AI模型
Gemini Flash 周二得分 59；新版指数最高仅 57
Artificial Analysis 于 9 月 4 日发布 Intelligence Index 4.2 版，删除了一项评测、增加了两项，将私有权重加倍，并重新锚定 Elo 量表——此后发布的所有排名都在跨版本对比。
19小时前
AI模型新闻
聚焦所有重要模型发布：前沿模型上线、开源权重版本发布、能力跃升、基准测试结果以及 OpenAI、Google、Anthropic、Meta、Mistral 和开源社区的定价变化。
AI模型最新新闻
AI研究
对同一 LLM 评审的相同请求重排后 Spearman 仅为 0.400
两项预注册研究甚至没能走到正式实验阶段。先在可靠性门槛上出局的是测量工具本身，审计了近 53,000 次请求、覆盖四家提供方后仍然如此。
1天前
OpenAI
GPT-6 Astra 在 ARC-AGI-3 上得分 62.7%，而非 OpenAI 宣称的 99.9%
ARC Prize 在模型发布数小时后，使用其自身的、与供应商无关的基准重新运行了该模型。OpenAI 重点强调的数字来自一个 OpenAI 专用适配器——而被拿来比较的竞品则是按另一种方式测得的。
1天前
Meta AI
Meta 的头条灵感 Muse Spark 得分属于它未发布的模式
Muse Spark 1.3 于 9 月 2 日发布，但其最高推理模式仍为进一步安全测试而暂未开放——而广为引用的前沿得分正来自这一模式。
2天前
Google AI
Gemini 自身的 model card 说 3.8 Flash 没有新增能力
Google 的发布博文称其有显著改进；获准发布的 model card 说法相反，而起售价将于 1 月 1 日翻倍。
2天前
AI模型
Kakao 的 Open Speech Weights 因数据而非商业化
LM-SPT 的代码采用 Apache-2.0 许可，权重采用 CC BY-NC 4.0 许可。Kakao 并未主动选择这种分割——限制是从 Emilia 训练语料中继承而来，而该语料在 Hugging Face 上的标签比其条款更宽松。
3天前
Google AI
Gemini 的 88% 令牌节省，是模型少看视频
Agentic 视频理解让 Gemini 自行选择抓取哪些时刻，而不是按固定频率采样画面。这是选择性注意，不是压缩——而且当证据分散得很薄时，这种节省就会迅速消失。
3天前
Anthropic
Fable 5.1 的“便宜 25%”其实是缓存读取降价，不是 Token 降价
Anthropic 的标价没有变化：输入仍为每百万 token 10 美元，输出仍为每百万 token 50 美元。全部节省都来自缓存读取价格下调 75%，降至每百万 0.25 美元，而这只会在复用前缀的工作负载中体现出来。
3天前
Google AI
Google 的 TimesFM-3 发布帖未提及其非商业许可
公告称该模型已可在 GitHub 和 Hugging Face 上获取。但其中没有说明，这是该系列首次出现权重不可用于商业用途的情况。
4天前
AI模型
DeepSeek 在发布十天后开放权重版 V4-Flash-Vision
该模型于 8 月 21 日以仅 API 形式发布。31 日出现了采用 MIT 许可证的权重文件——48 个分片，约 167.8 GB。
5天前
医疗AI
Huawei 的 RuiPath 2.0 在 59 项任务中赢下 42 项，却未给出基线
瑞金医院与 Huawei Cloud 在上海推出一款 7B 病理模型，宣称达到 SOTA、96.48% 准确率，并覆盖病理医生日常工作 90%——这三项说法逐一拆开都没有看上去那么强。
2026年8月30日
AI模型
GLM-5.3 的开放许可证为百亿美元竞争对手增加安全审查
Z.ai 以一份许可证发布了完整模型权重，要求大型 model-as-a-service 运营商通过一项审查，而审查范围由 Z.ai 自行决定。
2026年8月29日
Google AI
Google 的新“4K”视频模型生成于 720p，其余部分再放大
Gemini Omni 1.1 Flash 于 8 月 27 日上线，支持场景扩展、首尾帧控制和低成本草稿模式。40 秒只是累计上限，每次仅能按 10 秒向末尾追加。
2026年8月28日
AI模型
Z.ai 的 Flash 模型有320B参数，价格却只有自家前代的十分之一
GLM-5.3-Flash 以 MIT 许可发布，总参数 3200 亿、激活参数 180 亿。智能体基准分数由内部测试得出，设置了 6 小时时限。
2026年8月27日
Google AI
谷歌新转写模型公布两项词错率，约相差2倍
2.6% 来自第三方评测机构对主要使用场景的测试。5.04% 来自 Google 在多语言基准上的自测。两者都出现在同一则公告中。
2026年8月27日
金融 AI
MiniMax上半年研发支出达营收2.5倍，亏损走势却相反
这家在香港上市的中国前沿实验室首次公布经审计的半年度业绩：营收 1.166 亿美元，研发支出 2.969 亿美元，毛利率仅 17.9%，说明推理几乎吞噬了每一美元收入的大部分。
2026年8月26日
AI模型
阿里下一代 Qwen：外界都说是125B，但官方列表写着没有
ModelScope 条目承诺在 15:00 UTC 发布 open-weight 权重，并将其描述为一份架构预览。外界流传的规格来自一张已删除的草稿卡片。
2026年8月26日
法律 AI
汤森路透$40m模型说法，依据的是自家评测
这家行业老牌公司对一个未具名的开放权重模型进行了后训练，并在没有附带基准测试的情况下宣称其可与前沿模型比较。背后的经济账才是关键。
2026年8月25日
AI模型
DeepSeek把周末设为低峰，但价格仍是2X+
自 8 月 22 日 16:00 UTC 起，低峰费率覆盖整个周六和周日。低峰 V4-Pro 输出成本为每百万 token 1.98 美元；8 月 16 日前的统一费率为 0.87 美元。
2026年8月23日
Nvidia
英伟达$6B Poolside交易是授权，不是收购
这笔软件授权交易、109 名研究人员的个人聘用邀请，以及一笔按投前 120 亿美元估值进行的独立 10 亿美元股权投资，构成了三笔交易。公司所有权没有变更。
2026年8月21日
AI模型
DeepSeek 新价格于 UTC 16:00 生效。缓存命中成本高出 12 倍。
DeepSeek 曾两次警告将出现“显著”涨价，却没有给出具体数字或日期。如今，这两项都已落地——而且最大幅度的上涨并不是人们常说的那一项。
2026年8月17日
AI模型
Alibaba 将 27B 模型置于 Apache 2.0 之下，并称其性能超过自家更大模型
Qwen3.8-27B 是稠密模型而非混合专家模型，原生上下文长度达 262,144 token，且附带全部自报基准成绩。
2026年8月16日
AI模型
Zhipu称无需新基础模型即可将 Terminal Bench 从 4.6 提升至 28.3
GLM-5.3 与 GLM-5.2 共享同一 753B 基础模型。所有被宣称的提升都来自后训练——且权重要再过两周才会公布。
2026年8月14日
Google AI
Google 在 3.6 之后三周推出 Gemini 3.7 Flash——价格减半
企业自动化得分几乎翻倍，长周期软件工程从 49.0% 升至 65.3%。入门定价为每百万输入 token 0.75 美元，持续至新年。
2026年8月14日
AI模型
DeepSeek 更新旗舰模型，并警告价格将“显著”上涨
V4-Pro-0813 增加了 Responses API 和工具调用。更关键的是，定价页上的一则说明称价格即将上调。
2026年8月13日
AI模型
xAI 推出 Grok 4.6：同一基础模型，训练更充分
人工智能指数为 61，支持 50 万 token 上下文；是在对 Grok 4.5 进行后训练后打造，而非重新预训练任何新模型。在编码方面，它仍落后于 GPT-5.6。
2026年8月13日
