DeepSeek-V4-Pro 正式版上线，Agent 能力大幅增强
DeepSeek-V4-Pro 正式版已在 APP、网页端和 API 同步上线，模型名设为 deepseek-v4-pro 即可使用。其 Agent 能力显著提升，HLE (wo/w tools) 达 42.7/60.0，Terminal Bench 2.1 为 87.9。
推荐理由：峰谷定价把闲时成本降至高峰一半，适合批量推理、评估任务等可延迟工作负载调整执行时间，为降低 API 支出提供空间。
#模型发布
DeepSeek：API 更新日志精选AI 评分8181 Gemini API：更新日志精选AI 评分6868 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。
Cursor Blog精选AI 评分7070 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。
xAI：News精选AI 评分7777 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。
vLLM 官方博客精选AI 评分7272 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。
Microsoft AI：官方博客AI 评分5555 Microsoft AI 发布 MAI-Code-1.1-Flash，代码质量更高且成本降至 1.0 的四分之一
Microsoft AI 发布 MAI-Code-1.1-Flash，相比 6 月在 Microsoft Build 推出的 1.0，代码质量更高、token 效率提升 25%、成本仅为四分之一，并已上线 GitHub Copilot。
Liquid AI 模型与工程博客精选AI 评分6767 Liquid AI 发布 LFM2.5-VL-3B 边缘端视觉语言模型
Liquid AI 发布 LFM2.5-VL-3B 视觉语言模型，屏幕理解 ScreenSpot-v2 平均 80.7，ToolSandbox 从 26.4 升至 59.5，RefCOCO 从 57.1 升至 87.9。
推荐理由：官方给出与更大模型对比的基准数据和端侧、GPU 实测速度，读者可据此评估它在边缘部署场景的适用性。
LMSYS Blog精选AI 评分7474 SGLang 宣布 Day-0 支持 NVIDIA Nemotron 3.5 Lightning
SGLang 宣布对 NVIDIA Nemotron 3.5 Lightning 提供 Day-0 支持，该开源模型为 30B 总参数、3B 激活参数的混合专家架构，支持最长 1M token 上下文，可从 Hugging Face 下载 BF16 和 NVFP4 权重。模型支持 MTP、DFlash、DSpark 三种投机解码技术，并可通过 OpenAI 兼容 API 接入智能体工作流。
推荐理由：Nemotron 3.5 Lightning以3B活跃参数提供前沿agent能力，SGLang的即刻支持让开发者能用单命令启动高性能推理，将agent部署成本大幅压缩。
NVIDIA BlogAI 评分7575 NVIDIA 发布 Nemotron 3.5 Lightning 与 NeMo Switchyard，提升智能体 AI 效率
NVIDIA 扩展 Nemotron 3 模型家族，推出 300 亿参数混合专家模型 Nemotron 3.5 Lightning，面向高吞吐智能体工作负载，输出速度最高提升 4 倍，智能体任务完成速度提升 30%。同时发布开源模型路由库 NeMo Switchyard，可将任务成本降至 Opus 4.8 单独运行的近三分之一，并支持在 RTX PC、DGX 等本地设备部署。
NVIDIA Blog精选AI 评分7676 NVIDIA 推出 Nemotron 3.5 Lightning，加速本地智能体任务
NVIDIA 发布 Nemotron 3.5 Lightning，一款可定制的开源 30B 混合专家（MoE）模型，专为常驻智能体设计。相比同类开源模型，其 token 生成速度最高提升 4 倍，任务完成时间缩短 30%。该模型采用开放权重，支持用户微调以匹配特定任务，并可在 RTX PC、DGX Spark 及 Jetson 等设备上运行。
推荐理由：本地运行 30B MoE 模型并声称 4 倍加速，与开源路由器结合可自动分配任务到最合适模型，给控制推理成本提供了新路径。
蚂蚁 inclusionAI：HuggingFace 新模型精选AI 评分6565 蚂蚁 inclusionAI 开源 Ling-3.0 系列语言基础模型
蚂蚁 inclusionAI 开源 Ling-3.0 系列语言基础模型，含 tiny 与 flash 两个尺寸及预训练、中期训练、合并（WSM）等阶段检查点。该系列采用混合线性注意力与稀疏 MoE 架构，总参数 7.9B，每 token 仅激活 1.3B 参数（128 个路由专家中激活 8 个）。
推荐理由：用加权检查点合并替代学习率衰减，让基座模型更适合持续预训练，也为验证不同衰减曲线省去重复实验。
蚂蚁 inclusionAI：HuggingFace 新模型精选AI 评分6363 蚂蚁 inclusionAI 开源 Ling-3.0 系列高效语言基础模型
蚂蚁 inclusionAI 开源 Ling-3.0 系列高效语言基础模型，并发布预训练、中期训练及合并（WSM）等阶段的检查点，支持继续预训练、微调与研究。Ling-3.0-tiny-base 采用稀疏 MoE 架构，含 128 个路由专家，每 token 仅激活 1.3B 参数，总参数量 7.9B，并原生混合线性注意力以高效处理长上下文。
推荐理由：它把学习率衰减替换为加权检查点合并，基座模型更适合持续预训练和数据扩展，做继续预训练或领域微调时可复用这一训练策略做离线探索。
蚂蚁 inclusionAI：HuggingFace 新模型精选AI 评分6464 蚂蚁 inclusionAI 开源 Ling-3.0 系列高效语言基座模型
蚂蚁 inclusionAI 开源 Ling-3.0 系列语言基座模型，采用高度稀疏（1/64）MoE 架构，含 512 个路由专家，每个 token 仅激活 8 个路由专家和 1 个共享专家，激活参数仅 5.1B（Non-emb）。
推荐理由：WSM 合并替代学习率衰减，让持续预训练和动态数据扩展不必为每种衰减策略重跑训练，降低实验成本。
蚂蚁 inclusionAI：HuggingFace 新模型精选AI 评分6868 蚂蚁 inclusionAI 开源 Ling-3.0 系列高效语言基础模型
蚂蚁 inclusionAI 开源 Ling-3.0 系列语言基础模型，并发布预训练、中期训练及合并（WSM）等多个阶段检查点。该系列采用高度稀疏（1/64）MoE 架构，512 个路由专家中每 token 仅激活 8 个，激活参数仅 5.1B（Non-emb），总参数 124B，并原生结合 KDA 与 Gated MLA 混合线性注意力以高效处理长上下文。
推荐理由：把学习率衰减替换为权重合并并发布训练各阶段检查点，使持续预训练与不同衰减策略的离线比较不必逐次重跑，降低实验成本。
蚂蚁 inclusionAI：HuggingFace 新模型精选AI 评分6464 蚂蚁 inclusionAI 开源 Ling-3.0 系列高效语言基座模型
蚂蚁 inclusionAI 开源 Ling-3.0 系列语言基座模型，采用高度稀疏（1/64）MoE 架构，512 个路由专家中每 token 仅激活 8 个，总参数量 124B，激活参数仅 5.1B。该系列原生融合线性注意力，并以加权检查点合并替代传统学习率衰减。此次发布包含预训练、中期训练及合并（WSM）等多个训练阶段的检查点，支持继续预训练与微调，模型采用 MIT 许可证。
推荐理由：把训练中间态作为可下载 checkpoint 开放，配合 WSM 合并替代学习率衰减，做继续预训练或 MoE 研究时可从中间阶段开始，省去重复前置训练成本。
蚂蚁 inclusionAI：HuggingFace 新模型精选AI 评分6363 蚂蚁 inclusionAI 开源 Ling-3.0 系列中间训练检查点
蚂蚁 inclusionAI 开源 Ling-3.0 系列高效语言基础模型，并发布预训练、中间训练及合并（WSM）等多个训练阶段检查点，支持继续预训练、微调与研究。
推荐理由：训练检查点分层开放，且用加权合并替代学习率衰减，为持续预训练和动态数据扩展提供了可复用的实验基座，减少不同策略的重复训练成本。
Inception Labs：Blog精选AI 评分6363 Inception Labs 发布 Mercury 2 for Search，解码超 1000 tokens/秒
Inception Labs 发布面向搜索管线的 Mercury 2，扩散式并行解码超 1000 tokens/秒，在 WideSearch 各步骤比 Gemini 3.1 Flash Lite 快近 2 倍、比 GPT-5 Mini 快 10 倍，定价 $0.25/M 输入、$0.75/M 输出。
推荐理由：原文给出每步延迟、成本与检索消融数据，读者可据此评估扩散模型在搜索管线中的实际取舍。
Microsoft AI：官方博客精选AI 评分6262 Microsoft 发布 MAI-Image-2.6，Arena 文生图榜单排名第二
Microsoft AI 发布 MAI-Image-2.6，在 Arena 文生图排行榜上排名第二，超过 Meta、Google 和 xAI 的模型。该模型整体比 MAI-Image-2.5 提升 +79 Elo，其中文本渲染提升 +91 Elo，各评测类别均有提升；已在 Arena 开放体验，稍后登陆 MAI Playground，并将陆续接入 Microsoft Foundry 等产品。
推荐理由：官方公布了 Arena 排名与各项 Elo 提升数据，读者可据此比较 MAI-Image 2.6 与 Google、Meta、xAI 模型的图像生成质量变化。
OpenAI：官网动态精选AI 评分5555 OpenAI 推出 GPT-5.6-Cyber，面向授权漏洞研究的网络安全专用模型
OpenAI 发布网络安全专用模型 GPT-5.6-Cyber，可通过 Daybreak Red 获取，用于授权的漏洞研究、漏洞验证和安全测试。该模型旨在应对网络防御窗口不断收窄的挑战，为安全研究人员提供专门工具。
推荐理由：GPT-5.6-Cyber 将大模型能力引入授权的漏洞研究与验证流程，安全团队可借助模型自动化分析，缩短从漏洞发现到修复的窗口。
Tibo@thsottiauxAI 评分6262引用OpenAI@OpenAIWe’re expanding our cybersecurity initiative Daybreak and introducing GPT-5.6-Cyber, a new model for advanced, authorized cybersecurity work. As the threat landscape evolves, we’re putting frontier intelligence in the hands of trusted defenders before attackers can deploy offensive AI at scale.
- Tibo@thsottiauxAI 评分6464引用OpenAI@OpenAI
We’re expanding our cybersecurity initiative Daybreak and introducing GPT-5.6-Cyber, a new model for advanced, authorized cybersecurity work. As the threat landscape evolves, we’re putting frontier intelligence in the hands of trusted defenders before attackers can deploy offensive AI at scale.
蚂蚁百灵：Developer Blog精选AI 评分6666 蚂蚁百灵开源 Ling-3.0-tiny：7.9B 总参数、每 Token 激活 1.3B
蚂蚁百灵正式开源 Ling-3.0-tiny，总参数 7.9B，每 Token 仅激活 1.3B，同步提供 BF16、FP8 和 INT4 三个版本。
推荐理由：官方给出了综合指数与实测数据，读者可以据此评估这款轻量模型在端侧部署和本地 Agent 场景的可用性。
LMSYS Blog精选AI 评分7272 SGLang 为 Muse Glimmer 提供 Day-0 支持，针对本地智能体工作流优化推理
SGLang 与 Meta Superintelligence Labs 合作，为 30B 参数多模态模型 Muse Glimmer 提供 Day-0 支持，该模型拥有 128k+ token 上下文窗口。
推荐理由：SGLang对Muse Glimmer的优化使30B多模态模型在RTX 5090上达到236 tok/s用户速度，本地智能体工作流不再受限于云端延迟。
Meta AI：Research BlogAI 评分5252 Meta Muse Glimmer：开放权重 30B 本地编码模型
Meta 发布 Muse Glimmer，一款开放权重的 30B 参数本地编码模型。该模型面向本地部署场景，相关研究细节已在 research.meta.ai 公布。
vLLM 官方博客AI 评分5757 NVIDIA 发布 Nemotron 3.5 Lightning，vLLM 提供 Day-0 支持
NVIDIA 与 vLLM 团队宣布 Nemotron 3.5 Lightning 开放模型上线，vLLM 提供 Day-0 支持。
Fireworks AI精选AI 评分6969 Meta Muse Glimmer 30B 上线 Fireworks，面向常驻 Agent 场景
Meta 的 Muse Glimmer 30B 稠密模型已在 Fireworks 上提供 serverless 和按需部署，主打多轮工具调用与失败恢复等常驻 Agent 场景。
推荐理由：原文给出了架构细节、Agent 基准对比和推荐运行配置，读者可以据此评估这款 30B 开源模型是否适合自己的多轮工具调用工作流。
蚂蚁 inclusionAI：HuggingFace 新模型精选AI 评分6060 inclusionAI 发布 Ling-3.0-flash 的 DSpark 投机解码模型 Ling3-DSpark
inclusionAI 推出 Ling3-DSpark，一个为 Ling-3.0-flash 设计的 DSpark 投机解码模型，参数量 1.36B，通过置信度头动态选择草稿 token 数量。在 GSM8K 等九项基准上平均接受长度为 5.29，其中 GSM8K 达 6.40。模型经 SpecForge 训练，可通过 SGLang 部署。
推荐理由：该模型把投机解码的接受长度按工作负载分开报告，数学与代码任务明显高于对话类，部署时可据此对不同场景的加速收益有更实际预期。
OpenAI：官网动态精选AI 评分5353 ChatGPT 推出改进版 GPT-5.6 Sol，并扩大免费用户访问权限
ChatGPT 推出改进版 GPT-5.6 Sol，提升准确性与一致性，同时扩大免费用户访问权限。免费用户还可无限次使用 GPT-5.6 Luna 进行日常对话。
推荐理由：这次更新把 Sol 的准确度和一致性提升后开放给免费用户，同时 Luna 的无限日常聊天让非付费用户也能稳定使用基础能力，减少了因模型切换造成的体验落差。
蚂蚁百灵：Developer Blog精选AI 评分6868 蚂蚁百灵开源 Ling-3.0-flash：124B 总参数 MoE 混合推理模型
蚂蚁百灵正式开源原生混合推理模型 Ling-3.0-flash，采用 124B 总参数、5.1B 激活参数的 MoE 架构，同步提供基础版及 FP8、FP4、INT4 多个精度版本。
推荐理由：官方开源公告给出了参数规模、多精度版本和三类部署路径的具体数据，读者可据此评估接入方式与适用场景。
NVIDIA Blog精选AI 评分7171 NVIDIA Cosmos 3：开放世界模型如何推动物理 AI 前沿
NVIDIA 发布 Cosmos 3，一个基于混合 Transformer 架构的开放物理 AI 基础全模态模型，整合视觉推理、世界生成与动作预测。
推荐理由：介绍 Cosmos 3 作为开放物理 AI 基础模型的架构、基准表现和行业用例，为需要定制世界模型的机器人、自动驾驶和视觉 AI 团队提供了可直接参考的技术路线。
OpenAI：部署安全与系统卡AI 评分5151 OpenAI 更新 GPT-5.6 系统卡，披露 Sol 与 Luna 的未成年安全评测及生物化学 High 能力定级
OpenAI 发布 GPT-5.6 August Updates 部署安全文档，覆盖 GPT-5.6 Sol 与 GPT-5.6 Luna 两个更新模型。文档新增 U18 专项评测，显示两模型在年龄限制商品与性内容等类别表现与 GPT-5.5 变体相当且无统计学显著差异。
OpenAI：官网动态AI 评分4949 OpenAI 推出 GPT-Daybreak 加速防御者安全能力
OpenAI 发布 GPT-Daybreak，面向防御者的前沿网络模型，覆盖从广泛防御工作到高级安全研究。该模型旨在加速安全团队的分析与响应效率，具体参数、基准分数及可用性细节尚未公布。
字节 Seed：Research Feed精选AI 评分7878 字节 Seed 发布 SeedRealtime 音视频全双工大模型，走向全模态自然交互
字节 Seed 发布 SeedRealtime，用统一架构原生融合音频、视频与文本，实现“边看、边听、边说”的实时交互。相比级联模型，其音视频对话节奏问题减少一半，并已在豆包 App 全量上线，率先实现音视频全双工技术的规模化落地。
推荐理由：SeedRealtime 将音视频感知与表达统一到同一端到端模型中，级联系统常见的说话节奏问题减少了一半，实时场景中能主动提醒并自然停顿，为全模态智能助手交互提供了新的技术路线。
Black Forest Labs：Blog精选AI 评分7373 Black Forest Labs 发布 FLUX 3 Video：支持最长 20 秒 HD 视频与原生音频
Black Forest Labs 宣布 FLUX 3 Video 的生成能力正式开放，可通过 BFL API 和部分合作伙伴使用。
推荐理由：官方公布了 FLUX 3 Video 的具体能力清单和与 Seedance 2.0 等模型的对比结果，读者可据此评估它在当前视频生成工具中的位置。
NVIDIA Blog精选AI 评分6868 NVIDIA Alpamayo 2 Super 开放商用，面向 Robotaxi 与自动驾驶的前沿开源模型
NVIDIA Alpamayo 2 Super 现已开放商用，基于 Cosmos 3 Super Reasoner 构建，采用强化学习后训练，支持轨迹预测、因果链推理、元动作、自动标注及视觉问答等多任务输出。
推荐理由：开放商业许可与可解释推理输出结合，自动驾驶团队能直接审查模型决策链，为安全验证提供透明度，降低从研发到商用部署的转换成本。
Mistral AI：News精选AI 评分6363 Mistral 开源 3B 多模态安全分类器 Shieldstral，支持推理时自定义政策无需重训
Mistral 发布 3B 开源权重多模态安全分类器 Shieldstral，以 Apache 2.0 协议开放下载。它把内容审核建模为政策自适应问答任务，推理时用自然语言问题传入政策即可返回校准的安全分数，无需重训练，统一覆盖文本、图像及 prompt-response 对的审核、拒答检测和毒性检测。
推荐理由：原文给出了把内容审核改为推理时自适应问答的方法、数据构建思路和基准表现，适合想自建安全审核方案的开发者参考。
Google Blog：AIAI 评分4545 Google 发布 Gemini 3.6 Flash 等三款新模型及 Gemini Robotics ER 2
Google 在 7 月推出三款新 Gemini 模型——Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber，面向生产级 AI 智能体，主打更高 token 效率、更低延迟和更可靠性能。
Liquid AI 模型与工程博客精选AI 评分7070 Liquid AI 发布端侧智能体模型 LFM2.5-2.6B
Liquid AI 发布 LFM2.5-2.6B，一个可完全在设备端运行的 2.6B 参数智能体模型，预训练约 34T tokens，词表扩展至 128K，Base 和 post-trained 权重已在 Hugging Face 开放。
推荐理由：原文给出了训练流程、基准对比和 CPU/GPU 吞吐数字，读者可以据此评估端侧智能体部署的可行性与取舍。
Qwen：Blog Retrieval精选AI 评分8989 Qwen3.8-Max 发布：开源最强编码与协作模型，2.4T 参数
Qwen 正式发布 Qwen3.8-Max，这是 Qwen 家族迄今最强的模型，拥有 2.4T 参数（95B 激活），并首次开源 Qwen-Max 级权重，开放权重将于下周发布。
推荐理由：首次将 Max 级模型权重开源，为开源社区提供比肩闭源旗舰的能力，但实际效果需待下周权重放出后由社区验证。
- Tibo@thsottiauxAI 评分5555引用Sebastien Bubeck@SebastienBubeck
是的，非索菲群确实存在：这一陈述是 Astra——我们的下一个重大模型——所证明的众多新的漂亮结果之一。 我们正在发布 10 个这样的 Astra 证明，每个都附有完整的 Lean 证书和思维链（CoT）详解。这些结果范围广泛，从冯·诺依曼代数（对 Connes 刚性猜想的反证）到高维球填充、电路复杂度、多色图中的单色三角形等问题的更优界，等等。 更多想法见：https://openai.com/index/ten-advances-in-mathematics/