跳到正文

#模型发布

今日 4 条
11月10日周二
  1. 人人都是产品经理68

    实测 Claude Fable 5.2:审美与细节表现突出,额度消耗也高

    Anthropic 凌晨正式发布 Claude Fable 5.2,已全渠道上线,20 美元 Pro 会员限一周临时使用,官方定价较 5.1 整体降 20%,每百万 Token 输入 8 美元、输出 40 美元。

    决策要点

    Anthropic 用降价 20% 和减少误拦截降低了旗舰模型的使用门槛,但作者实测的高额度消耗表明它仍更适合按需承担高难度任务。

    • 影响输入 8 美元、输出 40 美元每百万 Token 的新定价让重度使用成本下降;Pro 一周试用和 Ultra 额度重置提供了低成本验证窗口;作者实测 10 个任务耗掉 24% 额度,长任务场景的成本要按任务分级核算。
    • 参考可考虑在 Pro 试用窗口内选一个视频动效或 3D 前端场景做单次直出对比,记录耗时和额度消耗;值得按作者思路盘点团队的模型分工清单,把旗舰模型留给诊断规划和指挥调度。
  2. 量子位63

    字节图像模型Seedream 5.5发布,实测100轮连续编辑仍大体保真

    字节发布图像生成模型Seedream 5.5,主打精准编辑与多轮一致性,已在即梦、豆包和豆包工作上线。量子位实测中Seedream 5.5完成100轮连续编辑(每轮把手表时间加1秒并以上一轮输出为输入)仍整体保真,对照的GPT-Image 2.6在第10轮左右开始畸变。

    决策要点

    生图竞争的焦点正从单张出图质量转向多轮编辑稳定性和单次修改成本,高频改图业务的选型门槛落在这两项上。

    • 影响电商商品图的每日二次修改可在同一张主图上连续完成并衍生多版本SKU,抠图、重排等工序可省;出海物料一套主视觉能快速出多语言版本;编辑单价不到前代一半,大量出图团队的改图预算可按新口径测算。
    • 参考可考虑选一类高频改图场景(如商品主图)做连续编辑试点,记录人工返工耗时与新版成本对比;值得把多语言物料改版流程纳入测算,比较设计工时与单张0.28元编辑费的账。
  3. IT之家·人工智能49

    蚂蚁灵波开源触觉基础模型 LingBot-Touch,机器人真机任务成功率提升 14 至 26 个百分点

    蚂蚁灵波科技于 11 月 10 日开源触觉基础模型 LingBot-Touch,基于近 5000 小时真实触觉数据预训练,覆盖磁触觉、视触觉和压阻式三类传感原理,可将不同传感信号转化为统一触觉表征,供跨传感器、跨灵巧手、跨模型复用。

    决策要点

    触觉基础模型把接触感知做成硬件无关的通用层,机器人团队更换传感器或动作策略时可减少重复开发。

    • 影响机器人整机与集成企业接入开源触觉表征后,硬件选型与动作策略可以解耦,减少重复适配投入;磁触觉、视触觉、压阻式多条传感路线可能长期并存,选型组合更自由;当前成效数据全部来自厂商自测。
    • 参考做具身智能项目的团队可考虑在接触密集任务上先复测官方成功率再决定接入;值得盘点现有项目里为不同传感器重复开发触觉模块的投入,估算统一表征能省下的成本。
  4. 钛媒体76

    Anthropic发布Claude Fable 5.2与Mythos 5.2,token降价20%但单任务成本被指翻倍

    Anthropic在IPO前发布Claude Fable 5.2和Mythos 5.2,两者同一底座、仅安全权限不同,Mythos 5.2仅向经审核机构开放;Fable 5.2的token单价下降20%,每百万token输入从10美元降到8美元、输出从50降到40美元。

    决策要点

    Fable 5.2的降价只体现在token单价上,模型变得更话痨推高了单任务实际成本,模型选型的成本基准需要从单价核算转向每任务总成本。

    • 影响token单价下降不等于总账变便宜,按token预算采购的团队需要改按每任务成本重算口径;机器人仿真、科研终端等长任务场景涨幅明显,可评估纳入试点范围;若沿用max档跑原有编程任务,单任务预算可能不降反升。
    • 参考可考虑在选型前用自家真实任务复测Xhigh与max档的得分与每任务成本差;值得优先在机器人仿真、科研终端等长任务场景做对照试点;先算出现有工作负载在5.1与5.2上的token量对比再定档位。
  5. 36氪·AI61

    字节发布Seedream 5.5图像模型,支持单图连改100轮,API编辑单张约0.28元

    字节跳动Seed团队发布新一代图像创作模型Seedream 5.5,重点强化多轮编辑、原生RGBA透明素材生成与复杂文字渲染,距上一代Seedream 5.0 Pro发布4个月,已在豆包、豆包工作上线,即梦AI、火山方舟陆续开放体验。

    决策要点

    图像模型的竞争焦点正从单次生成质量转向多轮迭代与生产可用性,字节以编辑稳定性和单张成本作为主要卖点。

    • 影响设计、电商和营销团队可尝试把多轮编辑纳入素材生产流程,减少重画与抠图工时;按图计费让生图成本可直接折算到单张素材预算;实测仍有手部与精细物体出错,对外物料需保留人工校验环节。
    • 参考可考虑选海报或产品图这类固定改稿场景做小规模对比,记录改稿轮次与单张成本;值得先盘点现有抠图和改稿外包的工时开销,对照0.28元的单张编辑价评估替代空间。
  6. 36氪·AI77

    Anthropic 发布 Claude Fable 5.2,token 单价降 20% 但评测称单任务成本反升

    Anthropic 在 IPO 前发布 Claude Fable 5.2 与仅向经审核机构开放的 Mythos 5.2,两者同一底座,Fable 5.2 token 价格较 5.1 下调 20%,每百万输入 10 美元降至 8 美元、输出 50 降至 40 美元。

    决策要点

    这次降价只落在 token 单价层面,模型更话痨推高长任务的单任务成本,企业实际支出取决于任务形态和 effort 档位,而非标价。

    • 影响以长任务和 agent 为主的工作负载需要按单任务成本重算预算,只看单价会低估支出;effort 档位选错会同时推高成本并拉低得分;头部厂商接连调价,采购谈判存在比价空间。
    • 参考可考虑用自有长任务样本实测各 effort 档位的得分与单任务成本,再决定是否切换;值得把每任务平均成本而非 token 单价写入供应商比价口径,并测算输出 token 的放大倍数。
  7. IT之家·人工智能66

    Meta 推出轻量级 AI 模型 Muse Ember,跑分媲美 Claude Haiku 5.5,单任务成本仅 1/3

    Meta 发布迄今最小的轻量级模型 Muse Ember,官方称其在 Artificial Analysis 排行榜表现媲美 Claude Haiku 5.5,单任务成本仅 1/3,并在多项测试中超过 GPT-6 Luna。

    决策要点

    Meta 以小模型加低价切入智能体工作负载,把智能体选型的比较基准从模型能力转向单任务成本。

    • 影响智能体高频任务的单位成本有了新的低参照价,用量预算和供应商报价可据此重算;跑分出自官方引用榜单,替换前应在自有场景实测;模型同时在 Google Cloud 与 Oracle Cloud 提供,接入和多云部署门槛较低。
    • 参考可考虑列出高频重复的智能体任务清单,按每百万 Token 输入 0.10 美元、输出 0.50 美元测算与现用模型的成本差;值得在自有业务流上做小规模对比实测,再决定替换范围。
  8. 36氪·AI71

    Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2,官方称30小时完成费马大定理形式化验证

    Anthropic发布Claude Fable 5.2与Claude Mythos 5.2双模型,官方口径登顶AA Intelligence Index v5(65分)并超越Opus 5.5,ARC-AGI 3得分81%。

    决策要点

    这次发布的实质是把同一底层模型按安全限制拆成大众版与解禁版,用智能体集群的长程任务作为旗舰卖点。

    • 影响编码与科研类长程任务或可交由智能体集群试跑;输入8美元输出40美元每百万Tokens的定价决定其更适合高价值难题;Mythos解除生物与网络安全限制,选型时需区分两条产品线的合规边界。
    • 参考可考虑先选一个边界清晰的长程任务做小规模对照试点,记录人工与智能体集群的耗时和算力成本;值得按任务难度分层,把日常负载留在中端模型,只为高价值难题预算旗舰调用量。
  9. 极客公园48

    AI 快讯汇总:ChatGPT 占全球 AI 聊天流量超 81%,Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2

    Anthropic 于 11 月 9 日发布 Claude Fable 5.2 与 Claude Mythos 5.2,前者面向普通用户,后者面向经审核的网络安全与生命科学机构;5.2 版每 100 万词元输入 8 美元、输出 40 美元,API 调用费较 5.1 下调 20%,官方称生成速度最高提升 30%,可选快速模式最高再提升至 2.5 倍且价格更高。

    决策要点

    模型降价与流量集中同时出现,AI 使用成本在降而头部格局在收拢,连组织架构也开始围绕智能体重排。

    • 影响调用主流模型的单价下行,现有模型预算可按 5.2 新价重算;ChatGPT 流量份额超 81% 提示以对话入口为渠道的分发格局比竞争声势更集中;微软裁撤中层、收紧到岗的调整提供了智能体时代组织改造的参照。
    • 参考可考虑按 5.2 新单价重算现有 Claude 调用预算并测试快速模式性价比;值得对照 81% 流量份额复核自家在 AI 对话渠道的投放;组织上可先盘点管理层级与决策链长度再评估扁平化试点。
  10. IT之家·人工智能72

    Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2,API 调用费下降 20%,演示 8 天从零构建操作系统

    Anthropic 于 11 月 9 日发布 Claude Fable 5.2 与 Claude Mythos 5.2,两款模型基于同一底层模型,前者面向普通用户并内置网络安全与生物安全防护,后者面向通过审核的网络安全和生命科学机构,用于高风险专业应用。

    决策要点

    同源拆成双版本加 20% 降价,表明 Anthropic 在以价格推动普及,同时把高风险专业用途隔离进审核制通道。

    • 影响API 输入输出降价 20% 直接压低存量应用的调用成本;快速模式提速但收费更高,延迟敏感场景可重新核算账;网络安全和生物类任务改走审核制版本,相关企业要多预留一道申请周期。
    • 参考可考虑按现有用量先算出换用 5.2 后的百万词元成本差;值得选一个长周期多步骤任务做小规模智能体编排试点;涉及网络安全或生物数据的团队可提前了解 Cyber 或 Life Sciences 验证计划的申请条件。
  11. 爱范儿82

    Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2,API 价格降低 20%

    Anthropic 正式发布 Claude Fable 5.2 与 Mythos 5.2 两款旗舰模型,已于今天上线 Claude 平台及 AWS、Google Cloud、Microsoft Azure,标准 API 价格降低约 20%,每百万输入 Token 8 美元、输出 40 美元。

    决策要点

    这次发布的实质是能力冲刺与主动设限并行,Anthropic 在筹备 IPO 的节点强化编程与科研能力,同时主动压制模型加速下一代 AI 研发的能力。

    • 影响编程与科研团队的模型选型和预算需要重算,标准 API 价格降 20%,但最强推理单任务成本约为 Opus 5.5 的 2.6 倍;官方主动限制 AI 研发类任务能力,自研 AI 团队不能默认沿用上一代的能力预期;限时体验持续到 11 月 16 日,存在低成本验证的窗口。
    • 参考可考虑在 11 月 16 日前用限时额度安排一次编程或科研基准任务对比,记录单任务成本与成功率;值得先测算高频任务在标准模式与 Fast Mode 之间的价格差,再决定日常负载是否迁移。
  12. The Decoder:AI News77

    Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2,IPO 前重夺 AI 性能领先

    Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2 两款同底座模型,在 IPO 前重新夺回 AI 性能领先,日常使用仍推荐 Claude Opus 5.5。

    决策要点

    Anthropic 在 IPO 前以双版本策略重夺榜首,独立榜单领先成立,但顶级能力伴随明显的单任务溢价和安全分级门槛。

    • 影响单任务成本约为 Opus 5.5 的 2.6 倍,高端场景预算需按任务而非 token 单价测算;公开版 Fable 屏蔽渗透测试等安全任务,相关业务要走 Mythos 的组织审核通道;输出提速与 token 用量下降可部分对冲溢价。
    • 参考可考虑先挑科研自动化、形式化验证等高价值任务试点,按单任务成本与 Opus 5.5 对比测算预算;有漏洞研究或渗透测试需求的团队可评估 Mythos 5.2 验证计划的申请门槛。
  13. Google DeepMind:Blog53

    Google DeepMind 发布 Gemini Robotics 2.5,机器人产线分拣试点成功率达 96%

    Google DeepMind 发布视觉-语言-动作模型 Gemini Robotics 2.5,已开始向机器人合作伙伴开放。

    决策要点

    机器人基础模型正从实验室演示走向产线实测,可靠性数字和安全基准开始成为工业落地的验收语言。

    • 影响分拣、上下料等高重复工序评估人形机器人有了带成功率的参考样本;96% 为官方试点口径,自有场景需重新实测;避障与抗越狱指标可能进入机器人采购验收清单。
    • 参考可考虑把物料分拣、上下料等高重复工序列为试点对象,按自有工况重测成功率;值得在机器人采购标准中加入避障、抗越狱等安全验收指标。
  14. The Decoder:AI News65

    Meta 发布小模型 Muse Ember,主打智能体重复性任务

    Meta 发布迄今最小的模型 Muse Ember,面向智能体的工具调用、编码小任务、请求路由、数据提取和长文档处理等日常任务,支持文本、图像、音频、视频并单次可处理最多 100 万 token。

    决策要点

    Meta 以小模型主打智能体重复任务的每美元性价比,模型选型竞争焦点正从峰值能力转向单位任务成本。

    • 影响智能体常规任务的成本基准有了更低的参照,跑量型场景可按每任务成本重算预算;编码类智能体任务按独立测试仍有能力差距,选型需按任务类型分开处理。
    • 参考可考虑把现有智能体流程按任务类型拆分,对路由、提取类环节单独测算换用低成本小模型的成本差;试点时记录每任务成本与失败率,编码环节保留大模型或做混合路由。
  15. TechCrunch · AI75

    Anthropic 在递归自我改进(RSI)担忧中发布 Mythos 5.2 与 Fable 5.2

    Anthropic 周一发布 Mythos 5.2 与 Fable 5.2,官方称编程、推理和视觉能力均有提升,Fable 输入价格从每百万 token $10 降至 $8,低于竞品 GPT-6 Astra,官方称响应提速 30%,更快推理服务需双倍价格。

    决策要点

    Anthropic 借降价与企业级数据合规扩大企业市场,同时前沿模型自评估难度与安全隐患同步上升。

    • 影响选用 Fable 5.2 的输入成本可按 $8 每百万 token 重算,已低于 GPT-6 Astra,可触发选型比价;零数据保留堵点移除,受数据合规约束的企业可将其纳入选型;前沿模型自评估难度上升,敏感场景部署的内部监控成本会增加。
    • 参考可考虑按新价格重算现有模型用量预算,与 GPT-6 Astra 做同口径比价;有数据保留要求的场景值得评估 ZDR 方案;对高风险自动化任务可先小范围试点并保留人工复核。
  16. The Verge · AI68

    Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2 两款新模型

    Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2 两款新模型,官方称其在编码、推理和视觉上有提升,输出速度快于 5.1 版本。

    决策要点

    Anthropic 以真实工程和科研任务作为新模型的核心卖点,能力叙事从跑分基准转向最难场景的交付。

    • 影响软件迁移、长期项目和智能体协作被官方列为强项,做技术选型的团队可将其纳入候选;但全部性能说法出自官方,采购依据暂不充分;Mythos 5.2 初期限定准入,各团队接入节奏会不同步。
    • 参考可考虑选一项搁置已久的软件迁移或长周期工程任务做试点,与 5.1 对比实测速度和质量;值得先确认所在组织是否符合 Mythos 5.2 的审核准入条件。
  17. The Decoder:AI News51

    字节跳动发布图像模型 Seedream 5.5,宣称 100 轮编辑像素级稳定且无色彩漂移

    字节跳动 Seed 发布面向专业生产流程的图像生成模型 Seedream 5.5,官方称在最多 100 轮多轮编辑中,未改动区域可保持像素级不变且无色彩偏移。模型支持原生生成透明背景的 RGBA 图像,生成元素可直接作为设计素材使用,将通过即梦、豆包、Doubao Work 和火山方舟逐步推出,另有 Pro 版计划。

    决策要点

    图像生成的竞争点正从单次出图质量转向多轮生产稳定性,字节用像素级一致性和透明通道切入专业设计工作流。

    • 影响设计与内容团队的多轮修图、抠图环节可能压缩;相关效果均为官方口径,替换现有流程前需要自测;功能落在即梦、豆包与火山方舟,可经现有入口试用。
    • 参考可考虑让设计团队选一个多轮改稿场景与现有工具做对照,验证长编辑链下的像素一致性、色偏与小字准确率;需要透明素材的场景可先小规模试产。
  18. TechCrunch · AI62

    Meta 发布轻量模型 Muse Ember,面向智能体执行场景

    Meta 超级智能实验室周一发布迄今最轻量、成本最低的模型 Muse Ember,定位智能体全天重复的执行工作,如工具调用、编码子任务、路由、信息抽取和长文档解析。

    决策要点

    Meta 把竞争焦点放在智能体执行环节的单位任务成本上,用轻量模型承接大模型定好的批量任务。

    • 影响智能体执行类任务的单次成本有望下降,客服、文档处理等高频场景预算压力减轻;大小模型分工架构成为可参考的部署方式;小模型价格竞争也给模型采购议价留出空间。
    • 参考可考虑把客服、文档解析等批量环节按单任务成本重新估价,对比 Ember 与现有方案的报价;值得评估大模型定规则、小模型跑量的分工是否适配现有智能体流程。
11月9日周一
  1. IT之家·人工智能56

    美团龙猫开源 LongCat-2.5 模型:总参数 1.6 万亿,支持百万上下文

    美团龙猫 11 月 2 日发布面向长程智能体任务的原生多模态模型 LongCat-2.5,并于 11 月 9 日宣布正式开源,采用 MIT 协议,支持商用推理部署与二次训练,无需额外授权。

    决策要点

    美团把万亿参数级多模态模型以 MIT 协议开源,企业免授权商用部署的可选清单延伸到长程智能体场景。

    • 影响需要长上下文或视觉编码能力的企业多了一个可自托管、可商用的开源选项;针对国产算力芯片的适配优化或可降低私有化部署的门槛;能力数字目前只有官方口径,缺独立评测参照。
    • 参考可考虑在长文档分析、复杂代码库开发等场景做小规模自托管对比测试;值得先盘点现有国产算力资源与 W4A4 推理方案的适配成本,再决定是否纳入候选。
  2. IT之家·人工智能63

    字节跳动发布图像创作模型 Seedream 5.5,单图可改 100 轮、直出透明背景

    字节跳动 Seed 团队 11 月 9 日发布新一代图像创作模型 Seedream 5.5,官方称单图可连续修改 100 轮且非编辑区域像素级保持,并能直出带 Alpha 通道的透明或半透明图像。

    决策要点

    图像生成正从一次性出图走向可反复修改的生产素材工具,字节以编辑稳定性加半价定价切入设计与内容生产环节。

    • 影响电商、营销、影视等六类场景被官方标注为适用范围;反复改图与抠图成本可按 2K 方图单张约 0.28 元重算;透明素材直出可让生成结果直接进入后续设计流程。
    • 参考可考虑用自有素材实测 100 轮编辑的画质保持情况,与现行修图流程对比成本;值得在电商主图或营销物料上试点透明素材直出。
  3. 爱范儿64

    字节 Seedream 5.5 图像模型实测,像素级精准改图与上百轮修改不崩坏

    字节跳动发布新一代图像创作模型 Seedream 5.5,主打像素级精准编辑、上百轮连续修改不崩坏、原生 RGBA 透明素材和中文小字渲染。官方称在涵盖中英文及密集小字的测试中,严重文字崩坏率降至 0.4%、轻微降至 1.7%;该模型费用约为 GPT Images 2.6 的 1/3,已上线豆包和即梦,火山引擎将于本周上线 API。

    决策要点

    生图模型的竞争从一句话生成转向在已有成果上持续修改,字节用低价加专业编辑能力切入设计师工作流。

    • 影响改稿频繁的海报、详情页类设计工作,修图环节的人工返工有望减少;原生 RGBA 透明素材省去抠图工序;费用约为 GPT Images 2.6 的 1/3,批量用图的成本口径可重新核算。
    • 参考可考虑选一个改稿频繁的真实设计任务做对比测试,记录修改轮次与耗时;值得让设计团队重点试中文小字渲染和透明底导出,再决定是否经火山引擎 API 接入现有工作流。
  4. 量子位61

    腾讯混元 Hy4 发布,770B 总参数,首次引入视觉与电脑操作能力

    腾讯发布混元 Hy4,770B 总参数、49B 激活参数,首次引入原生视觉能力和电脑操作能力,模型权重将于近期开源。官方口径称幻觉率由 preview 版 12.95% 降至 7.2%,推测类错误率由 23.1% 降至 5.6%,213 位专家(七成来自外部头部金融机构)众测 579 个金融任务,综合表现位居开源模型第一。

    决策要点

    开源模型的竞争焦点正从对话质量转向长程任务交付,腾讯把视觉理解和电脑操作一起打包进 Hy4 的开源牌里。

    • 影响带视觉与电脑操作能力的开源权重给私有化部署多了一个技术选型;模型已接入腾讯云、企业微信等自家产品,生态内试用门槛较低;官方幻觉率和金融排名数据未经独立验证,选型前需自测。
    • 参考可考虑在 11 月 15 日前用 WorkBuddy 免费额度试跑一两个多步骤任务,对比现有方案的返工率;等权重开源后,值得在自身业务数据上复测幻觉率,再评估私有化部署成本。
  5. 36氪·AI61

    GPT-6.2 Sol 灰度上线,第三方榜单显示成本约为 Opus 5.5 的 11.8%、智能指数 60 分

    OpenAI 的 GPT-6.2 Sol 被用户发现经灰度路由提前可用,Artificial Analysis 榜单显示其智能指数 60 分,追平 Gemini 4 Carbon 并略胜 Claude Opus 5.5。

    决策要点

    OpenAI 下一代模型借灰度提前曝光,第三方榜单显示智能追平对手的同时把单任务成本压到约 12%,竞争焦点正转向单位成本。

    • 影响若成本与耗时口径在正式版保持,长链 Agent 与复杂代码任务的调用预算有下修空间;头部模型比价窗口打开,竞品定价承压;当前数据出自灰度样本且官方未确认,生产链路不宜贸然切换。
    • 参考可考虑先记录现用模型在自家长任务上的单次成本与耗时作基线,待正式发布后用同一批场景复测对比;值得据此重算代码生成与 Agent 工作流的月度模型预算。
  6. 人人都是产品经理62

    OpenAI 发布网安专用模型 GPT-6 Cyber,ExploitGym 基准较上一代提升约 51%

    OpenAI 发布网络安全专用模型 GPT-6 Cyber,在 ExploitGym 基准取得 48.5%,较上一代 GPT-5.6 Cyber 的 32.1% 相对提升约 51%(官方口径)。

    决策要点

    网安模型的核心竞争点从漏洞利用能力转向授权边界内的可控执行,能力评级与访问权限开始绑定。

    • 影响AI 参与漏洞发现到修复的闭环有了具体案例,安全团队的验证与披露流程需要按完整证据链设计;模型被评为 Critical 且初期仅向获批客户开放,普通企业短期难以直接接入;Agent 能力越强,误伤授权外目标的风险敞口也越大。
    • 参考可考虑从内部代码库只读分析和已确认 CVE 的复现验证起步,暂缓公网扫描;值得按分析、执行、治理三层拆分权限,执行层独立审批并保留人工接管按钮。
  7. 量子位39

    基元律动发布Agent模型NeoHorse-1.5-Flash Preview,推进递归自我改进第二轮迭代

    基元律动11月5日发布Agent原生模型NeoHorse-1.5-Flash Preview,基于Qwen3.8-Flash训练,总参数180B、激活参数6B,开放限量内测。

    决策要点

    基元律动把自家执行框架中多模型对比产生的差异用作训练信号,让Agent模型迭代依赖实际任务反馈,成绩均为官方口径。

    • 影响对需要Agent执行与软件工程能力的团队多了一个内测候选,但分数为官方自报,采用前需自行实测;执行侧按模型榜单调档、无需升级客户端即可切换推荐方案,模型更换成本在下降。
    • 参考可考虑申请限量内测,在自家软件工程任务上与基座模型做小规模对比实测;选型时把官方自报分数与独立验证区分看待;已使用OpenSquilla的团队可评估按任务意图调档与榜单跟随更新机制。
  8. 人人都是产品经理35

    Qoder 上线匿名模型 Qoduck,效果堪比 Claude Opus 5.5

    Qoder 悄悄上线匿名模型 Qoduck,主打前端代码生成与动态可视化,目前免费开放。作者实测一段提示词直出鸡兔同笼 3D 数学科普动画,约 20 分钟完成且无二次修改,并可协同调用新闻检索、阶跃 TTS、数字人等工具自动生成 30 秒财经口播视频并导出 MP4。模型真实身份官方暂未公布,Qoder 现有三天免费尝鲜额度,额度内不消耗 Credits。

    决策要点

    匿名模型的悬念式上线是营销打法,背后比拼的是模型审美与工具调用能力,一句话产出完整视觉作品正成为编程产品的新卖点。

    • 影响科普动画、产品演示和口播短视频的制作门槛下降,市场与培训团队可低成本试产内容;三天免费额度是短期窗口,规模使用前需重算提示词调试的人力成本;单人实测口径的效果波动是引入前的主要风险。
    • 参考可考虑安排前端或内容同事在免费额度内跑一两个真实场景,如产品演示动画或科普短视频,记录提示词调试次数与成片可用率,再评估是否纳入内容生产流程。
  9. IT之家·人工智能42

    LG AI 研究院宣布免费开放 K-EXAONE 2.5 模型 API

    LG AI 研究院 11 月 9 日宣布对外免费开放 K-EXAONE 2.5 模型 API,开发者、企业、研究机构等任何用户均可无需付费将其用于服务开发和研究。

    决策要点

    一个自称比肩头部开源模型的智能体模型 API 免费开放,模型选用的试错成本进一步下探到零。

    • 影响智能体与开发类场景的模型备选池扩大,API 调用预算可多出一个零成本参照;韩国大企业集团以免费方式参与模型生态竞争,横向对比时可纳入清单。
    • 参考可考虑在智能体场景的模型评测清单中加入 K-EXAONE 2.5,用自有任务跑一轮与现用模型的耗时和效果对比;值得重新核算现有 API 调用预算的可压缩空间。
  10. 人人都是产品经理71

    OpenAI 推出 GPT-6 Cyber,真实研究中发现 Firefox 81 个高危漏洞

    OpenAI 公布网络安全专用模型 GPT-6 Cyber,在 ExploitGym 基准得分 48.5%(上一代 GPT-5.6 Cyber 为 32.1%),并按其 Preparedness Framework 评为 Critical 级。

    决策要点

    漏洞挖掘能力跨过实用线后,竞争焦点转向授权与边界控制,OpenAI 把限制直接做进了模型评级和准入流程。

    • 影响安全团队可把漏洞复现、验证和报告整理放进受控环境,减少重复人工;接入门槛同步抬高,高风险目标需客户审核和网络白名单;零数据保留不等于零风险,输入输出与工具调用仍要按策略审查。
    • 参考可考虑先在隔离靶场试点,让模型对已授权漏洞生成最小复现和补丁验证;值得把分析与执行拆成两层,执行侧配置目标白名单、动作审批和完整轨迹留存;接入前先算清授权、审计与回滚的流程成本。
11月7日周六
  1. IT之家·人工智能39

    Meta 推出基于 Muse Wonder 训练的专用版本模型,向 Muse 与 Meta AI 下放主动记忆和主动专注能力

    Meta 于当地时间 11 月 6 日推出基于 Muse Wonder 训练的现有模型专用版本,全面推送给 Muse 与 Meta AI 用户,上月随 Muse Wonder 首发的主动记忆(Active Memory)与主动专注(Active Focus)两项能力随之全面下放。

    决策要点

    Meta 把旗舰模型的记忆与专注能力做成专用版本下放到消费级智能体,竞争重心从单次问答转向跨对话记忆与长任务可靠性,但效果数据目前只有官方口径

    • 影响跨对话记忆与遇意外坚持任务开始成为智能体产品的比较维度,选型时值得纳入评估;模型侧内置记忆调取,但持久存储、删除与授权仍由上层应用的记忆模块控制,自建记忆体系的边界暂未改变;官方数据暂无第三方验证,引用时需标注口径
    • 参考可考虑在评估智能体方案时,把跨对话记忆准确性、意外情况下任务完成率列为自建对照用例的测试项;值得先盘点现有应用中用户记忆数据的存储与授权归属,明确哪些留在应用层、哪些交给模型侧
  2. 量子位46

    魔芯科技发布4D世界模型MoWorld 2.0,融入十余种物理要素,昇腾推理达70 FPS

    魔芯科技于11月4日在乌镇世界互联网大会发布新一代通用4D世界模型MoWorld 2.0,将重力、弹力、浮力、柔体、流体等十余种物理要素融入同一模型,生成场景可输出为可编辑、可复用的3D/4D高斯资产。

    决策要点

    世界模型的竞争点正从生成一次性视频转向物理建模与可复用资产,魔芯借国产算力适配切入影视与机器人训练流程。

    • 影响影视游戏团队可把生成场景当资产改机位改天气做分镜预演;机器人智驾团队能在虚拟环境复现雨雪坑洼训练智能体;官方成本口径若属实会影响算力预算的比较基准。
    • 参考做内容预演或仿真训练的团队可考虑各选一个场景试用,对比现有制作与测试流程的耗时成本;采购算力时值得把官方30%成本口径单独核算验证。
  3. The Decoder:AI News46

    AI 芯片公司 Ricursive Intelligence 开源 65B 编码模型 Ripple-65B Preview,称总成本仅 3200 万美元

    AI 芯片设计公司 Ricursive Intelligence 发布开源大语言模型 Ripple-65B Preview,已上架 Hugging Face,采用完整 Apache 2.0 许可。

    决策要点

    美国开源阵营新增一款主打自有硬件部署的智能体编码模型,用约 3200 万美元成本换取接近前列的开源成绩,卖点是授权完整与部署门槛。

    • 影响企业自托管编码智能体的开源选项多了一个,且无授权限制;3200 万美元的成本口径显示训练 65B 级编码模型的资金门槛在下降;其基准成绩落后同期 Inkling 2 Small,能力上限与部署便利需要权衡。
    • 参考可考虑把 Ripple-65B Preview 加入开源编码模型选型清单,在自有 GPU 上试跑真实仓库任务并与 API 方案比成本;值得先算出团队每月编码智能体用量再定试点范围。
11月6日周五
  1. The Decoder:AI News60

    Thinking Machines 发布 Inkling 2 Small,称居西方开源权重模型之首

    Thinking Machines(前 OpenAI CTO Mira Murati 创办)发布第二代模型 Inkling 2 Small,MoE 架构总参数 594B。

    决策要点

    以 17B 激活的紧凑 MoE 加强化学习训练,把开源权重模型推到与 Gemini 3.8 Flash 同一档位,主打开源可微调基座路线。

    • 影响权重以 Apache 2.0 开放后,企业可用较低单任务成本微调专属场景的智能体流程;单任务 token 用量约为前代 4 倍,成本要按任务口径核算;当前仅 Tinker 平台可用,落地节奏取决于外部安全测试进度。
    • 参考可考虑等权重开放后选文档问答或代码类任务做微调试点,先用 Tinker 实测每任务 token 开销;值得把 DeepSeek V4.1 Flash 等开源竞品纳入同组基准对比再定选型。
  2. TechCrunch · AI34

    Underdog 发布 32MB 语音模型 Woof,可离线运行并开放下载

    Underdog 发布了仅 32MB、31M 参数的语音生成模型 Woof,可在浏览器中离线运行,并开放所有人下载。公司用一个复古科技主题的网页游戏演示该模型,在打字机输入文字即可被朗读,旋转调谐器还能生成不同音乐;创始人 Sigil Wen 称此举意在让用户在自有设备上运行模型并掌控数据。

    决策要点

    端侧小模型开始具备可直接试玩的产品形态,本地离线语音推理正成为云端模型之外的另一条路线。

    • 影响对语音功能有隐私或离线需求的场景多出一个本地化选项;32MB 级模型能力有限,更适合朗读、听写这类单点任务;云端语音的调用成本与数据边界假设可以据此重新测算。
    • 参考可考虑盘点现有语音功能中涉及敏感数据或需离线使用的部分,下载该模型小范围试测效果;值得先算出云语音的月度调用量与费用基数,再做本地方案的成本对比。
  3. 极客公园66

    前 OpenAI CTO 创办的 TML 发布 Inkling 2 Small,训练采样 Kimi K3 轨迹,拟以 400 亿美元估值融资

    11 月 5 日,前 OpenAI CTO Mira Murati 创办的 Thinking Machines Lab(TML)发布第二代模型 Inkling 2 Small(594B 总参数、每次激活 17B),并据报道以 400 亿美元投前估值筹集 50 亿美元新融资。

    决策要点

    硅谷团队用中国开放权重模型的输出轨迹追近差距,模型本身的商业角色更像是为微调平台 Tinker 引流的招牌。

    • 影响开源模式转向模型免费放出、靠平台微调与推理收费,选型需连同平台绑定一起评估;中国开放权重模型成为硅谷团队的训练数据来源,生态位在上升;权重放出时间未确认,按开放模型规划采购需留缓冲。
    • 参考可考虑先按官方对比表核对本企业高频任务在表格、文档和长流程编码上的跑分与单任务成本;值得把权重实际放出日期列为评估前提,再测算迁移到 Tinker 类平台的锁定成本。
  4. 36氪·AI67

    谷歌发布 Gemini Omni 1.2 Flash,登顶文生视频榜,360p 草稿每秒 0.07 美元

    Google DeepMind 发布新一代视频生成模型 Gemini Omni 1.2 Flash,据 Arena.ai 评估以 1541 分位列文本生成视频榜第 1,比上一代 1.1 Flash 高 27 分,并在 Google AI Studio 与 Gemini API 全量上线。

    决策要点

    AI 视频竞争从拼画质转向拼工作流与成本,低价草稿加按需升频把创意试错从整条重抽变为可控的分段支出。

    • 影响广告创意、出海电商、企业培训视频等内容生产的单条试错成本可降至原来三分之一甚至更低(文中估算);视频生产流程需要按草稿、局部修改、升频三段重新组织;前期创意验证支出从不可控的抽卡式花费转为可预算项目。
    • 参考可考虑用一条现有 15 秒广告脚本在 360p 档实测,记录试错次数、耗时与费用并对比传统做法;值得先算出团队每月视频创意验证的真实支出,再决定迁移比例。
  5. IT之家·人工智能46

    Pangram 发布 AI 图像检测模型 Pangram Image 1.0,官方称准确率达 99.96%

    Pangram Labs 于 11 月 4 日发布 AI 图像检测模型 Pangram Image 1.0,官方称在其自建的 1200 张图片测试集上准确率达 99.96%,可通过热力图定位 AI 生成内容。

    决策要点

    AI 图像检测进入可定位生成区域、可在低分辨率下运行的商用阶段,但关键精度数字仍出自厂商自建测试。

    • 影响依赖图像审核的品牌与内容平台多了一个识别 AI 生成素材的工具选项;精度口径出自厂商自测,选型对比不能只看官方准确率;可叠加进现有的内容合规与标注流程一并评估。
    • 参考可考虑用自有真实图片和已知 AI 生成样本组一个小测试集,复核 99.96% 的官方口径;值得先圈定素材审核或合规排查一个场景做试点,再决定是否列入采购预算。
  6. 36氪·AI68

    OpenAI 前 CTO 创办的 TML 发布 Inkling 2 Small,训练数据采样了 Kimi K3 的轨迹

    OpenAI 前 CTO Mira Murati 创办的 Thinking Machines Lab 于 11 月 5 日发布第二代模型 Inkling 2 Small。

    决策要点

    美国开放权重模型靠采样中国模型的训练轨迹加速追赶,开源模型本身被 TML 当作微调平台 Tinker 的引流入口,技术叙事与生意绑定。

    • 影响开源选型上中国模型仍是第一梯队,欧美开放模型暂时只追平中国的 Flash 级型号;AA 测算其单任务成本 1.18 美元、约为闭源对手的一到两成,长流程任务预算有下探空间;权重放出时间未确认,早期版本曾有编造结果等不当行为,采购评估需核对。
    • 参考可考虑等权重放出后再把它与在用的国产开源模型做同题对比,挑一个长流程办公任务记录输出 token 量和实际花费;值得把许可证条款和数据来源纳入评估,再决定是否进候选清单。
  7. IT之家·人工智能33

    webAI 开源 TwIL-8B 推理模型:聚焦数学与编程,长板表现优于 Gemma 4 31B

    webAI 于 11 月 4 日推出并开源 TwIL-8B 推理模型,该模型基于 IBM Granite-4.2-8B,针对数学、代码和指令跟踪任务优化,采用非商业许可协议。

    决策要点

    小参数专业模型走长板路线,用窄领域逼近前沿性能换成本优势,通用性是官方承认的代价。

    • 影响数学、代码类任务多了一个低成本小模型选项;非商业许可限制直接商用,引入前需评估授权路径;知识储备有限,只适合当专用件而非通用底座。
    • 参考可考虑先核对非商业许可与自身使用场景是否冲突;值得在自有数学或代码任务上跑一轮小规模评测,再决定是否纳入本地部署候选。