135 条精选近 30 天 72条共收录 252条
更新Meta 超级智能实验室发布了 Muse Wonder 和 Muse Wonder Full，这是其第二代模型系列，面向个人和专业场景中的智能体工作。Latent Space 报道称，Wonder 可通过 Meta Model API 和 Muse Code 使用，而 Full 仅限 Muse Code 订阅用户使用。Artificial Analysis 给出的 Wonder Full 和 Wonder Intelligence Index v4.3 得分分别为 56 和 52，而 Opus 5.5 为 58；Wonder 支持 1M 上下文窗口，可输入文本、图像、视频和音频，输出仅支持文本。
推荐理由：基准测试细分结果将 Wonder 各版本与竞争模型在智能体表现和 token 用量方面进行比较，展示它们在不同任务中的相对排名如何变化，而非给出单一排名。
Meta的超级智能实验室于周一发布了 Muse Wonder 和 Muse Wonder Full。这两款更大的模型据称比 Muse Spark 能力更强。Meta称，它们的基准测试得分与 Fable 5.1 和 GPT-6 Astra 相当，并强调通过“主动记忆”保留信息。通过 Meta Model API 使用 Wonder 的价格为每百万输入 token 4.00 美元、每百万输出 token 20.00 美元；Wonder Full 仅向 Muse Code 订阅用户开放。这两款模型都将为 Muse 智能体提供支持。
推荐理由：Wonder 可通过 API 使用，而 Wonder Full 仅向订阅用户开放，这种区别为开发者比较 Meta 全新模型系列中的集成选项提供了具体依据。
微软将推出 Maia 300。Satya Nadella 表示，与领先的基于 GPU 的系统相比，Maia 300 每瓦可处理的 token 数量提高了 40%。 从明年起，微软将把 Maia 系列扩展至多吉瓦级部署，使其成为自家产品和服务的主要推理系统。 微软已在美国、欧洲和澳大利亚部署 Maia 200，在 Teams 和 Copilot 的各项体验中，每瓦可处理的 token 数量最高提升至原来的 1.7 倍。微软的目标是在持续将生态系统创新引入其计算集群的同时，进一步发挥全栈效率提升的优势。
推荐理由：将 Maia 打造成微软自家产品和服务的主要推理系统，为其宣称的效率提升提供了具体的部署背景。
谷歌发布了Nano Banana 2.1，这是一款升级版图像生成模型，支持4K输出、基于蒙版的编辑以及改进的主体一致性。据Arena称，它在文生图、多图编辑和单图编辑方面平均提升了约61.7分，谷歌将1K和2K图像的API价格减半，同时将4K价格下调约25%。该模型已在Gemini应用和Google AI Studio中上线，每天提供50个免费额度。
推荐理由：这篇文章汇总了Arena排名提升、API降价以及Nano Banana 2.1的早期用户测试，包括据报道的水印和重复编辑问题。
Qwen 发布 Qwen-Image-2.1-Turbo，基于 Qwen-Image-2.1 的同一 7B 视觉生成架构，仅需 8 个去噪步骤即可生成和编辑图像，权重已在 ModelScope 和 Hugging Face 开放。
推荐理由：Qwen 图像模型新增 Turbo 加速版本，8 步采样与开放权重给出了可直接接入的生成与编辑路径。
Anthropic 发布 Claude Haiku 5.5，这是 Haiku 系列约一年来的首次更新，定价与 OpenAI 的 GPT-6 Luna 持平，同日还下调了 Sonnet 5.5 与订阅计划价格。
推荐理由：汇总了 Haiku 5.5 的定价、独立评测与 token 消耗数据，便于判断小模型在智能体工作流中的成本取舍。
Anthropic 发布 Claude Haiku 5.5，官方跑分逐项超过 GPT-6 Luna，并取代 DeepSeek V4.1 Flash 和 GLM-5.3-Flash 成为新的小模型守门员。
推荐理由：原文给出 Haiku 5.5 的跑分、分档定价与迁移改动清单，读者可据此判断它适合承接哪类执行层任务。
Anthropic 发布快速低价模型 Claude Haiku 5.5，定价为每百万输入 0.10 美元、输出 0.50 美元，与 OpenAI 上月发布的 GPT-6 Luna 完全一致，但超过 100,000 tokens 后涨至 0.50/2.50 美元，而 Luna 在 272,000 tokens 才涨到 0.20/0.75 美元。
推荐理由：作者实测了 Haiku 5.5 的定价、tokenizer 变化与不同推理档位的成本耗时，可据此判断它与 GPT-6 Luna 的取舍。
Anthropic 发布 Claude Haiku 5.5，这是其目前最快、最便宜的小模型，平均价格比 Haiku 4.5 低约 75%；对 10 万 token 以内的提示词，价格最高下降 90%，超过 10 万 token 则贵 5 倍。
推荐理由：原文给出 Haiku 5.5 的定价表与多项基准对比，读者可据此判断小模型在成本敏感任务上的取舍。
OpenAI 宣布 GPT-6 正在 ChatGPT 中面向全球上线，并同步推出 Intelligent UI。官方称新版本响应更快，提供可视化内容和可直接探索、使用的交互体验。
推荐理由：OpenAI 官方公布 GPT-6 在 ChatGPT 全球上线，并同步引入 Intelligent UI，读者可据此了解模型与交互形态的同步变化。
AWS 宣布 Claude Haiku 5.5 在 Amazon Bedrock 和 Claude Platform on AWS 上线。
推荐理由：AWS 官方给出 Haiku 5.5 的定位、成本变化与调用方式，读者可据此判断它在多智能体分层中的位置。
Mike Krieger 强调，Claude Haiku 5.5 专为速度和效率打造，成本比 Haiku 4.5 低 75%。他称，Opus 负责繁重的思考，Haiku 负责高容量工作。引用的 @claudeai 公告称，这是其成本最低、速度最快、能力最强的小型模型，平均运行成本比 Claude Haiku 4.5 低约 75%。 https://twitter.com/claudeai/status/2107894039626277339
推荐理由：与 Haiku 4.5 的比较为高容量工作提供了具体的成本参照，也体现了作者建议由 Opus 和 Haiku 分工处理不同任务。
Anthropic 发布最新模型 Claude Haiku 5.5。据其引用的 @claudeai 内容，这是其迄今最便宜、最快且能力最强的小模型，平均运行成本比 Claude Haiku 4.5 低约 75%。
推荐理由：Anthropic 官方发布小模型 Haiku 5.5，给出运行成本较上一代下降约 75% 这一关键变化。
Anthropic 推出了 Claude Haiku 5.5，并称这是其发布过的价格最低、速度最快、能力最强的小型模型。该公司表示，平均而言，运行它的成本比 Claude Haiku 4.5 低约 75%。这篇帖子未提供具体定价、基准测试或可用性详情。
推荐理由：Anthropic 在自己的公告中说明了 Claude Haiku 5.5 相对于 Haiku 4.5 的成本和速度定位，让读者了解该公司对小型模型系列的核心宣传说法。
Liquid AI 发布 d1 决策模型家族的两款开源权重模型 d1-3B 和 d1-omni-600M（实验性）。
推荐理由：Liquid AI 开源两款决策模型，给出端侧延迟与七项基准对比，可据此判断小模型做结构化决策的可用性。
Mistral 发布 1 万亿参数模型 Mistral Large 4，代号 Le Chonk，任何人可免费使用和定制，目前处于预览阶段，最终版本将在本月底推出。该模型面向通用任务，但专门针对编码、网络防御以及制造、金融、电气工程等细分领域做了优化。Mistral 称 Le Chonk 是迄今中国以外能力最强的开源权重模型，与部分闭源模型非常接近，并强调该模型是从零训练而非蒸馏。
推荐理由：Mistral 以 1 万亿参数开源权重模型切入编码与网络防御等细分领域，读者可据此观察开源与闭源模型的差距变化。
Nano Banana 宣布推出 Nano Banana 2.1，称其在各方面都优于此前的模型，包括视觉设计、基于蒙版的编辑、主体一致性，以及让图像看起来更自然等。 该模型已在 @GeminiApp、@GoogleAIStudio 等平台推出。 Josh Woodward 评论道：“基于蒙版的编辑是我今天最喜欢的功能，后续还会推出更多内容！” https://twitter.com/NanoBanana/status/2107521202466046453
推荐理由：这则公告围绕视觉设计、编辑、主体一致性和自然观感介绍了升级，为与此前的模型进行比较提供了具体依据。
Google DeepMind 发布 EmbeddingGemma 2，基于 Gemma 4 架构、740M 参数，在 Apache 2.0 许可下开源，将文本、图像、音频、视频映射到统一嵌入空间。
推荐理由：EmbeddingGemma 2 把文本、图像、音频、视频统一到同一嵌入空间，并给出端侧内存与向量截断的具体数字，便于评估本地多模态检索的可行性。
Mistral 发布 Mistral Large 4 公开预览，这是一个 1 万亿参数、490 亿激活参数的 natively 多模态模型，权重将于本月底开放。
推荐理由：Mistral 官方给出 1 万亿参数多模态模型的开放权重时间表与自建欧洲算力背景，可对照其与主流开源模型的定位差异。
Mistral AI 宣布推出 Mistral Large 4（又名 Le Chonk），拥有 1T 参数，其中 49B 为活跃参数，并原生支持多模态。该模型今日起可通过 API 使用，开放权重版本计划于 10 月底发布。Mistral AI 称，在综合基准测试中，该模型领先于来自美国或欧洲的开放权重模型，并在视觉定位方面超越闭源前沿模型。 Arthur Mensch 补充说，该模型的研发建立在前期基础工作之上，使用他们自己的算力进行训练和部署，而且强化学习（RL）尚未显现出饱和迹象。
推荐理由：API 今日开放使用、开放权重版本计划于 10 月底发布，这为团队通过托管基础设施或模型权重访问该模型提供了不同的时间安排。
