跳到正文
AI 资讯
11月10日周二
  1. The Verge · AI74

    Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2

    Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2,官方称新模型在编码、推理和视觉方面有所改进,输出速度也超过 Fable 与 Mythos 的 5.1 版本。Claude Fable 5.2 今日推出,可处理复杂软件工程问题、编排智能体团队和长期项目;Claude Mythos 5.2 初期仅向经过审核的组织开放。

  2. The Decoder64

    字节跳动发布 Seedream 5.5 图像生成模型

    字节跳动推出 Seedream 5.5 图像生成模型,面向专业生产工作流,支持最多 100 轮稳定多轮编辑,并保持未修改区域的像素级一致且不产生色彩偏移。模型原生生成带透明背景的 RGBA 图像,并提升光线、材质、皮肤纹理和密集小文字的呈现效果,正通过即梦、豆包、豆包 Work 与火山引擎方舟逐步推出,Pro 版本计划推出。

11月9日周一
  1. AIHOT77

    美团开源 LongCat-2.5 原生多模态模型

    美团开源 LongCat-2.5 原生多模态模型,总参数 1.6 万亿,每 token 激活约 480 亿参数。模型支持一百万上下文和 MIT 协议,可商用部署与二次训练,面向长程智能体、Visual Coding 及专业办公任务。

    推荐理由:模型以 1.6 万亿参数、原生多模态和一百万上下文面向长程智能体场景,并提供 MIT 协议支持商用部署与二次训练。

  2. AIHOT74

    字节 Seed 发布 Seedream 5.5 图像创作模型

    字节 Seed 正式发布 Seedream 5.5 图像创作模型,支持多达100轮连续编辑、非编辑区域像素级保持和原生 RGBA 透明输出。新模型还改善了光照、材质、皮肤纹理与文字渲染能力,严重文字崩坏率降至0.4%,轻微文字崩坏率降至1.7%。Seedream 5.5 正陆续在即梦、豆包、豆包工作和火山方舟上线,后续还将推出 Pro 版本。

11月8日周日
  1. Latent Space34

    Anthropic IPO:走向何方?

    Latent Space 在 AI 市场回落加深的背景下,复盘 Anthropic IPO 的关键判断与假设。当前 Anthropic 年底目标为 $100B run rate,实际约为 $80B,部分估值降至 $1T、概率下降 18%。本期周末播客还讨论 Nasdaq 尚未跌至 -20% 的熊市水平,以及市场持续高估所放大的下行风险。

11月7日周六
11月6日周五
  1. AIHOT79

    百度发布并开源 ERNIE-5.5-Flash-Base 预训练 Base 模型

    百度发布并开源 ERNIE-5.5-Flash-Base,一款总参数 280B、每 token 激活 14B 的稀疏 MoE 预训练 Base 模型。模型在 33.5T tokens 上从零完成预训练,训练上下文逐步扩展至 128K tokens,微调与推理支持 1M tokens 上下文。

    推荐理由:开放未经中后训练的 Base 权重并披露架构、训练与评测细节,为二次预训练和基线对照提供了可复用参考。

  2. AIHOT83

    Thinking Machines Lab 发布 Inkling 2 Small MoE 模型

    Thinking Machines Lab 发布 Inkling 2 Small,这是一款 594B 总参数、17B 激活参数的 MoE 模型,支持图像输入和可变推理投入。

    推荐理由:文章披露了 Inkling 2 Small 的参数规模、训练流程、基准表现与安全评估,便于读者比较其编码、视觉和长程智能体能力。

  3. Google DeepMind79

    Google DeepMind 发布 Gemini Omni 1.2 Flash,支持最长 15 秒视频生成

    Google DeepMind 开始推出 Gemini Omni 1.2 Flash,新增原生 15 秒视频生成、多轮对话式编辑和增强的参考图遵循能力。该版本支持 3 至 15 秒时长选择,720p 视频价格降至每秒 $0.07,较 Gemini Omni 1.1 降低 30%。

    推荐理由:文章说明了 Gemini Omni 1.2 Flash 的时长、价格和编辑能力变化,并给出其在 API 与多款 Google 产品中的可用范围。

  4. AIHOT83

    Google 发布 Gemini Omni 1.2 Flash,开放至多款产品

    Google 宣布 Gemini Omni 1.2 Flash 从今日起在 Google Cloud、Flow、Google Vids、Google Ads、Google AI Studio 和 Gemini API 上推出。Gemini App 同时面向所有 Google AI 订阅者开放,Ultra 订阅者可生成 15 秒片段,详情见 http://goo.gle/4kzWTi3。

    同一件事,精选收录的是《Google DeepMind 发布 Gemini Omni 1.2 Flash,支持最长 15 秒视频生成》

11月5日周四
  1. AIHOT77

    月之暗面开放 2.8 万亿参数 Kimi K3.1 Pro 权重,登顶 Agent Arena 开源模型榜

    月之暗面在 Hugging Face 开放 Kimi K3.1 Pro 模型权重,该模型总参数量 2.8 万亿,单次推理激活约 1040 亿参数,支持约 100 万 Token 上下文窗口。Kimi K3.1 Pro 在 Agent Arena 中位列开放权重模型第一,Terminal-Bench 4.0 得分为 65.7%,BF16 权重文件约 5.6TB,INT4 量化后仍约 1.4TB。

    推荐理由:文章介绍 Kimi K3.1 Pro 开放权重的规模、Agent Arena 表现与部署门槛,便于判断模型能力及本地运行条件。

  2. Hugging Face Blog74

    Gradium 发布可在端侧运行的 Phonon 语音合成模型

    Gradium 发布 Phonon 端侧文本转语音模型,可在无服务器、无网络条件下生成语音,并开放模型权重。Phonon 31m 采用 Apache 2.0 许可,支持英语;另一个 40m 版本覆盖英语、法语、德语、西班牙语和葡萄牙语。

    推荐理由:Phonon提供了离线运行、多语言支持和公开权重,榜单成绩与部署方式可供开发者评估实际采用价值。

  3. The Decoder75

    OpenAI 发布 Images 2.6,ChatGPT 支持生成动画 GIF

    OpenAI 发布 Images 2.6 模型,ChatGPT 现可把文本提示词或上传的照片生成动画 GIF,并调整动画速度或编辑单帧。该功能正面向网页、桌面端和移动端的 ChatGPT 与 Codex 用户推出。开发者还可使用 GPT-Image-2.6 "Flare" 和 "Sunburst" API 模型,前者侧重效率,后者侧重更高质量的图像生成。

11月4日周三