Google AI 发布文章：Gemini 新进展
Google AI 在 X 平台发布一篇新文章，附链接指向 x.com 的文章页面。该帖获得 62 条回复、218 次转发、1747 个点赞，浏览量达 115832。
全部AI 动态
全部动态
今日 13 条Google AI(@GoogleAI)AI 评估 · 0/100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 · 0/100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。 OpenRouter(@OpenRouterAI)AI 评估 · 25/100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 · 25/100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。 Space Bunny Alpha 结束隐身期，正式模型即将揭晓
Space Bunny Alpha 的隐身测试期已结束，官方感谢所有参与测试并反馈的用户，称这些反馈帮助塑造了最终模型。官方表示，Space Bunny Alpha 背后的正式模型将很快揭晓，更多信息有待公布。
Fireworks AI(@FireworksAI_HQ)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。 Fireworks AI 上线 DeepSeek V4.1 Flash 训练支持
Fireworks AI 宣布 DeepSeek V4.1 Flash 现可在 Dedicated Training API 和 Managed Training 两个入口上训练。官方称它是智能体编码、终端自动化和工具调用的强基础模型，且服务成本很低，并给出了微调文档链接 docs.fireworks.ai/fine-tuning/mo…。
Recraft(@recraftai)AI 评估 · 19/100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 · 19/100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。 Recraft V4.1 发布：自然摄影、强构图与真实日常瞬间
Recraft V4.1 发布，主打自然摄影、强构图与真实日常瞬间，可将简单提示词转化为自然、有意图且生动的图像。该版本由 Recraft 官方账号在社交平台公布，具体参数与上线范围未披露。
向阳乔木(@vista8)AI 评估 · 64/100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 · 64/100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。 Black Forest Labs 发布 FLUX 3 Image，支持精准局部编辑与 JSON 布局控制
Black Forest Labs 发布 FLUX 3 Image，主打精准局部编辑：框选区域后用文字描述修改需求，画面其余部分几乎不变。官方说明称该模型还支持用 JSON 坐标指定各元素位置的布局控制，适合排版、海报等场景，并最多可合成 10 张参考图。在线体验地址为 flux-tools.bfl.ai/precise-editing。
新智元AI 评估 · 57/100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 · 57/100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。 Fable 5.5 首测：纯代码生成3分钟人类史短片
外网博主 @imjustnewatai 用 Fable 5.5 输入一句提示词，生成了一部 3 分钟人类数万年进化史短片，把人类发明史压缩成一天 24 小时，从 23:40 的洞穴壁画到 00:00:00 的 2026 年，再以指数速度想象 2031 年之后。
DeepLearning.AI(@DeepLearningAI)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。 GLM-5.3 在 ExploitBench 漏洞利用任务上与 Claude Mythos 接近
据 Anthropic 数据，开源模型 GLM-5.3 解决了 ExploitBench 漏洞利用任务中的 12%，Claude Mythos 解决 14%。本周通讯中还提到，仅花 20.40 美元的 token 就找到了 Google Chrome 的一个近期安全漏洞；Andrew Ng 对担忧这些能力落入坏人之手的人持不同看法，他认为这是工程问题，防御方长期占优。
cohere(@cohere)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。 Aleph Alpha 发布 78B 参数开源模型 Kolibri
Aleph Alpha 发布 Kolibri，参数规模 78B、激活参数 3.46B，上下文最高支持 1M tokens，权重以 Apache 2.0 许可开放，可在自有硬件上运行。Cohere 转发该消息并称其表现不错，同时预告双方将合作推出新成果。
cohere(@cohere)AI 评估 · 18/100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 · 18/100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。 Cohere 用 WMT26 基准测试 North Small Translate
Cohere 使用 WMT26 基准测试其翻译模型 North Small Translate，该基准在模型创建之后才发布，因此模型无法针对其指标进行训练。
cohere(@cohere)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。 Cohere 推出 North Small Translate 开源机器翻译模型，1T 参数以下全球最佳
Cohere 推出开源机器翻译模型 North Small Translate，称其为 1T 参数以下全球最佳。该模型权重与流程均对外开放，并由 Cohere 本地化负责人 Tom Kocmi 出镜讲解。
Kling AI(@Kling_ai)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。 Kling 4.0 与 Kling 4.0 Flash：创作者的新想象与新故事
Kling AI 展示了创作者使用 Kling 4.0 和 Kling 4.0 Flash 生成的作品，强调新的想象、新的故事与新的创作方式。两条模型版本号分别为 Kling 4.0 与 Kling 4.0 Flash，配以 #Kling4 与 #klingai 话题发布。原文未披露参数规模、benchmark 分数或开放方式等细节。
智东西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。 实测 MiniMax M3.1-Flash 前端能力，效果硬刚 Opus 5.5
智东西实测 MiniMax M3.1-Flash 在动效视频、鸡尾酒动画和像素巫师等前端任务上的表现，并与 Claude Opus 5.5 对比，部分细节处理甚至更丰富。M3.1-Flash 基于 M3 系列的 1M 上下文窗口和原生多模态训练路线，能主动补全设计细节并直接交付完整可用的交互成品。该模型国庆前夕上线并开启公测，目前仍处于公测阶段。
机器之心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。 StartLux 开源 StartLux-Decision 决策模型，0.8B 至 27B 五档版本
StartLux（原点星辉）开源决策模型 StartLux-Decision，一次推出 0.8B、2B、4B、9B 和 27B 五档版本，并提供支持本地部署的量化模型。
meng shao(@shao__meng)AI 评估 · 19/100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 · 19/100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。 Ling-3.1-Flash 实测：蚂蚁百灵 1M 上下文模型一把过 TE 风格信息卡
蚂蚁百灵新一代大模型 Ling-3.1-Flash 在「Teenage Engineering 风格信息卡」提示词测试中一把过，输出效果达标。该模型为 560B/A25B MoE 架构，支持 1M token 上下文，输出速度基本维持在 100+ tokens/s，整个推理生成与校验流程约 2-3 分钟完成。
NVIDIA AI(@NVIDIAAI)AI 评估 · 42/100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 · 42/100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。 NVIDIA Nemotron 3 Diarization 上线 HuggingFace 并登上热门
NVIDIA 的 Nemotron 3 Diarization 模型在 HuggingFace 上线后登上热门榜。该模型用于说话人分离，即使多人声音重叠也能追踪谁在何时说话，最多支持 8 位说话人，参数量 100M。官方感谢下载者，并回应了部分提问。
Claude(@claudeai)AI 评估 · 24/100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 · 24/100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。 用 Opus 5.5 打造的交互式 3D 喷气发动机，可剖切、可拆解
有人用 Opus 5.5 做出了一个可交互的 3D 喷气发动机，支持剖切和拆解查看内部结构。该内容在浏览器中运行，原帖为视频展示形式，已获得 1563 个点赞和 25 万余次浏览。
Claude(@claudeai)AI 评估 · 12/100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 · 12/100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。 Claude Sonnet 5.5 生成纸上折叠的立体城市
Claude Sonnet 5.5 展示了一项生成能力：在平面画布上绘制出每栋建筑都由纸张折叠而成的立体城市。演示由 Sonnet 5.5 完成，相关视频发布在 Twitter 上。
Claude(@claudeai)AI 评估 · 15/100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 · 15/100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。 Claude Opus 5.5 制作浮雕卡片
Claude Opus 5.5 被用于制作浮雕卡片，相关演示以视频形式发布。该内容在社交平台获得 1256 个点赞、42 次转发和 22 条回复，浏览量约 10.2 万次。
Claude(@claudeai)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。 用 Opus 5.5 打造的 3D 网站：从银河系外一路飞掠到木星卫星
一个 3D 网站用 Opus 5.5 实现了从银河系外飞掠到木星卫星的连续镜头。该站点可在浏览器中播放这段太空飞行视频内容。
lmarena.ai(@lmarena_ai)AI 评估 · 51/100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 · 51/100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-6.1 Sol (Max) 登榜 Agent Arena 第 5 名并改写帕累托前沿
OpenAI 的 GPT-6.1 Sol (Max) 进入 Agent Arena 榜单第 5 名，成绩提升 11.23%，并改写了帕累托前沿。其单任务成本中位数为 $0.56，性能与 GPT-6 Sol 相差 2 个百分点以内，成本低 39%。
cohere(@cohere)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。 Cohere Embed 5 采用 RCP-nDCG @10 新评测方法
Cohere 的 Embed 5 成为首个使用 RCP-nDCG @10 评测的模型家族。这一最新评测方法改进了对真实检索质量的评估，因此 Embed 5 的基准分数看起来与以往不同。
lmarena.ai(@lmarena_ai)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。 Claude Sonnet 5.5 在 Agent Arena 排名第 3，单任务成本 2.74 美元
Claude Sonnet 5.5 在 Agent Arena 排名第 3，单任务中位成本 2.74 美元，净提升分数 +12.5%。Claude Opus 5.5 排名第 2，单任务成本 1.58 美元且得分更高，这一权衡使 Sonnet 5.5 未能进入 Agent Arena 的帕累托前沿。
lmarena.ai(@lmarena_ai)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。 Claude Sonnet 5.5 在 Agent Arena 首次登榜第 3
Arena.ai 公布 Claude Sonnet 5.5 (Max) 在 Agent Arena 首次登榜即排名第 3，净提升 +12.5%，比排名第 13 的 Claude Sonnet 5 (High)（+4.4%）高出 8.1 个百分点。
lmarena.ai(@lmarena_ai)AI 评估 · 46/100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 · 46/100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。 本周 Arena 榜：GPT-6.1 Sol、Sonnet 5.5、Gemini 4 Argon、MiMo-V2.6-Pro 四款发布重塑 Text、Code 与 Agent 竞技场帕累托前沿
OpenAI DevDay 后 GPT-6.1 Sol (Max) 进入 Code Arena: WebDev 排第 3，以 $8/MToken 进入帕累托前沿；同日 Sonnet 5.5 上榜后 Sol 降至第 4 并跌出前沿，Sonnet 现以低 80% 成本落后第 2 名 GPT-6 Astra (Max) 2 分。
Justine Moore(@venturetwins)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。 FLUX 3 Image 发布，作者实测九轮编辑无图像退化
Black Forest Labs 发布 FLUX 3 Image，支持多轮精确编辑且不改变其他像素，可用 bounding boxes 指定布局、最高 4K 生成、最多 10 个参考图组合，并为企业提供商用权重，开放权重版本将在未来几周推出。Justine Moore 用一张旧 Chloe 广告实测，连续九轮替换连衣裙、沙发、墙纸、妆容和 logo 后仍保持结构，未出现 artifacts。
Recraft(@recraftai)AI 评估 · 11/100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 · 11/100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。 Recraft V4.1 生成有气场、氛围与个性的角色图像
Recraft V4.1 可生成兼具气场、氛围与个性的角色图像，涵盖不同面孔、视角、环境与情绪，从电影感特写到全身场景，每条提示词都能形成独立的视觉故事。
爱范儿AI 评估 · 64/100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 · 64/100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。 和 Opus 5.5 同题交卷，MiniMax M3.1 让 Flash 开始超纲了
作者在 MiniMax Code 里沿用 Claude Opus 5.5 公开案例的提示词，用 MiniMax M3.1 Flash Preview 同题生成动态设计作品集。
小互(@imxiaohu)AI 评估 · 41/100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 · 41/100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。 Ideogram 新模型上线平台、API 与首发合作伙伴，开放权重仍是预告
Ideogram 新模型已在 Ideogram 平台、API 和首发合作伙伴上线。开放权重仍处于即将推出的预告阶段，尚未给出具体日期。更多案例与详细介绍见 best.xiaohu.ai。
小互(@imxiaohu)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。 Ideogram 4.5 发布：主打高精度局部编辑与多轮改图一致性
Ideogram 4.5 是主打高精度局部编辑与超强一致性的图像编辑模型，连续多轮改图时可减少偏色、细节走样和异常纹理，保留上一轮已满意的结果，而不是重新生成全新的图。它支持换色调光、改图中文字、产品换场景、老照片修复等；大图可裁出局部编辑再拼回高清原图。文中举例先给烤面包机换色，再换旁边的水果，后一次修改仍会沿用前一次已确定的机身颜色、按钮与镀铬细节。
小互(@imxiaohu)AI 评估 · 15/100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 · 15/100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。 Fable 5.5 要来了，看起来更强大
Fable 5.5 即将发布，演示显示其能在连续动画中保持不同艺术风格，被形容为"超人"。相关推文由 Chetaslua 发布，并称这标志着"超级智能时代"的到来。
Browser Use(@browser_use)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。 GPT-6.1 Sol 在浏览器任务上表现惊艳，Browser Use Bench 2.1 得分超 Astra
GPT-6.1 Sol 在 Browser Use Bench 2.1 上跑出该基准测得的最高分，超过 Astra，估算成本低 7.8 倍。其便宜的原因是 95% 的提示词 token 被缓存，而缓存 token 单价是 Astra 的 1/10。Opus 5.5 与 Grok 4.7 得分更低且成本更高。
Aravind Srinivas(@AravSrinivas)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。 Perplexity 开源多模态决策模型 pplx-decider-27b 并推出 Decisions API
Perplexity 开源多模态决策模型 pplx-decider-27b，并推出由 pplx-decider-v1-27b 驱动的 Decisions API。该模型被训练为输出固定答案集合上的概率分布而非文本，定价为每百万输入 token 4 美分、输出 token 免费，跨基准测试得分 85.71%，官方称未来几天还会进一步降价。
Replicate(@replicate)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。 Black Forest Labs 发布 FLUX 3 Image，支持原生 4K 与包围框控制
Black Forest Labs 发布 FLUX 3 Image，可生成最高 4K 分辨率图像，支持用包围框精确定位布局、一次进行多处定向编辑并在编辑间保持一致，还可使用最多 10 张参考图合成图像。该模型面向大规模图像生成的企业提供商用权重，开放权重版本将在未来几周推出，上线首周半价。Replicate 已提供该模型。
Aravind Srinivas(@AravSrinivas)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。 Perplexity 开源多模态 Decision 模型并提供 Decisions API
Perplexity 开源其多模态 Decision 模型，并通过 Decisions API 对外提供。该 API 由 pplx-decider-v1-27b 驱动，模型被训练为对固定答案集输出概率分布而非文本，输入价格为每百万 token 0.04 美元，跨基准得分 85.71%。
Harrison Chase(@hwchase17)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。 Cloudflare 开源决策模型 clef 与 clef-flash，已上线 Workers AI
Cloudflare 开源了首批自研决策模型 clef 和 clef-flash，两者已在 Cloudflare Workers AI 上线。Harrison Chase 评论称，此前就有人预言决策模型领域会迎来更多入局者，如今连开放权重也出现了，并称 harness 应该能像替换主模型一样轻松替换决策模型。
Julien Chaumond(@julien_c)AI 评估 · 42/100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 · 42/100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。 Cloudflare 开源 clef 决策模型，workers ai 托管并登顶质量与延迟基准
Cloudflare 的 workers ai 团队发布首个自研模型系列 clef，包含两个快速、准确的决策模型，在质量与延迟基准上登顶。模型已开源，权重可在 Hugging Face 获取（Cloudflare/clef），也可直接使用 workers ai 的托管版本。
Mustafa Suleyman(@mustafasuleyman)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。 Microsoft AI 发布 MAI-Transcribe-2-Streaming 实时转写模型
Microsoft AI 发布流式语音转文字模型 MAI-Transcribe-2-Streaming，据 Artificial Analysis 的 AA-WER Streaming 评测，其最终转写准确率与首个部分转写准确率均列第一，最终转写词错率 2.5%、语音结束后 0.13 秒返回结果。
Sam Altman(@sama)AI 评估 · 19/100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 · 19/100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。 Sam Altman：6.1 Sol 是增长最快的模型，负载下偏慢的问题已改善
Sam Altman 表示，6.1 Sol 是迄今增长最快的模型，此前在负载下略显缓慢，现已大幅改善。原文未披露该模型的具体参数、性能数据或可用性信息。
谷歌开发者精选AI 评估 · 79/100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 · 79/100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 4 Argon 前沿模型
Google DeepMind 推出前沿 AI 模型 Gemini 4 Argon，主打复杂长流程任务中的深度推理，目前通过 Fairwind 计划向网络安全专家开放试用。
为什么值得看
官方披露了 Gemini 4 Argon 在软件工程、安全防御等长流程任务中的能力和定价，可据此判断前沿模型在企业工作流中的落地进展。
赛博禅心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。 MiniMax 首个 Flash 模型 M3.1-Flash-Preview 上线
MiniMax 上线首个 Flash 模型 M3.1-Flash-Preview，目前为预览版，未正式发布也未公布 benchmark，规格为 100 万 token 上下文、原生多模态，深度思考分 low 到 max 五档，默认 max。