AI 模型发布与更新

4

Thomas Wolf 称自己对 AGI 的标准仍是 AI 拿诺贝尔奖，但称赞 Recursive_SI 的 Flint 敢于把通常建议保持高精度的 lm_head 量化到 4 bit，结果距 bf16 仅 0.7 个百分点且以开放权重发布在 Hugging Face hub。引用内容介绍 Flint 为快速本地编码模型，MacBook Pro 上 125+ tokens/sec、RTX Spark 上 150+ tokens/sec，从零构建用时不到 4 个月，开放权重现…

HeyGen Voice Turbo 以 Elo 1,202 登顶 Artificial Analysis 受控语音 TTS 竞技场榜首，在 46 个模型中领先自家上一代 HeyGen Voice（1,196）和 Qwen-Audio-3.1-TTS-Plus（1,185）。

记者 Alex Heath 在 Gemini 4 Argon 广泛发布后采访 Google CEO Sundar Pichai，问他为何让 Google 自由现金流首次转负以加大 AI 资本开支。Pichai 回答“这不仅仅是希望”，称依据包括从消费者到企业层面的多元化需求信号、可独立评估的能力前沿进展、对 Gemini 5.0 优于 Argon 的研究判断，以及已签订的带承诺收入的长期合同。

终于整理出了一份关于开源模型现状的完整演示文稿。 涵盖它们是什么、许可证、竞争力如何、使用迹象、蒸馏的影响，以及我们如何平衡开放的风险与收益！ 很快会录制这些内容的视频讲座，希望每年能重做几次。

Artificial Analysis 推出新基准 AA-PersonalityBench，衡量模型的谄媚（Sycophantic）人格特质。测得最老的三个模型 GPT-4o、Llama 4 Maverick、GPT-3.5 Turbo 排名最高，Grok 4.7、Claude Fable 5.1 与 Inkling 最低。

Artificial Analysis 的 AA-3D 场景测试中，Claude Fable 5.1 与 Sonnet 5.5 明显呈现了圣家堂的魔方，Grok 4.7 与 Step 5 Preview 则把它藏在柱子后，四款模型均为离线、未被提示。

Baseten 研究实验室 Base Labs 发布开源决策模型 mammoth-1（27B）和 elephant-1（9B），基于 Qwen3.5-27B 和 Qwen3.5-9B 在 621 万决策样本上后训练而成。

5倍只是新手数字。 你该看看我的机器人厨房😭

Google CEO Sundar Pichai 在接受 Alex Heath 访谈时表示，很高兴聊到 Gemini 4 Argon、前沿模型和 Google 的个人智能体计划。访谈还涉及算力紧张、DeepMind 领导层变动、AI 支出可持续性、Waymo 与 Wing 等其他押注，以及 AI 安全与监管话题，并提供 YouTube、Spotify 等完整收听链接。

记者 Alex Heath 在 Gemini 4 Argon 更广泛发布后采访 Google 和 Alphabet CEO Sundar Pichai，讨论模型早期反响、待改进之处以及 DeepMind 领导层变动。

Hugging Face CEO Clément Delangue 称，由 Pollen Robotics 与 Hugging Face 团队在法国波尔多设计工程的机器人 Microduck，在 2026 年成为最受欢迎机器人，全球售出超 15,000 台。

OCRia-1 是一款 4B 参数的视觉语言模型，在 ParseBench 上取得 87.4 总分，领先第二名 12.1 分，创下 35B 参数以下解析模型的最高分。

Artificial Analysis 更新了 Wisedocs 医疗长上下文推理基准 MLCR-AA 的提示与评分方式，Claude Sonnet 5.5（max with fallback）与 GPT-6 Astra（max）以 41.7% 并列第一。

就在过去几天： - LiteLLM 遭遇另一起供应链攻击 - PHP 严重漏洞（由 GPT-5.6 Sol 发现！） - OpenCode 被黑 - eMudhra 遭入侵 AI 正让黑客攻击变得更快、更便宜。唯一能反击的方式同样是 AI。

IBM 发布 Granite Speech 系列三项更新：新模型 granite-speech-5.0-2b，以及更新版 granite-speech-5.0-470m-turboctc 和 granite-speech-4.1-2b-plus，均采用 Apache 2.0 许可证。

Inception 发布扩散语言模型 Mercury 3，自称在 12 项基准中 8 项领先 GPT-6 Luna 和 Claude Haiku 5.5，生成速度达 1,068 tokens/秒，约为两个对手的 4 到 8 倍。

@wiz_io 的研究人员让 Gemini 4 Argon 接受复杂网络威胁的测试。 在真实世界测试中，它发现的漏洞数量是基线模型的两倍多——捕捉到了此前前沿模型遗漏的一项关键风险。 看看他们是如何做到的 ↓

inclusionAI 发布 Ling3-Tiny-UBTree-B16，这是为 Ling-3.0-tiny 配套的 UBTree 投机解码草稿模型，采用 5 层 DFlash 主干加学习式 bigram 选择器，参数量 183.1M、BF16 权重、草稿块大小 16。

NVIDIA 推出 Kumo Forecast 多变量时序预测模型，基于 MOMENT-1-large 骨干，约 3.4 亿参数编码器加可训练预测头，编码器权重冻结。

NVIDIA 扩展 Nemotron Retriever 系列，发布 Nemotron 3.5 Embed（8B BF16、1B BF16、1B NVFP4）、Nemotron 3.5 Rerank 8B BF16 和 631M 参数的 Nemotron 3.5 Parse，均为开放商用权重。

Black Forest Labs 于 10 月 15 日以开放权重形式发布 5.6B 参数图像生成模型 FLUX 3 Image Klein，针对消费级 GPU 优化，INT8 版本可通过 ComfyUI 或 Diffusers 在 8GB 显存的 NVIDIA GeForce RTX GPU 上运行。

Cursor 与 Grok Bot Harness 负责人 Jediah Katz 在 AI Engineer New York 演讲中回应「Harness 已死」论。

NVIDIA 扩展其开放模型家族，覆盖语言、机器人、生物和量子计算领域，帮助开发者和企业用本地数据定制并部署在自有基础设施上。

与 Jensen 同台（算是吧） 他们连球鞋都还原对了

最近 Github 和 X 上最热的开源项目，应该非 REA: Reverse Engineer Anything 莫属了吧！ 这不 @supabase CEO @kiwicopple 也来玩梗： 他让 12 个 Claude agents 跑 6 小时“逆向工程”，100% 复刻出来了 Supabase 😄 如同某博主逆向复刻 Blender 一般，因为 Supabase 本来就 tm 是开源的！！ 重新认识一下吧，开源项目 Supabase： https://gith…

卡兹克回应称，让主Bot给已运行5天的子Bot改活泼名字时，主Bot完全没看子Bot的描述、规则和历史记录，只对着名字重写，他认为这是模型图快不思考的问题，与提示词无关。他表示自己批评的一直是路由机制和模型不思考图快，并称GrokBot确实比Dot回复快得多。

Grok 和 Fable 给出的诚实反馈

ElevenLabs 发布 Eleven Realtime Max 和 Mini 两个语音到语音模型。Max 在 Big Bench Audio 上得分 98.8%，起播延迟 0.57s；Mini 面向低成本自然对话场景优化。两个模型均已在 ElevenAgents 平台和 API 上提供。

Artificial Analysis 用 Claude Opus 5.5 (max) 主模型加 GPT-6 Luna (high) 副模型测试 Cognition 的 Devin Fusion CLI，在 Coding Agent Index 上得 68.1 分。

比光速还快，宝贝

大家订阅我的X账号，就为了获得Grok Bot的优先客服支持，笑死。 每月3美元换优先支持，说实话听着还挺划算的😭

作者以玩笑口吻称自己在 Databricks 的工作就是买大量 GPU 再读 DeepSeek 博客。其引用的内容提到 DeepSeek 正式开源大规模云端推理框架 DeepInfer，基于它为 DeepSeek V4.1 Flash 提供高吞吐低延迟服务，单集群吞吐 155 trillion tokens/天，按非高峰价格计算收入 $38 每卡每小时；引用者推算即便按 $7 每 GPU 小时租用 B300，毛利率约 82%，并称 DeepInfer 同时支持 NVIDIA…

旧金山科技圈大佬们在搞事情 @subhajitsh：推出 Metaphor：最具成本效益的云端编码智能体。 我们在 Terminal-Bench 4.0 上超越 Claude Code 和 Codex，同时实现 95% 的缓存 token 命中率。 我们使用的 token 比 Claude Code 和 Codex 少约 25%。 私信我们即可免费试用一个月。

小米 MiMo-V2.5-Pro 与 MiMo-V2.5 已于 10 月 21 日上午 10 时正式下线，请求自 10 月 14 日 18 时起自动路由至 MiMo-V2.6-Pro 和 MiMo-V2.6-Flash。

今天是个好日子

我的订阅路线： ChatGPT Pro 200 -> ChatGPT Plus -> Grok Bot（Cursor 之前送的一年 Ultra） 等 ChatGPT Plus 到期可能不会再续订了，最近不管是 GPT 6 Astra 还是 6.1 Sol 都出奇的又慢又笨。

Tomasz Tunguz 结合 DeepSeek V4.1-Flash 披露与 SpaceX 财报，梳理每卡小时收入的四个层级：DeepSeek 理论最高 38 美元、B200 现货 8.77 美元、SpaceX 合同价 5.27 美元、实际收入 2.44 美元。

Hugging Face CEO 德朗格在 X 平台表示，Netflix 纪录片《AI 失控》（AI Gone Rogue）为博流量走向末日论叙事，内容不准确。他称自己花两个多小时与摄制组沟通纠正错误，但影片未提及智能体缺少隔离管控、闭源模型安全限制阻碍防御、以及 Hugging Face 依靠开源模型完成自卫等关键细节。

Krea 3 在电商领域无可匹敌。 像素级完美的产品一致性与闪电般的速度。 https://krea.ai/krea-3