跳到正文

#模型發布

RSS
今日 4 則
11月16日週一
  1. aihot83

    Qwen4 Max 發布,評測分數比 Qwen3.8 Max 高 9 分

    挑選模型時,分數高不一定代表每項任務都更省錢。這份評測顯示,Qwen4 Max 使用 xhigh 推理強度時,Artificial Analysis Intelligence Index 得分為 43,比 Qwen3.8 Max 高 9 分,每項任務成本約為其三分之一,也比 Kimi K3.1 Pro 低約 11%。不過,各項測試的表現不同:Qwen4 Max 在 Terminal-Bench 4.0 落後 Kimi K3.1 Pro,在 FrontierCode 2.0 則落後 Hy4。資料也列出它支援文字與圖片輸入、文字輸出,並提供 1M tokens 上下文視窗。

    推薦理由:Qwen4 Max 與 Qwen3.8 Max、Kimi K3.1 Pro 和 Hy4 的評測分數、每項任務成本及用量比較,呈現效能與費用之間的取捨。

  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. Hacker News (official RSS)86

    千問推出 Qwen4-Max,主打長時間工作與分段交付

    處理複雜工作時,AI 助理可能要花很久才交出成果,使用者也不容易及早發現方向錯了。千問推出 Qwen4-Max,主打長時間執行任務,並用 Live Delivery 先交出可用的初版,再依執行結果和使用者回饋逐步修改,讓人隨時檢視進度、修正方向。千問也展示了它用於 3D 建模、遊戲製作、法律檔案整理和雲端資源排程等工作的案例。官方表示,在 Work360 評測中,Qwen4-Max 得分 52.69,高於 Qwen3.8-Max 的 47.74;該評測的單項任務平均成本也從 $4.43 降至 $1.67。

    推薦理由:Qwen4-Max 把長時間工作、分段交付與使用者回饋放進同一流程,文中也以實際工作案例說明如何逐步完成複雜任務。

  4. iThome (臺灣)78

    Google 推出 Gemini 4 Hydrogen,速度比前代快 2.5 倍

    處理日常工作時,大家常得在回覆速度和複雜任務能力之間取捨。Google 推出 Gemini 4 Hydrogen,主打程式撰寫和日常 AI 助理工作流程,表示它比前代 Gemini 3.8 Flash 快 2.5 倍;也能和 Carbon 或 Argon 搭配,由 Hydrogen 寫程式、修正錯誤和跑測試,較大型的模型負責複雜判斷。它已提供給多種 Google 產品與服務,每百萬 token 的輸入和輸出價格分別是 1.5 美元和 7.5 美元。

    推薦理由:Gemini 4 Hydrogen 主打日常工作所需的速度,也能和 Carbon 或 Argon 分工,文中提供了速度、用量與價格比較。

  5. aihot81

    Qwen4-Max 登上 Agent Arena 中國模型榜首,首度排名總榜第 14

    Qwen4-Max 在 Agent Arena 首次登場,總榜排第 14,成為榜上排名最高的中國模型。這份排行榜根據社群提供的 14.7k 次真實 AI 助理對話整理;相較 Qwen3.8-Max,Qwen4-Max 的淨提升為 +7.5%,在工作、聊天和程式類別也都是排名最高的中國模型。Alibaba 的公告另稱,新模型採用 MoE 架構,原生支援視覺,並有 1M token 上下文視窗;API 已在 QwenCloud 上線。

    推薦理由:Qwen4-Max 首次登上 Agent Arena,並在工作、聊天與程式類別領先榜上其他中國模型,可從多種真實任務表現瞭解這次更新的差異。

  6. 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。

  7. Dev.to Top Tech67

    Qwen4-Max 主打長時間工作,每項任務平均成本降低 62%

    AI 助理處理長時間、多步驟工作時,可能耗用大量 token,費用也會跟著增加。Qwen 團隊發布 Qwen4-Max,主打較省 token 的長任務處理;在 Qwen 自家的 Work360 測試中,每項任務平均成本從 $4.43 降到 $1.67,並展示了製造、法律和科學研究等工作流程。這些數字來自 Qwen 自家測試,不能直接當成所有工作都會省下 62%;文中的新材料和藥物候選物示範也尚未經獨立驗證,其中藥物候選物仍待實驗室測試。

  8. aihot82

    Qwen 發布 Qwen4-Max,主打百萬 token 上下文與長程 AI 助理能力

    Qwen 團隊發布新模型 Qwen4-Max,主打更長的上下文和長程 AI 助理能力。它採用 Qwen4 架構,骨幹有 2.4T 引數,每個 token 會啟用 71B 引數,另有 328B N-gram Embedding 引數。模型也具備原生視覺能力,並支援 100 萬 token 上下文,讓它能處理很長的內容。材料提到成本比較和實際案例,但沒有提供細節。

    推薦理由:Qwen4-Max 公佈骨幹引數、每個 token 啟用的引數量與上下文長度,能看出這次模型更新主打的規模與能力。

  9. Dev.to Top Tech61

    Grok 4.7 進駐 AWS GovCloud,支援 Kiro 程式開發

    在受管制的政府雲端環境使用程式開發模型,組織需要能管理誰可以使用,也要留意費用和模型狀態。AWS 宣佈 Grok 4.7 已能在 AWS GovCloud(US)區域的 Kiro IDE 和 CLI 中使用,支援程式開發與知識工作,目前仍屬實驗階段。它提供 500,000-token 上下文視窗;請求不超過 200,000 tokens 時,費用倍率為 2.7×,超過則為 5.4×。Kiro 管理員可控制組織內哪些人能使用這個模型;使用者需更新 IDE 或 CLI 並重新啟動,才會在模型選單中看到它。

  10. Dev.to Top Tech50

    Open Vision Banana 如何把擴散模型變成多用途視覺引擎

    做辨識工作的團隊常得為不同任務各自準備模型,還可能花上好幾週收集資料、訓練模型。Open Vision Banana(OVB)把偵測物件、估計深度等工作交給同一個擴散模型處理:使用者用文字說明要找什麼,模型就產生標出目標的結果。文中的例子用它找出倉庫照片裡的棧板和堆高機,不必另外微調模型;在一組有限資料的測試中,辨識表現也接近專門訓練的模型。這種做法能省下不少開發時間,但結果仍會受到提示詞寫法影響。

11月15日週日
  1. Dev.to Top Tech58

    ZAQERIS Ai 開源 ZQN-12B,主打 8 GB 顯示卡也能執行

    大型模型常需要較多記憶體才能執行,ZAQERIS Ai 發布第二個開源模型 ZQN-12B,並公開壓縮方法的技術論文。這個從零訓練的模型有 15.55B 引數,壓縮後佔用 6.48 GiB,約為每個權重 3.25 bits;團隊表示,它可在消費級 8 GB 顯示卡上以每秒約 25 個 token 執行。模型原生上下文視窗為 128K,搭配 YaRN 可達 256K。團隊也說明這是早期版本,並非前沿模型。

  2. MarkTechPost56

    Bland 推出 Tofu-1,讓 AI 助理直接聽音訊並回應通話

    一般語音 AI 會先把通話轉成文字,再交給語言模型處理,容易忽略語氣、停頓和背景聲音。Bland 推出 Tofu-1,讓模型直接聽取並用語音回應,也能在說話時繼續處理請求,讓來電者插話或更正。它主打分辨說話者、降低背景噪音幹擾,以及聽出猶豫或急迫等語氣。產品目前只開放給少數企業試用;Bland 尚未公佈模型規模、延遲或價格。

  3. The Decoder85

    美團發布 LongCat-2.5,這款 1.6 兆引數模型以中國晶片訓練

    要讓 AI 助理自己完成寫程式等多步驟工作,需要模型處理長對話、看懂圖片,也要能在實際任務中找出答案。美團開放 LongCat-2.5 的模型權重;它能處理文字、圖片和影片,也能讓使用者開關推理功能。美團公佈的測試顯示,它在不同程式任務的表現有高有低,部分專案接近 Claude Opus 5,較難的終端機任務則落後。美團也提供用 194 顆華為昇騰晶片部署的指南,沒有提供 NVIDIA GPU 的部署指南。

    推薦理由:LongCat-2.5 的測試成績在不同任務間有落差,搭配部署配置與硬體限制,可看出它的適用情境和自架需求。

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。

  2. The Decoder79

    Runway 開放 Praxis-1,讓影片 AI 控制機器人

    機器人要學會拿取、移動物品,通常得先收集專門的機器人訓練資料。Runway 開放了 Praxis-1 的模型權重與程式碼;它先從影片學物體如何移動,再結合人類動作影片和機器人資料,根據相機畫面、文字指令與機器人位置持續調整動作。Runway 表示,Praxis-1 在 RoboLab-120 模擬測試的成功率是 46.2%,高於同類的 FLUX 3 Action;這些測試由 Runway 自行進行,尚未經獨立驗證。模型仍需要機器人資料來適應不同機型,也可能混淆外觀相似的物品,或難以自行安排長串複雜動作。

    推薦理由:Praxis-1把影片學到的物體動作規律用於機器人控制,文中測試呈現它在模擬與實機任務中的表現,也交代了資料需求與操作限制。

  3. Dev.to Top Tech61

    NVIDIA 推出 GR00T 2,讓機器人嘗試把學到的技能用在不同機器上

    每種機器人的手臂、鏡頭和夾爪都不同,教會一臺機器做事,往往不能直接搬到另一臺。NVIDIA 推出 GR00T 2,讓模型一起預測接下來的畫面和機器人動作,並從人類與機器人的示範中學習,希望把技能用在不同機器上,減少重新收集資料和訓練的需求。NVIDIA 回報,模型在 50 項任務的多次測試中,零樣本成功率為 40%,微調後結果較高。文章也引述 Samarth Urs 的質疑:這個數字是跨多次測試計算,模型曾在 50 項任務中的 40 項至少成功一次。要判斷技能能否廣泛轉用,還得看任務如何挑選、能試幾次,以及換到不熟悉的環境後表現如何。

  4. Rohan Paul71

    大型模型通常需要很多 GPU 記憶體,也要花不少時間訓練。Thinking Machines Lab 開源了 594B 引數的 Inkling 2 Small,採用 4-bit 前向運算訓練;這讓預訓練時間縮短 8%、RL 時間縮短 20%,效率約損失 2%。執行模型時,NVFP4 至少需要 500GB GPU 記憶體,MXFP8 至少需要 800GB;後者在評測上只高出約 1–2 個百分點。團隊也說,訓練從預訓練到最後一次 RL rollout 都維持相同數值設定,因此釋出的 4-bit 模型不需要另外校準。

    推薦理由:這次發布交代了 4-bit 訓練節省的時間與效率代價,也比較 NVFP4 和 MXFP8 的記憶體需求及評測差距。

  5. Dev.to Top Tech48

    Anthropic 將在 11 月 30 日停用 Claude Sonnet 4.5,教你該改哪些設定

    Anthropic 將在 11 月 30 日把 Claude Sonnet 4.5 從 API 移除,包含它的完整版本名稱;那天起,呼叫這些名稱都會出錯。Anthropic 建議改用 Claude Sonnet 5.5,但換模型時也要檢查程式:Claude 4.7 及更新版本只接受預設的 temperature、top_p 和 top_k,所以如果程式有設定這些值,就要拿掉。可以先找出程式裡使用舊模型名稱的地方,再挑 10 到 20 個實際提示詞,比較新舊模型的回答,確認格式和 JSON 等內容是否仍符合需求。

  6. Dev.to Top Tech37

    Google 將在 12 月 1 日把 Gemini 2.5 API 請求改由新模型回答

    使用 gemini-2.5-pro 和 gemini-2.5-flash 的程式,到了 12 月 1 日仍會收到回答,但回答會改由 gemini-3.8-flash 和 gemini-3.5-flash-lite 提供。除了換模型名稱,Gemini 3 也要求調整部分請求設定,例如移除 temperature 等引數、把 thinking_budget 改成 thinking_level,並檢查 function calling。文章建議先找出程式裡使用舊模型的地方,再拿 10 到 20 個常見提示詞,趁舊模型還能回答時比較新舊結果,確認格式和 JSON 等內容是否仍符合需求。

  7. Dev.to Top Tech41

    Google 推出 Gemini 4 Hydrogen,主打日常寫程式又快又省力

    寫程式時,不是每件事都需要很會深度推理的模型,有時候更需要快速處理日常工作。Google 推出 Gemini 4 家族的新成員 Gemini 4 Hydrogen,主打寫程式、除錯和處理多步驟的 AI 助理工作,也能讀文字、圖片、音訊和影片,輸入與輸出的內容合計最多可達 1 million tokens。它和專注複雜推理的 Gemini 4 Carbon 分工,讓開發者能依工作挑選模型。

  8. NVIDIA66

    教每種機器人做每件事,都得從頭示範,花費不少功夫。NVIDIA 發布 GR00T 2,這款開放模型是為機器人研究打造的;它能從人的示範中學習技能,也能預測自己的動作會怎麼改變周遭的實體世界。學到的技能還能用在不同機器人身上,減少每換一種機器人就得從頭教起的工作。

    推薦理由:GR00T 2 能從人的示範學習技能,並把學到的技能用在不同機器人上,可瞭解這種方法如何減少逐臺重新教學的需要。

  9. Hacker News (official RSS)66

    論文測試直接修改 Qwen2.5-1.5B-Instruct 權重會造成哪些變化

    直接改動模型權重,可能讓模型持續改變回答方式,也可能連帶影響原本正常的回答。這篇論文用 ChatGPT 6.1-Sol 編輯 Qwen2.5-1.5B-Instruct,測試錯誤事實、拒絕正當問題和漏掉指定資訊三種情況。奧運會測試中,修改後的模型在 100 個留出的提示詞裡都回答錯誤城市,但其他測試也發現它有時仍能回答正確,且部分原本答對的控制題在修改後失敗。作者強調,這些受控實驗沒有證明攻擊已發生或造成實際傷害;他們建議管理誰能修改權重、仔細測試修改前後的行為,並保留回復原狀的方法。

  10. MarkTechPost61

    Perplexity 發布 Decider v1.3,新增 Locate 文字片段擷取功能

    分類工具常要在幾個選項中判斷答案,卻不一定能指出文字裡的依據。Perplexity 發布 Decider v1.3 和較小的 Flash 版,模型會替每個選項給出機率,也能回答文字或圖片相關問題;新增的 Locate 則可從文字中找出指定內容,並標出起訖位置,適用於辨認人名、個人資料或回答文字擷取問題。Perplexity 自行公佈的評測中,v1.3 在 63 項查詢分類任務的平均準確率為 91.6%,Locate 平均分數為 69.0。兩款模型也能透過 API 使用,輸入價格分別為每 1M tokens $0.02 和 $0.01。

  11. Thurrott82

    Google 推出 Gemini 4 Hydrogen,讓所有人都能在搜尋中使用

    Google 推出 Gemini 4 Hydrogen,讓所有人都能在 Google 搜尋的 AI Mode 使用,也會逐步加入 Gemini app。Google 表示,這款模型著重快速處理各種日常工作,在 Gemini app 中更能照著使用者的指示操作、選用合適工具,減少來回修正;它有四種思考層級,預設為 high。在搜尋中,它也能處理較複雜的問題、提供更多影像內容和相關來源連結。Google Sheets 與 Google Antigravity 的訂閱使用者也能使用;Google 另表示,模型加強了對化學、生物、放射性與核能,以及網路安全濫用的防護。

    推薦理由:Hydrogen 同時進入 Gemini app 與 Google 搜尋,並提供四種思考層級;文章也整理了它在日常任務、搜尋回答和安全防護上的用途。

11月13日週五
  1. Dev.to Top Tech46

    Underdog AI 的 Woof 語音模型縮到約 32MB,可在瀏覽器離線念出文字

    雲端語音服務雖然方便,卻得先把文字傳到網路上;遇到訊號不好或內容敏感時,就不太方便。Underdog AI 的 Woof 把文字轉語音模型做得很小,單一聲音版本約 32MB,可直接在瀏覽器離線產生語音,不必把文字送到遠端 API;另一個雙聲音版本是 40.6MB。不過,實測發現它念簡單句子還可以,遇到一串數字、人名、分數或長篇內容就容易出錯,而且授權只供非商業用途。它讓開發者更容易試做離線語音功能,但要用在實際產品,仍得留意唸錯內容和授權限制。

  2. elvis51

    把一段文字變成有旁白和圖表的解說影片,通常需要花不少時間。Elvis Saravia 用 pi 當作 AI 助理的工作框架,請百度的 ERNIE 5.5 Flash Preview 製作一支解釋遞迴自我改進的短片;模型寫出指令碼、圖表程式碼並完成影片,旁白則由 ElevenLabs 提供,整個過程約 8 分鐘。他表示,用前沿模型做同一支影片會多花 2 到 5 倍時間,也提醒自己還沒測試需要長時間維持連貫性的影片。

  3. Dev.to Top Tech88

    Google 推出 Gemini 4 Hydrogen,主打日常寫程式和多步驟工作

    處理日常程式工作時,模型若花太久推理,或遇到複雜問題只回答其中一部分,都會拖慢進度。Google 推出 Gemini 4 Hydrogen,主打快速寫程式、執行測試和檢查修改;在 Antigravity 裡,Orchestrator 能讓 Carbon 負責協調、Hydrogen 負責建置與測試。Google 表示,它完成任務的速度是預設設定下 Gemini 3.8 Flash 的 2.5 倍,Terminal-Bench 4.1 分數從 18.2% 提升到 57%,這些是 Google 提供的資料。Hydrogen 也已開始用於 Search 的 AI Mode 等服務;文章提醒,速度之外,模型遇到工具呼叫失敗或搜尋無結果時能否謹慎處理,也很重要。

    推薦理由:文章整理 Gemini 4 Hydrogen 與 Carbon、Argon 的分工,也列出 Google 宣稱的速度與基準變化,方便了解快速模型的定位和比較依據。

  4. Dev.to Top Tech82

    Google 推出 Gemini 4 Carbon,主打較低價格與企業工作流程

    企業挑選 AI 助理時,不能只看每個 token 的價格,還得算上任務做不完時的重試和人工檢查。Google 將 Gemini 4 Carbon 提供給多種服務使用,API 入門價格是每百萬個輸入 token $2、輸出 token $10,並可調整推理程度,在品質、速度和費用間取捨。Zapier 的測試中,Carbon 在 657 項模擬商務工作中完成了 53.9%,每項任務估計花費 $2.12;Gemini 4 Argon 的完成率是 51.3%。Anthropic 則表示,Claude Fable 5.2 在多項程式開發和科學基準測試勝過 Carbon。文章提醒,測試結果會因任務而異,企業仍須用自己的資料和工具評估完成工作的總成本。

    推薦理由:這篇比較 Gemini 4 Carbon 的任務完成率與每項成本,也指出重試和人工檢查會改變實際花費,提供評估企業工作流程的成本角度。

  5. MarkTechPost82

    Google 發布 Gemini 4 Hydrogen,稱程式與 AI 助理任務速度提升 2.5 倍

    Google 發布 Gemini 4 Hydrogen,主打程式開發和 AI 助理工作,並表示它完成任務的速度是 Gemini 3.8 Flash 的 2.5 倍。Google 提供的測試結果顯示,它在 Terminal-Bench 4.1 得分 57%,Gemini 3.8 Flash 為 18.2%;與 Carbon 搭配使用時,Google 表示能少用 24% 配額、快 19% 完成任務。API 每 1M 輸入 token 收費 $1.50、輸出 token 收費 $7.50,模型只透過 Google 託管的服務提供,不能自行下載權重或架設。

    推薦理由:原文比較 Gemini 4 Hydrogen 與 Gemini 3.8 Flash 的任務速度、基準成績和價格,呈現新模型在程式與 AI 助理工作上的取捨。

  6. Dev.to Top Tech72

    Vidraft 公開 Darwin-Prediction-Weather,並每日比較全球天氣模型

    天氣預報模型很多,光看單一總分不容易知道哪種模型在不同天數和天氣專案上表現較好。Vidraft 公開 Darwin-Prediction-Weather 和全球天氣模型排行榜,使用相同城市與日期的預報,對照 ERA5 資料計算誤差,排行榜每天更新,也提供資料供人查閱。文中列出的 2026 年累積紀錄截至 11 月 7 日;Darwin-Prediction-Weather 在四項天氣數值、1 至 7 天預報中誤差最低。作者也表示,它在 WeatherBench 2 的 2020 年測試中,15 個專案的誤差都低於文中列出的官方最佳分數。

  7. aihot72

    騰訊混元發布 Hy Realtime,新增即時工具呼叫和唱歌能力

    語音模型除了聽懂和回答問題,也可能需要幫忙呼叫工具或唱歌。騰訊混元發布 Hy Realtime,新增工具呼叫與唱歌能力,並已用在元寶語音通話和騰訊客服;近期也將透過騰訊雲提供 API 服務。這則訊息交代了模型的新用途,以及目前已上線的服務。

    推薦理由:這次發布同時加入工具呼叫與唱歌能力,也列出已上線的服務,能看出模型新增能力如何進入實際語音產品。

  8. aihot74

    美團 LongCat 開源 LongCat-Video-Avatar 1.6,讓語音帶動數位人影片

    製作數位人影片時,嘴部動作不自然、聲音和嘴型對不上,影片變長後畫面也可能不連貫。美團 LongCat 開源 LongCat-Video-Avatar 1.6,改進嘴型、臉部和身體動作的協調,也減少接續生成影片時累積的畫面誤差,能生成超過 10 分鐘的影片。團隊以 33,051 張有效人工投票比較六套系統,這個版本排名第二;新版本也加入推理最佳化,並提供單人和多人影片生成方式。

    推薦理由:LongCat-Video-Avatar 1.6 的人工偏好評測顯示,它在六個系統中排名第二;文中也說明瞭長影片生成與推理速度的改進。