Bitwise-reproducible gradients combined with a speedup is rare in scientific GPU kernels, since most fast attention implementations sacrifice determinism. Labs running AlphaFold-style training on H100 or H200 clusters can cut per-step time directly by swapping the backend. The comparison against OpenFold3's Triton backend gives a concrete baseline for teams evaluating whether to switch.
Mira Murati 的 Thinking Machines 把 Inkling 2 Small 开源了，594B 参数但只激活 17B，跑分逼近 DeepSeek-V4.1-Flash-1017。做本地部署或自建服务的开发者可以下载试试，美国开源模型终于有能和国产线掰手腕的了。
Codec throughput, not model intelligence, may be the real constraint for on-device voice agents, and LiquidCodec targets exactly that layer with open weights and CPU-only speed. Teams building low-latency voice products on edge hardware — earbuds, glasses, vehicles — can benchmark it against Mimi or X-Codec 2 and deploy locally at Q4_0 precision without GPU dependency. Its open availability also makes it a practical drop-in for local speech pipelines.
A startup known for post-training and orchestration moving into full pretraining signals rising confidence that frontier-adjacent training is viable outside the US-China giants. Developers and enterprises evaluating non-US foundation models should track Sawara Small's December start as a potential Japan-built alternative to open-weight options like Qwen or Llama. The stacked project naming (Namazu, Fugu, Sawara) also clarifies how the lab segments its research roadmap.
Google 半个月左右就发一款 Gemini 4 新模型，这回的 Hydrogen 主打 agentic 工作流和日常使用，速度是卖点。从 Argon 到 Carbon 再到 Hydrogen，6 周三连发的节奏在 OpenAI 和 Anthropic 面前摆明了要拼迭代速度。做智能体应用的开发者可以拿它和 Carbon 对比一下延迟和价格。
OpenBMB 官方下场回应了社区对 MiniCPM5 2B 的实测，点明这枚 2B 小模型在工具调用和长上下文两件事上表现不错。做端侧部署或小模型选型的开发者可以关注这条官方确认。
腾讯这个 Hy4 在漏洞修复基准上直接拿了中国厂商的第一，比 Grok 4.7 便宜 11 倍还能多拿 2 分。做安全自动化、代码审计智能体的开发者可以关注下，性价比路线打得很准。
如果你嫌 Sonnet 贵，可以看看这个：智力只差 1 分，价格三分之一，还有 1M 上下文。跑自家 Gemini 4 Argon 同样的活只要 19% 的钱。做日常应用的可以先用起来，实测我们晚点补上。
Baidu 这次不光发了新模型，还搭了个 token 交易市场，开发者买算力调模型能在一个地方搞定。国内跟阿里、DeepSeek 抢开发者，这步棋值得关注，做应用的可以看看定价。
Alibaba Cloud 自己官宣了 Qwen4，首秀放在香港峰会。它主打编程和智能体能力，官方还点名了前端开发和软件工作流这些场景。做开发或在亚太做企业落地的可以盯一下这场大会。
Google 这次把推理、速度和 1M 上下文塞进一个模型，比 3.8 Flash 快 2.5 倍，还用 Carbon 编排器调度多模型。如果你在 Claude、GPT 和 Gemini 之间挑主力模型，这条值得对比着看，做长视频或大文件分析的开发者尤其该关注。
Baidu 这个 280B 总参数、14B 激活的模型，8 分钟独立做完一条讲解视频，脚本、图表代码、渲染全包，比前沿模型快 2-5 倍。现在 OpenRouter 免费可试，11 月 25 日前还会开源权重，做 agent 工作流的人可以上手测测长视频连贯性到底行不行。
Joint video-and-action prediction suggests Runway is steering its research toward world models that could serve robotics and simulation, not just media generation. Developers and researchers working on embodied AI or interactive video should read the technical report for architectural details unavailable in most commercial releases. It offers a direct comparison point against open world-model efforts that typically disclose far less about training design.
有人在小群里说 Gemini 3.5 flash-lite 翻译最省钱，Gemini 4 Carbon 写中文最像人，就是慢。不过这些都是口口相传的结论，没有具体跑分，博主自己也说要再验证。做翻译或中文写作选型的朋友可以先围观，别急着换模型。
Running on one RTX 5090 means hobbyists and university labs can now deploy a foundation robotics model without data-centre budgets, a sharp contrast to closed offerings from physical-AI startups. Teams using Hugging Face's LeRobot stack can clone the checkpoint and follow the published setup instructions to get a SO-101 arm running the same day. Watch this space as community-dataset-trained models challenge proprietary robotics stacks.
Recraft 这款 Flash V2 出图只要 1.5 秒，比 DesignArena 榜上所有模型都快，快 18 倍。做卡通、条漫、绘本风格插画的朋友可以试试，速度和偏好评分两头都占了。
DeepMind 把降雨估算做到了 15 分钟一次，精度还提升 30% 以上，SatWeave 还能把多颗卫星拼成一张实时云图。做气象、灾害预警或农业应用的开发者可以直接关注这两个模型能提供什么数据，比传统雷达覆盖范围广得多。
Google 新出的 Gemini 4 Hydrogen 主打快，比 Gemini 3.8 Flash 快 2.5 倍，还带 1M 上下文和 4 档思考模式。跑 agent 或批量任务的开发者可以关注下这个价格和 Terminal-Bench 成绩，算算换过来省不省。
Cost efficiency rather than raw leaderboard position is the real story: matching near-frontier security performance at roughly 1/11th the cost of Grok 4.7 (xhigh) changes the calculus for teams running vulnerability-scanning agents at volume. Security engineering teams and platform builders evaluating agentic models for code audit pipelines can use the per-task cost and token-consumption figures directly in procurement comparisons. Against DeepSeek V4.1 Flash 1017 (max), the tradeoff is higher token usage for a slight accuracy edge.
腾讯混元这个 Hy Realtime 语音模型挺有意思，除了对话还能点歌唱歌，跟腾讯音乐团队一起做的，比如你说“放首 2010 到 2020 年的英文民谣”它就唱给你听。还能自己判断什么时候联网搜答案，做智能客服的同学可以关注下它的 API。
中科院团队做的 M³Net 挺有意思，它不再只看单尺度特征，而是像医生那样从整体肺部到结节细节层层分析，在 LIDC-IDRI 数据集上比了十二种算法都有提升，对那种边界模糊的难判断结节特别有用。做医疗影像 AI 的人可以看看它的多尺度对齐思路，论文发在 Information Fusion 上。
中文教育这个细分赛道出垂直模型了，学习者能拿即时评测和答疑，老师一句话生成备课素材，机构还有标准接口可接。做教育产品或对外汉语教学的团队可以看看它开放到什么程度。
这个基准让智能体从零写训练、推理、编排系统，再和人类基线硬碰硬。结果挺扎眼：Opus 5.5 配 Claude Code 六项全过人类线，其他智能体平均只有 0.58。做 agent 评测或基础设施的工程师都该看看。
Zyphra 开源了这个 886M 参数的语音克隆模型，100M 激活量就能在手机上实时跑，克隆效果还能对标更大模型。做端侧语音应用、多语言 TTS 的开发者可以直接拿权重和训练代码上手试。
339M 参数的小模型，用一个 epoch 的合成问答对微调，哈萨克语检索 recall@1 从 60.8% 拉到 78.0%，还压过 OpenAI text-embedding-3-large。做低资源语言检索或想复刻这套合成数据微调流程的工程师都该看看细节。
Open weights aimed at a niche most security teams have not tooling for yet: auditing agent sessions at full scale rather than sampling. Security and platform engineers operating multi-agent deployments can self-host under Apache or use the free OpenRouter window until 19 Nov to evaluate it against manual rule review. The Perplexity figure of 1 billion tokens and 14 rule fixes in a day gives a concrete benchmark for what such audit loops can yield.
想在 arena.ai 上看图像生成模型的实时排名，这个排行榜基于真人投票对比，比固定基准更接近实际体验。选图模型前可以先刷一眼。
有人睡觉前给 Fable 5.2 布了个任务，让它用 Blender 和 Unreal 做游戏环境素材，一觉醒来就完成了。不是视频模型糊弄的画面，是真过了 3D 工具链。做独立游戏的朋友可以看看这种挂机工作流能不能搬进自己的管线。
有人拿 Fable 5.2 一小时写了个手绘风游戏，每帧150万次笔触还能在浏览器跑200 FPS，代码开源了。想看生成式编程能写出什么复杂实时渲染的，源码直接可以扒。
MiniMax 这次的 H3-Image 是开源的，多图编辑能打平谷歌的 Nano Banana，2K 编辑只要十几秒。做图像工具或者想本地部署的朋友可以直接去 Hugging Face 下权重试试，首周 API 还有半价。
做室内设计、电商场景图的人可以直接试，16 张参考图各管一件事，比一般生图模型对布局的控制细得多。开源权重能本地跑，但 135 GB 得掂量下显卡；不想折腾就调 API，半价期一张 4K 图才 3 分多美元。注意欧美地区用不了社区许可。
有人用 Fable 5.2 在 1 小时内复刻了开源油画风格游戏 Blendi，每帧 150 万次笔触、浏览器里跑 200 FPS，代码已开源。做风格化渲染或想试试 AI 生成游戏流程的开发者可以直接拆这套实现。
Training on real clinical archives lets a specialized model beat general frontier systems on both capability and resistance to leading clinical prompts — a notable result for medical AI evaluation methodology. Radiology teams, hospital AI buyers and health AI developers should examine its benchmark design, especially the longitudinal comparison task, when assessing clinical imaging products.
华为云把世界模型和自家昇腾芯片绑在一起做了，不依赖英伟达生态。做机器人训练、具身智能的团队可以关注，毕竟全昇腾链路的具身模型目前国内还真不多见。
Google 这款 Gemini 4 Hydrogen 号称比 3.8 Flash 快 2.5 倍，还能和 Carbon、Argon 搭配干活。做智能体和写代码的朋友可以先看看实测，跟 DeepSeek-V4.1-Flash-1017 比比价格再决定用谁。
字节把 Seedance 2.5 Flash 接进了 Runway，做视频更快、更便宜。用 Runway 的创作者可以顺手试试它和自己常用模型的出片差异，多一个选项总没坏处。
Baidu 这次把 2800 亿参数和百万 token 上下文的模型开放权重放出，之前 ERNIE 一直是闭源 API。想私有化部署长文本模型的同学可以盯一下，和 DeepSeek、Qwen 的开源路线直接对标。
Google 给 Gemini 家族加了个主打速度的 Hydrogen 版本，专门优化写代码和跑智能体任务。如果你在用 Gemini 做编程助手或者编排 agent，现在多了一个更快的选项，可以和标准版对比一下响应速度再决定用哪个。
The cost gap is the real story: at US$0.26 per agentic task, Inkling 2 Small undercuts Kimi K3.1 Pro by nearly 5x, which changes the economics of running long multi-step agent workflows. Teams building coding or agent pipelines who previously defaulted to Chinese open-weights models now have a US-hosted option to benchmark. Developers can test it directly in Agent Arena and Code Arena before committing to a migration.
Google 把 Gemini 4 系列补齐了，Hydrogen 主打快和省 token，比 3.8 Flash 快 2.5 倍，价格也比旗舰型号便宜不少。做需要低延迟对话或批量处理应用的开发者可以直接在 API 里换上试试。
Only the latest 2000 items are listed; for older ones see the daily archive
