Cognition 发布 SWE-1.6 早期预览并分享 RL 训练研究进展
Cognition 发布 SWE-1.6 早期预览，当前 checkpoint 在 SWE-Bench Pro 上比 SWE-1.5 高 11%，达到 51.7%，速度同为 950 tok/s，并向小部分用户开放早期访问。
推荐理由：官方给出 SWE-1.6 预览版成绩与 RL 训练细节，并提出基准之外的 Model UX 问题，对做智能体训练的人有参考价值。
AI 资讯AI 每天都在变，
AI 每天都在变，
这里一页看完
全球 AI 公司、研究机构和媒体的最新动态，自动挑出值得看的，全天自动更新。
更新于 10月16日 03:54 · 每小时自动更新
3月1日 周日1 条
2月28日 周六1 条
FireRedTeam 发布 FireRed-OCR-2B 结构化文档解析模型，OmniDocBench v1.5 得分 92.94
FireRedTeam 发布 FireRed-OCR-2B 权重，基于 Qwen3-VL-2B-Instruct，在 OmniDocBench v1.5 上取得 92.94 的总成绩，高于 DeepSeek-OCR 2 的 91.09、PaddleOCR-VL 的 92.86 等模型。
推荐理由：原文给出了 OmniDocBench v1.5 具体分数、对比模型和三阶段训练方法，读者可以据此判断这个 2B 文档解析模型的实际位置。
2月27日 周五1 条
Google DeepMind 发布 Nano Banana 2（Gemini 3.1 Flash Image）图像模型
Google DeepMind 发布图像生成模型 Nano Banana 2（Gemini 3.1 Flash Image），以 Flash 速度提供 Nano Banana Pro 级别的世界知识、精准文字渲染、最多 5 个角色和 14 个物体的一致性，以及 512px 至 4K 的规格。
推荐理由：官方介绍把 Pro 级知识、主体一致性和 4K 输出放到 Flash 速度的模型里，并列出各产品开放范围，方便读者判断工作流如何调整。
2月24日 周二2 条
Inception Labs 发布扩散推理模型 Mercury 2
Inception Labs 发布 Mercury 2，称其为最快的推理语言模型，基于扩散并行细化而非自回归逐 token 解码，生成速度较此前提升超 5 倍。
推荐理由：原文给出扩散架构带来的具体速度、价格和上下文参数，读者可据此评估实时推理场景的可行性。
Liquid AI 发布早期检查点 LFM2-24B-A2B，24B 总参数仅 2.3B 激活
Liquid AI 发布 LFM2 系列最大模型 LFM2-24B-A2B 的早期检查点，为 MoE 架构，24B 总参数、每 token 约 2.3B 激活，可放进 32GB 内存部署于云端和边缘设备。
推荐理由：官方给出架构配方和与 Qwen3、gpt-oss 的吞吐对比，读者可以据此评估这款 24B MoE 在笔记本和边缘部署上的实际可行性。
2月20日 周五1 条
Noam Shazeer@NoamShazeer模型AI 评分78Gemini 3.1 Pro 发布，核心智能升级
上周我们升级了 Gemini 3 Deep Think。今天，我们正式推出实现这些突破的核心智能：Gemini 3.1 Pro。一个明显更智能、能力更强的基线，应对你最艰巨的挑战。现已可用：https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-1-pro
推荐理由：Noam Shazeer 宣布 Gemini 3.1 Pro，作为 Deep Think 突破背后的核心基座升级，全行业该关注的信号。
2月13日 周五2 条
GPT-5.2 在理论物理中推导出新结果
GPT-5.2 提出了一种胶子振幅的新公式，该结果随后由 OpenAI 与学术合作者正式证明并验证，相关内容见预印本论文（https://openai.com/index/new-result-theoretical-physics）。
推荐理由：原文说明新公式由 preprint 提出、再经合作方证明验证，读者可以据此了解 GPT-5.2 在理论物理中的实际用法。
Google DeepMind 发布 Gemini 3 Deep Think 重大升级
Google DeepMind 发布 Gemini 3 Deep Think 专项推理模式重大升级，面向科研与工程难题。
推荐理由：原文给出多个基准分数和开放渠道，读者可以据此评估这一推理模式在科研与工程场景的可用性。
2月12日 周四3 条
OpenAI 发布 GPT-5.3-Codex-Spark 实时编码模型
OpenAI 发布 GPT-5.3-Codex-Spark，称其为首款实时编码模型，生成速度提升 15 倍，支持 128k 上下文。该模型以 research preview 形式向 ChatGPT Pro 用户开放。
推荐理由：官方宣布首个实时编码模型，给出速度倍数、上下文长度和可用人群，可据此判断其对编码工作流的影响。
FireRedTeam 开源 FireRedASR2S 一体化语音识别系统，含 ASR、VAD、LID 和标点四个模块
FireRedTeam 发布开源工业级一体化语音识别系统 FireRedASR2S，集成 FireRedASR2（支持中文普通话、20+ 方言口音、英文、中英混说及歌声转写）、FireRedVAD、FireRedLID 和 FireRedPunc 四个模块，均开源权重与推理代码。
推荐理由：官方开源的一体化语音识别系统，给出与 Doubao-ASR、Silero-VAD 等的对比数字和完整推理代码，便于直接部署验证。
MiniMax 发布 MiniMax M2.5 模型，专为现实世界生产力打造
MiniMax 最新发布的大语言模型 M2.5，通过在数十万个复杂现实环境中进行强化学习训练，在编码、智能体工具调用、搜索和办公工作等多项任务上达到 SOTA。模型推理效率高，完成 SWE-Bench Verified 评估的速度比前代 M2.1 快 37%，与 Claude Opus 4.6 相当。定价方面，以 100 tokens/秒运行时每小时成本仅 1 美元。M2.5 在超过 10 种编程语言和 20 多万个真实环境中训练，具备从系统设计到测试的全流程能力。
推荐理由：MiniMax M2.5 把 SWE-bench 拉到 80.2%，成本只有 Claude Opus 4.6 的十分之一，速度还翻倍，对做 agent 的团队来说是个高性价比选择。
2月11日 周三3 条
inclusionAI发布新一代即时大模型Ling-2.5-1T
inclusionAI推出新一代旗舰即时模型Ling-2.5-1T，其总参数量达1T，活跃参数为63B，预训练语料扩展至29T tokens。该模型采用混合线性注意力架构，支持1M tokens上下文长度，并通过结合“正确性”与“过程冗余”的复合奖励机制，在相近的token效率下，其推理能力显著超越前代，接近前沿思维模型水平。经双向RL反馈和智能体验证等对齐策略优化，模型在创意写作和指令遵循任务上表现提升。它已兼容主流智能体平台，并在通用工具调用基准BFCL-V4上取得领先的开源性能。
推荐理由：蚂蚁把 1T 参数的即时模型开源了，63B 活跃参数加 1M 上下文，主打效率而非堆算力，对国内做开源推理模型的团队来说是个值得对标的基线。
inclusionAI发布全球首个开源万亿参数思维模型Ring-2.5-1T
inclusionAI发布了全球首个基于混合线性注意力架构的开源万亿参数思维模型Ring-2.5-1T。该模型通过高效的1:7 MLA与闪电线性注意力提升了推理速度与探索能力，并借助扩展的强化学习训练增强了深度思考和长程任务执行能力。其在IMO 2025和CMO 2025数学竞赛中均达到了金牌级别的性能。模型支持128K上下文长度，并可通过YaRN技术扩展至256K，现已于Hugging Face和ModelScope平台开源。部署方面，已支持SGLang，并提供了多GPU节点的服务器启动示例。
推荐理由：蚂蚁把万亿参数的开源 thinking model 放出来了，混合线性注意力架构是真新路线而非换皮，IMO/CMO 金牌级数学推理说明这不是纯堆参数。做开源大模型部署的团队值得认真看看它的架构选择。
小红书团队开源 FireRed-Image-Edit 图像编辑模型并发布 REDEdit-Bench
小红书智能创作团队开源 FireRed-Image-Edit 图像编辑模型，权重采用 Apache 2.0 协议，并在 ImgEdit、GEdit 和自建 REDEdit-Bench 上取得开源模型中的最高分，如 ImgEdit_O 4.56。
推荐理由：小红书团队开源图像编辑模型，README 给出完整基准对比表、训练与部署方案，读者可自行核对开源 SOTA 的成色。
2月5日 周四1 条
Claude Opus 4.6 发布：最智能模型，专为复杂智能体任务设计
Anthropic 发布 Claude Opus 4.6，定位为最智能模型，专为复杂智能体任务和长周期工作设计。新模型推荐使用自适应思考模式（`thinking: {type: "adaptive"}`），弃用手动思考，且不支持预填充助手消息。
推荐理由：Opus 4.6 把长上下文和智能体推理推向实用，加上压缩 API 和数据驻留控制，这是 Anthropic 面向企业落地的完整答卷，做 agent 的开发者值得认真评估。
2月4日 周三1 条
Mistral 发布 Voxtral Transcribe 2，Voxtral Realtime 以 Apache 2.0 开放权重
Mistral 发布 Voxtral Transcribe 2，包含 Voxtral Mini Transcribe V2（批量转写）和 Voxtral Realtime（实时转写）两款语音转文字模型。
推荐理由：官方给出了两个语音转写模型的能力边界、延迟数字、基准对比和开放权重细节，便于评估其在语音应用中的可迁移性。
2月2日 周一1 条
Eleven v3 语音模型正式全量开放，符号与数字朗读错误率下降 68%
ElevenLabs 宣布其最先进的 Text to Speech 模型 Eleven v3 结束 Alpha 阶段，正式面向所有平台开放。新版本在测试中 72% 的场景被用户认为比 Alpha 更稳定；针对数字、符号和专业记号的处理，内部基准覆盖 8 种语言 27 个类别，错误率从 15.3% 降至 4.9%，整体减少 68%，改进集中在体育比分、货币、化学式等依赖上下文判断符号含义的场景。
推荐理由：原文给出具体的错误率下降数字和示例对比，读者可以据此评估 Eleven v3 正式版在数字和符号朗读上的实际改进。
2月1日 周日1 条
MOVA 发布：32B MoE 端到端同步视频-音频生成模型全栈开源
OpenMOSS 团队发布 MOVA 音视频基础模型，总参数 32B MoE、激活 18B，支持文本或图像到音视频的端到端同步生成，最高 720p、单段 8 秒。模型采用非对称双塔架构（14B Wan 2.2 I2V 视频塔与 1.3B 音频塔）加双向 Bridge 和 Aligned ROPE 对齐时间轴，并开放模型权重、训练与推理代码及微调方案。
推荐理由：原文给出架构、训练策略和开源范围，读者可以了解端到端音视频生成如何处理同步问题并可复现研究。
1月27日 周二1 条
Kimi 发布并开源 K2.5 模型，带来全新视觉理解、代码和 Agent 集群能力
Kimi 发布并开源迄今最智能、最全能的 K2.5 模型，原生多模态架构支持视觉与文本输入、思考与非思考模式，在 Agent、代码、图像、视频及通用智能任务上取得开源 state-of-the-art 表现。
推荐理由：Kimi K2.5把视觉理解和Agent集群能力打包开源，国内模型里比较早做这个组合的，虽然参数规模争议不小，但对想搭多模态Agent的团队是个可用的起点。
1月20日 周二1 条
Liquid AI 发布 LFM2.5-1.2B-Thinking，1.2B 参数端侧推理模型内存低于 1GB
Liquid AI 发布可在手机上完全离线运行的推理模型 LFM2.5-1.2B-Thinking，内存占用约 900 MB，已上线 Hugging Face、LEAP 和 Playground。
推荐理由：官方公布了小参数量思考模型的端侧内存、速度数据和训练配方，读者可以据此评估边缘推理方案的选型。