AI 模型发布与更新

要做的事很多 （注：主推文仅一句"a lot to do"，信息量极低；引用推文为他人对"要更有野心"的评论，非新闻主体，故按规则只翻译主推文。）

在物理方面，谁拥有最好的开源视频世界模型？💫 又是我，MiniMax H3。几乎与闭源 sota 持平。🍾

Artificial Analysis 评测 SpaceXAI 新发布的低价视频模型 Grok Imagine Video 1.5 Lite，其在 AA-Video-T2V v2.0 和 AA-Video-T2V-Silent v2.0 两个榜单均排第 17 名，价格约为 Veo 3.1 的三分之一并排在 Veo 3.1 之前。

而 Grok @Bot 只会从这里变得更好 🚀 🚀 你完全可以打造一家全部由 Grok Bot 组成的公司！

不到4年后，教皇、世界上最伟大的数学家们以及总统都在大量发帖，讨论这个模型的直接后继者及其对人类意味着什么。

Arena 公布 Anthropic Claude Haiku 5.5 (High) 的真实评测结果，在 Code Arena: WebDev 以 1587 分首秀排名第 30，略在 Pareto 前沿之外。

Artificial Analysis 网络指数新增可信访问模型类别，GPT-6 Sol（Daybreak Blue, max）以领先成绩登顶，并进入成本与能力帕累托前沿。该模型在整个指数测试中未触发任何安全拦截，总分较公开版 GPT-6 Sol（max）提升 32 分。其每任务成本为 $1.77，低于 Grok 4.7（xhigh）的 $11.67。

Mustafa Suleyman 以 🫠 表情转发 Anthropic 政策更新：自 2026 年 11 月 12 日起，对 Claude 的持续且无必要的虐待或残忍行为将违反 Anthropic 使用政策。截图列出的禁止行为还包括宣扬自残或饮食失调、非自愿私密影像（NCII）、骚扰羞辱、美化暴力，以及开发以造成情感伤害为目的的欺骗性产品或服务。

Grok @Bot 在手机上运行良好。只需从 Apple 或 Android 下载应用即可。 https://apps.apple.com/app/id6794501026

Grok @Bot 确实就是这么好用

Artificial Analysis 与 Harvey 合作发布 Harvey LAB-AA v1.1，新指标 Hallucination-Gated All-Pass Rate 要求交付物无重大幻觉。Grok 4.7 (xhigh) 以 9.4% 居首，领先 Muse Spark 1.3 (max) 的 8.9% 和 GPT-6 Astra (max) 的 8.6%；测试模型中超过 60% 的原通过结果含重大幻觉。Grok 4.7 每任务约 $9.50，GPT-6 As…

顺便说一句，成本只是 Astra 的 1.2 倍。

OpenAI 的 GPT-6.1 Sol Ultrafast 正在 ChatGPT Work、Codex 和 API 上推出。Ultrafast 模式定价为每百万输入 token $12、每百万输出 token $60，速度比 Sol Standard 快 8 倍。

OpenAI 宣布 GPT-6.1 Sol Ultrafast 开始推出，token 生成速度最高比 Sol Standard 快 8 倍。API 定价为每 100 万输入 token $12、每 100 万输出 token $60，该模型已在 API、Codex 和 ChatGPT Work 中推出。

Artificial Analysis 与 Harvey 联合发布 Harvey LAB-AA v1.1，为法律智能体基准 LAB 新增幻觉检查，要求正确回答不含重大错误陈述，并推出新指标 Hallucination-Gated All-Pass Rate。

Odyssey 发布基础世界模型 Odyssey-3，Pro 版报告了 Physics-IQ Verified video-to-video 最高分 66.1。

Odyssey 发布其最强世界基础模型 Odyssey-3，并向公众开放免费研究预览。模型可从提示词构建环境并实时预测随人物移动或事件触发的变化；Odyssey-3 Pro 在 Physics-IQ Verified video-to-video（best-of-8 采样）上得分 66.1，为已报告最高结果。

GEN-1.5 把一个瓶子装进盒子，再把另一个瓶子装进盒子，再一个瓶子，再一个，再一个…… 阅读更多关于 GEN-1.5 的内容，请见下方评论中的博客文章。

今天我们推出 Odyssey-3，迄今最强大的基础世界模型。 它在 Physics-IQ 上创下新的 SOTA，可驱动机器人、训练 AI，并生成交互式体验。真的很酷。 今天即可体验该模型，完全免费！

试试用 @Bot 来处理你最难的任务！

Artificial Analysis 评测 Google 于 10 月 6 日发布的图像模型 Nano Banana 2.1，在 AA-Image-T2I v2.0 和 AA-Image-Editing v2.0 两个榜单均排名第 4。

Perplexity Decider 在 DecisionBench 上排名第一（成本也是最低的）

对于低资源语言的 ASR（自动语音识别），更多训练数据往往比更大的模型更有效。 @voicearena_ai 的孟加拉语结果——基于其 ASR 语料库 Monsoon——证明了这一点。 在 Monsoon 上微调的 Whisper Medium，在孟加拉语 FLEURS 上的 LLM 词错误率从 85.27% 降至 7.65%。 Medium 是 769M 参数的 Whisper。足够小，可以低成本部署，在很多场景下也足够小，可以靠近用户运行。

Claude 官方频道发布与 Shopify CTO Mikhail Parakhin 的对谈，介绍 Shopify 如何使用 Claude：为所有工程师提供不限量 token、始终使用最大模型，并构建了公司数字孪生来预测商家增长。他讲述了一个做了七年的问题如何被解决，管理工程团队中 AI 的用法，并向 CTO 们推荐获取 Claude 最大价值的杠铃 token 策略。

JetBrains 发布面向编码 Agent 的开源思考模型 Mellum2.1（checkpoint 为 Mellum2.1-12B-A2.5B-Thinking），总参数 12B、每 token 激活 2.5B，以 Apache 2.0 协议上架 Hugging Face。

这股 flow 仍在继续！

Thomas Wolf 团队发布开源模型 Carbon-A，直接在 DNA 中定位基因，并据此构建覆盖 22617 个物种、共 5.66 亿候选基因的 Carbon Annotation Database。模型与数据库一并开放，团队与 Active Site 和 UCSD 合作在猫、鸡和拟南芥等物种中完成部分新基因的湿实验验证，并找到 239 个参考注释中缺失的 RNA 证据基因。

所有 AI 新闻都如此荒诞——孩子们用 claude code 搞 vibe hacking，政府们在 vibe governing——这一切都极大地增加了 AI 未来的不确定性。最像梗的 AI 时间线，也是最令人恐惧的时间线之一。

还有什么是 Reachy mini 做不到的？

perplexity 的开源权重决策模型，临床决策质量最佳、成本最低

GPT-6 Luna 是当下最快的 Decisions 模型，全球请求延迟 180ms 🏁 紧随其后的是 Jev 和 Perplexity Decider：

The Verge 的 Decoder 节目邀请资深 AI 记者 Hayden Field，讨论 Meta Muse、OpenAI Dots 与 xAI Grok Bot 带来的消费级 AI 智能体浪潮，三者都延续 OpenClaw 的模型加浏览器 harness 技术路线。

在 StepFun 的 8 项基准评测中，Step 5 Preview 在 6 项上击败 Kimi K3 和 GLM-5.3，包括 DeepSWE（67.7）、ProgramBench（80.5）、StepCodeBench（49.0）和 FrontierFinance（66.4）。

我们迫切需要更多 AI 智能体攻击和防御系统的公开记录。防御者无法从他们看不到的东西中学习。 如果你有这些记录却被迫保密，我的私信随时开放。让我们拉平起跑线，对抗 AI 中的信息不对称和缺乏透明度！

TypeSafe AI 于 9 月 15 日发布的模型 Jev 走红，公告获近 4000 万浏览，一周内超 10 万人加入其 Discord，GitHub 上约 2000 个项目使用。

阶跃星辰官方发布 Step 5 Preview 的介绍入口，提供模型概览、评测基准与演示页面，以及技术规格和 API 文档。详情见 https://www.stepfun.com/step-5-preview 与 https://platform.stepfun.ai/docs/en/guides/models/step-5-preview。

阶跃星辰（StepFun）宣布 Step 5 Preview 现已上线 OpenRouter，链接为 https://openrouter.ai/stepfun/step-5-preview。即日起在 @opencode、@cline、@NousResearch、@kilocode 等平台陆续开放一周免费访问，主打智能体与专业工作场景，任务成本明显更低，用户可保留现有工作流直接切换模型。

韩国银行被黑事件正好印证了这一点。是的，开放模型正被一些攻击者加以利用，但只要 Claude Code 能充当黑客攻击的编排者，我们就迫切需要开放模型来同样扩散防御能力。这对社会来说是一个难以接受的艰难平衡，但却是必要的。

就在今天，几小时后！快来参加，看看我们的一些新功能

感谢我们的 day0 合作伙伴 @novita_labs 持续、可靠的发布支持 🥰 @novita_labs：🚀 来自 @AntLingAGI 的 Ling-3.1-Flash 现已通过 Novita 在 @OpenRouter 上线。 作为 Day-0 合作伙伴发布 ⚡ 🎁 10 月 13 日上午 9:00（PT）前免费。 560B 总参数 · 25B 激活参数。 专为混合推理和工具调用工作流打造。