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 101–120 條 · 共 369 條
11月17日週二
  1. Dev.to Top Tech85

    Alibaba 發布 Qwen4-Max,模型很大但 API 價格更低

    高階 AI 模型通常很貴,讓個人開發者和小團隊難以長時間使用。Alibaba 發布 Qwen4-Max,背後有 2.4-trillion-parameter,但每個 token 只啟用 71 billion parameters,還能看圖片和影片,單次提示最多容納一 million tokens。透過 QwenCloud API,輸入每 million tokens 收費 $1.50,輸出收費 $4.50。Alibaba 也說它在程式開發和安全測試上有進步,但這些數字還沒有外部團隊驗證。模型權重則不開放下載,只能使用雲端或相關 App。

    推薦理由:Qwen4-Max以較低 API 價格提供大型模型能力,但權重未開放,效能與安全數字目前仍只來自 Alibaba 自家測試。

  2. Dev.to Top Tech82

    Google DeepMind 發布 AlphaGenome 2,找出 DNA 變異影響哪種細胞

    研究人員常知道某段 DNA 和疾病有關,卻不知道它會在哪種細胞裡發揮作用。Google DeepMind 的 AlphaGenome 2 會把 DNA 序列和指定的細胞型別或狀態一起分析,預測基因表現、染色質可及性、剪接等變化,也能用少量單細胞資料推測沒看過的新狀態。在 TenK10K 測試中,它找出的因果變異比前代模型多近一倍;IBD 案例中,模型約 30 分鐘就找出相關變異和腸道巨噬細胞。它目前只開放非商業研究使用,不能取代實驗,也尚未驗證為臨床或診斷工具。

    推薦理由:原文整理 AlphaGenome 2 如何用細胞狀態解讀 DNA 變異,並比較它和前代模型在疾病研究上的實際差異。

  3. The New Stack77

    阿里巴巴推出 Qwen4-Max,模型權重目前只能透過線上服務使用

    想使用 Qwen4-Max 的開發者,目前得透過線上服務或第三方 API,阿里巴巴還沒有宣佈提供這款模型的下載權重。這款新模型可處理文字和圖片,支援 1M-token 上下文視窗;阿里巴巴表示,它在自家工作任務測試中比前代少用 24% 到 35% 的 token,平均任務成本從 $4.43 降到 $1.67。外部評測則給它 43 分,在 81 款模型中排名第 38。阿里巴巴表示,較小型的 Qwen4 模型會開放權重,但尚未公佈型號和時間。

    推薦理由:Qwen4-Max 沒有公佈可下載權重,文章也對照阿里巴巴自家與外部評測,呈現模型表現、使用成本和開放方式的差異。

  4. aihot85

    Google 發布 Gemini 4 Carbon、Hydrogen,並推出 Decisions API 和自託管 AI 助理沙箱

    Google 一次推出 Gemini 4 Carbon、Hydrogen、Gemini Decisions API 和自託管 AI 助理沙箱。Carbon 面向較難的推理、除錯與安全稽核;Hydrogen 適合日常寫程式和快速工作流程,兩者都有 100 萬 token 的上下文視窗。Decisions API 可用文字、圖片、影片、PDF 或音訊,依問題回傳機率或評分。自託管沙箱則讓 AI 助理在 Google 的服務中運作,並在使用者自己的計算環境執行指令和編輯檔案。材料也介紹多模態基準、機器人與基因組模型,以及 AI Studio 的 Cloud 額度功能。

    推薦理由:這次更新同時提供不同用途的模型與統一的上下文視窗,並列出價格和選型方向,方便依工作難度、速度與成本安排模型。

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. ModelScope85

    科學工作常要整理不同種類的資料,還得確認每個操作步驟有沒有出錯。Sage-S2.1-Flash 是一款多模態 MoE 模型,能處理 10 多種科學輸入,也能使用工具並檢查結果。在 CT 示範中,它從 12,487 張混合影像裡挑出 139 張切片,發現順序檢查沒通過後重新排好,再用 3D Slicer 重建骨架。其他示範還包括衛星影像、CAD 組裝檢查和 EEG 雜訊移除。

    推薦理由:這次發布展示模型如何把多種科學資料放進同一套表示方式,並用工具檢查工作流程,CT 影像示範也呈現了實際操作步驟。

  3. MarkTechPost87

    Alibaba 發布 Qwen4-Max,支援文字、圖片、影片與 1M-token 上下文視窗

    Alibaba 發布新一代模型 Qwen4-Max,主打處理長時間、較複雜的工作。它每次只啟用 71B 個引數,能讀文字、圖片和影片,並支援 1M-token 上下文視窗;目前只能透過 Alibaba 的線上服務使用,沒有開放模型權重。Alibaba 的評測顯示,它在 16 項測試中有 4 項排名第一,法律 AI 助理測試得分為 21.3,但程式開發和圖片理解測試落後部分競爭模型。Alibaba 也表示,Work360 每項工作的平均費用比前代少 62%;這些評測分數在發布時尚未經第三方獨立重現。

    推薦理由:Qwen4-Max 的評測呈現明顯強弱項,並列出與前代及其他模型的分數、用量和價格比較,可瞭解它適合哪些工作。

  4. X.PIN83

    處理複雜任務時,模型可能需要更多 token,也會增加營運成本。Qwen 推出旗艦模型 Qwen4-Max,採用 MoE 架構,具備 2.4 trillion backbone parameters,並原生支援視覺理解,能使用 1-million-token 上下文視窗。開發者可透過 Qwen 平臺的 Token Plan 或 API 使用;原文表示,這款模型在提升複雜任務表現的同時,也會減少 token 用量並降低整體營運成本。

    推薦理由:Qwen4-Max 把原生視覺理解與 1-million-token 上下文視窗放進同一款模型,也主打降低 token 用量與營運成本,呈現旗艦模型的功能方向。

  5. Dev.to Top Tech78

    Tencent 推出 Hy4 flash,以較低成本處理日常工作

    日常工作常要處理長檔案、圖片和表格,但使用大型模型的費用可能不低。Tencent 推出 Hy4 flash,主打保留 Hy4 的長篇上下文和文字、圖片輸入能力,降低處理費用;它有 224B 引數,每次運算只啟用其中 12B。Tencent 表示,在自家 WorkIndex 測試中,每項任務的成本是 Hy4 的二十分之一,但這是廠商內部測試,不能當成能力排名。另有 85 位 WorkBuddy 使用者評分 259 項任務,結果只反映他們在該產品中的使用感受。模型可透過 WorkBuddy、Yuanbao 和 Tencent Cloud TokenHub 使用,Tencent 也計畫釋出權重。

    推薦理由:Hy4 flash 以較低成本換取部分能力,文中比較了定價與內部測試,也說明盲測範圍有限,可供評估日常工作是否適用。

  6. 🚨 AI News | TestingCatalog80

    這則訊息公佈了 Qwen4-Max 的基準測試成績。文中表示,這款採用 MoE 架構的模型原生支援視覺,並有 1M-token 上下文視窗;在 Artificial Analysis Index 得 43 分,比 Muse Wonder 少 1 分。使用 xhigh 推理力度時,它比 Qwen3.8 Max 高 9 分,比 Kimi K3.1 Pro 的 46 分低 3 分;在 Agent Arena 則排名第 14,14.7k 場真實世界 AI 助理工作階段的整體表現提升 7.5%。這些數字提供了不同評測中的比較結果。

    推薦理由:Qwen4-Max 的基準成績與 Qwen3.8 Max、Kimi K3.1 Pro 的分數差距,呈現了這款模型在兩項評測中的相對位置。

  7. Dev.to Top Tech77

    阿里巴巴推出 Qwen4-Max,主打百萬 token 上下文與較低成本

    處理很長的檔案或長時間工作的 AI 任務,可能需要拆成多次請求,費用也會跟著增加。阿里巴巴推出 Qwen4-Max,提供最多一百萬 token 的上下文視窗,並稱它比 Qwen3.8-Max 最多少用約 50% 的 token,平均每項任務成本降低超過 60%。API 費用是每百萬輸入 token $1.50、每百萬輸出 token $4;模型也可透過 QwenCloud、Qwen Studio、QwenWork 和 Qoder 使用。公告沒有說明成本與效能數字的計算方式,也未提供和其他模型在相同條件下的比較,因此這些優勢仍需要獨立測試確認。

    推薦理由:Qwen4-Max 主打長上下文與較低用量成本,文中也指出計算方式和同條件比較尚未交代,可用來理解它的商業定位與評估重點。

  8. aihot77

    騰訊混元推出 Hy4 flash,主打 1M 上下文與日常任務價效比

    日常使用大型語言模型時,成本和能處理的內容長度都會影響選擇。騰訊混元推出 Hy4 flash,總引數為 224B,其中包含 64B Engram 引數;每次運算會啟用 12B 引數,並支援多模態與 1M 上下文。API 每百萬 tokens 的輸入價格是 0.5 元、輸出價格是 2 元,原文也列出它和 Hy4 的成本比較及多種業務場景的評測結果,方便估算日常使用的花費與表現。

    推薦理由:原文比較 Hy4 flash 與 Hy4 的價格,並列出多種業務場景的評測結果,可用來評估日常任務的成本與表現。

  9. ModelScope76

    大型模型通常需要很多運算資源,Edge0-145B則主打能在單張消費級 GPU 上本機執行。它採用稀疏架構,每個 token 只啟用 10.12B 個引數;原文列出的 RTX 5090 D 24GB 測試中,Q3_K 版本每秒可處理 121.2 個 token。Edge0-145B在 Terminal-Bench 2.1 得分 86.5,在 DeepSWE 1.1 得分 64.6;若偏好更快的版本,Edge0-120B每個 token 啟用 8.64B 個引數。兩款模型都提供 Q3_K 和 NVFP4 版本,透過 Edge0 專用的本機執行環境部署。

    推薦理由:Edge0-145B以稀疏架構減少每個 token 啟用的引數,並列出單張 RTX 5090 D 上的速度與測試成績,可瞭解它如何兼顧模型規模和本機部署。

  10. 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。

  11. 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。

  12. 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。

  13. 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。

  14. 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。

  15. 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。

11月15日週日
  1. 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。