AI 模型发布与更新

Grok 4.7 模型卡发布，相比 4.6 多项基准提升：Terminal-Bench 20.3% → 38.0%，SWE-Marathon 31.9% → 46.0%，HealthBench Pro 48.5% → 56.7%，Legal Agent 15.8% → 19.6%，EEBench 60.0% → 66.0%。价格与 4.6 相同，模型卡见 https://media.x.ai/v1/website/4p7card-5eccc980.pdf。

接下来一周，Grok 4.7 七折优惠

Hugging Face CEO Clément Delangue 认为，对现实世界 90% 的用例而言，LLM API 远非最佳 AI 方案——它们过于重型、慢、贵且难以控制。他引用 @willdepue 关于零样本分类器 Jev 的讨论，称随着 AI 成熟和广泛采用，未来几年将逐渐认识到这一点。

Grok 4.7 与我们的 Build harness 配合得非常好 https://X.ai/Build

正在发生两件事： - 前沿 LLM 的编码能力已趋于停滞。自 Opus 4.8 以来，我们还没看到大幅跃升。- 开源模型不断缩小与前沿闭源模型的差距，而成本却低 10-50 倍。 这就是为什么我们看到企业正大规模地从闭源模型转向开源模型。

Codos 推出首个虚拟首席 AI 官，通过访谈员工挖掘自动化机会、部署公司级记忆层与智能体，并支持本地部署。其图记忆系统 Aethos X 在 42,587 个文件的 EnterpriseRAG-Bench 上初步得分 94%，比同语料下 GPT-6 Astra 智能体的 86.03% 高 7.97 个百分点。

Grok 4.7 已上线 Agent Arena，并进入 Text、Vision、Code 和 Document 四类 Battle Mode。Arena 用全球用户数百万条真实长程智能体任务、结合网络搜索、文件系统和终端工具访问，以因果追踪方法衡量模型相对平均模型的表现；官方同时发起投票预测 Grok 4.7 的净改进分数落点，分数将在用户投票后公布。

xAI 发布 Grok 4.7，定价为每百万输入 token 2 美元、输出 token 6 美元，公司称其基于更大基座模型并经过更长强化学习训练。

这实际上太离谱了 CursorBench 4.0： grok 4.7 xhigh：46.3% - $6.01/任务 fable 5.1 medium：46.8% - $7.05/任务 gpt-5.6 sol max：41.7% - $8.23/任务 而且相比 grok 4.6 xhigh，它在成本基本不变的情况下从 41.4% → 46.3%

阿里 Qwen 团队发布 Qwen-Image-2.1，将文生图与图像编辑统一到一个 7B 单流 DiT 模型中，搭配 8B Qwen3-VL 编码器，支持原生 RGBA 透明输出和最多 10 张参考图编辑。

Arena 宣布 xAI 的 Grok 4.7 已加入 Agent Arena 评测，用户可投票影响排行榜。该评测基于数百万真实的长周期智能体任务，模型可使用网页搜索、文件系统和终端工具完成复杂工作流，并用因果追踪方法衡量相对表现。Grok 4.7 还进入 Battle Mode 的文本、视觉、代码和文档类别。引用方称其相较 Grok 4.6 在同价同速下有明显提升。

Grok 4.7 发布，相比 Grok 4.6 在相同价格和速度下能力更强。附带对比表显示其输入 $2/百万 token、输出 $6/百万 token，在 CursorBench 4.0 得分 46.3%（4.6 为 40.4%）、EEBench 64.0%、Terminal-Bench 4.0 38.0%、Harvey Legal Agent 19.6%，多项基准领先对比模型。

Grok 4.7 发布，官方称在相同价格和速度下较 Grok 4.6 有明显提升。Andrew Milich 推荐该模型擅长编码、工程工作和 3D，可在 Grok Build 和 Cursor 中以高 TPS 作为思考伙伴使用。图表显示 Grok 4.7 xHigh 输入 $2 / 输出 $6 每百万 token，EEBench 64.0%、CursorBench 4.0 46.3%、DeepSWE v1.1 71.0%（High Effort）。

xAI 的 Grok 4.7 已上线 OpenRouter。官方称其为目前最强的编码与知识工作模型，能在困难任务上持续工作更久、更仔细地自查，并在 CursorBench 4.0 上处于价格性能前沿。使用入口：https://openrouter.ai/x-ai/grok-4.7

你的原创角色终于连载了！！！ 用 GPT Image 2.5 把角色变成漫画

我喜欢 Jev 的一点是：多年来，大型通用模型几乎吸走了 AI 领域所有的氧气。 但在更加专业化和定制化的模型上存在巨大机会，这些模型为特定任务和语言而构建，因此成本低几个数量级、速度更快、优化更好。@huggingface 上公开可用的这类模型有 300 万个。 让我们构建一个更加多元的 AI 生态！

Grok 4.7 是智能、速度与低成本的强力组合

Grok 4.7 发布，编码、长时运行的智能体和知识工作能力提升，价格与速度与 Grok 4.6 相同。主要改进包括更大的基础模型、更长强化学习训练、更好的自检与长上下文处理、更强的抗越狱能力，并已上架 Cursor、Grok Build 和 API。

Grok 4.7 发布，官方称其在与 Grok 4.6 相同的价格和速度下有显著提升。 Lauren Tan 转发并致以'4.7 day'祝贺，所附对比图显示 Grok 4.7 xHigh 输入 $2/百万 token、输出 $6/百万 token，与 4.6 持平；在 EEBench 64.0%、Harvey Legal Agent 19.6%、CursorBench 4.0 46.3% 等基准上较 4.6 提升明显，DeepSWE v1.1 为 71.0%（High E…

天哪……grok 4.7 对一个".1"版本来说是个相当有意义的跃升 它使用了比 grok 4.6 更新、更大的基座模型，这意味着它不只是对 4.6 做了更多后训练

Vibe Check 对 GPT-6 Sol 与 Opus 5.5 两款模型做了对比，结论是两者之间存在一个明确的取舍。

Opus 5.5 以约为 Fable 六成的 token 价格提供 Fable 级能力，正把部分 Codex 用户重新拉回 Claude。这是 Every 对 Opus 5.5 的实测体验，核心结论是价格与能力的组合让它难以忽视。

Anthropic 发布 Claude 5.5 系列首个模型 Claude Opus 5.5，官方称多数工作表现与 Claude Fable 5.1 相当，运行成本较 Opus 5 降低 40%，输入和输出 token 定价为每百万 $4 和 $20，输出速度快 30% 以上。

我想起一个事实：臭名昭著的 Milgram 实验其实相当站不住脚，因为大多数人怀疑电击是假的（事后看来挺明显），于是他们配合着去电击别人，并非出于对权威的服从，而是因为这根本无所谓。

Microsoft Research 在 Nature 发表逆合成预测模型 RetroChimera，结合基于 Transformer 的 R-SMILES 2 和图神经网络模型 NeuralLoc，用 learning-to-rank 集成两者互补预测。

这是我上个月如何向生产环境提交 2,500 个 PR 的分享 这原本是为伦敦的 Cursor Compile 准备的。因为我在为 Grok @Bot Galaxy 做直播，没能去成，所以现在在 X 上免费公开！用 2 倍速观看，我说话比较慢

等 AI 的时候嗑瓜子真的挺爽的哈哈哈哈哈哈哈 ZHGO｜创意系列｜GPT Images 2.5

大多数关闭的公司会放弃他们的成果。这家初创公司做了更好的事：他们开源了 1,274 小时的自我中心机器人数据。13,451 段人类执行日常任务的录像，作为送给机器人社区的礼物。感谢 @eidon_ai！ 开源有一种超能力：工作成果可以比创造它的组织活得更久。更多初创公司应该这样做！ https://huggingface.co/eidon-ai

针对"The Claude Delusion"一文，作者提出一个反问：如果产生幻觉的是人类自己呢？文章认为，人类天生会为所见之物寻找意图，因此面对 AI 生成的文字或图像时，会不由自主地将其当作有意图的对话者，但这类系统只是基于海量语料做无理论的统计推断，无法形成意图。与 AI 对话，本质上是在与一个比小说虚构人物更不真实的角色交谈。

关于开源模型现状的总结，反思了我就此话题在国会的证词。

GPT Image 2.5 的运动模糊人群效果 一张普通街拍变成长时间曝光照片！这越来越逼真了

StepFun 新模型 Step 5 Preview 在编程智能体测试中表现亮眼，成本与能力处于帕累托前沿，可与 GLM 5.3、Kimi K3 等模型比肩且价格极具竞争力。

我们最喜欢的 GPT Image 2.5 提示词用例。宠物失败照片 PixVerse 会员可无限使用 GPT Image 2.5↓

广汽埃安 Ray7 运动内饰正式亮相并开启先享计划，前排配备一体式运动座椅，支持一键零重力模式及加热、通风、按摩功能。该车搭载 5nm 高通 8295 处理器、24GB LPDDR5 内存与 128GB UFS5.0 闪存，并配备文远知行 L4 级同源大模型算法与 192 线激光雷达，预计近期上市。

用 Codex 或 Claude 做 Skill 时，很多人自动生成一堆 skill 后才发现，skill 能正常执行很大程度依赖本地 Memory。换台机器安装这些 skill，往往就无法正常运行。作者称 90% 以上的人都会掉进这个坑。

DeepSeek v4.1 flash 在 WorkBuddy 国际版限时免费，仅剩最后 4 天。引用推文介绍用 WorkBuddy + Karpathy LLM Wiki 搭建私人内容生产线：把代表作、创作笔记和定位说明结构化为 19 个知识页，封装成专属内容 Skill，实现个人知识库 + 专属 Skill + 自动化写作流，并开源各环节提示词。

npm 包 jev-leftpad 把 JavaScript 的字符串补位交给大模型完成：调用 leftPad(value, targetLength) 时通过 TypeSafe 的 @typesafe-ai/sdk 请求 jev-latest，由模型在 space_0 到 space_10 中选一个选项，因此最多只能补 10 个空格。

国会工作人员邀请我就开源模型的性能、采用情况以及与中国相比的竞争态势分享看法。以下是我的简报，包含我们最新的全部数据以及对下一步走向的预测。 我非常乐意花时间做面向更广泛受众的开源模型内容！