搜索“模型发布”

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

以编程方式通过 SageMaker Python SDK，或使用最近推出的深度链接集成直接从 Hugging Face 访问 SageMaker JumpStart。 2026 年新增模型概览 从 2026 年 1 月到 9 月，SageMaker JumpStart 新增了来自 30 个不同提供商的 100 多个模型。这代表着目录的显著扩展，其驱动力是开源模型发布步伐的加快，以及客户对跨模型架构、规模和能力的选择需求日益增长。 以下是主要贡献者的细分情况以及我们的 SageMaker JumpStart 页面: Alibaba（Qwen）： 29 个模型 ，涵盖推理（Qwen 3.8-27B）、大规模混合专家（Qwen3.5-122B-A10B）、智能体工作流（Qwen-AgentWorld-35B-A3B）、代码生成（Qwen3-Coder-Next、Qwen 3 Coder 30B）、语音识别（Qwen3-ASR-1.7B）、文本转语音（Qwen3-TTS）、嵌入（Qwen3-VL-Embedding-2B）和重排序（Qwen3-Reranker-4B）。 NVIDIA： 17

匹配字段正文

d 上得分 84.3%，并在 OCRBench 和 MMMU Pro 的图像理解上保持在 80% 以上（图 3）。作为校验，我们还在广泛使用的开源推理引擎 SGLang 上运行了相同的权重，得分一致。你在 Fireworks 上调用的模型，表现与 Meta 构建时一致。 Filevine 创立于美国西部。我们相信前沿应当开放。与 Fireworks 和 Meta 合作，意味着 Filevine 能够为法律行业开辟新的可能性，而无需在质量与成本之间妥协。——Filevine 联合创始人兼 CEO Ryan Anderson 图 3：Muse Spark Open 在 Fireworks 上的表现。智能体结果取决于测试框架，不能直接与 Meta 报告的数字相比较。 如何立即开始构建 Muse Spark Open 现已在我们的无服务器 API 上提供，运行于仅限美国的容量，且不收取美国区溢价。当前定价请参见 Muse Spark Open 模型页面。 想针对你的用例定制 Muse Spark Open？试试我们的无服务器训练 API，或联系 Fireworks Lab 获取帮助。 模型发布

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

元，输出价格为4元。若输入缓存命中，每百万Token输入价格在高峰时段为0.04元，空闲时段为0.02元，综合成本约为Kimi K3的1/10。 Arena发布的对比图显示，DeepSeek-V4.1-Flash-1017进入了Code Arena的“帕累托前沿”，即图中的绿色折线，这说明目前没有其他模型能同时做到比它更便宜、且得分更高。 DeepSeek新模型发布后在海外引发广泛讨论。外媒The Information评价称，升级版DeepSeek-V4.1-Flash模型震动AI行业。 X平台上，截至今日12时，热搜话题“DeepSeek-V4.1-Flash以低成本提供前沿人工智能能力”下已有超58.2万条帖子；“登顶开源编程榜单”话题下也有超1.37万条帖子。 为了查看这款模型的实际编程表现，我们用DeepSeek-V4.1-Flash-1017制作了古代开封3D探索场景和网页赛车游戏两个案例。两项案例均一次性完成，合计花费约6元。 从实际效果看，DeepSeek新模型能够较为完整地将文字需求转化为可运行的网页作品：古代开封场景呈现出丰富的建筑层次与空间感，赛车游戏则兼顾了视觉

匹配字段正文

月17日下午，DeepSeek发布新模型版本DeepSeek-V4.1-Flash-1017。DeepSeek称，新模型在各方面的基准测试中取得了长足的提升，并在多个Harness（控制框架）下达到了新的性能-费用帕累托最优，即最佳性价比。 “帕累托最优”是经济学家帕累托提出的概念，即在资源分配中，达到让任何一个人变得更好都只能让另一个人变得更差的情况。在大模型发布中，性能-费用帕累托最优指无法找到比当前模型性能更强，且价格相等或更低的模型；在价格更低的模型中，也没有模型能力强于当前模型。所有帕累托最优模型共同构成帕累托前沿。随着国产大模型厂商更加重视性价比市场，智谱、阿里Qwen、阶跃星辰、小米MiMo和DeepSeek在近期新模型发布中纷纷强调“帕累托最优”和“帕累托前沿”的概念。 推荐进入财新数据库，可随时查阅公司股价走势、结构人员变化等投资信息。 财新机器人产业指数(RII)已发布，点击了解行业动态 上一篇：T早报｜DeepSeek发布V4.1 Flash新版本；中国限制或禁止出口AI、光伏、生物医药三领域40项技术；特朗普否认白宫限制乌克兰使用星链下一篇：中国限制或禁止出口A

匹配字段正文

ne、Brookfield、Goldman Sachs和KKR——设立融资平台，可为建设人工智能基础设施的公司调动超过5000亿美元资金。这是一家公司从制造芯片转向统筹人工智能更广阔竞争格局的最新举措，也表明这家全球市值最高公司的增长，既取决于下一项重大工程挑战，也取决于客户是否还能继续买得起它的产品。 这也指向人工智能更广泛的发展方向。尽管全世界都在痴迷于模型发布、芯片能力和数据中心容量，但越来越决定谁能参与竞争的变量其实很简单：钱。公司与国家之间人工智能竞赛的下一阶段，将在很大程度上取决于谁能为此买单；重心正从前沿实验室转向信贷部门。谁能以低成本、大规模地筹集资本，谁就能定下节奏，而这场竞赛仍然有利于美国，因为其资本市场比任何其他地方都更深。对中国和欧洲而言，缩小技术差距的道路要经过金融这道关。 技术革命往往因其技术而被铭记：蒸汽机、铁路、互联网。同样重要的是让它们成为可能的金融机制：股份公司分散了远洋贸易航程的风险；早期的债券和股票市场在铁路尚无法产生回报时就为其融资；风险投资为太新、无法从传统投资者那里筹资的公司提供了高风险资金。 人工智能正迎来属于自己的这一时刻。半个世纪以来

匹配字段正文

卞纯 2026-10-18 08:57 ①韩国财政部长李炯日周六表示，半导体行业的繁荣势头至少将持续到2027年； ②他表示，半导体的供需缺口仍然非常大，而且供应端仍在持续扩张； ③在他发出上述言论之际，受投资者对美联储加息以及行业竞争加剧的担忧影响，在刚刚过去的交易周，半导体板块大幅下跌。 “AI缺钱”风暴席卷市场！Meta财报打头阵，产业巨额投资迎“信心大考” 科创板日报 郑远方 2026-10-17 15:10 ①Meta将成为这轮“AI缺钱”质疑浪潮中第一家接受市场审视、检验AI资本开支成效的美股科技巨头。 ②本轮财报季最值得关注的事项之一，是超大规模云服务商的盈利能力的提升速度，能否超过资本开支增速。 ③市场震荡的背景下，产业链本身相对而言却依旧保持着较为乐观的态度和动作。 Anthropic秘密游说国会 推动制定前沿AI监管法案 科创板日报 2026-10-17 09:52 ①在AI发展陷入争议的当下，Anthropic正谋求将自身主张纳入AI监管规则。 ②根据草案，只有当某个模型可能造成超过10亿美元损失、或导致50人以上死亡或严重受伤时，政府才可以叫停该模型发布或使用。

匹配字段正文

里从低谷走向翻盘的全过程。 为了这篇稿件，Shipper 用数月时间采访了六位 Codex 核心参与者： OpenAI 总裁兼联合创始人 Greg Brockman Codex 负责人 Thibault Sottiaux（也就是 Tibo） Codex 前产品负责人 Alexander Embiricos Shipper 本人也是亲历者：Every 长期在新模型发布前获得测试权限并发布「Vibe Check」评测，GPT-5 发布前夜，他就坐在 OpenAI 的办公室里。 这篇报道的形式也很特别。Shipper 称之为「智能体原生（agent-native）」稿件：六场采访的完整文字稿全部随文附上，点击任意一句引语都能跳到原始对话，读者还可以让自己的智能体去交叉比对文字稿、提炼产品经验，甚至挖出作者遗漏的洞见。据 Every 介绍，这篇报道本身也是借助 Codex 采写完成的。 文中值得玩味的细节不少。如今的 ChatGPT 桌面应用，在 Mac 系统里报给自己的名字仍是 com.openai.codex，Codex 是从内部「吞掉」了 ChatGPT。外界以为 Codex 拥有独立模

匹配字段正文

智东西10月17日报道，刚刚，DeepSeek V4.1 Flash更新至V4.1-Flash-1017版本，官方网页端、App与API已同步更新至新模型，模型权重也已在HuggingFace和ModelScope开放下载。DeepSeek还向公众开放自研搜索引擎的Search（搜索）与Fetch（抓取）API，两个接口均定价为5元/千次。 此次更新距离该模型发布仅过去一个多月。9月10日，DeepSeek正式推出V4.1-Flash，在性能上超越了DeepSeek-V4-Pro。 开源地址： HuggingFace: ModelScope: 模型更新主要围绕性能、任务执行效率和完整项目开发能力展开。DeepSeek称，相比上一版本，新模型在多项基准测试中取得提升，同时缩短了任务运行时间与输出长度，让用户以更低成本、更快速度完成任务。 在衡量软件工程能力的DeepSWE、业务自动化能力的Automation-Bench、复杂任务执行能力的Agents’ Last Exam，以及专业知识工作能力的Apex Bench四项测试中，新模型展现出较大优势，领先Kimi K3、GLM 5.3、

匹配字段正文

DeepSeek 叕发布了一个「小」版本：DeepSeek V4.1-Flash-1017，在性能、速度、输出长度三个维度同时改进，同时将内部搜索引擎以 Search & Fetch API 的形式正式商业化，并深度绑定自家及 WorkBuddy 等第三方 Agent 编程工具生态。 模型发布：一次“小步快跑”式迭代 V4.1-Flash-1017 是对既有 DeepSeek-V4.1-Flash 的增量更新，采用日期后缀命名，属于快速迭代节奏下的版本推进，而非架构换代。 公告强调的三个改进方向「更强的基准表现、更快的任务完成、更短的输出」，第三点尤其值得注意。模型输出冗长是当前推理模型普遍的成本痛点：同样的任务，输出 token 越少，延迟和费用越低。“性能更高 + 输出更短” 同时成立，才是其所说的“性能与成本的帕累托改进”的真正含义。 训练方法：RL with self-feedback 新模型使用“带自我反馈的强化学习”来提升端到端项目开发能力（从游戏开发到 3D 建模）。这意味着训练目标不再是对话轮次的质量，而是完整任务的最终结果：模型自己生成反馈信号来修正多步骤、长周期的工

匹配字段正文

本来以为是 AI 模型发布更新太快的时间错觉，查了一下，确实有几家超过 3 个月没发了。 字节：Doubao-Seed-2.1-Pro 6月23日发布，快 4 个月没发！ MiniMax：MiniMax-M3，6月2日发布，超 4 个月没发！ 月之暗面：Kimi-K3 6月13日发布，超 4 个月没发！ 百度：ERNIE 5.1 4月29日发布，快半年没发！

匹配字段正文

财联社 财经通讯社 打开APP Anthropic秘密游说国会 推动制定前沿AI监管法案 科创板日报 责编 曲伟治 2026-10-17 09:52 ①在AI发展陷入争议的当下，Anthropic正谋求将自身主张纳入AI监管规则。 ②根据草案，只有当某个模型可能造成超过10亿美元损失、或导致50人以上死亡或严重受伤时，政府才可以叫停该模型发布或使用。 《科创板日报》10月17日讯 警告AI失控风险、呼吁暂停前沿AI研发之后，Anthropic又有了新动作。 据最新报道显示，日前Anthropic的代表私下向美国国会议员介绍了一份法案草案，该草案意在监管前沿AI安全。这也意味着，在AI发展陷入争议的当下，这家AI巨头正在采取一系列措施，试图影响事关自家技术监管的规则制定。 Anthropic一位发言人表示，“这项法案体现了我们在《高级人工智能框架》中提出的建议。自今年6月以来，我们一直在推动联邦和州层面的立法者采纳这些建议。我们认为这些政策合理可行，国会应当采取行动。” 根据法案草案，只有当某个模型存在“可预见且迫在眉睫的风险”，可能造成超过10亿美元损失，或导致50人以上死亡或严重受伤

匹配字段正文

工作流程是否让受访者尽可能高效：2024 年末有 44% 的员工表示同意；到 2025 年 11 月升至 58%（2026 年 4 月，75% 的人回答“是”，但该问题因删去“尽可能”而有所弱化）。截至 8 月，Anthropic 员工预计到 2030 年 AI 将能完成其 75% 的工作，而其他美国人的这一比例为 28%。 这些不断攀升的生产力预期，因内部模型发布的节奏而更加戏剧化。一旦有新模型可用，Anthropic 员工就开始在交互式编码智能体会话中处理更难的问题。我们用自动化的 Claude 评分器来衡量这一点，它根据深度、范围以及涉及的系统数量，对去标识化会话的任务要求进行评分。难度高于旧模型第 90 百分位的任务占比急剧上升约 30%（从全部任务的 10% 升至 13%），并在模型发布后的数周内保持高位。交给智能体的简单任务一端则变化不大。 智能体生产力不断螺旋上升，转化为倾泻在人类屏幕与注意力上的产出。一位工程师将其比作照看孩子： 他们会说，我需要有人帮我打开果汁盒，而打开果汁盒是一件紧急的事。而这种诉求所表达的关切程度，与一个割破手指、正在流血的人完全相同。[...]

匹配字段正文

周内就匹配了其大部分基准性能。三周。前沿实验室花费数十亿美元换来的溢价，在不到一个月内就被套利掉了。 现在想想萨姆、达里奥和埃隆。三个彼此公开厌恶的人，却一致公开表示所有人都应该放慢脚步。他们的共同利益是什么。他们花钱打造昂贵的模型。别人免费复制，甚至在训练成本还没收回之前就用更低的价格抢走市场。要求模型训练过程透明可追溯的监管，就是对这个问题的答案。在前沿模型发布上协调暂停，同时业界想办法阻止蒸馏，就是对这个问题的答案。让伪造品更难生产，就是对这个问题的答案。这读起来更像是在保护护城河，而不是在警告生存风险。 证据就在发布节奏上。如果这三位CEO中任何一位真的相信自己的模型正在接近意识、构成灭绝风险，他们就会放慢脚步。可他们发布模型的速度比以往任何时候都快，因为他们不能让蒸馏者把付费产品甩得太远。公开声明说的是一回事。行为说的是另一回事。当两者冲突时，相信行为。 那些告诉参议院自己的产品可能终结人类的创始人，正以史上任何软件公司都未曾有过的速度出货这些产品。要么他们不相信自己的证词，要么这份证词在发挥的作用和它看起来的作用并不一样。 解释三。“挣脱束缚”的叙事是范畴错误。 不断奏效的

匹配字段正文

境卖家与广告代理商，打开B端收入通道。 但问题同样明显，爱诗科技要面对Meta、Google的平台监督，也要与Marpipe、Creatify等原生工具争夺份额。在整条价值链中，PixVerse的地位低于短剧领域，一旦广告效果不佳，商家首先削减的是素材生产预算。 最核心的风险来自于技术变革。工具层的技术迭代，很难甩开模型进化一个身位。今天的差异化功能，下一代模型发布后可能变成标配。 独立平台能在某个环节领先一个版本周期，却很难在字节同时握有模型、工作台、流量、激励的组合下，守住第二个。 本文来自微信公众号“数智奔流”，作者：白笈，36氪经授权发布。 该文观点仅代表作者本人，36氪平台仅提供信息存储空间服务。+143 好文章，需要你的鼓励数智奔流特邀作者8收 藏+10评 论打开微信“扫一扫”，打开网页后点击屏幕右上角分享按钮微 博沉浸阅读返回顶部举报参与评论评论千万条，友善第一条登录后参与讨论提交评论0/1000你可能也喜欢这些文章PS、PR被AI重做了，摄影后期软件要变天了？苦熬三年的刘庆峰，“孤勇者”等待翻盘Kling 4.0发布，可灵AI的估值凭什么反超母体快手？Anthropic

匹配字段正文

件研发和复杂Agent任务。 在第三方评测机构Artificial Analysis的公开测试中，Ling-3.1-flash智能指数为41，输出速度约为每秒210 Token，混合调用价格约为每百万Token 0.19美元（约合人民币1.27元），Ling-3.1-flash在保持较高智能水平的同时，兼顾较快的输出速度与较低的调用价格，展现出性价比优势。 模型发布后，智东西结合编辑部的日常工作，围绕办公和复杂Agent任务展开实测，观察Ling-3.1-flash从理解需求、调用工具到交付成果的实际表现。 实测中，Ling-3.1-flash在财报分析和工作信息整理上交付清晰、可用，生成的网页图表直观、交互流畅；在3D场景和移动端应用开发中，也能完成场景搭建、页面设计及功能实现，表现出较完整的任务执行能力。 科技报道常常需要查阅财报，分析公司的营收、净利润、资本开支等指标。手动查找数据、整理图表既费时，也容易在单位和口径上出错。于是，我们将这项工作交给了Ling-3.1-flash。 我们让它查找Meta、微软、Alphabet的最近三年财报，对比收入、利润、经营现金流和研发投入，并

匹配字段正文

至 2026 年 10 月 14 日，Ling 3.0 系列官方模型及社区适配仓库的近 30 天滚动下载计数接近 100 万次。社区讨论 中，开发者认可多工具调研体验，也提醒复杂代码仍需检查。感谢大家持续试用与分享；这些实践为 Ling-3.1-flash 开源后的业务应用提供了参照。 04 从在线体验到本地部署 Ling-3.1-flash 目前提供限时 2.5 折优惠。欢迎通过如下入口体验和使用模型，在具体任务中验证效果。 需要在自有环境部署的开发者，可前往 Hugging Face 或 ModelScope 获取开源权重，查看模型说明。 活动价格（每百万 Token）： OpenRouter（美元计价）： 输入 $0.30 $0.075；输出 $0.90 $0.225；缓存读取 $0.06 $0.015。 Ling Studio（人民币计价）： 输入 ¥2 ¥0.5；输出 ¥6 ¥1.5；缓存读取 ¥0.4 ¥0.1。 各渠道的优惠时间和实际计费以平台页面为准。 05 附录 | 更多任务评测结果 模型发布技术分享下一篇Ling-3.1-flash：面向真实世界任务的模型升级$/$

匹配字段正文