AI审计者的显微镜，是被告造的
穷奇观察分析了近期四起AI安全事件，指出AI审计工具存在结构性盲区、易被优化对象带偏，且依赖供应商提供的钥匙。文章探讨了译本、显微镜、火星文和对账五个维度，揭示可读性正从公共品变为私产，并提出三条可能的出路。
推荐理由：AI审计工具的盲区、被带偏和依赖供应商钥匙，揭示可读性正从公共品变为私产，审计者需重新定义权力边界。
内容形态
模型发布 最新动态
新模型的发布、开源与迭代：大模型厂商的旗舰更新、开源权重放出、性能与价格变化的第一时间记录。
125 条精选近 30 天 114 条共收录 571 条
更新
模型发布的精选
钛媒体精选AI 评分8585 IT之家精选AI 评分8585 月之暗面发布Kimi K3.1 Pro：3万亿级参数模型编程智能体测评超GPT-6
月之暗面正式推出Kimi K3.1 Pro系列首个模型，这是公司迄今能力最强的3万亿级参数模型，支持100万上下文。在Terminal-Bench 4.0编程智能体测评中，K3.1 Pro得分65.7%，超过GPT-6 Astra的58.2%；在3D建模方面，BenchCAD基准测试得分92.7%，接近Claude Opus 5.5的96.2%。
推荐理由：编程智能体测评超越GPT-6，3D建模能力接近Claude Opus，事实错误率大幅降低，显示中国模型在专业领域快速追赶。
The Decoder精选AI 评分7676 月之暗面发布 Kimi K3.1 Pro 模型，性能接近 Claude Opus 5.5
月之暗面发布了 Kimi K3.1 Pro 模型，在 Artificial Analysis Intelligence Index 上获得 55 分，排名第四，仅落后于 Claude Opus 5.5(58分)、Claude Sonnet 5.5(56分)和 Muse Wonder Full(56分)。
推荐理由：Moonshot AI 的 Kimi K3.1 Pro 在推理能力上逼近顶级闭源模型，开源版若如期发布将大幅缩小性能差距。
量子位精选AI 评分8585 高德发布首个基于开放世界行为的全身基座模型λ0
高德发布首个基于开放世界行为的全身基座模型λ0，该模型仅依靠人类行动数据即可让机器人学习全身协调，数据采集效率约为主流方法的3.4倍，真机任务成功率提升22.5%。
推荐理由：无本体采集让机器人学习效率提升3.4倍，全身协调能力突破局部动作瓶颈，为开放场景任务提供新路径。
量子位精选AI 评分8181 模思智能开源MOSS-Image生图模型海外爆火
模思智能和OpenMOSS团队开源的MOSS-Image生图模型上线4天在海外社区收获130万次下载，登顶Hugging Face文生图趋势榜。该模型基于5B参数DiT主干，重点优化了中英文文字渲染、布局控制和复杂长Prompt支持能力，在LLTB评测中文本覆盖率达96.3%。
推荐理由：国产5B模型靠自然画风和文字渲染能力在海外爆火，社区4天开发出多种衍生版本，验证了小模型也能解决复杂设计需求。
量子位精选AI 评分8585 达瓦科技Scenes AI实时世界模型获NVIDIA创业企业奖
达瓦科技凭借实时世界模型产品Scenes AI在2026 NVIDIA创业企业展示半程展示中拿下卓越企业奖。该模型采用控制层做重、生成层做轻的架构，可在单张RTX显卡上实现720P、25帧的实时输出，目标编辑成功率达98.2%。
推荐理由：从重画下一帧到更新世界状态，达瓦科技用34B模型在消费级显卡上实现实时世界模型，为影视直播等领域提供新路径。
AWS Machine Learning Blog精选AI 评分7575 AWS SageMaker AI多轮强化学习实践指南
AWS发布多轮强化学习(MTRL)教程，指导用户如何在SageMaker AI上训练AgentCore智能体，使其能够处理需要序列决策的任务。教程以Wordle游戏为例，展示了从环境部署、数据准备到模型训练和评估的完整流程，使用GPT-OSS-20B模型将解决率从61%提升到84%，训练成本约339美元。
推荐理由：多轮强化学习让模型从单次回答转向序列决策，AWS教程展示了如何用SageMaker训练AgentCore智能体。
Latent Space精选AI 评分8585 AI数学能力突破：人类与机器解题方式的根本差异
OpenAI和Anthropic近期在数学难题上取得突破，包括单位距离猜想反例、CDC问题证明、纳维-斯托克斯方程证明等。作者分析了AI与人类在数学问题解决上的根本差异：人类采用广度优先搜索，受限于时间和心理成本；AI则采用深度优先搜索，通过大量并行计算和自动验证器快速探索各种可能性。AI的优势在于能长时间探索看似无望的方向，而人类专家则受限于工作记忆、士气和职业风险。
推荐理由：AI数学突破揭示人类与机器解题的本质差异：深度优先搜索与并行计算让AI能探索人类不敢涉足的'危险水域'。
雷锋网精选AI 评分8181 月之暗面发布Kimi K3.1，成本仅为GPT-6 Astra的1/14
月之暗面即将发布Kimi K3.1模型，在3D图形生成、视觉推理和前端代码领域表现突出。该模型在开源3D图形库Three.js上表现出色，成本仅为Kimi K3的70%，Token效率全面升级。实测显示，Kimi K3.1能在15分钟内交付工业级可交互3D资产，成本仅为GPT-6 Astra的约1/14，在视觉领域展现出不输于美国顶尖闭源模型的实力。
推荐理由：15分钟交付工业级3D资产，成本仅为GPT-6 Astra的1/14，国产模型在视觉领域实现突破性进展。
The Decoder精选AI 评分7676 Anthropic 的 Claude 现可自动编写代码并证明其安全性
Anthropic 使用 Claude 数学证明现有代码的正确性，该模型在几周内生成了约1.8亿行数学证明代码，分析了来自123个开源库的测试程序，发现了数百个传统测试可能遗漏的bug。尽管证明仅在特定条件下有效，且计算成本高昂，但 Anthropic 认为这将改变软件开发流程，并计划将此技术应用于关键基础设施。
推荐理由：Claude 自动生成数学证明验证代码安全，将传统需20人年的工作压缩至数周，但严格限制条件仍存挑战。
钛媒体精选AI 评分7878 Mirendil发布千亿参数编码模型Mirendil-Base
Mirendil发布编码专用基座模型Mirendil-Base，参数量1000亿～5000亿，由1名研究员和Agent团队在三个半月内完成训练，成本不到1000万美元。模型在部分编码指标上已接近Kimi K3、GLM-5.3等主流模型，99%代码由Agent生成。
推荐理由：一人训练千亿参数模型展示了AI辅助研发的突破，但成本与人才门槛仍将限制其普及。
钛媒体精选AI 评分8585 Gemini 4 Argon Token消耗量暴涨3倍，谷歌CEO首谈砍掉3.5 Pro内幕
Google最新旗舰模型Gemini 4 Argon上线72小时处理近25万亿Token，消耗量是上一代Gemini 3.0同期的3倍。Google CEO桑达尔·皮查伊在访谈中首次公开解释了Gemini 3.5 Pro为何神秘消失，以及DeepMind核心管理层变动的幕后原因。
推荐理由：Gemini 4 Argon上线72小时处理25万亿Token，谷歌CEO首次披露砍掉3.5 Pro内幕，模型迭代与算力博弈成焦点。
Hugging Face Blog精选AI 评分7575 Hugging Face 发布 OlmoEarth v1.3 卫星嵌入模型
Hugging Face 发布 OlmoEarth v1.3 卫星嵌入模型，提供预计算的全球年度嵌入向量（10米分辨率，64和128维度），并推出基于浏览器的 OlmoEarth Embeddings Explorer 工具。该模型在27项评估中超越 AlphaEarth Foundations 和 Tessera v2，训练成本仅为前版本的53%，碳排放减少50%。
推荐理由：预计算全球卫星嵌入向量让遥感分析从GPU依赖变成轻量级任务，效率提升的同时降低了技术门槛。
Google DeepMind精选AI 评分6565 Google DeepMind 发布全球森林类型地图 ForTy 2020
Google DeepMind 与合作伙伴发布 Forest Typology (ForTy) 2020 全球地图，以10米分辨率将地球森林分为六类，并跟踪2017-2025年变化。该地图准确率达90%，帮助区分自然林、人工林和农场，支持欧盟无毁林产品监管。
推荐理由：10米级森林类型地图让自然林与人工林首次可区分，为监管提供精准基线，但精度与成本平衡仍是挑战。
量子位精选AI 评分7676 蚂蚁数科发布决策模型 LingDT-Decision-1.0
蚂蚁数科发布决策模型 LingDT-Decision-1.0，提供4B和27B两个版本，在23项开源评测基准中综合评分超过Microsoft-Decision-1、Jev 1.13等热门决策模型。该模型专为快速决策打造，在处理结构化决策任务时准确率更高、响应更快、Token成本更低，首创支持原生多选与按序决策能力。
推荐理由：原生多选与按序决策让决策模型更贴近企业真实业务流程，接下来看它如何在实际场景中替代传统大语言模型。
IT之家精选AI 评分7878 Anthropic 平台工程团队全面采用 Claude 编码
Anthropic 平台工程团队负责人 Katelyn Lesse 表示，团队所有代码均由 Claude 生成，工程师转向系统设计与验证工作。团队已让 AI 智能体自主修复测试，并探索允许智能体直接修改代码库的方式。数据显示，Claude 编写的代码占公司生产代码库的 80% 以上，公司技术部门初级员工占比从 21% 降至 14%。
推荐理由：Anthropic 平台工程团队全面采用 Claude 编码，标志着 AI 智能体从辅助工具向自主开发者的角色转变。
量子位精选AI 评分7878 星辰意图理解模型Xing4.0-29B-Intent发布
中国电信人工智能科技有限公司星辰通用人工智能实验室发布并开源意图理解专用模型Xing4.0-29B-Intent，同步开放275万条训练语料、模型权重与推理镜像。模型将意图识别与参数抽取结合，支持结构化输出，已在电信万号客服、智能家居音箱等终端产品中应用。评测显示，该模型在意图分类、实体检测等任务上表现优于18款市面主流通用模型。
推荐理由：专用小模型在意图理解上超越通用大模型，证明垂直场景的轻量化模型有独特价值。
Hugging Face Blog精选AI 评分6565 IBM 发布 Granite Timeseries Ensemble 时间序列预测模型
IBM Research 发布 Granite Timeseries Ensemble，结合四种互补架构的时间序列模型，提供概率集合和四分位范围集合两种预测方法，无需重新训练即可获得中位数和分位数预测结果。该模型在 GIFT-Eval 数据集上表现优于单个成员模型，并支持扩展添加其他兼容预测器。
推荐理由：IBM 发布 Granite Timeseries Ensemble，将四种互补架构合并为一个预测接口，减少模型选择的不确定性。
IT之家精选AI 评分7676 讯飞星火 X2.6 端云一体大模型发布，首次基于全国产算力实现代码和智能体能力突破
科大讯飞发布讯飞星火 X2.6 端云一体大模型，首次基于全国产算力实现代码和智能体能力突破。星火 X2.6-4B 开源端侧大模型下载量已进入全球端侧模型前四，采用 293B-A30B 参数的 MoE 架构，上下文长度拓展至 1M，推理定价为输入 0.9 元/百万 tokens，输出 3.6 元/百万 tokens。
推荐理由：国产算力训练的星火X2.6实现代码和智能体能力突破，端侧模型进入全球前四，国产芯片长程任务效率瓶颈被攻克。
NVIDIA Blog精选AI 评分7575 NVIDIA 推出 Earth-2 开源气象模型家族
NVIDIA 发布 Earth-2 开源 AI 模型家族，包括 StormScope EU 等区域模型，支持全球天气预测、区域预报和环境研究。AXA、Vaisala Xweather、曼彻斯特大学等机构已将其应用于气旋风险评估、空气质量建模和太阳能预测等领域。
推荐理由：开源气象模型家族让欧洲本地化预报成为可能，接下来看各行业如何结合专有数据创造新应用。