Astra 可从 mel 频谱图零样本识别声音
Astra 能够从 mel 频谱图中零样本识别声音，发布者称这还只是该模型的轻量推理，尚未触及能力上限。该演示由 Max @maxxrubin_ 分享，Greg Brockman 转发。
全部AI 动态
全部动态
今日 0 条Greg Brockman(@gdb)AI 评估 · 30/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 30/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。
Paul Couvert(@itsPaulAi)AI 评估 · 56/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 56/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 OpenBMB 开源 2B 模型 MiniCPM5-2B，面向端侧与 Agent
OpenBMB 开源 MiniCPM5-2B，这是一个 2B 参数语言模型，主打端侧高智能密度，可在手机上本地离线运行，面向智能体、编码与工具调用优化。
Genspark(@genspark_ai)AI 评估 · 65/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 65/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Genspark 上线 Muse Spark 1.3，覆盖 AI Chat、Code Agent 与 Claw
Genspark 宣布 Muse Spark 1.3 已在其平台上线，覆盖 AI Chat、Code Agent 和 Claw。该模型被描述为 Meta 面向智能体时代的最强模型，在内部对比中比 Muse Spark 1.2 减少约 20% 工具调用和约 25% token 消耗。
Hunyuan(@TXhunyuan)AI 评估 · 52/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 52/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 腾讯混元 Hy4 preview 升级：减少长思考与过度验证，降低 token 消耗
腾讯混元发布 Hy4 preview 升级，针对用户反馈的复杂任务中长思考与过度验证问题做了优化，现已向所有人开放。官方称任务质量不变，轮次更少、输入输出 token 更低，基准测试与人工评测均已确认，并邀请用户在 WorkBuddy（WorkBuddy.ai）上试用并反馈问题。
Browser Use(@browser_use)AI 评估 · 44/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 44/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Astra 在 Browser Use Benchmark v2 上以 77.3% 大幅领先 Opus 5 与 GPT-5.6
Astra 在 Browser Use Benchmark v2 上取得 77.3%，远高于 Opus 5 的 50.5% 和 GPT-5.6 Sol xhigh 的 49.1%，在 60 项任务中有 22 项满分，而 Opus 5 无一满分。该消息由 Gregor Zunic 发布，并提到 fable 拒绝的任务过多。
AI产品黄叔(@PMbackttfuture)AI 评估 · 14/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 14/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 GPT 6 Astra 发布后的人类幼崽😱
GPT 6 Astra 发布后，社交平台上出现了一条以"人类幼崽"为题的视频内容，该帖获 254 条回复、74 次转发、838 次点赞和 180337 次浏览。原文未披露 GPT 6 Astra 的具体功能、参数或可用性信息。
AI产品黄叔(@PMbackttfuture)AI 评估 · 10/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 10/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 GPT 6 Astra 之后 Codex 生图更精致，或因 Astra 能力更强
有用户发现 GPT 6 Astra 上线后，Codex 里的生图效果明显更加精致，一度以为 GPT image 2.5 已经推出。经搜索后其判断，这一变化估计仍是 Astra 本身能力更强所致。
小米技术AI 评估 · 56/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 56/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 小米发布表格数据大模型 Xiaomi-TabLDM 并开源权重
小米正式发布通用表格数据基础大模型 Xiaomi-TabLDM，以单一预训练模型、统一默认配置直接适配不同表格数据集，无需针对每个任务重新训练、调参或集成即可完成分类与回归预测。
Augment Code(@augmentcode)AI 评估 · 31/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 31/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 GPT-6 Astra 上线 Cosmos，长程编码与多步智能体能力大幅提升
OpenAI 迄今最强的模型 GPT-6 Astra 已在 Cosmos 上线，在长程编码和多步智能体任务上有显著提升。用户可通过 augmentcode.com 提交高难度任务，该模型适合在假期周末长时间运行。
Poe(@poe_platform)AI 评估 · 48/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 48/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 GPT 6 Astra 现已上线 Poe
GPT 6 Astra 已在 Poe 平台上线，用户可直接试用并与其他领先模型对比。Poe 称其推动 AI 前沿，未披露参数量、上下文长度或跑分数据。
Greg Brockman(@gdb)精选AI 评估 · 84/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 84/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 OpenAI 发布 GPT-6 Astra，先向 Pro、Enterprise 与 Business Premium 用户开放
OpenAI 的 GPT-6 Astra 已在 Work/Codex 中向全部 Pro、Enterprise 和 Business Premium 用户开放，并同步上线 API，Plus 和 Business 用户将在之后开始逐步 rollout。
为什么值得看
原文给出 GPT-6 Astra 已向哪些用户开放与后续节奏，读者可据此判断自己何时能用上。
Paul Couvert(@itsPaulAi)AI 评估 · 59/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 59/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Google 发布 Lyria 3.5 并集成进 Gemini
Google 发布 Lyria 3.5，并集成进 Gemini。作者在预览阶段试用后表示其生成音乐的方式相当易用，提供 24 个可直接使用的模板、对歌词的完整控制以及 17 种风格。
Fei-Fei Li(@drfeifei)AI 评估 · 60/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 60/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 World Labs 发布多模态世界模型 Atlas
World Labs 发布 Atlas，称其为首个多模态世界模型，可生成图像和视频帧，并具备像素级精确的相机控制，还能将这些帧重建成3D。官方描述称其可建模世界、移动相机并模拟空间与时间。李飞飞转发该消息并指向更多 Atlas 内容。
Fei-Fei Li(@drfeifei)AI 评估 · 66/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 66/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 李飞飞团队发布世界模型 Atlas，用新视角预测统一像素生成与重建
World Labs 发布面向空间智能的世界模型 Atlas，其核心是新视角预测，并称它是首个统一像素生成与像素重建的模型。团队表示这让数字化采集一个空间三维表示所需的数据量减少 50 到 100 倍，过去一个房间需要 100 到 300 张照片，Atlas 只需三张。
Google AI(@GoogleAI)AI 评估 · 69/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 69/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Google 发布 Gemini 3.8 Flash、Lyria 3.5 与 WeatherNext 3 等模型
Google 本周发布 Gemini 3.8 Flash，称其在编码、智能体工作流和多步推理上有升级，同时推出专注网络安全的 Gemini 3.8 Flash Cyber。
Milvus(@milvusio)AI 评估 · 48/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 48/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 GPT-6 Astra 释放信号：长时运行智能体光靠上下文压缩不够，Milvus 3.0 补上记忆检索层
GPT-6 Astra 拥有 1.05M token 上下文窗口，在 OpenAI 的 MRCR v2 8-needle 测试中于 512K–1M 上下文下得分 96.3%，而 GPT-5.6 Sol 为 73.8%。
Philipp Schmid(@_philschmid)AI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Gemini 3.8 Flash 多模态任务实用性获赞，图像推理与数据提取排第一
Gemini 3.8 在多模态任务上的真实世界实用性被评价为无可匹敌，Gemini 3.8 Flash 被称为新的最爱 Gemini 模型。其在图像推理和数据提取上排名第一，目标检测排名第二，速度比 Gemini 3.7 Flash 快 30%。
向阳乔木推荐看AI 评估 · 58/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 58/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Qwen3.8-Max-0902 七个项目实测：网页、游戏与 PPT 表现如何
作者用千问办公对阿里 Qwen3.8-Max-0902 做了七个场景实测，涵盖投行报告转滚动网页与 PPT、烹饪知识网站、3D 迷宫寻宝、8-bit 横版过关、声控游戏、在线德州扑克和骑自行车 SVG 动画。
Stanford AI Lab(@StanfordAILab)AI 评估 · 70/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 70/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 GPT-6 Astra 发布：更聪明、更对齐，但存在代码冗余与确认过多问题
Stanford AI Lab 毕业生 Yann Dubois 表示 Astra 已发布，主要变化包括更聪明、更对齐可信赖以及更好的 CUA 能力，并展示了 Astra 用 Blender 搭建的房子。他同时指出仍存在代码冗余过多、请求确认过于频繁等问题，并提醒 Astra 比 5.6 更严格遵循指令，包括旧技能中隐藏的不必要指令，建议使用前先清理。
Greg Brockman(@gdb)AI 评估 · 65/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 65/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 OpenAI GPT-6 Astra 在 ARC-AGI-3 取得 SOTA，该基准已被刷满
Greg Brockman 引用 ARC Prize 消息称 ARC-AGI-3 现在已被刷满。OpenAI 的 GPT-6 Astra 在该基准上取得 SOTA：Astra 在 ARC-AGI-3 上得分 63%，通过新的 provider adapter harness 达到 99%，在 96% 的 ARC-AGI-3 关卡上超过人类表现，并构建出目前所见最精确的新环境符号模型。
Greg Brockman(@gdb)AI 评估 · 71/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 71/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 OpenAI 发布 GPT-6 Astra，在 FrontierMath Tier 4 等基准达 SOTA
OpenAI 发布 GPT-6 Astra，Greg Brockman 称其在 FrontierMath Tier 4、ARC-AGI 3 和 TerminalBench-4.0 上达到当前最优水平。
Greg Brockman(@gdb)AI 评估 · 72/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 72/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 OpenAI 发布 GPT-6 Astra
OpenAI 的 Greg Brockman 在 X 上发布 GPT-6 Astra，并附上官方页面链接 openai.com/index/gpt-6-as…。该推文未披露模型能力、版本细节或开放范围。
ChatGPT(@ChatGPTapp)AI 评估 · 73/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 73/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 OpenAI 开始推送 GPT-6 Astra，面向 ChatGPT 付费用户与 API
OpenAI 宣布 GPT-6 Astra 今日起向有限数量的组织推送，未来几天将向所有 ChatGPT Plus、Pro、Business 和 Enterprise 用户开放，同时通过 OpenAI API 和 AWS 提供。官方建议在获得访问权限后下载 ChatGPT 桌面应用以获得最佳 Astra 体验。
ChatGPT(@ChatGPTapp)AI 评估 · 75/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 75/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 OpenAI 发布 GPT-6 Astra
OpenAI 的 ChatGPT 账号宣布推出 GPT-6 Astra，称其为进入 Chat 的新星，原帖附带一段视频但未给出具体能力说明。
ChatGPT(@ChatGPTapp)AI 评估 · 62/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 62/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 ChatGPT 官方称 GPT-6 Astra 在电脑操作、浏览与智能体编码等六项能力上达到 SOTA
ChatGPT 官方账号称 GPT-6 Astra 在六项能力上达到 state-of-the-art，分别是电脑操作、浏览、智能体编码、网络安全、科学和专业工作。该推文未给出具体的评测基准名称、分数或模型开放时间。
Google AI(@GoogleAI)AI 评估 · 61/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 61/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Google 发布 WeatherNext 3 全球天气 AI 模型
Google DeepMind 和 Google Research 发布 WeatherNext 3，称其为目前最先进的全球天气 AI 模型，预测能力比 WeatherNext 2 精细最多 5 倍。
Google DeepMind(@GoogleDeepMind)AI 评估 · 45/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 45/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Google DeepMind WeatherNext 3 将全球降水预报误差降低最高 50%
Google DeepMind 的 WeatherNext 3 在全球降水预报上实现重大突破，误差最高降低 50%，此前全球天气模型难以准确预测降雨，往往只能给出模糊估计或漏掉强风暴边界。改进幅度最大的区域正是历史上预报可靠性较低的地区。
Google DeepMind(@GoogleDeepMind)AI 评估 · 40/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 40/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Google DeepMind 发布 WeatherNext 3 全球天气预报模型
Google DeepMind 联合 Google Research 推出 WeatherNext 3，该模型直接从真实世界实时观测数据中学习，能更快给出更本地化、更精准的预测。官方称这是全球天气预报方式的重大突破。
Google DeepMind BlogAI 评估 · 69/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 69/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Google DeepMind 发布 WeatherNext 3 全球天气 AI 模型
Google DeepMind 与 Google Research 发布全球天气 AI 模型 WeatherNext 3，直接使用实时地球静止卫星数据训练，可逐小时生成天气预报，温度和湿度等关键地表变量分辨率达 5 公里，整体比上一代 WeatherNext 2 的 25 公里网格清晰约五倍。
Mustafa Suleyman(@mustafasuleyman)AI 评估 · 29/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 29/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Mustafa Suleyman 发布 MAI-Transcribe-2：比 GPT-Transcribe 快 10 倍，比 Gemini 3.5 快 5 倍
MAI-Transcribe-2 语音转录模型发布，速度比 GPT-Transcribe 快 10 倍、比 Gemini 3.5 快 5 倍。该模型在 Artificial Analysis 准确率-延迟帕累托前沿排名第一，定价为市场最低。
Patrick Loeber(@patloeber)AI 评估 · 23/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 23/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Gemini 3.8 Flash 征询早期反馈：该在哪些方面改进？
Gemini 3.8 Flash 正在公开征集早期使用反馈，询问用户希望在哪些方面改进。该帖获得 945 条回复、1233 次点赞和 188485 次浏览。
Hailuo AI (MiniMax)(@Hailuo_AI)AI 评估 · 58/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 58/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 MiniMax 发布 H3 Max Turbo 预览版，速度翻倍成本减半
MiniMax 发布 H3 Max Turbo 预览版，这是 H3 Max 的更快、更省成本版本，运行速度为 H3 Max 的 2 倍、成本减半，同时在自家评测中达到原版 H3 Max 质量表现的第 97 百分位，并仍优于 H3 及其他视频模型。该版本保留 H3 Max 的提示词理解、美学和整体质量，生成时间减半；促销价下 768p 视频为每秒输出 0.01 美元，促销期持续两周。
DeeplearningAIAI 评估 · 74/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 74/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 DeepSeek-V4-Pro-0813 正式发布，同步开源 agent harness
DeepSeek 发布第四代两款模型中较大那款的正式版 DeepSeek-V4-Pro-0813，采用总参数 1.6 万亿、每 token 激活 490 亿的 MoE 架构，支持 100 万 tokens 输入与最高 384,000 tokens 输出，并提供可调推理、工具调用和上下文缓存，权重以 MIT 许可证开放。
DeepLearning.AI(@DeepLearningAI)AI 评估 · 74/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 74/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 DeepSeek V4 Pro 0813 发布，并开源评测框架 DeepSeek Harness
DeepSeek V4 Pro 0813 发布，同时受到关注的还有 DeepSeek 开源的评测框架 DeepSeek Harness。该框架会记录每一次工具调用、系统提示词和子智能体调度，开发者可以据此复现模型性能，而不必依赖封闭的测试环境。开发者还可以研究、fork 或重新制作自己的评测框架。
Poe(@poe_platform)AI 评估 · 55/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 55/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Anthropic 的 Claude Fable 5.1 上线 Poe
Anthropic 的 Claude Fable 5.1 已在 Poe 平台上线，Poe 称其为 Anthropic 目前能力最强的模型，面向高难度推理和长时程智能体任务。该模型支持 1M token 上下文窗口、网页搜索，以及从低到最高的自适应思考档位。
Philipp Schmid(@_philschmid)AI 评估 · 61/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 61/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Gemini 3.8 Flash 在 cursor bench 上取得 69.9%，单任务成本 2.38 美元
Gemini 3.8 Flash 在 cursor bench 上达到 69.9%，单任务成本为 2.38 美元。该信息来自一条简短的 X 推文，未给出评测设置或对比数据。
Google AI(@GoogleAI)AI 评估 · 62/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 62/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Google 发布 Gemini 3.8 Flash Cyber 防御模型
Google 发布 Gemini 3.8 Flash Cyber，称相比 3.5 代有大幅提升，是迄今能力最强的防御模型之一。该模型专为安全团队设计，可用于大规模编写修复漏洞的新代码，即补丁生成；Google 已用它保护自身代码，帮助 Chrome 团队生成比顶级商业模型多 2.6 倍的正确答案补丁。
Google DeepMind(@GoogleDeepMind)AI 评估 · 27/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 27/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Google DeepMind 模型在 CyberGym 等基准测试中自主发现漏洞并给出 2.6 倍有效修复
Google DeepMind 的模型在 CyberGym 等基准测试中领先，能自主发现软件弱点，同时保持快速高效。在 Google Chrome 代码库的真实测试中，它产出的有效修复数量是此前的 2.6 倍，帮助更快保护软件。
Google DeepMind(@GoogleDeepMind)AI 评估 · 63/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 63/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Google DeepMind 发布 Gemini 3.8 Flash Cyber，主打漏洞检测与自动修补
Google DeepMind 发布 Gemini 3.8 Flash Cyber，称其面向防御方提供专家级漏洞检测和自动修补能力，帮助团队应对新出现的威胁。材料仅给出该说法，未披露模型细节或可用入口。
Demis Hassabis(@demishassabis)AI 评估 · 39/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 39/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Gemini 3.8 Flash 发布，新增 3.8 Flash Cyber 推进网络安全前沿
Gemini 3.8 Flash 发布，这是 Gemini 在不到一个月内的又一次升级，也是 6 周内第 3 个更新的 Flash 模型，智能体与编程能力再度提升。同时推出的 Gemini 3.8 Flash Cyber 面向网络安全防御前沿。更多模型与网络安全工作细节见官方博客。