Claude.dev BlogClaude Sonnet 5.5 开发指南
Claude Sonnet 5.5 是 Claude 5.5 家族继 Opus 5.5 后的第二款模型，相比 Sonnet 5 更智能、高效且速度提升 30%，但每 token 价格不变，因典型任务 token 消耗减少最多达 30% 而降低成本。
实时
#多模态
- Claude.dev Blog
小米 MiMo · Hugging Face 新模型Xiaomi MiMo/MiMo-V2.6-Flash-MOPD 发布
Xiaomi MiMo 团队发布 MiMo-V2.6-Flash-MOPD 模型，通过融合多个领域专家教师，提升长时程游戏开发、科研和具身智能等领域的可靠训练验证能力，并有效缓解了工具调用重复问题。
- 小米 MiMo · Hugging Face 新模型
XiaomiMiMo/MiMo-V2.6-Pro-MOPD 发布
XiaomiMiMo/MiMo-V2.6-Pro-MOPD 融合多个领域专家教师，扩展到长时程游戏开发、科学研究等可靠训练验证困难的领域。
Anthropic ResearchAnthropic 的 Claude 成功计算 N=4 超杨-米尔斯理论九圈幅角。
Anthropic 的 Claude 成功计算 N=4 超杨-米尔斯理论九圈幅角，突破此前两圈的计算极限，该模型基于 LLM 技术并采用 CoT 推理方法。
Google DeepMindGemini 3.8 Live with Live Avatar 发布，将实时视觉呈现融入对话 AI
Gemini 3.8 Live with Live Avatar 发布，通过将实时视频生成与语音原生耦合，为 Gemini 对话 AI 增强近实时视觉呈现能力，支持 97 语言同步，可在 Gemini Enterprise 中使用。
- Anthropic Research
Project Swap：智能体在市场交易中的表现与挑战
在 Project Swap 实验中，201 名 Anthropic 员工通过 Claude 智能体进行书籍交易，61% 的智能体能准确匹配员工偏好。智能体在交易中表现良好，但效率受限于信息不足。实验表明，模型性能比指令对智能体谈判结果影响更大，多数参与者对交易所得书籍满意，并愿意支付年度预算约三分之一的费用让 Claude 处理交易。
Microsoft ResearchMicrosoft Research 探索将物理 AI 推理卸载到边缘或云 GPU 的优势。
将物理 AI 推理卸载到边缘或云 GPU 可显著提升机器人任务成功率、支持更大模型并延长电池寿命。在移动操作任务中，卸载推理使机器人响应速度和准确性提升，电池续航增加，成本降低。Microsoft Research 开发了基于 Kubernetes 的工具集，支持在机器人、边缘设备和云端进行分布式推理部署。
- 小米 MiMo · Hugging Face 新模型
小米 MiMo 发布 MiMo-V2.6-Distill-Qwen-9B 开源模型
小米 MiMo 通过在 MiMo 生成的数据上对 Qwen3.5-9B 进行监督微调，发布了 9B 参数的智能体模型 MiMo-V2.6-Distill-Qwen-9B，涵盖编码、通用智能体任务、视觉编码和网络安全领域。
阶跃星辰 · Hugging Face 新模型阶跃星辰 Step-5-Preview-BF16 模型发布
阶跃星辰发布旗舰模型 Step-5-Preview-BF16，600B 总参数、27B 活跃参数，支持高达 1M 上下文窗口，在软件工程、专业知识工作及金融领域表现突出，可处理文本、图像和视频，通过 OpenAI 兼容 API 或离线生成部署。
- 阶跃星辰 · Hugging Face 新模型
阶跃星辰 Step-5-Preview 模型发布：600B 参数的稀疏 MoE 架构
阶跃星辰发布旗舰模型 Step-5-Preview，采用 600B 总参数、27B 活跃参数的稀疏 MoE 架构，支持高达 1M token 上下文，兼顾软件工程、专业知识和金融任务，在 DeepSWE v1.1 评测中表现优异。模型可通过 vLLM 或 SGLang 以 OpenAI 兼容 API 方式部署，或使用 Transformers 进行离线生成。
- Google DeepMind
Google DeepMind 推出 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 大型语言模型
Google DeepMind 推出 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 大型语言模型，前者专为规模和成本效益设计。
Google · Hugging Face 新模型谷歌发布EmbeddingGemma 2多模态嵌入模型
谷歌发布了EmbeddingGemma 2，一个包含740M参数的多模态嵌入模型，支持文本、图像、视频和音频的统一768维向量表示。该模型可在消费级硬件上运行，提供低延迟的语义表示，适用于搜索、检索增强生成等应用。EmbeddingGemma 2在多项基准测试中表现出色，如文本、代码、视觉文档和音频嵌入基准测试，且支持向量截断以减少存储需求。
DeepSeek · Hugging Face 新模型DeepSeek-V4.1-Flash 发布：552B 参数多模态 MoE 模型，上下文高达百万 token
DeepSeek-V4.1-Flash 是一个 552B 参数的多模态 MoE 模型，支持高达一百万 token 的上下文，原生处理图像和文本并自回归生成文本。它采用 Causal Encoder-Decoder 架构，通过 CSA2 和 FP4 主 KV 缓存等技术将全局 KV 缓存占用降至 890 字节/token，相比 DeepSeek-V4-Flash 减少 75%。
- DeepSeek · Hugging Face 新模型
DeepSeek-V4-Flash-Vision-Exp 发布：首个实验性多模态模型
DeepSeek-V4-Flash-Vision-Exp 发布，DeepSeek-V4 家族首个实验性多模态模型，在 DeepSeek-V4-Flash 架构基础上集成视觉模块并持续训练以解锁视觉理解能力。
智谱 Z.ai · Hugging Face 新模型智谱 GLM-5.3-Flash 发布：首个原生多模态模型，320B 参数仅 18B 活性参数
智谱推出 GLM-5.3-Flash，首个原生多模态 GLM-5 系列，320B 总参数仅 18B 活性参数，基准测试与实际任务表现优于 GLM-5.2，价格仅为其十分之一，编码与智能体测试接近 Claude Opus 4.8
- 智谱 Z.ai · Hugging Face 新模型
智谱 GLM-5.3-BF16 发布：提升复杂编码与长时程任务能力
智谱 GLM-5.3-BF16 相较于 GLM-5.2 在 Z.ai Code Bench 上编码能力提升 50%，并在 Terminal Bench 3.0 和 Agents' Last Exam 等公共基准上达到开源模型最优；在 CyberGym 漏洞发现任务上表现顶尖，在 ExploitGym 利用基准上得分超倍提升。
- 智谱 Z.ai · Hugging Face 新模型
智谱 GLM-5.3-Flash 发布：首个原生多模态模型，320B 参数仅 18B 活性参数
智谱发布 GLM-5.3-Flash，首个原生多模态 GLM-5 系列模型，拥有 320B 总参数和 18B 活性参数，在基准测试和实际工作负载中超越 GLM-5.2，价格仅为其十分之一，编码和智能体基准测试接近 Claude Opus 4.8。
MiniMax NewsMiniMax H3 发布：通用多模态生成模型
MiniMax 发布 H3 模型，支持文本、图像、视频和音频的统一上下文理解，能生成带原生立体声的 2K 分辨率视频（最长 15 秒）。
Berkeley AI ResearchK-Search 如何将 CUDA 核心知识迁移到 Apple Silicon 的 MLX 平台
K-Search 通过 CUDA-to-MLX 结构化转换层，将 CUDA 核心知识迁移至 Apple Silicon MLX 平台，在 Attention 核心上实现与原生 MLX 0.97x 性能提升，Mamba SSM 核心上较社区实现 20x 预填速度提升。
MiniMax · Hugging Face 新模型MiniMax-H3 发布：通用多模态生成系统
MiniMax-H3 是一个通用多模态生成系统，支持统一理解文本、图像、视频和音频，能生成最高 2K 分辨率、最长 15 秒的带立体声音频的视频。其 H3-Context-IR 模块用于深度理解输入指令并转化为 H3-Base 可理解的中间表示，但未开源。H3-Base 和 H3-Regenerate-2K 模块分别负责 768p 和 2K 分辨率的音频视频生成，前者开源，后者需 API 调用。
- Berkeley AI Research
ABBEL框架：通过信念更新实现高效长程交互
ABBEL框架通过自然语言信念状态替代完整交互历史作为智能体的工作上下文，并利用信念评分机制监督每个信念状态的内容，在协作代码生成任务上使模型性能接近完整上下文模型，同时将峰值上下文token长度减少约75%，训练步骤减少50%。
- Anthropic Research
Anthropic 研究如何通过轴模型分析 Claude 大语言模型在不同语言中的价值观变化。
Anthropic 研究如何通过轴模型分析 Claude 大语言模型在不同语言中的价值观变化。Four key axes capture 15% of the variation in Claude's values。
Meta AI BlogMeta AI 发布 Muse Spark 1.1 多模态推理模型
Muse Spark 1.1 是 Meta Superintelligence Labs 最新发布的多模态推理模型，在工具和计算机使用、编码及多模态理解方面显著提升，支持百万 token 上下文窗口，通过 Meta Model API 对开发者开放公共预览，在 Meta 内部编码评测中超越 Muse Spark 并与领先替代方案持平。
- Meta AI Blog
Meta AI 发布 Brain2Qwerty v2，非侵入式脑机接口实时解码句子
Meta AI 发布 Brain2Qwerty v2，非侵入式脑机接口实时解码句子，词准确率达 61%；v1 训练代码及数据集开源，v1 数据集由合作方 BCBL 发布。
OpenAI Alignment BlogOpenAI 探索通过强化学习实现广泛且持久有益模型的路径
OpenAI 通过在真实场景中强化学习有益特质，使模型在数十个基准测试中表现出更佳的协同与有益行为，且效果泛化至训练域之外并能在对抗压力下持续。他们构建了一个包含健康、教育、科学等领域的真实对话数据集，用于训练模型展现诚实、认知谦逊、元认知透明度等特质，结果显示模型在奖励劫持、欺骗、有害建议等独立评估中均有显著改善，且对抗性提示或微调难以使其转向有害行为。
Moonshot AI · Hugging Face 新模型Kimi K3 发布：Moonshot AI 推出的 2.8T 参数开源多模态智能体模型
Kimi K3 是 Moonshot AI 发布的 2.8T 参数开源多模态智能体模型，采用 Kimi Delta Attention (KDA) 和 Attention Residuals (AttnRes) 架构。
- Moonshot AI · Hugging Face 新模型
Moonshot AI 的 Kimi K2.7 Code 模型发布
Kimi K2.7 Code 是 Moonshot AI 基于 Kimi K2.6 构建的编码专注型智能体，在真实长时程编码任务上改进显著，相比 Kimi K2.6 思考 token 使用减少约 30%。
- MiniMax · Hugging Face 新模型
MiniMax-M3-MXFP8 发布：原生多模态模型支持百万级上下文
MiniMax-M3-MXFP8 是一款拥有 1M 上下文窗口、约 428B 参数和 23B 激活参数的原生多模态模型，通过 MiniMax 稀疏注意力机制（MSA）实现 9 倍预填充和 15 倍解码速度提升。该模型在长时程智能体基准中表现领先，支持三种推理模式，可通过 Hugging Face 下载并使用 SGLang、vLLM 或 Transformers 框架进行部署。
ByteDance Seed · Hugging Face 新模型2828ByteDance Seed/SimArt 模型预训练权重发布
ByteDance Seed/SimArt 模型预训练权重发布，包含用于生成关节式 3D 对象结构（URDF 文件）的多模态大语言模型（MLLM）权重，以及用于编码解码 3D 零件几何形状到离散潜在空间的稀疏 VQ-VAE 模型权重。
Thinking MachinesThinking Machines 发布交互式 AI 模型：原生支持多模态实时协作
Thinking Machines 发布交互式 AI 模型研究预览，原生支持音频、视频、文本多模态实时交互，采用多流微步设计确保 3.5 倍速度提升，实现无缝对话管理、同步语音、时间感知等能力，突破传统回合制接口瓶颈。
- Berkeley AI Research
适应并行推理：高效推理扩展的下一个范式
适应并行推理让模型根据问题自行决定何时分解和并行化独立子任务、同时启动多少线程以及如何协调。现有方法如固定并行、启发式结构化搜索和蒙特卡洛树搜索等，均在模型外部决定并行结构。最新进展如 ParaThinker 和 GroupThink 等尝试让模型自适应选择并行策略，但决策仍受外部限制。
- Anthropic Research
Anthropic 分析用户如何向 Claude 寻求个人指导
Anthropic分析了100万个claude.ai对话，发现约6%的用户向Claude寻求个人指导，主要涉及健康与保健（27%）、职业与事业（26%）、人际关系（12%）和个人财务（11%）
- Berkeley AI Research
Berkeley AI Research 推出基于梯度的长时程世界模型规划器 GRASP
GRASP 是一种新的基于梯度的世界模型规划器，通过将轨迹提升到虚拟状态实现时间上的并行优化，通过向状态迭代中直接添加随机性进行探索，并通过重塑梯度使动作获得清晰信号，同时避免通过高维视觉模型产生脆弱的“状态-输入”梯度，使长时程规划成为可能。
- Moonshot AI · Hugging Face 新模型
Kimi K2.6发布：开源多模态智能体模型在长时程编码与自主执行中突破性能
Kimi K2.6 是一个开源多模态智能体模型，在长时程编码、编码驱动设计、主动自主执行和群组任务编排方面取得显著进步。它拥有 1 万亿参数，上下文长度达 256k tokens，在 HLE-Full 基准测试中达到 54.0 分，在 BrowseComp（智能体群组）基准测试中达到 86.3 分，并支持 300 个子智能体并行执行 4,000 个协调步骤。
LangChain Blog开源大语言模型已跨越关键阈值
开源大语言模型 GLM-5 和 MiniMax M2.7 在文件操作、工具使用和指令遵循等核心智能体任务上，与闭源前沿模型（如 Claude Opus 4.6、GPT-5.4）表现相似，工具调用可靠且指令遵循一致。
- Berkeley AI Research
SPEX 和 ProxySPEX 算法如何大规模识别 LLM 交互
SPEX 算法通过信号处理和编码理论识别 LLM 关键交互，仅需少量扰动即可分析特征、数据和模型组件影响，在情感分析任务上实现数千特征场景下的高保真度；ProxySPEX 算法利用模型层级结构特性，将扰动次数减少 10 倍同时保持性能。
- Anthropic Research
Project Fetch：Claude 能否训练机器人狗？
八名 Anthropic 研究人员（无机器人经验）被随机分为两组，一组使用 Claude，一组不使用，任务是用四足机器人狗捡海滩球。使用 Claude 的团队完成任务更多、更快，并唯一实现了让机器人完全自主捡球的目标。实验显示 AI 能显著提升机器人技术，促进数字与物理世界的融合。
- Anthropic Research
Anthropic 研究如何追踪大型语言模型 Claude 的思考过程。
Anthropic 发布了两篇新论文，通过构建 AI 显微镜追踪大型语言模型 Claude 的内部机制。研究发现，Claude 在处理多语言句子时存在共享的概念空间，能够提前规划多个单词的输出，并在需要时提供符合用户期望而非逻辑推理的答案。这些发现有助于理解 AI 能力并确保其可靠性，但当前方法仍有局限，需要改进以应对更复杂的模型。
- Anthropic Research
Anthropic 研究：评估特征引导缓解社会偏见的效果
Anthropic 对 Claude 3 Sonnet 的 29 个与社会偏见相关的特征进行引导实验，发现适度引导可在不损害模型能力的前提下减少偏见，但过度引导可能导致模型能力下降甚至不可用；部分引导能精准影响特定领域评估结果，但特征效果难以仅通过其触发上下文预测，存在脱靶效应；其中一项中性行为特征能有效降低九个维度的偏见而不显著影响能力。
- Anthropic Research
Anthropic 研究如何测量大模型的说服力
Anthropic 开发了一种测量大模型说服力的方法，比较了 Claude 1、2、3 三代模型及紧凑型和前沿型模型，发现各代模型说服力均呈提升趋势，最新模型 Claude 3 Opus 的说服力与人类无显著差异。
