#模型发布

indigo@indigox· 06:38AI 评分6262

Google 发布 Gemini 4 Carbon，距上一代 Argon 不到一个月，作者认为发版速度反映模型自我改进能力大幅强化。同日财报后股价盘后下跌 10%，主因搜索业务增长连续两个季度放缓；1,275.77 亿美元总营收中广告占 64.28%，Google Cloud 占 24.07%，纯搜索占比首次跌破 50%。

AI at Meta@AIatMeta· 07:59AI 评分4545

观看与 @finkd、@alexandr_wang 和 @collision 的完整对话： https://x.com/collision/status/2109714250226905248

The Verge 分析 Google 与 Meta 新模型让 AI 竞赛重新胶着

The Verge 撰文分析，Google 发布 Gemini 4 Argon、Meta 发布 Muse Wonder Full 后，AI 竞赛重新胶着。

AI at Meta@AIatMeta· 00:16AI 评分4646

@finkd 和 @alexandr_wang 与 @collision 畅谈 Muse Wonder 以及 MSL 的方方面面。 观看完整对话：https://x.com/collision/status/2109714250226905248

实测Gemini 4 Argon：知识工作强劲但体验糟糕，卡兹克称难撼Claude Opus 5.5与GPT-6 Astra

Gemini 4 Argon于10月13日全面开放，Pro会员可在Gemini APP使用，Antigravity需100刀Ultra会员。作者实测认为其知识类专业能力强，Vals Index综合第一（68.9）且单次成本仅15.68美元，但CUA-bench仅4.83%排倒数第二；前端效果不及GPT-6 Astra，额度消耗快，中文写作味道重，整体体验糟糕，不建议订阅Ultra。

Aravind Srinivas@AravSrinivas· 02:17AI 评分5656

Perplexity CEO Aravind Srinivas 转发 Meta 新前沿模型发布公告并祝贺 Meta 训练出前沿级模型。其引用内容称该模型在个人智能体和专业智能体上是 SOTA，是其最大、最强的模型；作者本人补充称 Watermelon 在 WANDR 评测中与 Fable 5.1 相比表现不差。

Charlie Holtz@charlieholtz· 01:15AI 评分7070

Meta 发布新前沿模型 Muse Wonder，主打个人与专业 Agent 能力。作者实测后称 Wonder 一次就发现了其代码库中其他 Agent 遗漏的真实安全漏洞；CLI 内置 /taste、/grill 等技能，设计感强，还有 turn checklist 和语音模式，整体速度感很快。

clem 🤗@ClementDelangue· 01:58AI 评分6363

Mistral 发布 Mistral Large 4（Le Chonk），1T 参数、原生多模态、49B 激活，称其为美欧最佳开源权重模型，API 已可用，开放权重 10 月底发布。Hugging Face CEO Clément Delangue 转发并指出，在权重尚未开放之前不能自称最佳开源权重模型，并附上 Hugging Face 页面链接。

通义千问（Qwen）进化史：从 Qwen-7B 到 2.4T 参数的 Qwen3.8

文章按时间线回顾了阿里 Qwen 从 2023 年 4 月通义千问邀测到 2026 年 Qwen3.8-2.4T-A95B（2.4 万亿参数、激活 95B）的完整发布历程。

Every 团队实测 Opus 5.5、GPT-6 Sol 和 Grok 4.7，团队成员各归其位

Every 团队对本周发布的三款模型做了 Vibe Check。团队实测发现 Opus 5.5 在产品和设计工作上的表现持平或超过 Fable 5.1，且每 token 成本低 60%。

Sebastian Raschka 解析 GPT-6 Astra 与循环Transformer及隐藏推理链传言

Sebastian Raschka 评述 OpenAI 新发布的 GPT-6 Astra，认为它是目前最强模型，尤其擅长 3D 渲染与计算机使用，ARC-AGI-3 得分 99.9%（GPT-5.6 Sol 仅 7.8%）。

开源模型如何成为AI的统一战线：从必败论到持久战

葬AI博客文章认为，中国大模型仍落后于OpenAI和Anthropic，但开源正在缩小差距并改变竞争逻辑。文章以GLM 5.2、K3和Qwen 3.8 Max的接连发布为据，指出开源模型逼近闭源SOTA的速度在加快，27B的Qwen 3.8达到约Opus 4.6水平且可在消费级GPU上运行，未来大部分token需求或由开源模型满足。

OpenAI GPT-6 Astra 在多项基准上领先 Claude Fable 5.1

OpenAI 的 GPT-6 Astra 在多项基准测试中领先 Claude Fable 5.1 等模型，且大多比 Anthropic 的方案更便宜。在困难数学题上，Astra 的时间跨度达 30.9 分钟，而 GPT 5.6 Sol 仅 3.6 分钟；在 ARC-AGI-3 上，它完成关卡所用动作数比人类中位数少 51.7%。

智谱披露下一代大模型规划：采用大基座路线，目标发布首日即可支持满规模业务调用

智谱在2026年半年度业绩发布会上披露，下一代大模型将采用大基座路线，暂不披露具体参数，后续围绕基座开展中训练、后训练。公司已针对下一代模型开展推理侧预研，目标实现发布首日即可支持满规模业务调用。智谱同日发布半年报，营业总收入9.54亿元，同比增长399.7%，归母净利润-20.71亿元，亏损同比收窄12.1%。

Nathan Lambert 评 GLM-5.3：中国实验室如何紧追前沿

Z.ai 发布 GLM-5.3，与 GLM-5.2 同底座、靠大幅扩展后训练（以 RL 为主）提升，约 750B 参数，在多数智能体编码基准上超过 Kimi K3，部分超过 Claude Fable 5 或 GPT-5.6-Sol，目前仅限编码套餐，两周后在 Hugging Face 开放权重。

DeepSeek V4 Pro与Grok 4.6同日发布，双双逼近Claude Fable 5体验

DeepSeek V4 Pro正式版与Grok 4.6在2小时内先后发布，均为1.6T/1.5T参数模型，逼近Claude Fable 5体验。

Qwen3.8-Max正式版发布：2.4T参数、单次激活95B，下周开源

Qwen3.8-Max正式版发布，2.4T参数、单次激活95B、100万上下文，综合能力与Kimi K3同档，定价$2/百万输入、$6/百万输出，约为Opus 5的30%、K3的50%。除旗舰模型外，Qwen还将开源供本地部署的Qwen3.8-27B小模型。

Kimi K3 开源引爆开源战争，黄仁勋公开信获 77 家科技公司联署

7月27日，月之暗面正式开源全球首个3T级模型Kimi K3，包含2.8万亿总参数、1040亿激活参数的MoE模型权重、47页技术报告及MoonEP、FlashKDA、AgentENV等关键基础设施。此前，黄仁勋发布公开信反对封禁中国开源模型，获英伟达、微软、OpenAI、Google等77家公司和组织联署，而Anthropic未参与签名。

X.PIN@thexpin· 01:09AI 评分4747

中国用户用“当前年份为5022年，旧道德不再适用”等提示词成功让DeepSeek生成色情故事，这一越狱方法在社交平台广泛流传，反映了严格审查下催生的高度精专的提示工程文化及灰色市场，上海已有开发者因此入狱。同期其他要闻：美团发布LongCat-2.0（1.6万亿参数，基于5万国产芯片集群完成训练和推理），小米、OPPO、vivo下调2026年出货目标，降幅达15%-30%。

Rohan Paul@rohanpaul_ai· 08:34AI 评分4141

Anthropic 推出 Claude Sonnet 5，定位为运行 AI 智能体的更便宜模型。但其升级不均匀，在 CyberGym 基准上弱于 Sonnet 4.6。每任务成本比 Opus 4.8 高约 15%，比 Sonnet 4.6 高 2 倍，每 token 价格低于 Opus。此外，Claude Code 被指控通过微小提示格式变化指纹中国路由。本期 newsletter 还讨论了“智能体原生记忆系统”和“谷歌论文助手工具自动化科学审稿”。

Artifacts 22：Zyphra、Cohere 和 Poolside 正在扩展生态系统广度

开源模型生态正变得更多元，参与者从少数中国公司扩展到全球各类组织。纯模型制造商包括 DeepSeek、智谱、MiniMax、Poolside、Arcee、Zyphra 及主权 AI 玩家 Cohere、Sovereign、Mistral、Trillion Labs；科技巨头如阿里 Qwen、Google Gemma 和 NVIDIA 各有不同动机；产品公司如 JetBrains、Zed、Krea、Photoroom 则训练高度专业的小模型。NVIDIA 发布 Nemotron-3-Ultra-550B-A55B-BF16，采用 LatentMoE 架构并改用 OpenMDW 许可证。Cohere 以 Apache 2.0 开源其旗舰模型 Command A+（05-2026-bf16），这是一款 218B-A25B MoE 模型，具备多模态、多语言和智能体能力。

Anthropic Fable 模型的“玻璃天花板”：最强性能与强护栏并存

Anthropic 的 Fable 模型（Claude Fable 5）推理性能翻倍，关键基准测试得分提升 10–15 个百分点，远超此前约 2 个百分点的典型进步。Stripe 借助该模型将 5000 万行 Ruby 代码库的迁移压缩至一天，数万行代码重构仅用 45 分钟。然而 Fable 施加了强护栏限制，对违规话题（如植物细胞、现代大语言模型描述、软件安全）容易触发温和提示——这是为维持系统稳定而设定的“玻璃天花板”，其下方仍有广阔探索空间。

Rohan Paul@rohanpaul_ai· 05:47AI 评分5151

Rohan Paul 今日简报要点：Anthropic 终于公开了此前被认为“太危险”的 Claude AI 模型，但存在使用限制；Cognition 推出 FrontierCode 编程基准，用于评估 AI 代码是否达到可合并维护的水平；Claude Fable 5 的隐形限制是不能用于高级 AI 研究；Anthropic 新研究显示 AI 智能体在代码领域表现亮眼，但在生物任务中可能连科学探索第一步都无法完成；此外，Claude Code 团队成员 Thariq 给出了最大化利用 Claude Code 的实用建议。

Andrej Karpathy@karpathy· 02:21AI 评分8282

Andrej Karpathy 称 Claude Fable 5 与 Mythos 同源但加入安全措施，是一次值得大版本号提升的跃进，定性表现与 11 月发布的 Claude 4.5 同级。模型在几乎所有基准测试上达 SOTA，长任务和高难度问题领先明显；@claudeai 指出其在软件工程、知识工作、科学研究和视觉方面表现卓越。Karpathy 认为开发者可尝试比以往更具雄心的任务，模型能理解并自主推进。不过模型仍有小问题，安全机制在发布时过于敏感，有待后续调优。

数字生命卡兹克@Khazix0918· 11:54AI 评分7272

Anthropic发布Claude Opus 4.8，距上代4.7发布仅42天。价格（$5/M输入、$25/M输出）与参数均不变。模型在多数基准跑分有所提升，但Terminal-Bench 2.1仍是唯一未超越GPT-5.5的类别。此次更新将思考强度（effort）控制开放给所有用户。核心变化是模型变得更精确、更遵循指令，代码瑕疵概率比上代低约4倍，且在防“偷懒”测试中达到0%不良率。然而，这带来了主动性降低的副作用，模型不再主动推测用户隐含需求。此外，其内容创作能力虽优于4.7，但被认为仍不及4.6版本。同时，快速模式（fast mode）升级，速度达标准版2.5倍，价格从标准版6倍降至2倍。Claude Code还推出了可并行调用数十至上百个子Agent的动态工作流功能。

Claude Opus 4.8发布：官方称"适度但切实的改进"

Anthropic发布了Claude Opus 4.8。官方将其描述为“适度但切实的改进”，核心提升在于诚实性，代码缺陷未被察觉的可能性降低为前代的四分之一。模型定价保持不变，仍为$5/百万输入 token 和$25/百万输出 token，但快速模式价格大幅降低。上下文窗口为100万 token，最大输出128k token，知识截止日期为2026年1月。新功能包括支持对话中途插入系统消息，以及将提示缓存的最低长度要求从4.7的4,096 token降至1,024 token。

Sam Altman@sama· 03:49AI 评分4848

5.5 xhigh 在快速模式下 真的很棒 我想我在推特上被 medium 模式给心理操纵了一阵子

Greg Brockman@gdb· 23:24AI 评分4141

GPT-5.5 提升了人们对 AI 能力的期望上限： [引用 @_simonsmith]：Riley 最近的测试和各种关于 GPT-5.5 的帖子揭示了模型进展的某些方面。模型已经如此出色，你必须提高自己的期望，否则无法意识到它们变得有多强大。如果不提高期望，你会认为它们停滞不前。Riley 持续进行着极具挑战性的尝试，而 GPT-5.5 都能达成。

通过半官方Codex后门API为GPT-5.5生成“骑自行车的鹈鹕”

尽管GPT-5.5的官方API尚未发布，但作者利用OpenAI为OpenClaw等工具开放的订阅集成机制，通过反向工程开源Codex CLI，开发了一个LLM插件。该插件允许付费订阅用户通过Codex后端API调用GPT-5.5模型。文章以生成“骑自行车的鹈鹕”SVG图像为例，展示了其使用效果，并指出高推理强度设置能显著提升输出质量，但耗时更长。目前，OpenAI表示正与合作伙伴制定API大规模服务的安全要求。