策略而非能力：安全评测衡量的是训练中采用的'不安全'定义
研究发现安全评测分数可能取决于训练标签定义而非模型能力，相同架构的十个模型在相同评测上得分差异高达23倍，微调0.03%参数就能让评测结果跨越整个区间。研究建议安全评测应报告污染度、种子下限和评测所依据的定义。
推荐理由：安全评测分数可能取决于训练标签定义而非模型能力，微调0.03%参数就能让评测结果跨越整个区间。
内容形态
模型发布 最新动态
新模型的发布、开源与迭代：大模型厂商的旗舰更新、开源权重放出、性能与价格变化的第一时间记录。
125 条精选近 30 天 114 条共收录 577 条
更新
精选归档 · 第 4 页
HuggingFace Daily Papers精选AI 评分6565
The Decoder精选AI 评分8080 Deepseek 发布 V4.1 Flash 1017 模型，在智能体任务中超越更大对手并大幅降低成本
中国 AI 公司 Deepseek 发布了更新的 Flash 模型 V4.1 Flash 1017，在智能体和编码任务中表现优于更大竞争对手，同时大幅降低每任务成本。该模型通过强化学习与自我反馈方法改进端到端项目开发，并将内部搜索引擎首次开放给外部开发者。
推荐理由：Deepseek V4.1 Flash 1017 在智能体和编码任务中超越更大模型，同时大幅降低每任务成本。
雷锋网精选AI 评分8585 Nick Cammarata万字长文推翻AI黑箱理论，99%神经元清晰可见
OpenAI科学家Nick Cammarata发表长文《Neural Networks Are Already Clean》，推翻了AI神经网络是黑箱的十年共识。通过改进观测工具，发现现代视觉模型最后一层99%-100%的神经元都能找到清晰解释，提出神经网络本身具有连贯、精妙且可被人类直接阅读的组织结构。
推荐理由：原文提供了AI可解释性领域的新视角，展示了工具升级如何改变对神经网络的理解。
量子位精选AI 评分8585 优必选Thinker-WM多模态统一表征模型发布，霸榜三大基准评测
优必选发布Thinker-WM多模态统一表征模型，在WorldOlympiad、EWMBench和WorldArena1.0 Track-1三大具身世界模型基准评测中全部获得第一名。
推荐理由：优必选Thinker-WM通过多模态统一表征在三大基准评测中全部登顶，为具身智能提供新一代基础世界模型底座。
IT之家精选AI 评分7878 微软发布MAI-Base-2模型，仅用OpenAI四分之一算力超越同类产品
微软发布自研AI模型MAI-Base-2，性能超过OpenAI的GPT-5.6 Sol支撑模型，训练算力仅为OpenAI的四分之一。微软CEO苏莱曼表示该模型在理解和预测信息规律能力上表现更好，计算效率也高于DeepSeek等竞争对手。
推荐理由：微软自研模型以更低算力超越OpenAI同类产品，展示了AI训练效率的突破。
钛媒体精选AI 评分8585 字节跳动开发世界模型，张一鸣亲自督导
字节跳动正在基于视频生成模型Seedance开发实时空间视频生成模型，由张一鸣亲自督导，计划于10月推出。该模型采用端到端延迟约50毫秒的技术路线，旨在实现实时互动，应用场景包括直播、互动短剧、游戏和机器人训练。
推荐理由：文章揭示了字节跳动基于Seedance开发世界模型的战略布局和差异化路线，展示了从视频生成到实时互动的技术演进。
Hugging Face Blog精选AI 评分7575 NVIDIA发布印度语预训练数据集和开放生成流程
NVIDIA与IIT Madras和AI4Bharat合作发布Nemotron-pretraining-Indic-v1数据集，包含2.8万亿token的印度语训练数据，涵盖22种印度宪法语言，并开放了GPU加速的数据生成流程。该数据集结合了原生脚本和罗马化文本，包含数学、代码和问答内容，旨在解决印度语言技术因数据不足而落后于英语的问题。
推荐理由：原文提供了2.8万亿token的印度语训练数据和开放生成流程，为印度语模型训练提供了新资源。
IT之家精选AI 评分7676 蚂蚁百灵开源 Ling-3.1-flash AI 模型，最高支持 1M 上下文
蚂蚁百灵开源 Ling-3.1-flash 模型，总参数约 560B，激活参数约 25B，最高支持 1M 上下文。模型在本地部署中通过量化技术降低权重占用，提供长上下文并行推理方案，并在测试中达到约 1.36 QPS 的吞吐量。
推荐理由：原文提供了开源模型的技术参数、性能数据和部署方案，读者可据此评估其适用场景。
Hugging Face Blog精选AI 评分7878 IBM 发布 Granite Switch 4.1 多模态模型
IBM 发布 Granite Switch 4.1 模型，整合了聊天、决策和语音识别功能，支持从单一端点切换任务。该模型包含新的决策 aLoRA、Guardian aLoRA 和 Granite-Speech-5.0-Turbo-CTC，在安全决策任务上优于多个竞争模型，并可在单个 GPU 上实时运行多种任务。
推荐理由：原文提供了多模态能力整合和性能对比，读者可据此评估其在实际应用中的效率优势。
Hugging Face Blog精选AI 评分8080 Hugging Face 发布 FLUX.3 Image Klein 模型
Black Forest Labs FLUX.3 Image Klein 模型已在 Hugging Face Diffusers 上开源，支持文本生成图像、多参考图像到图像转换以及边界框布局控制功能。蒸馏检查点可在 H100 上约 2 秒内生成 1024×1024 图像，同时提供量化版本和 LoRA 微调脚本。
推荐理由：原文提供了模型新功能和开源实现细节，读者可据此评估其在图像生成领域的应用潜力。
Mistral AI精选AI 评分7575 Mistral AI 发布时间序列基础模型 Timestral
Mistral AI 发布了 Timestral，首个时间序列基础模型家族，最大仅 209M 参数，在 GIFT-Eval、TIME 和 fev-bench 三大基准上排名第一。该模型支持多元预测和协变量，提供四种尺寸选择，可在 CPU 上高效运行，并支持零样本预测。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
NVIDIA Blog精选AI 评分8383 NVIDIA 发布 Nemotron 3.5 Super VL 和 Bolt 模型
NVIDIA 发布了 1200 亿参数的开放模型 Nemotron 3.5 Super VL，以及两个边缘模型 Bolt 74B-A9B 24GB 和 Bolt E4B 4GB，覆盖从企业服务器到边缘设备的全范围智能体部署。Super VL 在多模态智能体任务上达到前沿准确度，同时速度比同类模型快 5 倍；Bolt 系列则针对本地硬件优化，平衡智能与速度。
推荐理由：NVIDIA 推出覆盖从数据中心到边缘设备的全系列智能体模型，开放权重让企业能自主定制部署。
IT之家精选AI 评分8181 昆仑万维发布Matrix-Game 4.0视频大模型游戏
昆仑万维发布Matrix-Game 4.0，这是首款运行在单张消费级显卡上的视频大模型游戏，实现了480p、60 FPS的实时游戏体验，延迟低于150毫秒，并已同步开源。
推荐理由：原文给出了技术实现路径和开源地址，读者可据此评估其游戏开发应用价值。
IT之家精选AI 评分8080 中国科学家首次用书生-S2大模型攻克三维Ghys猜想
上海人工智能实验室访问学者许地生团队依托书生科学多模态大模型S2，通过人机协同完成了困扰数学界30余年的三维Ghys猜想证明，相关论文已在arXiv发布，形式化代码在GitHub公开。北京大学董彬教授、刘若川院士团队利用SHEAF框架对证明完成形式化验证。
推荐理由：中国科学家首次使用书生-S2大模型完成三维Ghys猜想证明，验证了人机协同解决世界级数学难题的新范式。
钛媒体精选AI 评分8080 Anthropic推出自研代码管理系统Scion
Anthropic以7名工程师、5个月时间从零构建内部版本控制系统Scion及配套代码审查工具Antique，成功将整个单体代码仓库从Git整体迁移。Scion针对AI编程带来的合并量暴涨（4个月增长12倍）进行了优化，采用'客户端永远在线'设计，基础设施占用比旧Git镜像方案少约200倍，检出速度由分钟级降至秒级。
推荐理由：Anthropic自研Git替代品Scion，揭示了AI编程带来的代码管理挑战与解决方案。
华尔街见闻精选AI 评分7878 SpaceX发布Grok Voice 3.0语音模型，登顶语音到语音测评榜单
SpaceXAI发布Grok Voice 3.0语音模型，在Artificial Analysis测试中以86.9分登顶语音到语音综合指数，可自主处理70%星链客服来电，定价0.08美元/分钟。
推荐理由：原文提供了具体评测数据和实际应用案例，读者可据此评估该语音模型在真实客服场景中的表现。
Hugging Face Blog精选AI 评分6565 HiRO-ACEv2：以极低成本模拟3公里分辨率极端天气
Hugging Face发布HiRO-ACEv2系统，能以X-SHiELD约1/300的成本生成全球3公里气候数据，准确模拟极端降雨、风压事件，并已生成完整一年全球数据。
推荐理由：HiRO-ACEv2以低成本高精度模拟极端天气，为气候研究提供新工具。
Hugging Face Blog精选AI 评分7878 LiquidAI 发布 LFM2.5-24B-A2B 推理模型
LiquidAI 发布 LFM2.5-24B-A2B 推理模型，这是一个24B参数但仅2B活跃参数的模型，专为在设备上快速、私密运行智能体而设计。该模型在16项基准测试中表现出色，在工具使用和智能体工作流方面领先或匹敌更大规模的模型，推理速度在Apple M5 Max上达到184 tok/s，在NVIDIA B300 GPU上可达21K输出tok/s。
推荐理由：模型以2B活跃参数实现推理能力，在设备上运行速度快且成本低，适合构建本地智能体。
AWS Machine Learning Blog精选AI 评分7070 AWS在Amazon SageMaker AI上实现MoE模型的内核工程优化
AWS详细介绍了在Amazon SageMaker AI上对Mixture-of-Experts (MoE)模型的内核优化技术，包括Swap-AB矩阵转置优化、FP8张量量化后端路由选择以及Triton JIT重新编译消除等方法，这些优化使MoE模型在H200上实现了高达10%的吞吐量提升和9%的首个token生成速度提升。
推荐理由：原文详细介绍了AWS在SageMaker AI上对MoE模型的内核优化技术，提供了具体实现方法和性能提升数据。
Latent Space精选AI 评分8585 Meta发布Muse Wonder系列模型，对标OpenAI与Anthropic
Meta Superintelligence Labs发布了Muse Wonder系列模型，包括Muse Wonder和Muse Wonder Full两个版本。
推荐理由：14个月从零到前沿模型，Meta的Muse Wonder系列展现了惊人的迭代速度，但价格策略与访问限制引发行业讨论。