跳到正文

#模型發布

RSS
今日 1 則
今天11月23日週一
  1. Ant Ling57

    醫療 AI 模型需要看懂影像、整理報告,也要能回答醫療問題。Ant Ling 發布開源多模態模型 LingSante-3.1-air-VL,結合醫療影像理解、報告生成、醫療推理、多模態搜尋與工具使用;模型總引數為 124B,啟用引數為 5.5B。團隊表示,它在 AFUMED-Derm、AFUMED-Report、MIMIC-CXR 和醫療視覺問答的平均成績上,勝過比較的模型 GPT-6.1 Sol 和 Gemini 3.8 Flash;在一般用途評測中,也有部分專案高於這兩個模型。

11月21日週六
  1. Hugging Face Blog83

    Hugging Face 與 Thinking Machines Lab 推出 Inkling 2 Mini,主打本機使用

    本機執行大型模型時,模型大小、回答速度和能力常得互相取捨。Hugging Face 與 Thinking Machines Lab 推出 Inkling 2 Mini,這款模型能讀文字和圖片,支援 1M-token 上下文視窗;它讓 12 層模型重複運作三次,用較少的實體層數完成更多運算。文章展示了它在本機寫程式、重畫《星夜》和製作分帳網站的成果,也說明如何透過 transformers、llama.cpp 和 MLX 執行。作者表示,它在 48 項基準中的 32 項領先文中列出的其他模型;這些結果來自 Hugging Face 的測試。

    推薦理由:文章以架構說明和實作展示呈現 Inkling 2 Mini 的本機使用方式,也比較它在多項基準上的表現,能看出模型設計與實際應用之間的連結。

  2. Artificial Analysis75

    大型模型常需要較多運算資源,Inkling 2 Mini 則小到可以在 MacBook 或 DGX Spark 上執行。它是 Thinking Machines 推出的開放權重模型,總引數量為 26B,每次運算會啟用 5.4B 引數;文字輸入會經過迴圈層三次,使用 3.1B 個不同權重。模型也能讀取圖片,並支援 1M token 的上下文視窗,採用 Apache 2.0 授權。Artificial Analysis 將它列在 Intelligence Index 第 20 名,並指出它在模型能力與啟用引數量的比較中位於帕累托前緣。

    推薦理由:Inkling 2 Mini 把模型能力與啟用引數量放在同一張圖上比較,並提供模型大小、文字與圖片輸入及上下文視窗資訊,可用來瞭解它的定位。

  3. Baseten61

    要挑出適合做決策的模型,除了品質,也得考慮速度和能處理的資料。Baseten 推出 bison-1 和 groundhog-1,兩者以 Gemma 4 為基礎,支援 128k 上下文視窗,也能處理圖片和文字。Baseten 表示,新模型的品質有所提升,速度則和 mammoth-1、elephant-1 相近;貼文沒有提供評測細節或比較數字。

    推薦理由:Baseten 說明新模型沿用 Gemma 4,並與自家舊模型比較品質和速度,提供評估其更新方向的背景。

11月20日週五
  1. Vercel Blog51

    OpenAI 發布 GPT-Live 1.1,Vercel AI Gateway 已可使用

    AI 助理講話時,使用者有時需要插話或補充細節。OpenAI 的 GPT-Live 1.1 可以一邊說話一邊聽,也能讓來電者打斷或補充內容;相較前一版,它的語音轉文字更準確,跨語言時的口音和聲音也更一致。這個模型已能透過 Vercel AI Gateway 使用,原本串接 GPT-Live 的程式只要換成新的模型 ID。若開啟代辦功能,AI 助理可以請其他文字模型幫忙,再把結果轉成語音;這些代辦請求會另外計費,而語音工作階段在代辦執行期間仍會繼續計費。

11月19日週四
  1. Cursor74

    在 Cursor 裡使用 Gemini 模型時,效能和費用都是選擇時會考慮的因素。Cursor 宣佈 Gemini 4 Neon 已可使用;在 CursorBench 4.1 的預設 effort 設定下,它拿到 63.7%,高於 Gemini 4 Hydrogen 的 57.3%。價格是每百萬個輸入 tokens $3、每百萬個輸出 tokens $15,提供了比較測試分數與費用的依據。

    推薦理由:Gemini 4 Neon 在 CursorBench 4.1 的分數高於 Gemini 4 Hydrogen,並列出輸入與輸出價格,可用來比較效能和使用成本。

  2. Vercel Blog72

    Google 推出 Gemini 4 Neon,並開放在 Vercel AI Gateway 使用

    寫程式或處理多步驟工作時,模型要回得快,也得能看懂不同種類的資料。Vercel 宣佈 Gemini 4 Neon 已可透過 AI Gateway 使用;官方說它比先前較輕量的 Gemini 4 升級,回應更快,輸出品質接近 Google 較大型的 Gemini 4 模型。它能讀取文字、圖片、影片和檔案,並支援工具呼叫、結構化輸出、Google 搜尋與 Google 地圖資料,以及四種推理等級。

    推薦理由:Gemini 4 Neon 主打較快回應與接近大型 Gemini 4 模型的輸出品質,也支援多種輸入和工具呼叫,適合瞭解它能處理哪些工作。

  3. cloudflare blog78

    Cloudflare 推出更新版 Clairic 和 9B 的 Clairic-flash

    從收據、圖片和 PDF 擷取資料,常會遇到表格難讀、欄位分散在不同頁面的問題。Cloudflare 更新了 Clairic,並推出較小、較快的 9B 模型 Clairic-flash;兩者能讀取最多 4 張圖片或 PDF 頁面,整理供應商、品項和總額等資料,也能處理估算、日期計算與明確的算術。Cloudflare 表示,兩款模型的權重已在 Hugging Face 開放,並可透過 Workers AI 使用。Clairic-flash 每百萬輸入 token 收費 $0.10,Clairic 為 $0.24;到 2026 年 12 月 1 日前,兩者都以每百萬輸入 token $0.10 優惠。文中的比較資料來自 Cloudflare 自行測試,適合用來瞭解其測試結果,不能當成公開基準。

    推薦理由:Clairic 改用新的欄位生成方式,並加入專門處理估算與日期計算的能力;文中也比較了文字、圖片與 PDF 的擷取表現及回應速度。

  4. Google DeepMind85

    Google DeepMind 推出 Gemini 4 Neon,主打快速處理程式與分析工作

    處理大型程式專案、企業資料和科學問題時,工作常需要多步驟操作,也會耗費不少時間與費用。Google DeepMind 推出 Gemini 4 Neon,主打在單次工作中處理複雜任務,並可讀取多種資料;上下文視窗為 1 million tokens。官方表示,它在多項程式、分析與科學評測中取得高排名,也能協助找出和修補程式漏洞。價格為每 1 million input tokens $3、每 1 million output tokens $15;產品正陸續開放給開發者、企業及符合資格的 Gemini 訂閱者。文中的評測結果與安全資料來自官方列出的測試。

    推薦理由:Gemini 4 Neon 同時面向程式開發、企業分析與資安工作,文中也比較了效能、費用和安全防護,呈現它的使用取捨。

  5. Hugging Face Blog61

    RadixArk 發布 DaisyRose-27B,Terminal-Bench 4.1 成績提升

    訓練 AI 助理處理需要長時間、多步驟完成的工作,往往要準備大量任務,也得投入不少 GPU 資源。RadixArk 發布首款模型 DaisyRose-27B,以 Qwen3.8-27B 為基礎,使用 1,200 項整理過的任務進行強化學習訓練。和原始模型相比,它在文中列出的各項基準都拿到較高分;Terminal-Bench 4.1 的 pass@1 從 5.6% 提升到 12.0%。RadixArk 也表示,自家訓練後端比可比的開源訓練器少用 57% GPU 時間。

    推薦理由:DaisyRose-27B 與 Qwen3.8-27B 的多項基準成績可供對照,其中 Terminal-Bench 4.1 的 pass@1 從 5.6% 提升到 12.0%。

  6. Google DeepMind69

    Google DeepMind 開放 Genie 4,讓使用者邊探索邊修改虛擬世界

    探索互動世界時,使用者可能想改變場景,卻得重新開始。Google DeepMind 開放 Genie 4,讓符合資格的 Google AI Ultra 訂閱者在 Project Genie 中一邊移動,一邊用提示詞即時改變天氣、加入角色或調整情節;場景也會搭配隨畫面變化的音訊。Project Genie 還加入 AI 助理協助打造世界,並提供可探索和改編的社群作品。Genie 3 也能延長單次探索時間,或把多個世界接起來;Google 表示,生成的影片和音訊會加入 SynthID 浮水印,輸入與輸出也會經過安全檢查。

    推薦理由:Genie 4 可在探索途中依提示即時改變場景,並加入會隨畫面變化的音訊,呈現互動世界模型的創作方式。

11月18日週三
  1. AssemblyAI69

    即時對話、語音 AI 助理和錄音的轉錄需求不同,說話者標記、速度和辨識準確度也各有重點。AssemblyAI 推出 STT-3.7 系列的三款模型:Realtime 在對話回合結束時提供定稿的說話者標記;Realtime-Agent 面向語音 AI 助理,標榜能在 86 毫秒內提供定稿文字;STT-3.7 則用於錄音,支援 32 種語言。官方表示,三款模型今天都已推出,並提供基準測試與同業錄音比較。

    推薦理由:三款模型分別面向即時對話、語音 AI 助理和錄音,並提供各自的錯誤率比較,可據此挑選符合音訊情境的轉錄服務。

  2. Hugging Face Blog64

    Hugging Face 開源 0.5B 語音辨識模型 Rumble-2-Flash

    語音辨識模型常要用很大的模型,才能處理多種語言和吵雜的電話錄音。Hugging Face 開源了 Rumble-2-Flash,這個 0.5B 模型支援 40 多種語言,也能自動判斷語言;它還能設定數字要寫成數字或文字,以及是否保留填充詞和重複內容。在一項 302 小時、涵蓋 14 種英語口音的客服電話測試中,它的錯誤率是 7.86%,接近 30B 的 Nemotron 3.5 Transcribe。模型可透過 Transformers、vLLM 和 Hugging Face API 使用。

    推薦理由:Rumble-2-Flash 在多語言辨識與電話語音測試中,和大上許多的模型比較成績,呈現小型語音模型的實用範圍。

  3. Vercel Blog85

    Vercel AI Gateway 迎來 GPT‑6.2 Astra 與 Sol

    Vercel AI Gateway 現已支援 OpenAI 的 GPT‑6.2 Astra 與 Sol。Astra 適合複雜多步專案,支援程式碼變更、檔案範本與電腦使用;Sol 針對日常編碼、寫作與代理工作流程,能從簡短需求建置互動式網頁。使用者可透過 API 指定模型 ID,並可啟用 Ultrafast 服務,降低成本;亦可在 Vercel CLI 內設定並於 Codex、Cursor 等編碼代理使用。

    推薦理由:瞭解 GPT-6.2 Astra 與 Sol 在 AI Gateway 的功能差異與使用方式

  4. Vercel Blog68

    MAI-Image-2.7 與 MAI-Image-2.7-Flash 於 AI Gateway 正式上線

    Microsoft 推出的 MAI‑Image‑2.7 與 MAI‑Image‑2.7‑Flash 兩款影像生成模型,已在 Vercel 的 AI Gateway 進入公開預覽。它們可產出最大 2048×2048 畫素、支援透明背景的 PNG,並能用同一 API key 進行文字生成或圖片編輯。MAI‑Image‑2.7 針對高品質最終素材,MAI‑Image‑2.7‑Flash 則提供更快、成本更低的變體。開發者只需設定 AI_GATEWAY_API_KEY,即可透過 Vercel AI SDK 或 AI CLI 直接呼叫。

    推薦理由:本文說明 Microsoft MAI-Image-2.7 及其 Flash 版可在 AI Gateway 直接使用,支援 2048×2048 解析度與透明背景,適合需要高品質或快速生成影像的應用。

  5. Arena.ai69

    MAI-Image-2.7 已結束預覽,Arena 的榜單比較了它和前一版 MAI-Image-2.6 在圖片任務上的表現。新版本在多張圖片編輯排第 3,單張圖片編輯和文字生成圖片都排第 4,整體比前一版約高 50 分;單張圖片編輯的進步最大,例如文字呈現從第 13 名升到第 4 名。每張圖片價格是 $0.035,榜單也把它列在兼顧價格與排名的選項中。

    推薦理由:Arena 比較 MAI-Image-2.7 與前一版在多種圖片任務的名次,也列出每張 $0.035 的價格,方便了解效能與成本的取捨。

  6. Google Developers Blog89

    Google 推出 Gemini 4 Hydrogen,讓機器人控制更快也更省

    讓機器人完成日常工作,常得先處理硬體設定、模擬環境和控制程式,花上不少時間。Google 推出 Gemini 4 Hydrogen,開發者用一般語言描述目標並提供相機畫面後,它就能規劃工作、撰寫控制程式,並在執行時持續調整。在一項機器人基準測試中,它操作真實的六軸手臂完成八種桌面任務,分數是 58,與 Gemini 4 Argon 相近,但每個 token 的成本較低。Google 也推出 Antigravity Robotics 外掛,協助設定手臂、建立 MuJoCo 模擬場景,再把測試過的應用帶到真實機器人上。

    推薦理由:Gemini 4 Hydrogen 在機器人任務測試中取得與 Argon 相近的分數,文章也展示它如何搭配工具完成從模擬到實機的工作流程。

  7. Arena.ai53

    OpenAI 的 GPT-6.2 Astra 和 Sol 已加入 Arena,排行榜分數還沒公佈,使用者可以先到 Agent Arena 試用。Agent Arena 會用全球使用者提供的大量真實長流程任務,測試模型完成工作的成果;模型能使用網頁搜尋、檔案系統和終端機工具。排行榜會把模型表現和平均模型比較,並用因果追蹤方法分析結果。這兩個模型也已在 Code Arena 的 WebDev、Text、Vision、Search 和 Document 專案中提供。

  8. Artificial Analysis83

    OpenAI 發布 GPT-6.2 Astra 和 GPT-6.2 Sol。Artificial Analysis 的評測顯示,Astra 在 Intelligence Index 排名第二,僅次於 Claude Fable 5.2;Sol 得分 57,和 GPT-6 Astra 相當,完成任務的成本約為其 15%。Astra 的價格是每百萬輸入與輸出 token $8/$40,比 GPT-6 Astra 低 20%,快取輸入則從 $1.00 降到 $0.40;Sol 的價格維持每百萬輸入與輸出 token $2/$10。兩款模型在科學、3D 和機器人評測表現突出,但編碼助理評分沒有提升:Astra 持平,Sol 比前代低 3 分。

    推薦理由:GPT-6.2 Astra 與 Sol 在多項評測的名次和價格效率各有表現,也出現編碼評分停滯或下滑,便於比較不同用途的取捨。

  9. Artificial Analysis73

    挑選影像編輯模型時,品質和價格常得一起考量。Microsoft 推出 MAI-Image-2.7 和 MAI-Image-2.7-Flash,Artificial Analysis 表示兩款模型在影像編輯與文字生成圖片的品質和價格比較中,都進入表現與費用的前段。MAI-Image-2.7 每 1k 張圖片要 $34.82,Flash 版要 $10.24;前者在文字或符號、場景與風格、畫面增強與修復等編輯專案排名第 1,後者在場景與風格編輯排名第 3。這些結果提供了比較兩款模型用途與費用的依據。

    推薦理由:Artificial Analysis 比較兩款模型在影像編輯與文字生成圖片的表現和價格,可看出不同任務下品質與費用的取捨。

  10. vLLM58

    AI 模型在長對話中會用掉大量記憶體,草稿模型也需要推論系統配合才能投入實際使用。vLLM 團隊公佈為 Kimi K3.1 Pro 設計的 DSpark,這項工作由 Inferact 與 Red Hat Speculators 團隊共同開發。每個草稿層都使用 2K 的滑動視窗,讓草稿 KV 記憶體用量維持在固定範圍,即使上下文長達 1M tokens 也一樣。HumanEval 測試中,DSpark 的接受長度比預覽版提高最多 30%;vLLM 重新設計的 KV 管理也支援分離式推論與不同的平行配置。

11月16日週一
  1. Artificial Analysis62

    Liquid AI 推出 d1.2-ultra 和 d1.2,更新旗下的 d1-ultra 和 d1.1 決策模型。Artificial Analysis 表示,d1.2-ultra 在自家 AA-Paperclip 評測拿下 76 分,比第二名 Drex Max v1.1 高 3 分;另一項 Artificial Analysis Decision Index v2.1 排名中,d1.2-ultra 第 1 名,d1.2 第 6 名。兩款模型也都比前代得分更高,且都位於能力與成本的帕累托前緣。每 100 萬個 Decision Index 任務的費用分別是 $133 和 $63;兩者可接收文字與圖片,並透過 Liquid AI 自家 API 提供。

    推薦理由:Artificial Analysis 的測試顯示,d1.2-ultra 與 d1.2 都比前代得分更高,並列在能力與成本的帕累托前緣,可比較兩款模型的進步與花費。

  2. Vercel Blog47

    Qwen4-Max 登上 Vercel AI Gateway,支援寫程式、製作 3D 場景和長時間工作

    Qwen4-Max 是 Alibaba Qwen4 系列的第一個模型,現在可透過 Vercel AI Gateway 使用。它能看懂圖片,也能處理長篇工作,例如在 Blender 製作 3D 場景,或在 Unity、Unreal Engine 和 Godot 製作能玩的遊戲;完成後還會看畫面找出鏡頭、動畫或燈光問題,再動手修改。處理財務、法律和醫療工作時,它也能使用 MCP 工具整理大量檔案和圖片,產出附有資料來源的報告、試算表和簡報。 遇到需要很久的工作時,Qwen4-Max 會先交出能用的初步成果,再一輪輪改進,讓人可以邊看邊調整方向。Alibaba 也將推出一個搭配這種工作方式的 Live Delivery 外掛。和先前的 Qwen Max 模型相比,Qwen4-Max 完成相同工作的 token 用量較少,預設寫出的程式也較安全;Vercel AI Gateway 則不加價收取模型費用,也不收推論平臺費。

  3. Artificial Analysis80

    挑選模型時,分數較高的選擇也可能花費更多。Artificial Analysis 測得,Qwen4 Max 使用 xhigh 推理時,Intelligence Index 得分為 43,比 Qwen3.8 Max 高 9 分,距離 Kimi K3.1 Pro 少 3 分;每項測試任務成本為 $3.27,約比 Qwen3.8 Max 低 3 倍、比 Kimi K3.1 Pro 低約 11%。測試中它每項任務使用約 105k 個輸出 token,少於 Qwen3.8 Max 的約 171k。Qwen4 Max 可透過阿里巴巴第一方 API 使用,支援文字和圖片輸入,並提供文字輸出。

    推薦理由:Artificial Analysis 比較了 Qwen4 Max 與其他模型的測試分數和每項任務成本,呈現效能與花費之間的差異。

11月14日週六
  1. Artificial Analysis62

    Perplexity 更新了 Decider v1.3 和 Decider Flash v1.3,兩款都是用來處理決策任務的模型。Artificial Analysis 的 Decision Index v2.1 給兩者 70 分和 64 分;和 v1.2 相比,Flash 版進步 4 分,排名升到第 10 名。Decider v1.3 在 AA-Paperclip 得 69 分,在 EvalSafe-O*NET-AA 得 89 分。兩款模型每百萬項任務的成本分別是 $68 和 $34;它們都位在該評測的能力與成本取捨曲線上。

    推薦理由:兩個版本的測試排名與每百萬項任務成本放在一起,能看出不同規模模型在決策表現和費用上的取捨。

11月13日週五
  1. Hugging Face Blog82

    Granite 4.1 3B 與 8B 推出 LLMON 實驗預覽模型

    Granite 4.1 3B 與 8B 推出 LLMON 實驗預覽模型,透過專用標記將指令、資料與要求分開表示,並以執行區塊指定彼此關係。 - 提示注入測試:在 OPI 基準上,LLMON 相較測試中的最佳前沿模型多避免 47% 的攻擊,相較最佳開源模型多避免 95%;在 ASB 與 StruQ 也觀察到類似趨勢。

    推薦理由:文章說明 LLMON 如何以明確的指令與資料分隔降低靜態間接提示注入成功率,並交代基準測試範圍與尚在改進的自適應攻擊。