跳到正文

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。

145 条精选近 30 天 31 条共收录 581 条

更新

精选归档 · 第 4 页

10月2日周五
  1. Kimi 研究博客81

    月之暗面(Kimi)发布开源思考模型 K2 Thinking

    月之暗面(Kimi)发布开源思考模型 K2 Thinking,作为思考智能体在 HLE(44.9% with tools)、BrowseComp(60.2%)等基准达到 SOTA,支持 200–300 步连续工具调用。模型已在 kimi.ai 聊天模式上线并开放 API,原生 INT4 推理带来约 2 倍生成加速。这是其通过扩展思考 token 与工具步骤进行测试时缩放的最新尝试。

    推荐理由:Kimi K2 Thinking 以开源权重实现 HLE 44.9% 等得分,读者可据此对比闭源前沿模型思考与代理能力差距及适用场景。

  2. DeepSeek 官方动态79

    DeepSeek 发布实验版 V3.2-Exp,引入稀疏注意力并下调 API 价格

    DeepSeek 发布实验性模型 DeepSeek-V3.2-Exp,在 V3.1-Terminus 基础上引入 DeepSeek Sparse Attention 稀疏注意力机制,针对长文本训练和推理效率做优化,在公开评测集上表现与 V3.1-Terminus 基本持平。

    推荐理由:稀疏注意力在公开评测表现基本持平的前提下降低长文本推理成本,API 价格随之下降五成以上。

  3. DeepSeek 官方动态81

    DeepSeek 发布 V3.2 与 V3.2-Speciale 正式版,V3.2 强化 Agent 与思考推理

    DeepSeek 同时发布 DeepSeek-V3.2 和 DeepSeek-V3.2-Speciale 两个正式版模型,网页端、App 和 API 已由 DeepSeek-V3.2-Exp 升级为正式版 V3.2。

    推荐理由:DeepSeek 同时发布 V3.2 与 V3.2-Speciale 两个正式版模型,并把思考模式接入工具调用,读者可据此比较开源与闭源模型在 Agent 评测上的差距。

10月1日周四
  1. Google DeepMind80

    Google DeepMind 发布 Gemini 4 Argon 前沿模型

    Google DeepMind 发布新前沿模型 Gemini 4 Argon,先通过 Fairwind Program 向受信任的网络安全防御方开放,随后逐步扩展到开发者、企业和消费者,起价为每百万输入 token 2 美元、每百万输出 token 10 美元。

    推荐理由:官方给出 Argon 在长程编码、企业知识工作与网络安全防御上的基准与内部落地数据,可据此判断前沿模型的能力边界与分阶段开放节奏。

9月30日周三
  1. Testing Catalog78

    OpenAI 发布 GPT-6.1 Sol,价格仅为 Astra 的五分之一

    OpenAI 发布 GPT-6.1 Sol,以 Astra 五分之一输入输出 token 价格提供接近 GPT-6 Astra 的性能。该模型在 DeepSWE v1.1 等基准以更低成本匹配 Astra,已通过 API 以 gpt-6.1-sol 开放,定价每百万输入 token 2 美元、缓存输入 0.10 美元、输出 10 美元,并计划推出 Ultrafast 选项。

    推荐理由:GPT-6.1 Sol 以 Astra 五分之一价格实现接近性能,用户可对比它与前代及竞品在编码与办公任务上的成本差异。

  2. AWS Machine Learning Blog83

    GPT-6.1 Sol 在 Amazon Bedrock 正式可用

    GPT-6.1 Sol 现已在 Amazon Bedrock 正式可用,为编码、计算机使用和专业工作负载提供更强推理能力。OpenAI 表示该模型在 DeepSWE v1.1 上性能匹配 GPT-6 Astra,但单任务成本约为其五分之一,且比 GPT-6 Sol 最佳成绩高 6.4 个百分点。

    推荐理由:GPT-6.1 Sol 在 Amazon Bedrock 正式可用,以约五分之一成本实现接近 GPT-6 Astra 的推理能力,降低智能体工作流成本。

9月29日周二
  1. Hugging Face Blog80

    NVIDIA Kumo Tabular 发布:表格预测新基准

    NVIDIA 发布开源表格基础模型 Kumo Tabular,支持分类与回归任务,单次前向传播即可预测新行标签,无需训练或特征工程。该模型在 TabArena、BeyondArena、TALENT 和 ScoringBench 四个基准测试中均排名第一,提供 28M 至 215M 参数三种尺寸,基于 OpenMDW-1.1 许可证开放商用。

    推荐理由:该模型在四个基准测试中排名第一,展示了无需训练即可处理表格数据的效率与准确性平衡。

  2. Simon Willison86

    Anthropic 发布 Claude Sonnet 5.5

    Anthropic 发布新模型 Claude Sonnet 5.5,官方称其运行速度提升 30% 以上,大多数工作成本降低最多 30%。该模型定价与 Sonnet 5 相同,但在各项基准测试中表现优于 Sonnet 5,且成为 claude.ai 免费层使用的模型。

    推荐理由:原文对比了 Sonnet 5.5 与 Opus 5.5 在编码任务上的表现,并指出其成为 claude.ai 免费层模型带来的竞争变化。

9月28日周一
  1. Hugging Face Blog82

    H company 发布 Holo4 通用计算机使用智能体模型

    H company 发布 Holo4 系列智能体模型,包含 27B dense 和 35B-A3B MoE 两种规格,同时更新 Holotron4 Nano。Holo4 通过 GUI、代码、MCP 和 API 与软件交互,在 OSWorld 2.0 上 27B 版本得分 61.7%,35B-A3B 版本得分 30.9%。

    推荐理由:Holo4 支持 GUI、代码、MCP 和 API 多接口交互,在 OSWorld 2.0 上以更低成本接近闭源模型表现。

9月23日周三
  1. Testing Catalog81

    OpenAI 发布更快更便宜的 GPT-6 Sol 和 Luna

    OpenAI 推出 GPT-6 Sol 和 GPT-6 Luna 两款更快更便宜的模型,API 价格比 GPT-5.6 促销价低 50%。Sol 每百万 token 输入 $2 输出 $10,Luna 输入 $0.10 输出 $0.50,在 AutomationBench 等基准中以更低成本达到或超越部分 Claude 模型。

    推荐理由:原文给出了 GPT-6 Sol 与 Luna 的具体 API 定价与多项基准测试成绩,读者可据此比较两款模型相对前代 GPT-5.6 及 Claude 对手的成本效率差异。

  2. Testing Catalog81

    Anthropic 发布 Claude Opus 5.5 并降低 API 成本

    Anthropic 发布 Claude Opus 5.5,典型工作负载运行成本比 Opus 5 低 40% 且输出速度快 30% 以上。API 定价为每百万输入 token $4、输出 $20,编码聚焦使其在 Terminal-Bench 4.0 获 66.4% 且可短时审计 200,000 行代码库。Claude Sonnet 5.5 与 Haiku 5.5 将于未来数周跟进发布。

    推荐理由:原文对比了 Opus 5.5 与 Opus 5 及竞品的任务成本和评测表现,便于判断其编码与知识工作优势。

© 2026 SI·Hot · Super Intelligence Hot · 超级智能热点 · 网站数据均来源于网络公开资料,版权归来源方所有