跳到正文
#模型发布
8月14日周五
  3. Google DeepMind：Blog72

    Google DeepMind 推出 Gemini 3.7 Flash：面向编程与智能体的最强工作模型

    Google DeepMind 发布 Gemini 3.7 Flash，距 3.6 Flash 仅三周，主打编程与智能体任务，输入/输出价格分别为每百万 token $0.75 和 $3.75，为原 3.6 Flash 的一半。

    推荐理由：相比 3.6 Flash，价格减半且 FrontierCode 和 DeepSWE 分数提升，让成本敏感型编码智能体团队有了新的性价比基线。

  6. MiniMax：Blog63

    MiniMax Music 3.0 发布：新一代开源权重、生产级全能音乐模型

    MiniMax 推出 Music 3.0，新一代音乐生成模型，可根据创意概念和可选歌词一次性完成整首歌的作曲、编曲、演奏与制作，最长支持五分钟。

    推荐理由：把简单描述扩展成包含配器进出、情绪曲线和演唱方式的专业模板，降低了非专业创作者控制音乐生成细节的门槛。

  8. MiniMax (official)44

    感谢 Huggingface 团队 @multimodalart，Day 0 支持开源音乐模型！ MiniMax Music 3 刚刚在 @huggingface 上线 🎶🎵 SOTA 歌曲生成，现已开源权重，一个 8B LLM + 2.7B DiT，将提示词和歌词转化为完整歌曲 可通过 🧨 diffusers 或 comfy 在小型消费级 GPU 上运行 模型权重 + 应用已在 Spaces 上线，快来体验 ▶️ https://huggingface.co/spaces/MiniMaxAI/MiniMax-Music3

    引用apolinario (poli)@multimodalart

    MiniMax Music 3 is just out on @huggingface 🎶🎵 SoTA song generation, now open weights 🔊, a 8B LLM + 2.7B DiT that turn prompt + lyrics into full songs fits smol consumer GPUs with 🧨 diffusers or comfy model weights + app on Spaces, come play ▶️ https://huggingface.co/spaces/MiniMaxAI/MiniMax-Music3

8月13日周四
  4. Demis Hassabis59

    Google DeepMind 发布手语转文本模型 SL2T，让用户首次可直接对着手机比划手语完成输入。该模型与聋人社区合作开发，率先在 Pixel 11 上支持美国手语转英语，用户可在 Gboard 和 Live Transcribe 中直接手语输入，无需打字。

    引用Google DeepMind@GoogleDeepMind

    SL2T is our breakthrough sign language-to-text model powering new features for Deaf and hard of hearing users on @Android. Starting with American Sign Language-to-English on Pixel 11, people can sign directly into Gboard and Live Transcribe instead of typing.

  5. IT之家·人工智能68

    DeepSeek-V4-Pro 正式版上线：原生支持 OpenAI Responses API，针对性适配 Codex

    DeepSeek 宣布 V4-Pro 正式版在 App、网页端和 API 同步上线，用户可选择“专家模式”使用。正式版增强 Agent 能力，API 原生支持 OpenAI Responses API 格式并适配 Codex，思考模式支持 low/high/max 三档强度。API 采用“峰谷定价”，闲时价格为高峰一半，新价格于 2026 年 8 月 17 日生效。

  6. DeepSeek65

    我们今天正式发布 DeepSeek-V4-Pro！🚀 🔷 重大 Agent 升级，带来强劲的生产环境性能提升！🔷 V4-Pro 与 V4-Flash 支持灵活推理强度：简单任务用低强度，日常 Agent 工作流用高强度，复杂任务用最高强度。🔷 原生支持 OpenAI Responses API，针对 Codex 优化，一键即可完成配置。 V4 Pro 现已上线 App 和网页端，可通过“专家模式”体验。V4 Pro 也已通过 API 提供。模型名称保持不变——具体配置请参阅 API 文档。

  7. 公众号：DeepSeek73

    DeepSeek-V4-Pro 正式版上线

    DeepSeek 发布 V4 Pro 正式版，已同步在 APP、网页端和 API 更新上线，用户可在 APP 或网页端选择“专家模式”使用。正式版增强 Agent 能力，API 原生支持 OpenAI Responses API 格式并适配 Codex。

  8. DeepSeek：API 更新日志81

    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。

  9. 公众号：小红书技术75

    小红书开源连续自回归语音合成模型 dots.tts：打造可持续扩展的 TTS 基座

    小红书 dots 团队开源 20 亿参数全连续端到端自回归语音合成模型 dots.tts，在 Seed-TTS-Eval 三个子集上取得最佳平均内容准确度和平均说话人相似度。

    推荐理由：连续自回归跳过离散 Token 的信息损失，又用语义编码器回灌历史抑制累积误差，为音色克隆和低步数流式共用同一基座提供了路径。

  10. Rohan Paul52

    DeepSeek-V4-Pro (Max) 在 Code Arena WebDev AutoEval 获 1607 分，仅落后 GPT-5.6 Sol xHigh 15 分，但混合 token 价格约为其 1/31。该开源权重模型定价 $0.435/$0.87 每百万 token，超越 Opus-4.8 与 GLM-5.2 等高价竞品，位列总榜约第 8。

    引用Arena.ai@arena

    DeepSeek-V4-Pro (Max) by @deepseek_ai is expected to shift the Pareto curve for Code Arena: WebDev with this upcoming open weights model. It currently sits at ~#8 overall (AutoEval) at 1607 pts. Priced at $0.435 input/ $0.87 output per MTokens, it outperforms models beyond its price tier, including Opus-4.8 ($5/$25) and GLM-5.2 ($1.4/$4.4). Congrats again to the @deepseek_ai team for their contribution to the open ecosystem!

  11. MarkTechPost47

    Dyna Robotics 发布 Dyna-2：基于100万小时人类视频预训练的世界-动作模型

    Dyna Robotics 发布 Dyna-2，一个在超100万小时第一人称人类视频上预训练的世界-动作模型（WAM），用于机器人操作。研究团队验证了从1,000到1,000,000小时数据的缩放定律，并首次将该定律零样本迁移至未见过的机器人数据；视频联合去噪在39/39任务上优于仅动作训练，将零样本机器人MSE从0.340降至0.120。

  15. 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。

  16. 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。

  17. 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。

  18. 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。

  20. 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。

  21. 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。

  22. 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.