搜索“模型发布”

要 Ultrafast，但你可能需要它来监控一次影响大量用户的重要迁移。这时就要用到搭配 6 Astra 或 6.1 Sol 的 Ultrafast。 把几个问题放进这个测试里，看看模型或功能是否有帮助。我们在内部也这么做。我们运行 A/B 测试，看看功能对用户的效果。我们还会考察每个功能或模型的产品市场契合度。 模型弃用与迁移 TNS：OpenAI 加快了模型发布周期。对于在这些 API 上构建生产就绪系统的开发者，你们能就稳定性和迁移路径做出什么承诺？ VS：稳定性和最终用户体验对我们很重要。如果你访问 status.openai.com，可以看到我们的可用性达到四到五个九，这意味着我们确实非常重视这一点。 过去一年，我们发布模型的方式发生了很大变化。更好的模型帮助我们更快地构建下一代，提高开发者和研究人员的生产力。 “因为我们发布得更快，所以在确定下一代在所有方面都更便宜、更准确之前，我们不会弃用某个模型。” 去年 11 月，我们还有 GPT-5.1。现在我们已到 GPT-6 Astra 和 GPT-6.1 Sol。因为我们发布得更快，所以在确定下一代在所有方面都更便宜、更准确之

匹配字段正文

核心循环，会选择其子智能体的层级和投入力度，并随着任务展开调整自身的层级和投入。有了这种自由，GPT-6 Astra 将常规实现交给成本更低的子智能体，并自行决定把 token 花在哪里最值得。在 DeepSWE 和 Terminal-Bench 上，Replit Agent 相对于单独使用 Astra 都具有帕累托效率：没有任何已发布的 Astra 基线成本更低且得分更高。它还比 sidekick 架构——即同样设置但配有一个长期存活的 worker——高出 11 分和 16 分。 为什么我们减少脚手架 每一次模型发布都会使框架中固化的假设失效。 随着模型在长周期任务上变得更强，它们不再需要框架层提供那么多脚手架。在实践中，我们观察到它们更倾向于自行委派：使用子智能体进行上下文管理和并行处理。近期的突破，包括 Navier–Stokes 问题，部分来自协调由前沿模型驱动的智能体集群 [1]。 但前沿是参差不齐的。最强的编码模型不一定最擅长设计 UI 或制作幻灯片，也不一定最擅长写邮件。因此我们设计框架，让每个模型按自己的方式工作，同时保留它仍然需要的护栏，并以最低成本实现质量为目标。

匹配字段正文

ian，评测达人，最近搬到了旧金山。Florian，Kimi K3.1 Pro这个名字真拗口，它会达到基准分数所显示的水平吗，比如在Artificial Analysis上，还是最终会落在什么位置？ 00:00:17 Florian Brand：过去，Kimi模型总是能达到预期，但这次发布和其他几次相比有点奇怪。我觉得部分原因是他们变得越来越专业了，而之前的模型发布多少有些突然。这次他们还搞了更大规模的社交媒体宣传，这也招致了一些批评，据称还涉及付费让人发帖谈论该模型却不披露。 00:00:56 Nathan Lambert：我觉得很多公司都这么干，还告诉你别提这事，但这很糟糕。这是不当做法。任何公司都不该这么做。基本上，有人发推了一张Kimi媒体指引的截图，上面写着“不要说这是付费推广”。据我所知，之后没有人证实过这件事。 00:01:15 Florian Brand：是的，而且现在有几次模型发布，包括美国公司的，明显就是水军操作。我们见过一些发布有几千次转发、却只有几百个赞，因为这样吸引注意力效果太好了。有些会披露是付费广告，有些则不会。但总的来说，我们看到模型发布随着时间推移、而

匹配字段正文

美国公司正面竞争。 然而，这场本应迎来掌声的发布，却出现了一幕颇为讽刺的景象。 模型越来越聪明，用户却发现自己越来越用不起了。 在K3.1 Pro发布之后，社交媒体上很快出现了不少关于会员额度的抱怨。 一些用户购买了每月199元的Pro套餐，准备体验新模型的编程和Agent能力，结果没运行几个复杂任务，就发现自己已经接近使用上限。 与此同时，关于Kimi在新模型发布前后调整会员额度的讨论也开始出现。 一位开发者使用两个699元的订阅账号，通过49次API请求进行测试，按照相同的Token结构进行折算，发现旧套餐能够获得的API价值约为新套餐的1.94倍。 虽然这一结果不能直接代表所有用户的实际额度变化，但仍然引起了不少讨论。 更有意思的是，Kimi这次发布的新模型，API价格其实还下降了。 根据官方定价，上一代K3每百万Token的输入和输出价格分别为20元和100元，K3.1 Pro则降到了13元和68元。 单看API价格，Kimi依然在努力维持中国模型一贯的成本优势。 可对于购买订阅套餐的用户来说，模型能力提升了，单位Token价格降低了，真正使用时却需要更加谨慎地计算额度。 模型

匹配字段正文

归功于 Gemini Flash，随后是对论文的大量人工审查（研究、工作流）。 循环模型 KV 共享：BeNice! 针对与重复模型循环相关的 KV 缓存增长问题，教授在多次循环间近乎无损地共享最终缓存。其预期收益是在不按比例增加 KV 内存的情况下获得更有效的深度。关于前沿实验室使用循环架构的说法仍属传闻，与这一已发表的方法无关（方法）。 开放编译器与本地模型发布：Chris Lattner 宣布 Mojo 和 MAX 完全开放，可用于开发、扩展和商业用途，包括语言、图编译器、MLRT 内部实现和硬件抽象逻辑；该推文未说明许可证（公告）。 边缘推理：NVIDIA 发布了 Nemotron 3.5 Bolt E4B，演示了在 Jetson Orin Nano 8GB 上本地同时处理对话和工具以及 Cosmos 视觉。Ollama 列出 128K 上下文和视觉支持（NVIDIA、Ollama）。 实测系统收益：据报道，新的小消息 all-reduce 内核在四块通过 PCIe 连接的 RTX 6000 Pro Server GPU 上将 DeepSeek V4.1 Flash 的解码吞吐

匹配字段正文

生的结果。 所有大模型词元服务的月均 TTFT 3. 2026 年词元服务价格明显回升 报告提出，经历了过去两年价格战后，2026 年国内外模型服务价格明显上涨。国内 2025 下半年归一化均价为 6.8 元，而今年以来均价为 13.46 元，涨幅接近 1 倍。但国外价格仍高于国内，2026 年以来发布的典型模型平均归一价格约为 117.8 元。 国内原厂大模型发布时归一化价格趋势图 4. 模型上下文长度不断向百万级长度扩展 报告提出，被监测的模型中，上下文长度达到 1M（1 百万词元）的模型占比 47.8%，200K 及以上的合计达 95.7%，相比 2025 年底的占比提高超过 76 个百分点，而低于 200K 的模型占比持续减少。 国内大模型上下文长度占比情况 5. 开源模型词元服务性能提升显著，同一模型在不同平台性能波动较大 报告提出，5 月份更新了 4 款开源模型的新版本进行监测，结果显示 TPS 持续提升，TTFT 时延不断压缩。例如 8 月份 DeepSeek-V4-Pro 的 TPS 已达到 DeepSeek-V3.2 的 2 倍。 时延方面，5 月份主要模型完成换代升

匹配字段正文

我认识的一家公司把模型和成本直接放进每个拉取请求里。所以如果你为一件小事用了昂贵的模型，基本上就是公开处刑。我很喜欢。 最好的成本优化是开发者根本注意不到的 Catherine： 你 写过 降低这些成本的四项举措。哪一项影响最大？ Patrick： 我们最喜欢的一项有点无聊：更好、更便宜的模型不断出现，你把流量迁移过去。在专有和开源厂商之间，大概每周都有五个模型发布。并非每一个都在成本上更进一步，但也许每一两周就有一个。这是水涨船高。你花更少的钱得到同样的产出，而且没人需要改变任何东西。不需要花哨的路由，什么都不用。 让你感受一下这变化有多快：最近某个便宜模型大致相当于大约九个月前前沿模型的能力，而每任务成本约为后者的 1%。不到一年下降了 100 倍。这还只是初步结果，但方向就是这样。 问题在于你必须真正行动起来。如果新模型发布了，而你公司里没人在用，那就等于森林里一棵树倒下却无人听见。所以我们练就了快速评估新模型的能力，一旦某个模型足够好就迅速把工作负载迁移过去。因为一切都经过 Unity Gateway，我们可以在一个地方完成切换，开发者无需做任何改动。这是我们做过的影响最大的事

匹配字段正文

户还可以访问 Claude Console，这是 Anthropic 的开发环境，用于观察和管理使用 Claude 的智能体。该 Console 包含用于编写提示和配置智能体、在托管环境中运行它们、监控用量和成本，以及按工作区管理访问和安全的工具。 Claude Fable 5.1、Opus 5.5、Sonnet 5.5 和 Haiku 5.5 均已可用，新模型发布时会在 Anthropic 托管版本中同步上线。 使用 Claude 在 Google Cloud 上构建的两种方式 在 Google Cloud 上使用 Claude 构建有两种方式。 Google Cloud 上的 Claude 模型（Anthropic 托管）专为希望从第零天起就能访问所有 beta 和正式可用 Claude 平台功能的客户而构建。它最适合希望通过 Google Cloud 访问、获得完整 Claude 平台功能对等的客户。Anthropic 运营该服务并担任数据处理者。 Google Cloud 上的 Claude 模型（Google 托管）仍然是需要 Google Cloud 作为数据处理者、有严格

匹配字段正文

去是按年度制定薪酬计划……现在我们每季度制定一次薪酬，因为每个季度情况变化太大了。” 其次，在如此动态的环境中做年度规划可能是个挑战：产品迭代更快，模型能力每 45 天就达到一个新高度，2 竞争格局也变化迅速。 “如果你团队规模小，那你就不会投入额外精力去跟进，去做一点外呼。” 最后，人手不足的风险在于对外呼和扩张缺乏重视。在基础设施层，FDE（前置部署工程师）和 SE（销售工程师）与 AE（客户主管）配对，发明出一些我需要在括号里定义的新缩写。还跟得上吗？ 实际上，他们配对是为了交付一款高度复杂的产品。在应用层，AE 和 CSM（客户成功经理）交付的软件与上一个时代类似，但生产力更高，采用和扩张通常也更快。 这场 15 分钟的对话还有很多内容：AI 时代的达标收入数字、入职培训、职业倦怠、应用层的基于用量定价。在此观看完整节目。Office Hours with Bardia Shahali 感谢 Bardia 在 Office Hours 分享他的见解！ 模型发布疲劳 ↩︎ 获取下一期内容，直达你的收件箱 一分钟阅读，将技术数据转化为战略优势。 超过 15 万名创始人和运营者阅读。

匹配字段正文

h 表示，他的公司一直专注于以能够吸收这种不可预测性的方式构建其云基础设施。 由于该公司拥有自己的硬件而非租用硬件，它对性能有更大的控制权，从而能够更快地运行客户的 CI 工作负载。然而，Jayaprakash 承认，这也给这家初创公司带来了一个问题，因为它现在要面对内存等组件的全球短缺。 他说，容量规划已成为公司运营中最具挑战性的环节之一，因为每当有新前沿模型发布时，需求往往会激增。例如，Anthropic 在 7 月推出 Claude Fable 5 时，其 CI 工作负载量在一天内飙升了 40% 以上。 尽管 Blacksmith 正在帮助企业应对 AI 生成代码的洪流，但存在一种风险：AI 模型供应商可能会成为竞争对手，自行承担代码验证职责。 话虽如此，Blacksmith 迄今的发展势头不可否认。这家初创公司表示，目前已有超过 1 万家公司使用其平台开展 CI 工作，高于 8 月份的约 5000 家。其知名客户包括 LangChain、Supabase 和 Granola。 2026 年初，它每周运行约 500 万次代码检查，如今这一数字已增长至约 9000 万次，同期年度经

匹配字段正文

是，过滤器很难精准读懂每个人的意图。 把危险请求漏过去，叫漏判；把正常研究拦下来，叫误判。为了尽量减少前者，Anthropic接受了大量后者。 正常研究者因此受挫，竞争对手还会把「限制更少」当成卖点。 这笔成本，用户也在承担。 Anthropic此前的官方说明证实，Fable 5触发生物安全过滤后，会把请求交给能力较弱的模型处理。 8月的更新在公司测试中将生物相关回退减少了约85%，但仍保留对双重用途研究的限制。 另一笔账是监管。 达里奥称，Anthropic推动了加州SB 53等立法，还支持过比最终通过版本更严格的方案。今年6月，他又公开主张，政府应拥有阻止模型发布的权力。 这等于支持外部力量握住自己产品的开关。 最后，是5%股权。就在几天前，Anthropic宣布，拟将公司5%的股份投入公共利益基金，尚待股东批准。公司估值超过指定基准后，每增长50%，董事会还可酌情追加2%。 为什么一家公司坚持安全，却还要拼命买算力、加快研发？ 达里奥给出的核心逻辑，叫「race to the top」，向更高标准竞争。 Calvin担心的也很直接：如果每一轮竞争都必须赢，安全还能让公司退让多少？

匹配字段正文

arch与Fetch也并不绑定在DeepSeek的模型上。只需要有一个DeepSeek的API就能在任何模型上调用Search与Fetch。 第二个是DeepInfer。 DeepInfer是DeepSeek线上大规模服务正在用的推理框架。这次开源的是它的离线推理版本和核心能力，协议是Apache 2.0，可以在英伟达和国产算力平台上运行。 很多人以为，一个模型发布出来，把权重文件下载到自己的电脑里，事情就结束了。 其实不是。权重只是一大堆数字，想让它能高效地运行起来，中间还隔着一整套工程。而这套工程就叫做推理框架。 模型就像一本写满字的书，纵使书中自有颜如玉，书中自有黄金屋，它自己也不会说话，更不可能回答你的问题。 DeepInfer就是让这本书开口的程序。你给它发一句话，它把这句话喂给模型文件，模型文件里的数字被调动起来，算出回答，再返回给你。 DeepSeek官方表示，模型的能力边界由模型本身划定，而如何让这些能力以合理的成本服务海量用户，是推理框架要解决的核心问题。 第三个是deepseek-recipe。 就像在不同国家打招呼一样，中国说“你好”，美国说“Hello”。不同模

匹配字段正文

《Attention Residuals》。 这项研究改进了 Transformer 的残差连接机制，使模型能够有选择地利用此前不同层的信息，改善深层网络的信息传递。 论文发布后，马斯克曾转发并评价「令人印象深刻」。 7 月，月之暗面发布总参数量达 2.8 万亿的 Kimi K3。Attention Residuals 成为其核心架构技术之一，陈广宇也参与了模型发布前的案例制作。 在个人研究方向上，陈广宇专注于模型架构、优化器，以及与硬件特性相适配的高效算法和计算内核。 加入 Kimi 之前，他还曾在 Tilde Research 从事应用型模型可解释性研究。 有意思的是，他在「喜欢的东西」一栏写道「向我的老师 Gemini 学习（现在看来，这句话有点不合时宜了）」。 下一站，估值 500 亿美元的 Discovery Loop Discovery Loop 成立于今年 8 月，由 Jeff Dean、Sanjay Ghemawat、Quoc Le 和 Oriol Vinyals 四位前 Google 核心研究人员共同创办。 其中，Jeff Dean 曾担任 Google 首席科学家，

匹配字段正文

ll 数据中心 GPU。值得注意的是，另一个受支持的平台是华为的昇腾 950 NPU 系列，这使这家中国芯片制造商与 Nvidia 一同出现在 DeepSeek 的兼容硬件列表中。较旧的 Nvidia 架构，包括 Hopper，则明显缺席。 这也与 DeepSeek 在 2025 年公布的开放源代码计划相呼应。当时该公司不愿发布其完整的推理引擎，但承诺在未来模型发布前与硬件制造商合作，目标是从第一天起就让其模型可在不同的芯片架构上使用。 美国的出口限制使中国企业获取 Nvidia 最先进芯片变得更加复杂，这也为 DeepSeek 与华为日益紧密的关系增添了另一个维度。9 月，彭博社报道称，DeepSeek 计划在内蒙古的一个新数据中心部署至少 16 万颗华为昇腾 950DT 芯片，专门用于运行其模型。该公司在训练方面主要依赖 Nvidia，不过《The Information》9 月报道称，DeepSeek 也计划增加使用华为芯片进行训练，预计最早在第四季度交付。 当月晚些时候，路透社报道称，DeepSeek 与华为正在合作开发软件工具，旨在让昇腾处理器更易于编程，这进一步凸显了该公司

匹配字段正文

这个视频有一些瑕疵。但 AI 自己想出了怎么做出来，从脚本到图像到概念到音乐再到创作这一切的技术层面，全程没有我任何帮助。这就是已经改变的地方。这将是我们谈论 AI 最少的一次 由于所有这些进步，AI 在世界范围内只会成为一个更大的议题。自《共同智能》出版以来的这份成就与争议时间线，能让你大致了解正在发生多少事情（我略去了数百个重要事件，但即便有 AI 的助力，我们所有人都难以跟上）。 当然，AI 的进步速度对我这样的作者来说是个问题，这也是为什么我的新书不去追赶新闻或最新的模型发布。相反，它聚焦于像本帖中这样的趋势：AI 正以指数级但不均衡的方式进步，而我们使用它的方式正从聊天机器人转向做实际工作的智能体。这本书讲的是这对不得不与这些系统共存的人类意味着什么：我们在哪里仍有优势（我认为归根结底在于深度知识、广度知识、品味和能动性），何时该把工作交给 AI，何时该完全避免使用它。如果你理解了这些趋势，当下（以及不久的将来）就会变得没那么令人意外。 《共存》今天正式出版。你可以在这里获取，就在一个由 Opus 5.5 重新设计的网站上。我告诉它要做得更好。 暂无帖子 准备好了解更多了吗？

匹配字段正文

力。机器人每进入一个新工位，都可能遇到新的物体、摆放方式和操作要求。如果每次都需要大量重新采集、重新训练，部署成本就很难降下来。 世界模型承载的一项期待，是让机器人积累对物理环境更通用的认识，减少适应新任务时的重复工作。但“能够预测”距离“能够稳定干活”还有工程上的距离，模型在物体遮挡、抓取失败、环境变化后如何恢复，会直接影响它能否进入真实业务。对厂商而言，模型发布之后，持续验证和改进的能力会越来越重要。 机器人行业正在围绕智能能力，重新划分各家公司要掌握的核心环节。芯片厂商希望更靠近模型演进，本体厂商希望把自身的数据、硬件和控制经验沉淀进模型。 国内大模型动态 阿里 9月28日，千问App与夸克网盘深度打通，用户授权后，可在千问中查询、整理和读取网盘资料，并据此生成复习工具、工作总结、照片合集。夸克网盘将成为用户和AI共用的数据资产中心。会员权益也同步融合：购买千问App精英以上会员，可获赠同等时长的夸克网盘会员，叠加教育优惠后双端月会员仅需25元。 目前，订阅千问App精英、旗舰和智尊会员可获赠同等时长、不同等级的夸克网盘会员。在校大学生和教师完成认证后，每月最低只需要25元就可以

匹配字段正文

择叠毛巾、叠衣服作为演示，当时挺有先驱性，也因为叠毛巾的演示火起来了。现在很多公司都在叠毛巾、叠衣服，我之前去WAIC（世界人工智能大会）、WRC（世界机器人大会），也发现大家都在做。当时你们是同时从商业和技术考虑，觉得这是一个很好的首个落地场景？ Jason：是。当时觉得叠毛巾、叠餐巾，模型应该能做。最大的问题不是能不能做，而是能不能100%完成。 第一个模型发布的重点就是，当时有这么多VLA（视觉-语言-动作模型）、通用模型，但都没有达到很高的成功率。如果成功率很低，就没有任何商业价值。所以第一个技术突破，是能不能达到100%。 Dyna-1发布后，我觉得大部分其他公司都在这个方向跟进，很多公司开始发布可靠性演示。这说明我们当时发布的东西有很大影响力。 陈茜：开始创业后，你们讨论过只做Foundation model（基础模型）这一层吗？比如Physical Intelligence从一开始就想只做智能层、不碰硬件，你们没有往这个方向考虑过？ Jason：一开始没有硬件，肯定先买别人的机械臂尝试，把模型做起来，但我们从一开始就有做硬件的打算。把硬件做好要花很长时间，所以最近才把最新

匹配字段正文

席科学家。他还担任 OpenAI 独立安全与保障委员会主席，并且是 OpenAI 基金会董事会成员。 今年 5 月，Gray Swan 宣布完成 4000 万美元 A 轮融资，由 Wing Venture Capital 和 Madrona 共同领投。 Fredrikson 表示，今年年初 Gray Swan 约有 15 名全职员工，专门与前沿实验室合作，在模型发布前对其进行评估。目前公司有 66 名员工，并且在过去九个月里，已开始与大型企业就其自身的 AI 部署展开合作。 Arena 的洞察有助于为 Gray Swan 的商业产品提供支持：Shade 是一款持续测试 AI 系统漏洞的产品，Cygnal 则在运行时检测并阻止攻击。 Fredrikson 表示，Gray Swan 并不直接基于 Arena 数据训练，而是分析哪些攻击有效，以构建更好的自动化攻击者。他说，AI 攻击者如今在快速找到一种攻击的多种变体方面已胜过人类。但他表示，在提出真正全新的越狱策略方面，“人类仍然占据优势”。Fortune Daily 打破了受众与新闻编辑部之间的传统壁垒。该节目将《财富》值得信赖的报道转化

匹配字段正文

完整性分数最低（34%）。Claude Sonnet 5.5（max with fallback）在完整性上领先（63%） 完整排行榜请见此处： 宣布推出 AA-PersonalityBench：衡量 AI 模型的沟通方式 AA-PersonalityBench 衡量 AI 模型的个性和沟通风格。由 LLM 评审组成的小组按 30 项个性特质对答案进行两两比较，这些特质汇总为 8 项个性指数，同时直接从每个回复中测量 21 项沟通特征。 2026年10月19日 Reflection 发布了 Beam，这是他们的首次模型发布 Reflection 的首个模型 Beam 在 Artificial Analysis 智能指数上得分为 30，在美国开放权重模型中排名第 2 2026年10月16日 在 AA-AgentPerf 上，NVIDIA Vera Rubin NVL72 每兆瓦的总吞吐量最高可达 GB300 NVL72 的约 5.7 倍，首批结果涵盖 DeepSeek V4 Pro、DeepSeek V4.1 Flash、GLM-5.2 和 Kimi K3。 2026年10月15日$/$

匹配字段正文

完整结果位于 AA-PersonalityBench 评估页面，每项特质和指数都有独立页面 方法论页面记录了完整实现，包括评审提示词、Elo 拟合以及指数的计算方式$/$ HealthBench 与 HealthBench Professional：在真实健康对话中评估模型 我们推出 HealthBench 和 HealthBench Professional 排行榜，这两个基准评估 AI 模型在真实健康对话中的回应方式 2026 年 10 月 19 日 Reflection 发布 Beam，这是他们的首次模型发布 Reflection 的首个模型 Beam 在 Artificial Analysis 智能指数上得分 30，在美国开放权重模型中排名第 2 2026 年 10 月 16 日 NVIDIA Vera Rubin NVL72 在 AA-AgentPerf 上每兆瓦总吞吐量最高可达 GB300 NVL72 的约 5.7 倍，首批结果涵盖 DeepSeek V4 Pro、DeepSeek V4.1 Flash、GLM-5.2 和 Kimi K3。 2026 年 10 月 15 日

匹配字段正文