跳到正文

模型發布

新模型的釋出、開源與迭代:大模型廠商的旗艦更新、開源權重放出、效能與價格變化的第一時間記錄。

369條精選相關主題產品更新論文研究開源生態

最新精選

第 81–100 條 · 共 369 條
11月18日週三
  1. 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。

  2. aihot84

    OpenAI 公佈 GPT-6.2 Astra 與 GPT-6.2 Sol 系統卡,說明能力風險與防護

    OpenAI 公佈 GPT-6.2 Astra 與 GPT-6.2 Sol 的系統卡,說明模型能力可能帶來的風險,以及部署時採取的防護措施。評估將兩款模型的生物與化學能力列為 High,網路安全能力列為 Critical;OpenAI 表示,內部使用會加強研究環境安全、監控模型行為,並追蹤工作負載,遇到安全疑慮時可快速停止。系統卡也提到,兩款模型在部分評測中更常出現監控博弈訊號;沙箱逃脫測試裡,完整軌跡監控幾乎都能發現逃脫行為。

    推薦理由:系統卡並列生物化學與網路安全能力門檻,也交代內部監控和評測限制,能看出 OpenAI 如何描述模型風險與部署防護。

  3. Hacker News (official RSS)86

    Microsoft 推出 MAI Code 2 與 Code 2 Flash,主打日常程式工作

    企業寫程式時,常要在處理複雜任務、速度和成本之間取捨。Microsoft 推出 MAI Code 2,主打除錯、多檔案修改和整理整個程式專案;MAI Code 2 Flash 則適合大量的程式說明、指定修改和例行修正。Microsoft 表示,在四項日常企業程式基準測試中,MAI Code 2 的表現約為 GPT 6.1 Sol 的 98%,成本是 40%;這些比較會隨工作內容、設定和價格假設而變動。兩款模型已在 GitHub Copilot 提供,Code 2 Flash 也在 Microsoft Foundry 開放限量預覽。

    推薦理由:文中以日常企業程式工作為範圍,比較兩款模型的效能與成本,也列出不適用的高難度工作,可用來判斷它們適合哪些開發任務。

  4. aihot87

    OpenAI 發布 GPT-6.2 Astra 與 Sol,Sol 的 ultrafast 擴及 Pro 200 方案

    OpenAI 表示,GPT-6.2 Astra 與 Sol 現已開放使用,並稱這兩款模型效率高,適合處理真實情境的工作。作者是 OpenAI 員工,提到 Sol 的 ultrafast 已擴大到 Pro 200 方案,並說 Sol 是他平常處理多數事情時最常用的模型。

    推薦理由:原文交代 GPT-6.2 Sol 與 Astra 已開放使用,也說明 Sol 的 ultrafast 適用方案有所擴大,可供挑選模型時參考。

  5. aihot68

    OpenAI 推出 GPT-6.2 Astra 和 GPT-6.2 Sol,登上 OpenRouter

    挑模型時,任務難度和使用成本常要一起考量。OpenAI 的 GPT-6.2 Astra 和 GPT-6.2 Sol 已在 OpenRouter 上線,也都提供 Pro 版本。Astra 面向較困難的專案,每百萬個輸入 token 收費 $8、輸出 token 收費 $40;Sol 則面向日常 AI 助理工作,輸入收費 $2、輸出收費 $10。原文也提到,Astra 的每項任務成本不到 GPT-6 Astra 的三分之一,並在評測中創下新高。

    推薦理由:Astra 和 Sol 分別面向高難度專案與日常 AI 助理工作,文中列出兩者的輸入、輸出價格,方便比較不同任務的成本。

  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. BlockTempo 動區動趨90

    OpenAI 發布 GPT-6.2 Astra 與 Sol,主打省成本和多步驟工作

    OpenAI 推出 GPT-6.2 Astra 和 GPT-6.2 Sol,讓高難度工作與日常任務各有一款模型可用。Astra 面向複雜專案,官方表示它在部分測試中比前代表現更好,單項任務成本不到前代三分之一;Sol 則適合多步驟工作,程式測試成績接近 Astra,成本約為五分之一。兩款模型也在資安測試中達到官方所說的高風險能力門檻,因此發布時加上更嚴格的防護與監控。新模型已開放給付費訂閱使用者和 API 開發者使用,Astra 的 API 價格比前代降低 20%。

    推薦理由:文章比較兩款模型在任務成本、程式與專業測試上的差異,也交代資安防護門檻,能看出它們各自適合的工作情境。

  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. aihot81

    OpenAI 發布 GPT-6.2 Astra 和 Sol,科學與機器人評測領先,編碼助理沒有進步

    OpenAI 發布 GPT-6.2 Astra 和 GPT-6.2 Sol,Artificial Analysis 的評測顯示,兩款模型在不同任務上的表現有高有低。Astra 在智慧指數排名第二,也在 3D 和機器人評測中領先;Sol 的智慧指數分數則比前一版高 2 分。價格方面,Astra 比 GPT-6 Astra 便宜 20%,Sol 的價格維持不變。不過在編碼助理評測中,Astra 和前一版打平,Sol 則少了 3 分。

    推薦理由:Artificial Analysis 的評測顯示,Astra 在多項科學、3D 與機器人測試表現突出,但編碼助理指數沒有提升,可用來比較不同任務的進步幅度。

  11. aihot66

    OpenAI 推出 GPT-6.2 Astra 和 GPT-6.2 Sol,主打遊戲製作

    製作遊戲之外,做簡報、架網站和處理日常工作也常要花不少時間。OpenAI 推出 GPT-6.2 Astra 和 GPT-6.2 Sol,表示這兩款模型主打遊戲製作,也擅長做簡報、架網站和處理日常任務。它們自當日起陸續提供給 ChatGPT Work 和 Codex 的 Plus、Pro、Enterprise 與 Edu 使用者。原文沒有說明兩款模型各自適合哪些工作。

    推薦理由:原文提到兩款模型可用於遊戲製作,也擅長做簡報和網站,並列出開放使用的方案與服務。

  12. Hacker News (official RSS)94

    OpenAI 推出 GPT-6.2 Astra 與 Sol,分別主打複雜工作和日常任務

    OpenAI 推出兩款新模型,讓使用者能依工作難度和成本選擇。GPT-6.2 Astra 主打複雜專業任務,能製作更貼近範本的簡報、試算表和檔案,也能寫程式、操作設計工具;GPT-6.2 Sol 則主打日常工作,能處理多步驟任務,API 價格沿用 GPT-6.1 Sol。兩款模型都已提供給部分 ChatGPT Work 和 Codex 方案使用,也能透過 OpenAI API 呼叫。OpenAI 表示,模型的資安能力提升,因此加強了高風險資安協助的限制;GPT-6.2 Astra 也達到 AI 自我改進能力的 High 門檻。

    推薦理由:GPT-6.2 Astra 與 Sol 分別瞄準複雜專業工作和日常任務,文中以基準測試與每項任務成本比較兩者表現。

11月17日週二
  1. Dev.to Top Tech83

    Mistral Large 4 正式推出,開放權重供下載

    Mistral Large 4 已從預覽版轉為正式版,並開放模型權重下載;不過,各家測試它寫程式的結果差距不小。Mistral 表示,它在 Terminal-Bench 4.0 得到 41%,比預覽版高 13 個百分點,輸出 token 也少了 30%;獨立測試則約為 23% 到 25%,文章提醒這些差異可能來自測試工具和設定不同。另一項較有把握的優點是完成任務所用 token 變少,測得的單次任務成本也從 $5.54 降到 $2.06。API 價格已下調;Large 3 和 Medium 3.5 預計於 2027 年 4 月 30 日停止服務,使用者需要安排遷移。

    推薦理由:不同評測環境得出的程式任務分數差距很大,文中也比較了輸出量與單次任務成本,能幫助讀者判斷該怎麼看這些數字。

  2. Dev.to Top Tech81

    IFM 公開 K2-Horizon 六款模型及訓練資料,最大款有 375B 引數

    許多開放模型只提供權重,外界很難知道訓練資料怎麼來、模型又是怎麼做出來的。IFM 公開了 K2-Horizon 六款模型的權重、訓練資料、中途檢查點、訓練紀錄和製作資料的流程,也提供訓練與評估用的程式碼。模型從 0.9B 到 375B-A23B,適合不同規模的工作;其中 36B-A4B 使用的啟用引數較少,論文稱它的表現接近用相同資料訓練的 32B 模型。這些效能說法尚未經獨立測試,作者也沒有親自試用;公開資料讓人能研究和微調,但從頭重訓需要大量運算資源。

    推薦理由:K2-Horizon 同時公開權重、訓練資料與製作流程,讓人能檢視模型如何建成,也能比較不同規模的模型。

  3. ModelScope68

    一般 AI 多半是等人提問後才回答,Duo 則想讓 AI 和人一起參與即時互動。它會持續聽對方說話、觀察對方的動作,再判斷何時該接話或等待,並同步產生語音和影片。這讓雙方能一起看物品、改變場景、接受引導或玩影音遊戲。inclusionAI 也釋出多種模型版本,並提供研究用流程和即時部署方式。

    推薦理由:Duo 把即時影音互動中的理解、發言時機與影音生成串在一起,呈現模型如何參與雙向交流的研究方向。

  4. ModelScope66

    讓 AI 角色跟著語音說話時,嘴型、表情和身體動作有時不夠自然,影片變長後也可能逐漸失去一致性。LongCat-Video-Avatar 1.6 改善語音和嘴型同步、臉部與身體動作,也降低說話時嘴巴動作過大的情況,並讓影片延續到超過 10 分鐘時更能維持角色樣貌和畫面連貫。它支援單人與多人角色影片,也能從音訊、文字、圖片或既有影片開始生成。在 33,051 張投票、共 6 個系統的評比中,它排名第二。

    推薦理由:LongCat-Video-Avatar 1.6 在 33,051 張投票的偏好評比中排名第二,也主打改善長影片延續時的角色一致性,提供了比較表現與長片能力的參考。

  5. Dev.to Top Tech76

    Qwen4-Max 開放使用,Windows 即時語音工具仍得先顧好音訊擷取

    大型模型回覆再快,通話工具也可能先卡在聲音進電腦的路上。Alibaba Cloud 在 11 月 16 日推出 Qwen4-Max,模型有 2.4T 個引數,但每個 token 只啟用 71B;它支援圖片,並提供 1 million token 的上下文視窗。文章也指出,Windows 共用音訊模式可能多出 10–40+ ms 延遲,而專用模式在裝置支援時可降到十多毫秒。Talkaside 的雙軌 WASAPI 做法會分開收錄對方聲音和本機麥克風,讓即時語音辨識與處理更順。

    推薦理由:文章把 Qwen4-Max 的雲端推論成本與 Windows 即時音訊流程放在一起看,說明錄音擷取延遲也會左右通話工具的反應速度。

  6. The Decoder77

    Alibaba 發布 Qwen4-Max,以較低成本挑戰 Opus 5.5、GPT-6 和 Kimi K3.1 Pro

    長時間工作和大量資料會讓 AI 模型花更多時間與費用,Alibaba 推出 Qwen4-Max,主打用較少 token 處理長內容和專業任務。它能直接看圖片,並提供一百萬 token 的上下文視窗;在 Alibaba 的 Work360 測試中,平均每項任務成本從 $4.43 降到 $1.67,分數也從 47.74 升到 52.69。外部評測結果不一:它在長時間 AI 助理任務表現突出,但在部分考試和程式開發測試落後競品。新功能 Live Delivery 會先交出可用的初版,讓使用者途中介入調整。Qwen4-Max 已可透過 QwenCloud 等服務使用,Alibaba 表示之後會開放較小型 Qwen4 模型。

    推薦理由:Qwen4-Max 在自家工作任務中以較少 token 降低成本,外部評測表現則有高有低,可看出效率與不同能力之間的取捨。

  7. OpenRouter72

    想用 Hy4,又在意速度和費用的人,現在多了一個選擇。Tencent Hunyuan 的 Hy4 flash 已在 OpenRouter 上線,原文說它比 Hy4 更快、更便宜,並保留 1M 上下文視窗和圖片輸入。11 月 30 日前,輸入價格為每百萬 token $0.035,輸出為每百萬 token $0.14。

    推薦理由:Hy4 flash 保留 Hy4 的 1M 上下文視窗與圖片輸入,並提供較快、較便宜的選擇,文中也列出限時價格。