跳到正文
只看模型
8月13日周四
  3. IT之家·人工智能58

    韩国 Upstage 发布 Solar Pro 4：512K 上下文商用大模型，Agent Arena 排名 44

    韩国 AI 实验室 Upstage 推出面向复杂智能体任务的商用大模型 Solar Pro 4，上下文窗口 512K，最高输出 128K token。定价为每百万 tokens 输入 0.3 美元、输出 1.2 美元，缓存读取 0.06 美元。该模型在 Agent Arena 排名第 44，与 MiniMax M2.7 同级，是首个登上该榜单的韩国实验室。

  4. IT之家·人工智能63

    谷歌 DeepMind 推出手语转文本模型，手语 AI 首次进入消费级

    谷歌 DeepMind 推出一款大规模多语言手语转文本（SL2T）翻译模型，使手语 AI 首次进入消费级产品。该模型已在谷歌 Pixel 11 系列手机的 Gboard 和 Live Transcribe 中支持手语转文本输入，初期仅限美国手语。模型在超过 50 种手语的 10 万小时数据上训练，通过将手语转化为姿势特征点保护隐私，无需发送原始视频流。

  5. Simon Willison 博客61

    DeepSeek V4 Pro 0813 上线 OpenRouter，仅限 API 调用

    DeepSeek 最新 Pro 模型 V4 Pro 0813 已上线，仅通过 API 提供，目前可在 OpenRouter 上访问。该模型在低、中、高三种推理强度下生成了差异明显的鹈鹕图像，作者称在其他模型中未见此类现象。官方尚未确认是否开源权重，但鉴于 4 月和 7 月版本均已发布权重，开源可能性较大。

  6. Gemini API：更新日志68

    Gemini 3.7 Flash 正式发布（GA）

    Google 在 Gemini API 更新日志中宣布 Gemini 3.7 Flash（gemini-3.7-flash）正式可用，称其为目前最智能的主力模型，面向编码与智能体场景。该模型在软件工程、Web 开发和智能体工作流方面有大幅改进，2026 年 12 月 31 日前提供入门优惠价，可从模型页和 Latest model guide 开始使用。

    推荐理由：官方更新日志直接说明 Gemini 3.7 Flash 在编码和智能体工作流上的能力提升，并给出限时优惠价格与入门入口。

  7. IT之家·人工智能60

    腾讯微信公布 WeLM 大语言模型：80B 版已用于 AI 助手小微，617B 版开发中

    腾讯微信团队公布自研大语言模型 WeLM，主打资源利用效率。其中 WeLM-80B 拥有 800 亿总参数、30 亿激活参数，已部署于微信原生 AI 助手“小微”，支持聊天搜索、调用微信原生功能及小程序服务。WeLM-617B 为混合专家模型（MoE），总参数 6170 亿、激活参数 230 亿，正在开发中，面向智能小程序开发等复杂任务。

  8. Cursor Blog70

    Cursor 与 SpaceXAI 联合发布 Grok 4.6

    Cursor 与 SpaceXAI 今日发布 Grok 4.6，重点强化长时运行智能体与交互式视觉任务，在多项智能体编程与知识工作基准上达到前沿水平，并在 Artificial Analysis Intelligence Index 上追平 GPT-5.6 Sol。

    推荐理由：长程轨迹中出现自检与验证，对需要模型持续执行多步项目的团队，可能减少中途人工纠偏，比单纯基准分更有参考价值。

  9. Rohan Paul51

    Grok 4.6 在 Fable 5 的 Intelligence Index 上取得 98.4% 的分数，输入 token 价格便宜 5 倍、输出 token 便宜 8 倍。

    引用Rohan Paul@rohanpaul_ai

    Grok 4.6 just dropped. Clearest strength is professional agent work, with leading results against GPT Sol Max and Fable 5 Max on GDPVal-AA v2 and AA-Briefcase. - matches GPT-5.6 Sol Max at 61 on Artificial Analysis while charging $2/$6 per million input/output tokens. - 1753 on GDPVal-AA v2 and 1577 on AA-Briefcase, both ahead of Sol Max and Fable 5 Max. Those benchmarks measure real-world agent tasks and agentic knowledge work, making them closer to research, analysis and multi-file deliverables than isolated question answering. On coding, 69.9% on CursorBench v3.2 beats Sol's 67.2%, while DeepSWE and Terminal-Bench leave Grok behind both Sol and Fable. SpaceXAI attributes the jump to a longer training run, regenerated SFT trajectories, model-based trace filtering, and agentic RL across coding, web development, CAD and kernel optimization. It also reports more self-testing on long trajectories, with the model checking its work before continuing, directly targeting error accumulation across multi-step agents.

  21. IT之家·人工智能65

    DeepSeek V4 Pro 正式版 API 更新上线，多项测试性能接近 Fable 5

    DeepSeek V4 Pro 正式版（DeepSeek-V4-Pro-0813）今日晚间发布并更新至 API，调用模型名不变。新版本增强 Agent 能力，支持 Responses API 和 Codex 接入，多项测试性能接近 Fable 5，较预览版大幅提升。定价为百万 tokens 输入（缓存命中）0.025 元、输入（缓存未命中）3 元、输出 6 元。

  23. xAI：News77

    xAI 发布 Grok 4.6，强化长时运行智能体能力

    xAI 今日发布 Grok 4.6，在 Grok 4.5 基础上重点强化长时运行智能体及更复杂的交互式与视觉工作能力。该模型在多项智能体编码与知识工作基准上达到前沿水平，在 Artificial Analysis Intelligence Index（九项基准综合分）上追平 GPT-5.6 Sol。

    推荐理由：与 GPT-5.6 Sol 在智能体综合基准上持平，同时把输入 token 价格定在 2 美元，长任务应用的试错成本可能重新计算。

8月12日周三
  5. DogeDesigner52

    Grok 4.6 是一次重大升级 🚀 它在所列出的每一项基准测试中都超越了 Grok 4.5 High，目前排名如下： 🥇 #1 GDPVal-AA v2 — 1,753 🥇 #1 AA-Briefcase — 1,577 🥇 #1 Harvey LAB — 15.8% 🥈 #2 CursorBench — 69.9% 🥈 #2 FrontierCode — 61.3% 🥈 #2 APEX-Agents — 57.5% 🥈 #2 APEX-SWE — 56.4% 它在 Artificial Analysis Intelligence Index 上以 61 分的成绩与 GPT-5.6 Sol Max 持平。 Grok 4.6 即日起在 Cursor 和 Grok Build 中可用，首周使用量翻倍。

  10. IT之家·人工智能71

    LTX-2.5 模型登场：AI 生成 10 秒 720P 视频仅需 6.8 秒，原生集成 ComfyUI

    LTX 推出 LTX-2.5 模型，原生集成 ComfyUI，在 2 张英伟达 GB200 配置下生成 10 秒 720P 视频仅需 6.8 秒。LTX-2.5 Fast 以每秒 0.09 美元生成带音频 720p 视频，10 秒片段成本 0.90 美元；年度经常性收入低于 1,000 万美元的组织可免费使用。

    推荐理由：生成速度比同类快数倍，且开放权重允许微调，对需要高频出片或自定义视觉风格的应用，其自托管成本可能低于调用闭源API。

  13. IT之家·人工智能66

    英伟达推出 30B 开源 AI 模型 Nemotron 3.5 Lightning

    英伟达推出 300 亿参数的 MoE 开源模型 Nemotron 3.5 Lightning，专为大型多智能体系统中的特定任务打造。与同类模型相比，其输出速度提升最高达 4 倍，可将智能体任务整体完成速度加快 30%。该模型可直接运行于 NVIDIA RTX PC、DGX Spark 等本地设备，也可扩展至边缘 AI 与数据中心环境。

  14. vLLM 官方博客72

    vLLM 提供 Qwen3.8-2.4T-A95B Day-0 支持

    vLLM 宣布对 Qwen3.8-2.4T-A95B 提供 Day-0 支持，该模型是基于 Qwen 3.5 架构的 2.4 万亿参数稀疏 MoE 模型，含 512 个专家，92 层混合骨干中每 4 层使用一次 full attention，其余 69 层为线性注意力。

    推荐理由：原文给出架构细节、量化方案和硬件要求，读者可以据此评估部署这个 2.4T 参数开源权重模型的成本与配置。