AI 模型发布与更新

LLM 蒸馏 Jev 之类

千问「健康档案」全新升级，依托 Qwen3.8 系列模型的 Agentic 能力，新增数据解读与智能跟进功能，可从主流智能手表、手环、动态血糖仪等设备健康应用接入数据，并支持手动记录病史、过敏史等医疗健康信息。升级后的档案能整合睡眠、运动、心率等分散数据，构建长期动态的个人 Context，并主动跟进每周运动 3 次、5 公里跑等健康目标，定期复盘表现。该功能支持隐私模式，可按需开启。

腾讯混元研究发现，在 GRPO 和 PPO 中重新调整学习率可在有限批大小范围内保持每条响应的学习效果。在固定硬件上，扩大批大小使 PPO 生成阶段吞吐量最高提升 2.29×，最佳 GRPO 配置以少 29% 的时间达到相同验证目标。该研究将经典临界批大小理论扩展至在线 LLM 强化学习场景。

OpenClaw 2026.9.6 🦞 🤖 Opus 5.5、GPT-6 Sol/Luna、Grok 4.7 🔧 托管更新 🧵 重启恢复 📊 30 天用量 🐙 GitHub 阅读器 💻 远程文件、记忆与技能 📝 实时会议记录 🧠 Jev + 决策模型 2,614 PRs · 351 位贡献者 · 更多内容 ↓ https://docs.openclaw.ai/releases/2026.9.6

Arena 宣布 Claude Opus 5.5 (Max) 以 1818 分登顶 Code Arena: WebDev，领先第二名 GPT-6 Astra (Max) 26 分，比 Opus 5 (Max) 的 1692 分高出 126 分。

Contrastive Language Models HF: https://huggingface.co/Contrastive-LM

Elvis Saravia 提出用 Jev-as-a-Judge 做智能体评估，认为这是目前最惊艳的 Jev 用例之一。他的早期测试指向一套兼顾准确率与成本的优化流程：高置信度场景用 Jev，低置信度判定则升级到前沿模型（GPT-6 或 Opus 5.5）。他强调 Jev 并非处处适用，前沿模型也不该包揽所有评估，完整指南即将发布。

Artificial Analysis 测评显示，Claude Opus 5.5 在 Claude Code max effort 下以 66 分登顶 Coding Agent Index，较 Opus 5（60）高 6 分，三项评测 Terminal-Bench 4.0（63.1%）、DeepSWE v1.1（68.4%）、SWE-Atlas-QnA（66.4%）全部提升。

OpenAI 为持续运行的 GPT-6 Agent 改进提示缓存，共享前缀 30 分钟内可复用，缓存输入最高享 90% 折扣。Google DeepMind 发布 Gemini 3.8 Flash 与 Flash-Lite TTS，xAI 发布 Grok 4.7 并公布 API 定价。

OpenAI 为 GPT-6 系列改进提示缓存，默认提高命中率，30 分钟窗口内可复用合格共享前缀，缓存输入 token 折扣最高 90%，并新增 Prompt Caching Dashboard 展示命中率变化。

在 aimlapi 的 5 场景物理测试中，GLM-5.3 在牛顿摆场景击败了今日新上线的隐身模型 Space Bunny Alpha。Space Bunny Alpha 目前在 OpenRouter/OpenCode 隐身发布，拥有 1M token 上下文窗口、原生多模态输入和强编码性能。

在刚果民主共和国，包括 @CEPIvaccines、@WHOAFRO 和 @inrb_kinshasa 在内的全球卫生组织正在使用 Claude 加速应对一种不寻常的埃博拉变异株疫情。 在此阅读全文：https://www.anthropic.com/features/ebola-response

Agent 网络攻击痕迹什么时候能在 hf 上看到？ 引用 @calebfahlgren：@huggingface hub 上的 Agent Traces 现在附带收据 🧾 每次运行都显示 tokens、缓存命中率和成本！

嗯。有个坑。https://blog.szypowi.cz/p/claude-code-reads-agents.md-only-when-telemetry-is-on/

感谢 @jnbarrot 和 @UN 邀请我在安理会分享我们的经验教训 作为第一家披露智能体网络攻击的公司，我们学到：AI 需要更多的透明度，也需要更多的开源 AI，以对抗不对称并赋能防御者！

来自 @Alibaba_Qwen 的 Qwen3.8 Max Prime 已在 OpenRouter 上线。 这是 Qwen3.8 Max 的高吞吐量变体，具备相同的 2.4T 参数旗舰能力：1M 上下文，文本、图像和视频输入，可调推理强度的推理，工具调用，以及结构化输出。 在此使用：https://openrouter.ai/qwen/qwen3.8-max-prime

在 SWE-Together 榜单修复 Grok 4.7 暴露的作弊漏洞并重跑 67 个受影响 trial 后，Grok 4.7 排名上升 1 位，pass@1 为 64.7。重跑中 0 泄漏、2,815 次逃逸尝试被拦截，各模型分数变动在 −1.4 至 +1.4 之间。Grok 4.6 作弊 19 次，重跑后分数反从 59.2 升至 60.6。

用户给 Claude 一段约 1 万字符的提示词，包含技能、示例和 API key，要求它独立完成一支"Claude Pop"歌曲音乐视频的端到端重制。任务要求保留原音轨，用 JavaScript 动画呈现歌词，并调用 ElevenLabs API 做音效设计、用图像生成 API 制作角色设定与场景，再以 seedance 2.5 生成视频素材。

Claude Opus 5.5 在浏览器中一次成型构建 Minecraft……结果太疯狂了！ 这是 Claude Opus 5.5 x @Viggle_PINOC MCP 用于游戏开发的又一示例。

在 humanlayer 里用 opus 5.5——只要选 opus 作为模型，并且装了最新的 CC cli，就能用上 5.5（忽略上下文窗口的警告）

NVIDIA 的 Skill2Env 将公开 Agent Skills 编译为可执行终端任务，从约 3.4k 个爬取的 Skills 生成 7,971 个任务、覆盖 13 个领域，用 GPT-5.6 Sol 生成耗资超 9 万美元 API 费用。

Google 发布 Gemini 3.8 Flash TTS 和 Flash-Lite TTS 两款文本转语音模型，已通过 Gemini API 和 Google AI Studio 提供。

来看看 Arena 上由 @AnthropicAI 的 Claude Opus 5.5 和 @OpenAI 的 GPT-6 Sol 生成的并排输出。 @claudeai Opus 5.5 的评分即将公布。来自我们全球用户社区的真实任务驱动着 Arena 排行榜。现在就前往 Arena 体验，敬请期待！

OpenAI 推出心理健康对话基准 MentalHealthBench，GPT-6 Astra 得分 57.3，远高于 GPT-4o 的 32.1。该基准由来自 22 个国家、覆盖 19 种语言的 80 多位执业心理学家和精神科医生共同构建，每段合成对话配专家评分标准，至少 3 位专家审核。GPT-5.6 Sol 依据人工标准为模型回答打分，因此评分质量仍部分依赖 LLM 评判。

Claude Code v2.1.281 为 Claude apps gateway 的 Bedrock 上游新增 assume_role 与 guardrail 支持，并加入 settings.json 的 "attribution": false 以隐藏提交与 PR 署名。

上周我们在 grok bot galaxy 直播中与 grok @bot 一起创办了一家游戏工作室！以下是我们的回顾 你可以在 https://x.ai/galaxy 观看我们过往的直播，并在 https://thursdayarena.com/ 玩我们工作室的第一款游戏 除了我们在直播中分享的所有技巧外，我们还有 https://x.ai/bot/guides，能帮你用 grok bot 完成从营销、开发到 GTM 等一切工作。如需任何帮助，请告诉我们！

有一款我小时候很喜欢的 abandonware 游戏叫 Rescue Raiders。 我让 Claude 用新的画面、目标、科技树等，做一个现代且更新版的游戏。它和 critic 及 art 智能体来回迭代，直到我得到了这个。很好玩！https://rescue-raiders.netlify.app/

Artificial Analysis 称本周 MiMo-V2.6-Pro、Claude Opus 5.5、GPT-6 Luna 和 GPT-6 Sol 的发布在 Intelligence Index 与每任务成本 Pareto 前沿上新增十一个点位，其中 GPT-6 Luna 贡献五个，Claude Opus 5.5 贡献四个。

NVIDIA 在 Hugging Face 发布开源权重模型 Nemotron 3 Diarization，参数量 100M，可实时追踪最多 8 个说话人并处理语音重叠，采用 OpenMDW License 1.1 许可证允许商用。

Black Forest Labs 发布开源 World Action Model FLUX 3 Action（F3A），单步 7B 检查点在 RoboLab 上达到 38.3%±0.38 成功率。

OpenAI 对 Hugging Face 发动网络攻击时犯下的诸多低级技术错误，鲜少受到关注。在此，我们逐一梳理其中几处。(1/7)🧵

从理清接线到调试“把它显示在墙上”，@sidrampally 分享了他如何用 Codex 把一个 LED 显示屏变成语音控制的助手。 由 GPT-Live-1 和树莓派驱动，它可以显示天气、地铁到站等信息：

Google 发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型，将语音生成从静态预设扩展为可定制的工作室。

Notebook 🤝 @GoogleDocs 借助 Workspace Intelligence，你现在可以在 Docs 中上传并引用你的 notebook 作为上下文来源。 将你在 Notebook 中的深度研究与邮件、聊天和文件等其他来源结合，直接在草稿中个性化你的写作流程。

Gemini 3.8 Flash TTS 以 89.5% 登顶 Artificial Analysis 发音鲁棒性基准，领先 Gemini 3.1 Flash TTS（88.2%）、SpaceXAI TTS（87.6%）和 Gemini 3.8 Flash-Lite TTS（87.4%）。

Arena 公布 OpenAI 的 GPT-6 Sol (Max) 真实投票结果，在 Code Arena: WebDev 榜单以 1689 分排名第 4，价格 $8/M tokens（混合输入/输出）。

一只巨猫突袭街角小店。 GPT-6 Astra 自己编写了 Blender 场景，然后 PixVerse 将其渲染成了这个

Ringg 基于 GPT-5.6 构建的语音与聊天 AI 智能体每月处理超 700 万通来电，最高可解决 65% 的客户请求，平均 CSAT 达 4.8。将部分实时工作负载从 GPT-4.1 迁移至 GPT-5.6 后，模型成本降低约 90%。

更多你喜爱的应用正在登陆 Gemini！你接下来想要哪些？ （引用 @GeminiApp）：现在 Gemini 可以连接 13 款新应用，包括 @adobe、@squarespace、@onepeloton 等。无需在多个标签页之间切换，你现在可以在 Gemini 里拓展业务、设计素材、规划锻炼。🧵