跳到正文
只看模型
10月21日周三
10月20日周二
  20. Rohan Paul48

    Skyfall AI 发布工程世界模型 SKY-001，可把一张发动机或汽车照片拆解成完整零件树，并预测每个零件的草图与操作序列。它由 Hierarchical Composer 和 Construction World Model 两个模型分工完成，从 VMS-85 发动机单张照片生成了五级零件树。官方称其在 CAD 与户型设计任务上比最强通用 LLM 成本低 150x 至 185x，精度相当。

    引用Sam Pasupalak@spisallyouneed

    Introducing SKY-001, the first Engineering World Model. On CAD and BIM tasks, it beats GPT-6 Astra and every frontier model we tested: -> 51-125x faster - > 150-210x cheaper -> Higher IOU than all frontier models SKY-001 lets you dream a physical object before you build it. 18 months of work. Built by the team out of Maluuba's deep learning lab (acq. by @MSRResearch). The first ‘AI General Engineer’ will be the backbone for Autonomous Manufacturing.

  23. fal64

    fal 与 @bfl_ai 合作推出经后训练的前沿视频模型 FLUX 3 Max，现已在 fal 上线。该模型在第三方图生视频质量基准上并列第 1，生成 10 秒 720/768p 视频约需 12 秒；未来三周提供 75% 折扣。

    引用fal@fal

    隆重推出 FLUX 3 Max，这是 fal Research 与 @bfl_ai 合作推出的最新后训练视频模型。 在独立第三方基准测试中，FLUX 3 Max 在图生视频质量上并列第一，可在约 12 秒内生成一段 10 秒、720/768p 的视频。 在接下来的三周内，FLUX 3 Max 享受 75% 折扣，使其成为同等质量水平下最实惠的前沿视频模型。

  24. Artificial Analysis62

    Artificial Analysis 引用 Inception 发布 Mercury 3 扩散大语言模型的推文并澄清，图中对比并非其 Intelligence Index。Mercury 3 声称超过 1,000 tokens/s、1M token 上下文，规模为 Mercury 1 的 40 多倍。作者指出公告引用的 AA-Omniscience 和 GDPval-AA v2 分数不遵循其方法学：AA-Omniscience 使用私有数据集（仅开源 10% 公共子集），GDPval-AA v2 需按其评分方法与模型对比集才具可比性。

    引用Inception@_inception_ai

    Mercury 3 is live: the most capable diffusion LLM released to date. It outperforms GPT-6 Luna and Claude Haiku 5.5 across a range of benchmarks while running at over 1,000 tokens per second. More than 40x the size of Mercury 1, 3x more intelligent across standard benchmarks, and just as fast, with a 1M-token context window. Available today on the Inception API, @baseten, and @OpenRouter .

  26. Arena.ai74

    Arena 宣布 DeepSeek-V4.1-Flash-20261017 (Max) 成为 Agent Arena 第一开源模型，总排名第 11，基于超 7.5K 真实会话净提升 +5.1%。其中位任务成本 $0.20，约为 GPT-6.1 Sol 提升幅度的 37%、成本的 27%；Confirmed Success 提升 +11.5%，且无 Tool Hallucination 问题。

    引用Arena.ai@arena

    激动人心的消息：@deepseek_ai 的 DeepSeek-V4.1-Flash-20261017 (Max) 现已成为 Code Arena: WebDev 中排名第一的开源模型，以低 10 倍的成本超越 Kimi K3 (Max)！ 亮点： - 排名第一的开源模型，领先于 Kimi K3 (Max) - 以 1670 分位列总榜第 12，领先于 Claude Opus 5 (High)，与 GPT-6 Sol (Max) 相差约 10 分以内 - 以每百万输入/输出 token $0.3/$1.2 的价格推动帕累托前沿移动 - 相比上一版 DeepSeek-V4.1-Flash-20260910 提升 52 分 祝贺 @deepseek_ai 团队为开源生态又做出了一项强有力的贡献！

    推荐理由：Arena 用 7.5K 真实会话的数据说明该模型以约 27% 的成本拿下开源第一，读者可据此权衡 Agent 场景的性价比。

  28. Inception Labs：Blog69

    Inception Labs 发布扩散大语言模型 Mercury 3，速度达 1068 tokens/秒

    Inception Labs 发布扩散式大语言模型 Mercury 3，称其在多项基准上超过 GPT-6 Luna 和 Claude Haiku 5.5，速度达 1068 tokens/秒，参数量较 Mercury 1 扩大 40 倍以上。

    推荐理由：官方发布给出扩散模型规模化的关键数据，包括速度、上下文和价格，可用作评估实时 AI 应用选型的参考。

  33. Arena.ai65

    Arena 宣布 Meta 的 Muse Wonder Full (Max) 首次进入 Code Arena: WebDev 榜单，以 1726 分排名第 6，使 Meta 成为第 3 实验室，此前该位置由 Google 持有。

    引用Arena.ai@arena

    由 @AIatMeta 推出的 Muse Wonder (Max) 已进入 Code Arena：WebDev 以 1651 分位列第 15，Text Arena 以 1513 分位列第 2！ 在 Code Arena：WebDev 中，Muse Wonder (Max) 以 1651 分位列第 15。这一结果略低于以 1659 分位列第 12 的 Muse Spark 1.3 (Max)，与以 1655 分位列第 14 的 Kimi K3 (Max) 相差 4 分以内，并比以 1640 分位列第 16 的 Grok 4.7 (xHigh) 高 11 分。 此次发布在 Text Arena 中相较过去的 Muse 模型有显著提升。与以 1494 分位列第 11 的 Muse Spark 1.3 (Max) 相比，Muse Wonder (Max) 提升了 +19 分并上升 9 位至第 2。它落后于以 1525 分排名第 1 的 Gemini 4 Argon (High) 12 分。 祝贺 @AIatMeta 团队发布这一版本！

    推荐理由：榜单方公布了 Meta 新模型在 Code Arena WebDev 的首秀成绩和分项排名，读者可以据此对比各实验室模型的当前位次。

  35. Ant Ling57

    蚂蚁百灵今日开源 3 个语音家族共 5 个 Ming-3.0 模型。Ming-3.0-tts 含 0.5B 语音设计与副语言线索模型和 7.9B 总参数、1.3B 激活的 Tiny 长语音模型；Ming-3.0-audio 含 Flash 126B 总参数、6.5B 激活的理解与工具调用模型和 9.3B 总参数、2.7B 激活的 Tiny 高效对话模型；Ming-3.0-asr-tiny 为 8.6B 总参数、2B 激活的方言与上下文识别模型。图片补充：TTS 支持七种语言加两种方言，ASR 支持热词列表与对话上下文。

10月19日周一