跳到正文
只看模型
9月3日周四
  10. Rohan Paul66

    Meta 发布 Muse Spark 1.3，官方称比 1.2 减少 20% 工具调用和 25% token 用量。作者汇总基准数据：MRCR 256K–512K 得分 98.5，超过 GPT-5.6 Sol 的 91.5；JobBench 64.9、OSWorld 66.9、AutomationBench 49.4，接近 Opus 5 的 65.7、68.3、50.3。

    引用Mark Zuckerberg@finkd

    Muse Spark 1.3 is rolling out today with frontier performance almost too cheap to meter. This is the biggest jump we've made so far on coding and agentic work. Try it in Muse Code and our API. Next up 🍉 and Muse Spark open weights releases coming soon.

  21. Sundar Pichai65

    Google 发布 Gemini 3.8 Flash，为 6 周内第 3 次 Flash 更新。官方称相较 3.7 Flash 在软件工程、智能体任务和多步推理上有显著提升，在 DeepSWE v1.1 上以更低成本自主端到端解决复杂工程问题，表现超越多数更大的前沿模型。图中基准显示其 Terminal-bench 2.1 得 89.4%、HLE-Verified 得 54.9%，输入价格 $0.75/1M tokens、输出 $3.75/1M tokens，为 2026 年 12 月 31 日前 introductory 价。详情见 https://blog.google/innovation-and-ai/models-and-research/gemini-models/3-8-flash-and-3-8-flash-cyber/

    推荐理由：原文给出模型能力变化、定价和多项基准对比，读者可据此评估它相对更大模型的性价比与适用场景。

9月2日周三
  7. Anthropic：Newsroom87

    Anthropic 发布 Claude Fable 5.1 与 Claude Mythos 5.1

    Anthropic 发布 Claude Fable 5.1 和 Claude Mythos 5.1，两者为同一模型但安全防护级别不同，Mythos 5.1 仅通过可信访问计划提供给网络安全和生命科学领域的受审机构。

    推荐理由：官方发布给出了定价变化、基准数据和科学应用实例，读者可以据此评估新模型在编码与科研场景中的成本与能力取舍。

  9. Qwen69

    通义千问发布 Qwen3.8-Max-0902，在 Code Arena: WebDev 以 1,691 分首次亮相即排名总榜第一，并以混合价 $5/MToken 成为 Pareto 前沿上得分最高的模型，现已可在 QwenCloud 试用。

    引用Arena.ai@arena

    Qwen3.8-Max-0902 由 @Alibaba_Qwen 发布，刚刚在 Code Arena: WebDev 中首次亮相便夺得综合第一，得分 1,691 分，并以每百万 Token 5 美元的混合价格成为帕累托前沿上得分最高的模型！ 在更新后的前沿上，Qwen3.8-Max-0902 位于 HY4 Preview（1,629 分，每百万 Token 2.08 美元）和 Qwen3.8-Flash-Next（1,620 分，每百万 Token 0.39 美元）之上。 随着此次发布，综合排行榜顶部的三个模型尽管仍位居综合第 2 至第 4 名，却已移出帕累托前沿： - Claude Opus 5 (Max)：第 2 名，1,688 分，每百万 Token 20 美元 - Kimi K3 (Max)：第 3 名，1,674 分，每百万 Token 12 美元 - Qwen3.8 (Max)：第 4 名，1,669 分，每百万 Token 5 美元 祝贺 @Alibaba_Qwen 团队发布！

    推荐理由：官方发布自家新模型并给出 Arena 排名与价格数据，读者可据此比较其在编码场景的性价比位置。

  10. Qwen63

    通义千问宣布 Qwen3.8-Max-0902 以 1691 分位列 Code Arena: WebDev 榜单第一，较上一版 Qwen3.8-Max 的 1669 分提升 22 分，创下新的智能体编码（WebDev）纪录。

    引用Arena.ai@arena

    Big news: Qwen3.8-Max-0902 by @Alibaba_Qwen just debuted at #1 overall in the Code Arena: WebDev with 1691 pts! It scores 3 pts above Claude Opus 5 (Max), 17 pts above Kimi K3 (Max), and 22 pts above the previous Qwen3.8-Max. Priced at a blended $5/MToken, Qwen3.8-Max-0902 also claims the highest-scoring position on the Pareto frontier! Stay tuned for a closer look at its Pareto positioning, and for Agent Arena scores coming soon. Its strength carries across every Code Arena: WebDev category: - #1 in Data & Analytics and Consumer Product - #2 in Brand & Marketing, Gaming, and Simulations - #3 in Content Creation Tools and Reference-Based Design Congrats to the @Alibaba_Qwen team on this huge update!

  11. IT之家·人工智能62

    李飞飞 World Labs 发布多模态世界模型 Atlas，支持像素级相机控制生成 1440p 视频

    李飞飞创办的 World Labs 发布多模态世界模型 Atlas，称其能以像素级精确相机控制生成图像和视频帧，并在 3D 中重建。Atlas 可输出最长 1 分钟的 1440p 视频，从一至数十张图像进行空间重建，支持时空模拟和文本生成图像与 360 度全景，部分合作伙伴已获抢先体验，未来几周内开放早期访问。

  12. IT之家·人工智能48

    谷歌 Gemini 3.8 Flash（内部代号 Skimaki）最快周三上线，编程能力对标 OpenAI 与 Anthropic

    据《华尔街日报》9 月 1 日报道，谷歌将发布编程能力大幅升级的 Gemini 3.8 Flash，内部代号 Skimaki，最早当地时间周三上线。内部工具 Jetski 对比测试中工程师对其偏好超过 Anthropic 的 Opus 模型，编程方面显著缩小了与 Anthropic 和 OpenAI 的差距。