AI 模型发布与更新

小米发布并开源 MiMo-V2.6 系列，含 Pro 与 Flash 两个原生全模态模型。MiMo-V2.6-Pro 在 AA 智能指数 v4.3.2 取得 46 分。

目前最实用的 GPT Image 2.5 技巧 把旅行照片变成你真的会寄回家的明信片 GPT Image 2.5 在 PixVerse 上无限使用。试试这个爆款模板 ↓

Grok 4.7 在 AA-Briefcase 上仅次于 Anthropic 模型，排名紧追 Opus 5，每任务成本约为其 50%。在 AA-Briefcase-Lite 尽调场景中，Grok 4.7 分析质量 Elo 从 Grok 4.6 的 1698 升至 1994，展示 Elo 则从 1531 微降至 1499。

SpaceXAI 于 9 月 22 日宣布推出新一代模型 Grok 4.7，定位编码和知识工作场景，官方称其为公司目前最强的编码和知识处理模型。该模型采用更大基座并经更长时间强化学习训练，强化自我验证与长上下文管理，在 CursorBench 4.0、GDPval、AA Briefcase 等基准较 Grok 4.6 有提升。

据 The Information 报道，一名 OpenAI 员工称 OpenAI 内部已基本实现新实验模型训练流程的自动化。引用推文提到，OpenAI 新训练的模型解决了 100 个长期未解的数学难题，连其研究人员都感到意外；同期 MiMo 发布新模型，Grok 4.7 表现不及预期。

Francois Chollet 提出"委托编码，绝不委托理解"：若代码曾是你管理理解的真相来源，就需要新的真相来源产物；若以代码为中心的工作流是你建立理解的方式，就需要新工作流。此番表态针对一则吐槽：某大公司团队从 L1 到 L7 工程师的规格、代码、测试、PRD、工单及报告全由 Claude Code 生成，无人阅读、无人思考，每天工作 12 到 13 小时只为按回车。

罗福莉介绍 MiMo-V2.6，称其可能是开源模型团队迄今按计算量计最大的单次 RL 运行，现为排名第一的开源模型。MixRL 用于中等难度可验证任务（如代码与相关 Agentic 任务），难以验证或超长程任务单独训练后经 MOPD 合并；团队同时发布了从 MiMo RL 轨迹蒸馏的 Qwen 模型、7K 多样化环境和完整 RL 训练框架。

为什么 @GeminiApp 里没有 Gemini 3.8 Flash

训练模型正变得越来越简单——看看这个和 TRL——尤其是有了智能体之后！ 如果你还在用开箱即用的模型处理所有任务，那你可就落伍了！ Halo 是开源模型后训练的最佳框架，吞吐量最高可达原生 TRL 的 2.8 倍，峰值内存更低，同时模型保持原生 HuggingFace 格式。

有人用同一提示词让 GPT-6 Astra、Grok 4.7、Kimi K3 和 Fable 5.1 分别构建飞行模拟器，Astra 综合仍排第一，但 Grok 4.7 出乎意料地接近。Kimi K3 与 Fable 5.1 基本打平，两者产出结果更流畅，Grok 4.7 的整体质量则与 Astra 相当。综合排名为 Astra > Grok ≈ Kimi ≈ Fable。

小米发布 MiMo-V2.6 Pro 与 Flash 两个全模态开源模型，称通过规模化强化学习训练，Pro 在多数 Agent 基准上与 Claude Opus 5 和 GPT-5.6 Sol 表现相当。

小米发布 MiMo-V2.6，包含 Pro 和 Flash 两个全模态模型，通过规模化强化学习训练。官方称 Pro 在多数 Agent 基准上与 Claude Opus 5 和 GPT-5.6 Sol 表现相当，在 Artificial Analysis Intelligence Index 得分 46，为开源模型中最高；模型权重、技术报告、RL 环境和训练代码均已开放。

MiMo-V2.6-Pro 在 Code Arena: WebDev 榜以 1628 分（AutoEval）位列总榜约第 10 名，与 Claude Fable 5 (High) 持平，开源权重模型中约第 3。

小米 MiMo-V2.6 系列三款模型上线 OpenRouter，包括 1T+ 参数旗舰、开源 MoE 模型和约 10 倍速的旗舰变体。三款模型均支持文本、图像、视频和音频输入，上下文为 1M。

HF 上排名第一的热门模型是一个开源多语言 system 1 决策模型，就在 Jev 开始走红几天之后。开源 AI 社区太棒了！

小米 MiMo 发布 MiMo-V2.6 Pro 与 Flash 两个全模态模型，通过规模化强化学习训练。Pro 在多数 Agent 基准上与 Claude Opus 5 和 GPT-5.6 Sol 表现相当，在 Artificial Analysis Intelligence Index 得分 46，为开源模型中最高；能力覆盖编码、computer use、3D 推理和创作。

我对本周剩余 AI 动态的猜测： 1） 明天：Opus 5.5 2） 周四：GPT-6 Sol 我漏了什么吗？🤔

Xiaomi 发布开源权重模型 MiMo-V2.6-Pro，在 Artificial Analysis Intelligence Index 得分 46，为开源权重模型中最高，前代 MiMo-V2.5-Pro 为 26。

小米 MiMo-V2.6 系列发布，MiMo-V2.6-Pro 为 1.02T 总参数、42B 激活，MiMo-V2.6-Flash 为 310B 总参数、15B 激活。推文称其为 Artificial Analysis 上的开源模型榜首，并附 RL dashboard 和技术报告。报告称该全模态系列通过扩展 RL 算力追求模型自我改进，异步训练每步消耗 1,568 个样本、2.7~3.7B token，上下文最长 1M，并开源训练动态、RL 环境和 RL 框架。

真正的开源模型爱好者早就知道小米在 MiMo 上憋大招！为得分最高的开源模型提供开源 RL 面板，这气场绝了。

一位重度用户建议不要用 Claude、Codex/ChatGPT 和 Gemini 等 AI 工具写作，因为写作的核心价值在于强迫自己深度思考，而 AI 擅长写作却不擅长思考和提出新想法。他主张先自己完成写作与思考，再用 AI 以提问方式获取反馈，如"这份文档最重要的一点是什么"，而非让 AI 直接修改或生成内容。AI 在写作前的数据梳理、结构整理和模式发现阶段仍然很有价值。

发布还在继续！用 Interactive Learning Overviews 升级你的学习体验——现已向所有用户开放！📓✨ 在 Reports 下，将来源摘要与 studio 产物无缝整合为一个交互式中心。非常适合学习或一站式深入探索新主题。

Grok 4.7 发布，官方称在同等价格和速度下较 Grok 4.6 有显著提升。Harvey Legal Agent Benchmark 上 Grok 4.7 得分 19.6%。

Grok 4.7 已发布，可在 Grok Build、Cursor 和 API 上使用，部分任务性能接近 Opus 5，价格与 Grok 4.6 相同。官方称其在困难任务上工作时间更长、检查更仔细，并带来迄今最强的安全防护。

遇到 bug 卡住时，是否希望屏幕上的确切问题能被直接指出来？ 看看我们如何用 Gemini 3.8 Live Extended Thinking 构建一个编程导师，它能看见你的屏幕，并通过 function calling 引用 p5.js 库，为你讲解其中的逻辑。

Jeff Dean 在离开任职 27 年的 Google 后首次公开对话，与 @dawnsongtweets 探讨 AI 未来走向。话题涵盖如何识别基础性想法、如何选择值得投入 5 年的研究问题、编码对构建推理模型的启发、递归自我改进（RSI）的可能形态、科研发现循环自动化，以及 AI 自主性提升后的安全与下一代研究者方向。

EvoOntology 用专用智能体构建本体并以 MCP 服务器形式提供 schema、内容与工具三层，数据智能体可在运行时查询。在 DDR-Bench 六个基座模型上平均提升 17.8 分，GPT-5.5 提升 26.7 分，BIRD 执行准确率提升 7.4 分。本体以小型类型化步骤编辑，仅保留经同基座配对评估有效的修改，工具层编辑贡献了 57% 的进化增益。

Codex 代码里有趣的 GPT-6 Luna 泄露 后端有时会把 gpt-5.6-luna 的请求应答为 gpt-6-luna，而且代码里已经有它的定价支持 看起来 OpenAI 原本计划让它与 GPT-6 Sol 一同发布

小米于 12 月 16 日发布并开源 MiMo-V2-Flash，一款 309B 总参数、15B 激活参数的 MoE 基础语言模型，权重以 MIT 许可上传 Hugging Face。

White Circle 开源分布式后训练框架 Halo，面向已超出 HuggingFace TRL 能力、但无需完整 Megatron 栈的模型。在 8× B300 上，Halo 训练吞吐量最高达原生 TRL 的约 2.8 倍，双方均启用 ZeRO-3 分片时峰值内存还低 25%。模型保持原生 HuggingFace 格式，可直接跑多轮 RL，从单 GPU 扩展到集群。

左派纯粹出于政治原因讨厌Grok…… 我的反应：🤦

Grok 4.7 模型卡发布，相比 4.6 多项基准提升：Terminal-Bench 20.3% → 38.0%，SWE-Marathon 31.9% → 46.0%，HealthBench Pro 48.5% → 56.7%，Legal Agent 15.8% → 19.6%，EEBench 60.0% → 66.0%。价格与 4.6 相同，模型卡见 https://media.x.ai/v1/website/4p7card-5eccc980.pdf。

接下来一周，Grok 4.7 七折优惠

Hugging Face CEO Clément Delangue 认为，对现实世界 90% 的用例而言，LLM API 远非最佳 AI 方案——它们过于重型、慢、贵且难以控制。他引用 @willdepue 关于零样本分类器 Jev 的讨论，称随着 AI 成熟和广泛采用，未来几年将逐渐认识到这一点。

Grok 4.7 与我们的 Build harness 配合得非常好 https://X.ai/Build

正在发生两件事： - 前沿 LLM 的编码能力已趋于停滞。自 Opus 4.8 以来，我们还没看到大幅跃升。- 开源模型不断缩小与前沿闭源模型的差距，而成本却低 10-50 倍。 这就是为什么我们看到企业正大规模地从闭源模型转向开源模型。

Codos 推出首个虚拟首席 AI 官，通过访谈员工挖掘自动化机会、部署公司级记忆层与智能体，并支持本地部署。其图记忆系统 Aethos X 在 42,587 个文件的 EnterpriseRAG-Bench 上初步得分 94%，比同语料下 GPT-6 Astra 智能体的 86.03% 高 7.97 个百分点。

Grok 4.7 已上线 Agent Arena，并进入 Text、Vision、Code 和 Document 四类 Battle Mode。Arena 用全球用户数百万条真实长程智能体任务、结合网络搜索、文件系统和终端工具访问，以因果追踪方法衡量模型相对平均模型的表现；官方同时发起投票预测 Grok 4.7 的净改进分数落点，分数将在用户投票后公布。