AI 模型发布与更新

Yuchen Jin 表示很高兴 AI 淘汰了 LeetCode 面试，称约 20 年前 Google 推广了 LeetCode 式面试，如今连 1B 的 LLM 都能一次做对所有 LeetCode Hard，他多年前已改为考察候选人使用 AI 的能力。引用内容提到 Google 在 2026 年 5 月试点中新增 Code Comprehension 轮，候选人在 CoderPad 环境中面对 200-500 行陌生代码库，60 分钟内读代码、找 bug、讨论设计决策并提…

我准备好看我的回复了

Meta 发布 Muse Wonder 和 Muse Wonder Full 两款模型，在 Artificial Analysis Intelligence Index v4.3 上分别得 52 和 56 分（max reasoning effort）。

Google TPU 的 Lead Design Engineer 透露，团队使用一个比公开版 Gemini 强得多的内部模型来设计 TPU 芯片，该模型已取代大部分人的工作且效率高于人类。推文作者由此追问 Google 何时会公开这一更强的内部模型，并畅想用 AI 端到端设计 3D 打印机、UV 打印和激光雕刻机等桌面智能设备。

试试看！ （引用推文核心要点：我给 Grok Bot 一张信用卡照片，它推断出我工作所需，找到最优价格，并加入了我的 Amazon 购物车。我甚至没挑产品。🤯）

Grok @Bot 可以帮你研究最优价格并替你购买东西

用一段Prompt加自研品牌PPT Skill和品牌动效Skill，Claude Opus 5.5在20分钟内生成了几十页完整演讲PPT，作者称改无可改、精准符合要求。作者由此感慨自己10年设计生涯在AI面前一无是处。

卡兹克用一段 Prompt 加自研品牌 PPT Skill 和品牌动效 Skill，20 分钟通过 Claude Opus 5.5 生成了几十页完整演讲 PPT，称精准到"改无可改"。他由此感慨自己 10 年设计生涯在 AI 面前"一无是处"。

ChinaTalk 发布第三季度十大要点，其中《The DeepSeek Thesis》依据梁文锋与投资者四小时会议泄露纪要还原 DeepSeek 战略：梁文锋认为通用智能是唯一值得解决的问题，产品可以等待。另一要点指出部分中国 AI 研究者将美国 AI 安全话语解读为技术遏制，DeepSeek 研究员刘胜宇的文章主张前沿 AI 应广泛可及。

华为云行业大模型团队与华东师范大学联合研发的昇腾原生时序预训练模型“七曜”，登顶国际权威时序评测榜单 TIME-leaderboard 和 GIFT-Eval（Pretrained 类目）。该模型可直接用于零样本时序预测任务，适配电网负荷研判、工业设备异常时序检测、金融趋势分析等场景，并支持低成本二次微调。

加州 AI 公司 Odyssey 推出 Odyssey-3 世界模型的公开研究预览，用户可用文本提示生成并实时探索交互环境，开发者可申请 API。

邵猛不看好 Tibo 推出的 CodeX 28 天连续发布新功能、否则重置的 RESET 行动，认为 Claude 5.5 系列推出后大量用户已从 CodeX 转向 Claude Code，CodeX 唯有拿出最强模型才有出路。他称马斯克并不在意 Grok 是否最强，只要推理速度等某一用途足够强即可，更在意算力，Grok Bot 一面接入 Claude 等最强模型，一面把算力供给它们使用。

OrcaRouter 发布 OrcaCyber Zero 1.5 网络安全模型，面向授权漏洞研究，支持 1M token 上下文窗口、原生函数调用与结构化输出，仅通过 OrcaRouter 托管 API 提供，定价 $3.00 / $7.50 每 1M tokens。

试试 Grok @Bot

Grok App 还缺什么才能成为你的日常主力应用？

资深工程师反思：2024 年许多人还怀疑 AI 智能体能否写生产代码，但代码库从来就充满"slop"，人类写的烂代码同样不少。作者认为真正的好代码需同时满足正确、无 bug、运行快且成本低，而绝大多数软件并不需要这种"好代码"，接受部分 bug 换取速度是常态。智能体虽写不出昂贵的好代码，但规模化后平均质量可能更高，善用智能体已成为软件工程的新技艺。

我一直在用 KerasHub + JAX + TPU 尝试各种 LLM 后训练实验，非常有意思。可能会把其中一些开源出来。

你上一次打开 VS Code 是什么时候？ 今天，我终于把它从我的 Mac 程序坞里移除了。如果到年底它被彻底卸载，我也不会感到意外。

到 2027 年底，我会是 Nvidia 唯一还没收购的开源模型人

哇 @NICKIMINAJ 在用 grok bot！

旧金山的生存意义

Viggle Animate 2 开放权重即将发布 👀

Arena 更新 Image-to-WebDev Arena 榜单，Anthropic 的 Claude Opus 5.5 (Max) 以 1749 分排名第一，Claude Sonnet 5.5 (xHigh) 以 1740 分位居第二，两者均落在 Pareto 前沿。

嘿 @bot，读完整个引用推文串，然后给我建议，看你能如何在工作和生活上帮到我

我们一直在监测 interconnects 追踪的头部开源 LLM 在 HuggingFace 上的下载量下滑情况。看起来下载量的统计方式似乎出现了细微变化，因为我们发现许多头部模型的下载率下降了约 30%，但这一趋势仍在持续。大家觉得还可能是什么原因？

ANTHROPIC 🔥：一个标注为“Preview”的隐藏语音标签页，暗示 Claude 可能推出升级版语音体验。 目前尚不清楚 Anthropic 是否在自研语音模型，但 Claude 移动应用中最近出现了一个新的选项，可分享语音数据用于训练。 我猜对 Anthropic 来说，拥有自己的语音模型相当重要，以防他们想继续为“vibe coders”发布解决方案。 或者如果他们想推出主动式助手 👀

Microsoft 发布决策模型 Decision-1，用于分类、评估和路由决策，基于 Qwen3.5-9B，据称可引导智能体在复杂环境中行动。

Google 正在内部测试 Gemini 4 的 Argon、Barium、Carbon 三个变体，其中 Carbon 已在内部编程平台 Jetski 部署，编程任务表现优于 Argon，有员工将其与 Anthropic 最强编程模型 Opus 5.5 相提并论。

我觉得 Grok 的 agent 邮箱应该用 https://dot.com 这个域名 indigo@dot.com 看上去又简单又帅 😁 直接气死 Sam Altman 😜

半年前被质疑"个人 Agent 太宽泛"的赛道如今爆火：Instinct 9 月融资 10 亿美元、估值 100 亿美元，Meta 靠 Muse 带动股价，xAI 推出 Grok Bot，OpenAI 做了 Dot，Manus 做了 Cue。作者复盘了这半年在个人 Agent 方向上的探索与踩坑心得，以播客形式分享。

这周你用 @bot 完成了什么？

你这周都完成了什么 @bot？

Cloudflare 于 10 月 9 日发布开放权重决策模型 Clef-omni，在 Clef 系列基础上新增音频和完整视频输入，支持 wav、mp3、mp4 和 webm 格式，可单次 API 调用处理文本、图像、音频和视频，模型权重已在 Hugging Face 开放。

OPENAI 🔥：API 定价页上出现了一个新的 gpt-rosalind-discovery 模型。该模型迄今尚未公开发布。 该模型定价与 gpt-rosalind-research 相同，具体用途尚不清楚。 它会不会是专门用于药物发现的模型？ 那将是大新闻 👀

Azeem Azhar 在忘带笔记本电脑的一周里，仅靠手机上的 ChatGPT 语音完成日常工作，这得益于 OpenAI 7 月发布的 GPT-Live，它支持用语音指挥 AI 智能体。他认为，围绕电脑和打字建立起来的办公室工作模式这一"虚构"正在松动，并终将消失。

Nace AI 开源 9B 决策模型 Drex 1.5，读取状态和类型化问题后为每个选项输出概率，不生成文本。其在公开 Decision Index 0.3.1 上得分 58.08，与闭源模型 Jev 1.13.0（57.96）处于并列区间，权重已上架 Hugging Face，托管版在 OpenRouter 上按每 1M 输入 token 收费 $0.04、输出 $0。

蚂蚁百灵转发 DesignArena 对其新模型 Ling-3.1-flash 的评测视频并致谢，该评测盲测认为模型在详细 SVG、动画 SVG 和完整移动应用生成方面表现突出。作者宣布模型现可在 OR/Vercel 及 day0 合作伙伴渠道限时免费使用。

Underdog AI 发布 Saluki 27B 模型，这是 Qwen3.8-27B 的 2-bit 量化调优版本，仅保留文字 I/O 能力，文件大小 7.89 GB。

生数科技发布新一代视频生成旗舰模型预览版 Vidu Q4 Preview，支持图生视频和参考生视频。最多支持 3 段参考音频、15 张参考图与 2K、4K 输出，10bit 色深，单次最长生成 16 秒视频，提升动态运镜、切镜与复杂镜头衔接；首发优惠价 0.09 元/秒起，适合 AI 短剧、广告营销、社交互动和影视创作等场景。

Grok @Bot 可以为任何东西做模拟