推薦理由:評測比較 Gemini 4 Hydrogen 在推理、視覺理解與終端工作上的表現及成本,呈現不同推理設定下的取捨。
#模型發布
RSS 訂閱#模型發布
RSS
Artificial Analysis@ArtificialAnlys精選品質評分7575
Google DeepMind@GoogleDeepMind品質評分3838
Artificial Analysis@ArtificialAnlys品質評分4040
Arena.ai@arena品質評分5757AWS What's New品質評分6161 Ornith-1.0-9B 和 Ornith-1.0-35B 開放在 Amazon SageMaker JumpStart 使用
想讓 AI 助理協助寫程式,模型要能處理從安排工作到產生程式碼的整個流程。DeepReinforce AI 的 Ornith-1.0-9B 和 Ornith-1.0-35B 現已可在 Amazon SageMaker JumpStart 部署,兩者都用強化學習來改進工作安排和解題過程。9B 版有 256K token 上下文視窗,適合在單張 GPU 上執行;35B 版採用 MoE 架構,原文表示可部署在單張 24 GB 消費級 GPU 上。兩款模型以 MIT 授權發布,並在多項程式開發基準測試中表現突出。
Artificial Analysis@ArtificialAnlys精選品質評分7373推薦理由:Artificial Analysis 將 Gemini Decision 1 與同類模型比較,呈現其知識與推理基準、檔案抽取表現及每項任務成本的差異。
Unsloth AI@UnslothAI品質評分3939Google DeepMind精選品質評分8686 Google DeepMind 發布 AlphaGenome 2,預測不同人類細胞中的 DNA 變異影響
Google DeepMind 發布 AlphaGenome 2,可依特定人類細胞型別或狀態,預測 DNA 序列及其變異對基因活動的影響。 - 模型訓練:使用人類與小鼠的 bulk 及單細胞資料訓練,涵蓋超過 1.07 億個細胞剖面與 68 種組織;新增 DNA 甲基化預測。
推薦理由:AlphaGenome 2 在 TenK10K 資料集的因果變異辨識率由 16% 提升至 30%,可供評估單細胞模型定位疾病相關變異的能力。
Runway@runwayml品質評分5656Hugging Face Blog精選品質評分6363 Tether AI Research 推出 0.8B 引數端側AI 助理模型 BotPsy
Tether AI Research 推出 BotPsy,這款以 Qwen3.5-0.8B 為基礎、適用於端側部署的 0.8B 引數模型,專為工具呼叫與AI 助理工作流程設計。
推薦理由:BotPsy 在多項工具使用基準上與較大型模型比較,並揭示多輪任務、低資源語言及高難度搜尋的表現落差。
Qwen@Alibaba_Qwen品質評分3838
vLLM@vllm_project品質評分5757LMSYS Arena (@arena)@arena品質評分5555
Baseten@baseten品質評分4848
Google DeepMind@GoogleDeepMind品質評分5555Google DeepMind 推出 Gemini 4 Carbon,主打處理複雜長時程任務,並在多個領域進行延伸驗證迴圈。 應用領域:軟體工程、資訊安全、知識工作與科學。

ElevenLabs Official Blog精選品質評分7373 ElevenLabs 推出 Scribe v3 與 Scribe v3 Live 語音轉文字模型
ElevenLabs 推出語音轉文字模型 Scribe v3 與 Scribe v3 Live,分別面向錄製音訊與即時音訊,並在其測試中降低轉錄錯誤率。
推薦理由:文章以相同資料集比較批次與即時轉錄模型,並拆解詞錯率、說話者辨識與即時辨識的差異,方便評估各自適用的場景。
Google Gemini@GeminiApp精選品質評分7373推薦理由:原文列出 Gemini 4 Carbon 在複雜任務、檔案分析與 3D、UI 設計上的用途,並說明 Ultra 訂閱者可開始使用。
Google DeepMind精選品質評分8181 Google DeepMind 推出 Gemini 4 Carbon,開放開發者、企業、研究人員與消費者使用
Google DeepMind 開放 Gemini 4 Carbon,主打複雜知識工作、長流程AI 助理工作流程、軟體工程、資安與科學推理,並提供多種產品與 API 使用入口。
推薦理由:Carbon 展示資安防禦、長流程AI 助理與科學研究的能力及安全測試結果,並提供與 Argon 的基準和價格比較。
Amazon Science品質評分5656 Amazon 推出表格基礎模型 Mitra-v2,擴大合成預訓練規模
Amazon 推出第二代表格基礎模型 Mitra-v2,支援分類與迴歸,並在 TabArena 的單模型方法中領先。 - 預訓練變化:使用的合成表格列數是 Mitra-v1 的 10 倍,欄數約為 3 倍,並加入混合結構因果模型先驗。
ollama@ollama品質評分4949
MiniMax (official)@MiniMax_AI品質評分5959
Google DeepMind@GoogleDeepMind品質評分4040Gemini Robotics 2.5 登場了。🤖 我們最新的實體 AI 能學會數百種日常技能,從摺衣服、端上糕點,到在工廠現場自主分類汽車零件。 以下是它能力的一瞥 🧵

Google DeepMind精選品質評分8383 Google DeepMind 推出 Gemini Robotics 2.5,提升機器人靈巧操作能力
Google DeepMind 推出 Gemini Robotics 2.5,擴大機器人可學習的任務範圍,並提升執行速度、可靠度與安全性。 - 任務評估:模型在 200 多項任務中接受測試;相較先前基準,依任務型別成功率提高 30% 至 100%,完成速度快 20% 至 30%。
推薦理由:文章以 200 多項任務的評估與 Mercedes-Benz 生產線概念驗證,呈現模型在操作能力、作業可靠度及機器人安全上的進展。
MiniMax (official)@MiniMax_AI精選品質評分6161MiniMax 發布影像模型 H3-Image 並釋出模型權重,主打 4K × 4K 影像可在 10–20 秒內生成。 - 功能:支援指令遵循、影像編輯,以及最多 16 張參考圖。

推薦理由:MiniMax H3-Image 將 4K × 4K 生成速度、指令遵循與多張參考圖支援放在同一模型中,並提供開放權重供社群使用。
AWS Machine Learning Blog精選品質評分8282 Claude Fable 5.2 與 Claude Mythos 5.2 登上 AWS
AWS 宣佈 Claude Fable 5.2 與 Claude Mythos 5.2 已可透過 Amazon Bedrock 和 Claude Platform on AWS 使用。
推薦理由:文章整理兩款模型在技術工作與高風險研究上的定位,並說明 AWS 上的存取方式、資料保留要求與遷移做法。
Artificial Analysis@ArtificialAnlys精選品質評分8787推薦理由:Artificial Analysis 比較 Claude Fable 5.2 在多項評測與不同 effort 設定的表現,並列出價格及每項任務成本,呈現能力與成本的取捨。
Cursor@cursor_ai品質評分5353
Lydia Hallie ✨@lydiahallie精選品質評分6464推薦理由:作者比較 Fable 5.2 與 5.1 的結果驗證表現,並分享搭配 Opus 5.5 作為協調器的使用方式。
ClaudeDevs@ClaudeDevs精選品質評分6262Fable 5.2 已在 Claude Platform 與 Claude Code 開放使用。
推薦理由:Fable 5.2 相較 Fable 5.1 提升速度並降低 token 費用,文中提供的幅度與價格可用來比較版本成本。
Claude@claudeai精選品質評分6161
推薦理由:Anthropic 將 Claude Fable 5.2 與 Claude Mythos 5.2 定位於高難度技術挑戰,並指出編碼、推理與視覺能力有所改善。
Anthropic@AnthropicAI品質評分4141
Alexandr Wang@alexandr_wang品質評分5959
Alexandr Wang@alexandr_wang品質評分4747
AWS What's New精選品質評分8282 Anthropic Claude Fable 5.2 在 AWS 上推出,主打長時間處理複雜工作
需要處理大型工程問題時,工作可能跨好幾個程式碼庫,也不一定有清楚的邊界。Anthropic 推出 Claude Fable 5.2,並讓 AWS 客戶透過 Amazon Bedrock 和 AWS 雲端 Claude Platform 使用。它能連續工作數小時甚至數天,過程中自行測試,也會檢查難以重現的結果;Anthropic 表示,它在測試中曾協調數百個子助理。官方建議將它用於軟體工程、科學研究和金融工作。使用時也要留意,這款模型被列為需要保留資料以進行安全監控的模型;符合條件的客戶可使用零資料留存功能。
推薦理由:這次更新主打長時間自主處理大型工程問題,也延伸到科學研究與量化金融,可從中瞭解 Anthropic 建議的使用場景。
MiniMax (official)@MiniMax_AI精選品質評分6767
Artificial Analysis@ArtificialAnlys品質評分6565
Alexandr Wang@alexandr_wang品質評分5959
Unsloth AI@UnslothAI品質評分4747
Artificial Analysis@ArtificialAnlys精選品質評分7171推薦理由:Inkling 2 Small 在 AA Intelligence Index 得分提升的同時,輸出 token 數與單次任務成本也增加;各項基準差異可用來比較其代理任務、程式編寫與研究能力。
Hugging Face Blog精選品質評分8888 NVIDIA 推出 Cosmos 3 四款開放權重模型,支援互動式世界模擬
NVIDIA 為 Cosmos 3 模型家族新增四款開放權重檢查點,用於互動式世界模擬與多感測器、多視角駕駛場景生成。
推薦理由:四種檢查點涵蓋駕駛場景生成、相機與 LiDAR 串流、模擬器畫面轉換及雙臂機器人動作預測,並交代各自控制方式與訓練流程。