Anthropic 发布 Claude Haiku 5.5，定价对齐 GPT-6 Luna
Anthropic 发布 Claude Haiku 5.5，这是 Haiku 系列约一年来的首次更新，定价与 OpenAI 的 GPT-6 Luna 持平，同日 Sonnet 5.5 缓存读取价格减半并推出订阅 API 额度。
为什么值得看
汇总了 Haiku 5.5 的定价、第三方评测与 token 消耗代价，读者可据此判断小型模型在智能体工作流中的实际位置。
推理能力
全部主题模型推理能力的进展：思维链、推理模型、数学与逻辑基准的突破与争议。
最新精选
第 1–15 条 · 共 15 条Latent Space [Youtube]精选AI 评估 · 80/100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 · 80/100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。
Aravind Srinivas(@AravSrinivas)精选AI 评估 · 76/100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 · 76/100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 MiMo-V2.6 Pro 与 Flash 全模态开源模型
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推进，并可开放获取模型权重、技术报告、强化学习环境与训练代码。Pro 在多数智能体基准上与 Claude Opus 5 和 GPT-5.6 Sol 表现相当，在 Artificial Analysis 智能指数上得分 46，为开源模型中最高，同时在编码、电脑操作、3D 推理和创作能力上更强。
为什么值得看
小米发布 MiMo-V2.6 双版本开源权重模型，并给出与闭源前沿模型在智能体基准上的对照成绩。
魔搭ModelScope社区精选AI 评估 · 87/100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 · 87/100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。 小米发布并开源 Xiaomi MiMo-V2.6 系列，扩展强化学习规模
小米团队正式发布并开源 Xiaomi MiMo-V2.6 系列，包含 Pro 和 Flash 两个原生全模态模型。
为什么值得看
原文给出开源模型在AA综合指数上的位置与RL算力扩展的公开细节，便于比较开源与闭源差距。
DeeplearningAI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。 Z.ai 发布 GLM-5.3-Flash，Ox Alpha 谜底揭晓并开放权重下载
Z.ai 正式发布视觉语言模型 GLM-5.3-Flash，即此前在 OpenRouter 上匿名预览的 Ox Alpha，并公开了权重。该模型采用 MoE Transformer 结合线性注意力与稀疏注意力，总参数 3200 亿、每 token 激活 180 亿，支持文本、图像和视频输入，最多 1,048,576 个 token，输出上限 128,000 个 token。
为什么值得看
智谱开源 GLM-5.3-Flash 的架构与成本数据，可用于判断低价视觉语言模型的性价比取舍。
阿里研究院精选AI 评估 · 83/100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 · 83/100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。 阿里发布 Qwen3.8-Flash 多模态 MoE 模型并开源 Next 权重
阿里发布 Qwen3.8-Flash，这是一个多模态 MoE 模型，主模型参数量 125B，另配 51B N-gram Embedding，每 token 激活 6B 参数，原生支持 262,144 token 上下文并可通过 YaRN 扩展至 1M token。
为什么值得看
官方一次给出 Qwen3.8-Flash 的架构改动、成本对比与开源权重入口，读者可据此判断新架构对长上下文推理的实际影响。
SemiAnalysis精选AI 评估 · 88/100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 · 88/100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 Jalapeño 芯片实测：能效超过 Nvidia Blackwell
OpenAI 在 Hot Chips 上公布了与 Broadcom 合作自研的推理芯片 Jalapeño，设计始于 2024 年中，约 16 个月完成流片，SemiAnalysis 受邀在其实验室用 InferenceX 实测该芯片。
为什么值得看
SemiAnalysis 在 OpenAI 实验室实测其首款推理芯片 Jalapeño，给出逐场景吞吐与能效对比及架构细节。
Sundar Pichai(@sundarpichai)精选AI 评估 · 78/100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 · 78/100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 3.7 Flash 成为 Google 增长最快模型，ARC-AGI-2 得分 84.6%
Google 的 Gemini 3.7 Flash 首周打破了此前 Gemini 的增长纪录，成为 Google 增长最快的模型，目前已接入 Search 和 Gemini app。ARC Prize 公布的评测数据显示，该模型在 ARC-AGI-2 上得分 84.6%、每任务 0.25 美元，在 ARC-AGI-1 上得分 95.5%、每任务 0.12 美元，以低成本和高分在前沿模型中较为突出。
为什么值得看
Google CEO 给出 Gemini 3.7 Flash 首周增速与 ARC-AGI 两项成绩，可据成本与分数判断其定位。
月之暗面 Kimi精选AI 评估 · 85/100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 · 85/100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。 Kimi K3 开放日：模型权重、技术报告与三项 Infra 技术同步开放
月之暗面在 Kimi K3 开放日发布 Kimi K3 模型权重与技术报告，并开源支撑其训练的关键 Infra 技术 MoonEP、FlashKDA 和 AgentEnv。
为什么值得看
月之暗面公开最强模型的权重与技术报告，并同时开源三项训练 Infra 技术，读者可据此了解其规模效率的实现路径。
Google DeepMind Blog精选AI 评估 · 76/100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 · 76/100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 Gemma 4 12B：统一的无编码器多模态模型
Google DeepMind 发布 Gemma 4 12B，一款面向笔记本本地运行的统一无编码器多模态模型，视觉与音频输入直接进入 LLM 主干，不再依赖独立编码器。
为什么值得看
Gemma 4 12B 用无编码器架构把多模态能力压进 16GB 显存笔记本，读者可判断本地智能体部署的可行边界。
DeepSeek(@deepseek_ai)精选AI 评估 · 76/100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 · 76/100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 发布 V4-Flash 模型
DeepSeek 发布 DeepSeek-V4-Flash，官方称其推理能力接近 V4-Pro，在简单 Agent 任务上与 V4-Pro 表现相当。该模型参数规模更小、响应更快，并提供高性价比的 API 定价。
为什么值得看
官方给出轻量版本与旗舰版本的推理对比和定价定位，读者可据此判断成本与能力的取舍。
DeepSeek精选AI 评估 · 92/100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 · 92/100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 发布并开源 DeepSeek-V4 预览版，标配 1M 上下文
DeepSeek 上线并同步开源 DeepSeek-V4 预览版，包含 DeepSeek-V4-Pro 与 DeepSeek-V4-Flash 两个版本，1M 上下文成为其所有官方服务标配。
为什么值得看
官方给出 V4 双版本的开源链接、API 与 1M 上下文配置，便于判断长上下文与 Agent 能力的实际边界。
Ahead of AI — Sebastian Raschka精选AI 评估 · 78/100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 · 78/100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。 从 DeepSeek V3 到 V3.2：架构、稀疏注意力与 RL 更新
Sebastian Raschka 撰文梳理 DeepSeek V3 到 V3.2 的技术演进，核心变化是 V3.2 沿用 V3.2-Exp 的架构，加入 DeepSeek Sparse Attention（DSA）型稀疏注意力以降低长上下文下的训练与推理成本，注意力复杂度从 O(L²) 降到 O(Lk)，其中 k 在官方代码中设为 2048。
为什么值得看
梳理从 V3 到 V3.2 的架构与训练变化，读者可对照前代理解稀疏注意力和 RL 的具体改动。
DeepSeek精选AI 评估 · 88/100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 · 88/100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 发布 V3.2 与 V3.2-Speciale 正式版，强化 Agent 与思考推理
DeepSeek 发布两个正式版模型 DeepSeek-V3.2 和 DeepSeek-V3.2-Speciale，网页端、App 与 API 均已升级为正式版 V3.2，Speciale 仅以临时 API 形式开放供评测研究。
为什么值得看
官方给出两个版本的定位与评测差异，读者可据此判断日常使用与高难度任务该选哪一个。
DeepSeek精选AI 评估 · 81/100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 · 81/100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-V3.2-Exp 发布，训练推理提效，API 同步降价
DeepSeek 正式发布实验性模型 DeepSeek-V3.2-Exp，在 V3.1-Terminus 基础上引入 DeepSeek Sparse Attention 稀疏注意力机制，针对长文本训练和推理效率进行优化，公开评测集上表现与 V3.1-Terminus 基本持平。
为什么值得看
官方说明稀疏注意力机制在长文本训练推理上的提效路径，以及 API 降价带来的成本变化。
DeepSeek(@deepseek_ai)精选AI 评估 · 78/100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 · 78/100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-V3-0324 发布：推理能力提升，改用 MIT 许可开源
DeepSeek 发布 DeepSeek-V3-0324，在推理性能、前端开发能力和工具调用能力上均有提升。官方建议非复杂推理任务直接使用 V3 并关闭 DeepThink，API 用法保持不变。该版本模型已在 Hugging Face 开源，采用与 DeepSeek-R1 相同的 MIT License。
为什么值得看
官方一次给出推理、前端开发与工具调用三项能力变化，并说明 API 不变、改用 MIT 许可，读者可据此判断接入成本。