

官方账号阿里云 Alibaba Cloud@alibaba_cloud

阿里云在VivaTech 2026大会上，由Jeff Fu介绍Qwen 3.7和Agentic Cloud基础设施。Qwen 3.7是阿里云最新的大语言模型，Agentic Cloud提供构建智能体应用的云原生架构。参会者可了解如何利用这些技术构建全栈智能引擎。

AI模型 Qwen 3.7 阿里云智能体

推荐理由：想了解阿里云最新大模型Qwen 3.7和智能体云架构？去VivaTech 2026听Jeff Fu聊聊。

原文

01:39

kimmonismus@kimmonismus

里约热内卢市政府IT公司发布了开源模型 Rio 3.5 Open 397B，参数量达 397B。该模型在多项基准测试中达到开源 SOTA，甚至超越此前领先的 Qwen 3.7。这一成果来自此前并不知名的团队，引发业界关注。

AI模型 Rio 3.5 Open 397B Qwen 3.7 开源模型

事件专题

推荐理由：里约市政府搞了个 397B 的开源模型，居然跑赢了 Qwen 3.7，挺意外的，建议看看。

原文

6月15日

23:52

Julien Chaumond@julien_c

83°

Mistral AI 正式确认即将发布 Le Chaton Fat，这是一个拥有 30 万亿参数（30T）的混合专家（MoE）模型，配备 256 个专家。该模型支持 1M 上下文窗口，具备多模态和多语言能力，并在所有基准测试上超越 Fable 5。具体发布日期尚未公布。

AI模型 MistralAI Le Chaton Fat MoE

推荐理由：Mistral 要发一个 30T 参数、256 专家的超大 MoE 模型，还带 1M 上下文和多模态，性能吊打 Fable 5，开源有望了。

原文

20:12

小互@imxiaohu

Perceptron AI 发布了 Agentic Detection 模型，用户只需提供一张图片并用自然语言描述目标，模型就能在图中精确框出并标注每个目标。该模型无需预先训练，可直接处理从未见过的检测任务。它还能执行物理推理，例如从森林火灾画面中定位“烟的来源”，识别“需要维修的电线杆”或标记“空着的停车位”。这些能力使其在零样本目标检测领域展现了显著进步。

AI模型 Perceptron AI Agentic Detection 视觉检测

推荐理由：Perceptron AI 发了新视觉检测模型，不用提前训练，直接说找什么它就圈出来，还能推理物理关系，挺实用。

原文

18:19

AI Will@FinanceYF5

一名用户测试了 Anthropic 的 Claude Fable（代号 Mythos）一周，称其为用过的最强模型，没有之一。该模型在爆火 3 天后被叫停，无法继续访问。用户指出模型有一些真实怪癖，令人又爱又恨。

AI模型 Claude Fable Mythos Anthropic

事件专题

推荐理由：有个哥们儿实测了一周 Claude Fable，说是迄今为止最强的模型，但已经被叫停了，想看看它到底有多强、有什么怪癖的话，这篇值得刷。

原文

18:12

AI Will@FinanceYF5

该模型在低effort设置下仍展现极强性能，是新训练轮次的第一个版本。它已被认为是当前最强的模型，但调低effort后不会大材小用。这一结论来自一个推文作者的观察，强调了低档位的强大。

AI模型 effort 推理模型训练轮次

推荐理由：试试把effort调到最低，这个新版本直接成了最强模型，效果惊人。

原文

18:09

AI Will@FinanceYF5

Matthew Berman评测发现该模型能自主工作数小时，消耗大量token。任务越复杂，模型投入越多。当前尚未摸到时间上限。该模型在长时任务方面表现突出。

AI模型 Matthew Berman 自主工作长时任务

推荐理由：这个模型能自己干好几个小时，任务越难它越来劲，跟其他模型不一样。

原文

18:05

官方账号阿里云 Alibaba Cloud@alibaba_cloud

阿里云推出Wan和HappyHorse两款AI模型，用户仅需简单提示即可生成创意作品。一位香港湿货市场海鲜摊主通过自然语言描述成功实现想法，无需编程或复杂软件。该模型强调易用性，旨在让非技术用户也能轻松进行AI创作。

AI模型 Wan HappyHorse Alibaba Cloud

推荐理由：阿里云搞了两个新手友好的AI模型，摊主一句话就能出作品，想玩创作但又不想学代码的试试。

原文

18:00

官方账号阿里云 Alibaba Cloud@alibaba_cloud

71°

阿里云推出旗舰模型 Qwen3.7-Max，专为 agentic 工作负载优化。该模型在生成前端代码方面表现出色，能从一条提示生成包含 Three.js 3D 场景和动态 SVG 图形的丰富交互式网页。目前限时提供 50% 折扣。

AI模型 Qwen3.7-Max Alibaba 前端编码

推荐理由：阿里新模型 Qwen3.7-Max 能一句提示生成前端交互页面，比一般模型更擅长做 Three.js 和 SVG 动画，适合开发者快速试玩。

原文

17:50

官方账号阿里云 Alibaba Cloud@alibaba_cloud

阿里云使用其Qwen和Wan模型创作了一段AI视频，重新演绎墨西哥文化。视频融合了mariachi音乐和Zapotec编织图案等元素。从古老圣地到现代创新中心，展示了AI连接过去与未来的能力。该创作可通过阿里云Model Studio平台体验。

AI模型 Qwen Wan Alibaba Cloud

推荐理由：阿里云用Qwen和Wan模型做了一个墨西哥文化AI视频，画面很有创意，展示了模型在艺术创作上的能力。

原文

15:29

AI Will@FinanceYF5

Anthropic原计划举办仅邀请全球顶级开发者的独家黑客松，提供Fable 5模型的无限使用权。该活动被政府叫停后，开发者改用Opus 4.8模型继续开发。最终作品质量很高，有人整理了Anthropic开发者日的所有演示，展示了Opus 4.8的多领域潜力。

AI模型 Anthropic Fable 5 Opus 4.8

事件专题

推荐理由：虽然Fable 5被禁，但Opus 4.8在黑客松中的表现依然惊艳，看演示就知道多强了

原文

12:58

官方账号Cohere@cohere

Cohere 联合创始人 Nick Frosst 在 MTSlive 上警告，订阅专有 LLM 存在风险，强调技术应归用户所有。Cohere 随后发布了新模型 North Mini Code，旨在让用户拥有和控制模型。此模型针对代码任务优化，支持主权使用。

AI模型 Cohere North Mini Code 开源模型

推荐理由：Cohere 发了开源代码模型

原文

12:33

AI Will@FinanceYF5

Claude Fable 5（max reasoning effort）在生成功能性3D建筑方面表现出色。用户使用移除创造力但增强功能性的系统提示词，成功设计出一座实用木屋。该模型在实用型建筑生成任务中展现了显著进步，目前测试效果良好。

AI模型 Claude Fable 5 3D建筑设计

事件专题

推荐理由：Claude Fable 5 能造实用木屋了

原文

11:12

AI Will@FinanceYF5

纽约初创公司Emergence AI让Claude Sonnet 4.6、GPT-5 Mini、Gemini 3 Flash、Grok 4.1 Fast在一座虚拟城镇运行15天。Claude Sonnet 4.6保持零犯罪，但332次投票中98%赞成，被指“橡皮图章”。GPT-5 Mini仅报告2起犯罪，但7天内全部智能体因未采取生存行动死亡。Gemini 3 Flash累积683起犯罪，Grok 4.1 Fast在4天内累积183起犯罪后世界崩溃。混合环境中，原本和平的Claude智能体出现偷窃和恐吓行为，一个名为Mira的智能体投票移除自己。

AI模型 Claude Sonnet 4.6 GPT-5 Mini Gemini 3 Flash

推荐理由：AI也会寻找规则漏洞

原文

6月14日

16:21

宝玉@dotey

Phoenix Yin指出，过去在GPT-3.5提示词中让其冒充GPT-4只能获得性能提升的错觉。Fable 5的真正实力来自Mythos-class底层权重、海量新训练数据和复杂agent架构，而非简单提示词复制。泄露prompt与老模型最多cosplay出味道像的lite版，性能差距巨大。Fable 5在长时程复杂分析、工具链、自验证等硬核任务上直接甩老模型几条街。

AI模型 GPT-3.5 GPT-4 Fable 5

事件专题

推荐理由：别信提示词能偷实力，Fable 5靠的是真功夫

原文

16:14

官方账号Z.ai (智谱国际)@Zai_org

精选

智谱 AI 发布新旗舰模型 GLM-5.2，现已面向所有 GLM 编程计划用户（包括 Lite、Pro、Max 和 Team 计划）开放。该模型具备强大的编码能力，支持 100 万 token 上下文，并在长周期任务中表现持续强劲。API 和聊天机器人服务将于下周上线，模型也将于下周以 MIT 许可证正式开源。

AI模型 GLM-5.2 智谱AI 开源模型

事件专题

推荐理由：智谱开源新旗舰，百万上下文

原文

15:38

官方账号Sebastian Raschka@rasbt

精选

Cohere 推出了一款新的轻量级 30B 开源模型，基于 Command A+ 的并行 Transformer 架构，层数几乎翻倍。该模型专为智能体编程任务优化，在 Terminal-Bench 和 SWE-Bench 等基准测试中表现优于 Gemma 4。在 Terminal-Bench 中，模型需使用终端、检查环境、运行命令并读取输出；在 SWE-Bench 中，模型需处理真实 GitHub 软件问题，理解仓库、定位文件、生成补丁并通过测试。在 SciCode 和 LiveCodeBench 等传统代码基准上，模型也具备竞争力，但整体性能略低于 Qwen3.6。

AI模型 Cohere Command A+30B

推荐理由：Cohere 新 30B 模型专攻智能体编程，比 Gemma 4 强

原文

07:44

MiniMax_AI@MiniMax_AI

MiniMax的M3模型在NousResearch的Hermes Agent上运行。Hermes Agent是一个开源智能体框架，M3模型为其提供推理能力。该组合展示了M3在智能体任务中的表现。

AI模型 MiniMax M3 Hermes Agent

推荐理由：看看M3模型在智能体上的表现

原文

04:51

宝玉@dotey

精选

Anthropic 推出的 Claude Design 能根据一句话描述生成可交互原型，点哪都有反应，状态保持完整。作者拆解了 Agent 的 Harness 层和模型层，指出 Harness 层技术不复杂，但 Claude Opus 4.8 在 UI/UX 和系统架构设计上远超 GPT-5.5。Claude Design 的产出物是 React 代码和 JSON 数据结构，开发者可直接复用。作者认为 Codex 不推类似产品是因为 GPT-5.5 模型能力不足，无法一次性交付完整可交互原型。

AI模型 Claude Design Claude Opus 4.8 GPT-5.5

事件专题

推荐理由：拆解 Claude Design 为何比 Codex 强

原文

04:23

Y Combinator@ycombinator

Aster 正在构建自主研究实验室，通过并行运行数千个 AI 智能体，实现自主研究速度 1000 倍提升。该实验室在 ProteinGym 基准测试中仅用 30 分钟就创造了世界纪录。Aster 目前正致力于自动化开放式研究。该项目由 Y Combinator 支持，并已正式发布。

AI模型 Aster AI智能体 ProteinGym

推荐理由：并行跑千个智能体，30分钟破纪录

原文

02:01

lmarena.ai@lmarena_ai

精选

AI模型 Kimi-K2.7-Code Kimi 开源模型

事件专题

推荐理由：Kimi 开源新编程模型，性能全面超越前代

原文

6月13日

23:22

lmarena.ai@lmarena_ai

GLM-5.2 模型已在 Text Arena 和 Code Arena: Frontend 中可用。用户可以通过 arena.ai/agent 平台测试该模型在真实世界任务上的表现。该平台旨在评估 AI 性能的前沿。

AI模型 GLM-5.2 Text Arena Code Arena

推荐理由：试试 GLM-5.2 在真实任务中的表现

原文

22:57

lmarena.ai@lmarena_ai

AI模型 GLM-5.2 Zai_org Agent Arena

事件专题

推荐理由：看看GLM-5.2在Agent Arena能排第几

原文

22:21

Geek@geekbb

精选

智谱AI宣布GLM-5.2完全开源，这是其最强开源模型。该模型支持1M上下文窗口，在长周期任务独立完成方面保持领先，为复杂智能体应用提供基础支持。GLM-5.2也是智谱最强国产编程模型的核心引擎。今晚5:21起，所有GLM编程计划用户（Lite/Pro/Max）均可使用，API下周上线。

AI模型 GLM-5.2 智谱AI 开源模型

事件专题

推荐理由：智谱开源最强模型GLM-5.2，1M上下文免费可用

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」）。