Chinese content商汤发布日日新 SenseNova 6.8 Flash 正式版，支持动态 PPT 与 3D 设计
商汤的 SenseNova 6.8 Flash 正式版来了，一次生成能直接出带动效的 PPTX 和 Blender 3D 场景，还带长期记忆，可以在线试试。
IT之家Source
Latest
Every published item, in order · 9305 items
Nov 3
Chinese contentZyphra 发布 ZHA：树状索引稀疏注意力，无需重训让冻结 LLM 支持长上下文
Zyphra 搞了个稀疏注意力 ZHA，冻结模型加 4B token 蒸馏就能上 256K 检索，不用重训，做长上下文的可以看看。
Models10:45
Chinese contentX-World 1.6 发布：用世界模型构建可控虚拟城市X-World 1.6 把世界模型做成了自动驾驶仿真器，能从一张图生成多摄像头视频，还能精细控制红绿灯和车道线，做闭环测试的可以看看。
Chinese contentOpenAI GPT-6.2 Astra 疑似灰度测试，Codex 用量统计中已出现
有 Codex 用户发现后台偷偷跑上了 gpt-6.2-astra，一个账号用量占比都到 19.8% 了，OpenAI 还没官宣，感兴趣可以去自己用量页看看有没有。
IT之家Source
Chinese content腾讯 Hunyuan 发布 Hyra 2.0 科研智能体，可自建工具用于蛋白质设计、数学证明与量子化学
腾讯 Hunyuan 的 Hyra 2.0 不只会答题，还能自己造工具：蛋白质设计快 57 倍，连数学证明和量子化学代码都搞出来了，开源可看。
Chinese contentHarnessSQL 让 8B 小模型在 Spider 2.0-SQLite 上跑到 45.2%
港科大把 8B 小模型塞进 DeepSeek 的 SQL 智能体框架训练，成绩从 15.5% 拉到 45.2%，直接超过了 32B 大模型，小模型玩法可以看看。
Chinese content清华 Algebraic World Model 用 Lean 4 证明 ARC-AGI-3 六关不可通关
清华和浙大搞了个 AWM，用 Lean 4 把 ARC-AGI-3 六个关卡的规则写成数学证明，直接证明全部不可通关，前沿模型全卡壳。
Chinese contentGoogle 发布 Gemini 4 Carbon，主打网络安全与复杂任务能力
Google 放出了新的 Gemini 4 Carbon，这次专门加强了网络安全和复杂任务处理，搞安全或自动化的可以看看它能干嘛。
Chinese contentHippocratic AI 发布 Polaris 6 Ultra，专注临床语音交互
Hippocratic AI 出了个专攻医疗语音的 Polaris 6 Ultra，能边说话边读患者情绪、自动调语速，做医疗对话的可以看看。
Chinese contentDeepSeek V4.1 Flash 1017 公开模型登顶 ARC-AGI 三项基准
DeepSeek 的 V4.1 Flash 1017 把开源模型在 ARC-AGI-2 拉到 78.1%，还顺手刷了 ARC-AGI-3 和 -1 的开源最佳，关注开源推理的可以看看成绩单。
Tomorrow 08:00, the daily lands in your inboxTelegram channel or email. Same screening as this page, no ads.
Chinese contentMIT 研究用 GPT-6 Astra 直接改权重提升 Qwen3.5-0.8B 数学成绩
不训练也能改模型：Astra 找到让 Qwen3.5-0.8B 复读循环的信号并从权重里减掉，0.016% 的改动让 MATH-500 从 7.9% 涨到 48.1%。
Mistral releases technical report on ML4 training
Frontier labs rarely publish full training details, so this document gives practitioners a real reference for replication choices around data and training pipeline decisions. Builders studying how top European labs structure large-scale training can compare Mistral's approach with the more limited disclosures from US and Chinese competitors.
Chinese content新流式决策模型：边读边答，文档提取比 Opus 5.5 便宜 75 倍
一个能边收文本边给答案、还带置信度的模型，提取文档只要 150ms，号称比 Opus 5.5 便宜 75 倍，送 20M 免费tokens。
Chinese contentDeep Principle 发布 Hydrogen-1.0：753B 开放权重科学发现模型
Deep Principle 把 Z.ai 的 GLM-5.3 改造成了 753B 的科研模型，专攻化学和材料，还开源了 MIT 权重，搞科研计算的可以直接拿来跑。
Chinese contentOpenAI 发布 LifeVal 基准，评测模型处理日常任务的能力
OpenAI 拿几千个 ChatGPT 用户的需求做了个 LifeVal 基准，专门测模型能不能帮你找托儿、办政务、管账单，思路挺不一样的。
Chinese contentNace AI 发布金融专用模型 Drex for Finance
Nace AI 出了个金融专用模型 Drex，专门做欺诈判断这种毫秒级任务，48 个金融基准测试准确率 85.7%，比 GPT-6 Luna 的 70.9% 高不少。
Skyfall AI releases SKY-001 world model for 3D product design
Design output that comes with a full build sequence shifts world models from visual generation toward tools engineers can actually hand to manufacturing. Teams in hardware, CAD tooling or robotics can use SKY-001 to automate part trees and assembly steps at a claimed 150x lower cost than GPT-6 Astra. The two-stage composer-plus-predictor architecture is also a template for anyone building hierarchical agent systems.
Chinese contentOpenAI 发布 LifeVal 基准，测试模型能否完成日常琐事
OpenAI 搞了个叫 LifeVal 的新基准，专门测模型能不能帮你跑腿办事，GPT-6 Astra 拿了 80.6%，比 GPT-5.2 的 49.3% 高了一截。
Chinese contentOpenAI 发布 LifeVal 基准：衡量 AI 完成日常任务的能力
OpenAI 搞了个新基准叫 LifeVal，专门测 AI 能不能帮你找托儿、管钱、办政务这些日常琐事，比跑分更贴近生活。
Sakana AI Announces Sakana Sawara Language Model at Tokyo Symposium
Schmidhuber's argument that only half of his AI vision — autonomous artificial scientists and Physical AI — has reached scale positions these areas as openings for smaller labs rather than Big Tech. Japan is framed as a promising base for that remaining half, giving regional researchers and companies a potential partner outside the US-China duopoly. Teams evaluating non-US foundation models can watch for Sawara Small's 2027 release as an early test of Japan's pretraining capability.
Chinese contentSemiAnalysis 发布 GDPx 基准，Claude Opus 5.5 平均仅得 12%
SemiAnalysis 搞了个 GDPx 基准，让智能体真去翻几千个文件干活，结果最强的 Claude Opus 5.5 也才拿 12 分，金融法律题全军覆没。
Chinese contentZ .ai 开源模型 GLM 5.3 可独立挖掘 Firefox 0day 并构建攻击链
Z .ai 的开源模型 GLM 5.3 能自己读懂未发布补丁，独立找出 Firefox 0day 并做出完整攻击链，Chrome 反而扛住了，细节都在测试过程里。
Chinese contentHugging Face 上 14T 参数 Numbat 仓库被曝造假
讲了个挺有意思的假泄露事件：有人蹭 Anthropic 真实代号 Numbat 传了 14T 参数仓库，结果权重是随机数生成的，教你怎么识破这类造假。
Chinese contentDeepSeek 开源自主编程智能体研究原型 dsh-superagent
DeepSeek 把自主编程智能体的研究原型直接开源了，想做 coding agent 的可以拆开看看实现思路。
Renmin University open-sources FlashRSI, a unified self-improving agent framework
Instead of manually tuning a coding agent's prompts, skills and tool configs, teams can let FlashRSI run the propose-edit-evaluate-select loop and benchmark which changes to keep. Builders maintaining long-running agents — repeated file reads, forgotten post-fix tests, token waste — get an auditable changelog of every config revision. The open-source release lets practitioners pick a specific algorithm like GEPA or ACE per optimisation layer rather than rewriting one-off tuning scripts.
Chinese content博主称 Google 的 Carbon 表现出色，能力分布不均但部分领域很强
Google 的 Carbon 让之前看衰它的人道歉了，虽然各领域能力不均，但部分领域确实强，可以看看具体强在哪。
Chinese contentGDPx 基准测试：Claude Opus 5.5 智能体得分 12%，Gemini 4 性价比更高
GDPx 这个基准挺有意思，用 206 个真实经济任务测智能体。Opus 5.5 分最高，但 Gemini 4 便宜 4 倍只低 1.1%，选型可以参考。
Chinese contentParticle-1 发布：智能体检索性能对标大模型，价格仅 1/23
Garry Tan 放出的 Particle-1，专攻智能体检索，效果对标更大的模型但价格只有 1/23，做检索类智能体的可以看看成本账。
Chinese content传闻流出：14T参数MoE模型Mythos的NVFP4评估片段现身Hugging Face
有人发了个模型片段，疑似14T参数的Mythos，1224个专家激活49个，去Hugging Face看看真假。
Chinese contentSakana AI 在东京举办研讨会，宣布从头训练智能体原生 LLM Sakana Sawara
Sakana AI 在东京办了研讨会，Jürgen Schmidhuber 也来了，他们正在从头造一个专为智能体设计的模型 Sawara。
Chinese content美团发布 LongCat-2.5 多模态模型：1.6T 总参数、49B 激活
美团出了个新模型 LongCat-2.5，1.6T 参数但每次只用激活 49B，官方说是直接对标 GPT-5.5 和 Claude Opus，API 已经能调了。
Sakana AI Announces Sawara Language Model at Tokyo Symposium
A from-scratch Japanese LLM effort is notable because nearly all frontier models now trace back to a handful of US and Chinese labs, and Sakana argues the next openings lie outside them. Teams tracking model ecosystem diversity, or researchers interested in Japan's AI ambitions, should watch the spring 2027 release and the event videos for technical direction.
Nov 2
Chinese content商汤发布 SenseNova 6.8 Flash：免费、可商用
商汤上新了免费的 SenseNova 6.8 Flash，轻量任务响应快还支持商用，预算紧的项目可以直接试试接入。
Chinese contentDeepSeek 开发可调度多个 AI 助手协同工作的超级智能体
DeepSeek 在做的这个系统能把一个任务自动拆给多个 AI 助手同时干，还替你检查结果，方向挺有意思。
Chinese contentqwenGPU：把 4 通道 SIMT GPU 编译进 Qwen3.5-2B 权重
阿里 Qwen 团队把一个小 GPU 直接编进 2B 模型权重里，模型自己写 CUDA，玩法挺硬核，喜欢底层架构的可以看看。
Chinese contentGPT-6.2 Astra开启灰测，Claude Mythos 5.5同日曝光
OpenAI 和 Anthropic 撞日子发新模型，GPT-6.2 Astra 灰测中，还有疑似权重泄露被下了 5000 次的瓜。
Chinese contentThe New Stack 实测 GPT-6.1 Terra：速度更快，成本远低于 Claude Opus 5.5
The New Stack 拿 GPT-6.1 Terra 和 Claude Opus 5.5 跑了三组硬核测试，Terra 答题更准还只要八分之一的价格，数据很实在。
Chinese content美团发布 LongCat-2.5：1.6T 原生多模态模型，面向长程智能体编程
美团放出 1.6T 的 LongCat-2.5，只激活 48B，专门练了长程智能体编程，还支持 W4A4 跑国产芯片。
Chinese contentGPT-6.2 Astra 与 Fable 5.5 曝光，11 月基模大战开启
GPT-6.2 Astra 和 Fable 5.5 同时被曝出来，11 月怕是要连着熬夜看发布了，先看看这波都有谁下场。
Only the latest 2000 items are listed; for older ones see the daily archive