跳到正文
10月8日週四
  1. IT之家80

    OpenAI 向所有 ChatGPT 用戶推出 GPT-6 系列模型及智能介面

    OpenAI 宣佈向所有 ChatGPT 用戶推出 GPT-6 系列模型及智能介面(Intelligent UI),ChatGPT 全球每週活躍用戶超過 12 億。

    推薦理由:GPT-6 系列此前僅供 ChatGPT Work 和 Codex 使用,現已開放予所有 ChatGPT 用戶;智能介面可按問題組合文字、圖像及互動元件生成回覆,亦支援圖表、按鈕和表單。

  2. Sierra:Blog49

    Sierra:智能體時代的來電顯示

    Sierra 推出 fleming-1,分析通話語音並標示可能由 AI 智能體發起的來電。Sierra 亦與業界夥伴共同開發開放標準 Personal Agent Protocol,讓個人智能體以直接、獲授權的方式與企業互動,並表明代表誰行事。fleming-1 即時評分語音中的 AI 生成跡象,預設採保守設定,並適用於任何以 Sierra 建構的語音智能體,啟用即可使用。

  3. 字節 Seed:Research Feed59

    Seedream 5.0 Pro 正式發佈,提升圖像創作與精準編輯能力

    Seed 正式發佈多模態圖像創作模型 Seedream 5.0 Pro,提升圖文匹配、結構合理性、文字渲染及畫面美感。其四項核心能力包括高密度資訊圖生成、交互式精準編輯、寫實影像與人像質感,以及十餘種語言的輸入與生成;目前已在火山方舟體驗中心上線,並將陸續在豆包、即夢上線。文中亦指出,更細緻的文字渲染及像素級編輯保持仍有改進空間。

  4. 字節 Seed:Research Feed74

    SeedRealtime 發佈音訊與影片全雙工大模型,邁向全模態自然互動

    字節 Seed 正式推出 SeedRealtime 音訊與影片全雙工大模型,透過統一架構原生融合音訊、影片與文字,支援連續多模態資訊流上的即時互動。端到端人工評測結果顯示,相比級聯模型,SeedRealtime 的音訊與影片對話節奏問題減少一半,單次對話順暢、完整交流的機率亦明顯提升。

  5. The Decoder80

    OpenAI 推出 GPT-6,回答由文字為主轉為互動介面

    OpenAI 正開始全球推出 GPT-6,新增「Intelligent UI」,按問題將回答轉為包含圖形、按鈕、圖表和表單的互動介面,並可在聊天內建立儲蓄計算器或遊戲等小工具。

    推薦理由:文章把 GPT-6 的 Intelligent UI 與 Google 於 5 月為 Gemini 推出的 Neural Expressive 並列,交代兩款聊天產品推出互動介面的背景與功能方向,補足同類功能的比較脈絡。

  6. AWS Machine Learning Blog69

    AWS 宣佈 Claude Haiku 5.5 登陸 Amazon Bedrock 及 Claude Platform on AWS

    AWS 宣佈 Claude Haiku 5.5 已可透過 Amazon Bedrock 及 Claude Platform on AWS 使用。Anthropic 表示,它是 Claude 5.5 系列中速度最快、效率最高的模型,大多數任務的成本比 Claude Haiku 4.5 低約 75 percent。

    推薦理由:文章説明 Claude Haiku 5.5 面向高用量、成本敏感任務的定位,並列出 Amazon Bedrock 使用範例及可用區域,提供模型選用與部署的實用參考。

  7. Hacker News 熱門(buzzing.cc 中文翻譯)77

    Anthropic 發佈 Claude Haiku 5.5,平均運行成本較 Haiku 4.5 低約 75%

    Anthropic 發佈 Claude Haiku 5.5,稱其為迄今推出的最便宜、最快且能力最強的小型模型,平均運行成本較 Haiku 4.5 低約 75%。

    推薦理由:文章對照 Haiku 5.5 的低成本定位與 Sonnet 5.5、Opus 5.5 在複雜 Agent 編碼任務上的優勢,呈現不同工作負載下的模型取捨。

  8. Hugging Face Blog61

    Liquid AI 發佈端側決策模型 d1-3B 與實驗版 d1-omni-600M

    Liquid AI 發佈兩款開放權重端側決策模型 d1-3B 和實驗版 d1-omni-600M。d1-3B 支援文字與圖像輸入,在 Decision Index 0.2.1 得分 48.57,並在七個公開數據集取得 82.9 的平均分;d1-omni-600M 支援文字與圖像或文字與音訊輸入。

    推薦理由:文章把 d1-3B 的公開基準成績與多款邊緣設備的延遲數據並列,讓讀者瞭解其決策表現及端側推理速度。

10月7日週三
  1. Hacker News 熱門(buzzing.cc 中文翻譯)59

    Strands Decider 2B 小型開源決策模型推出

    Strands 團隊開源 Strands Decider 2B,這款 2B 參數決策模型面向快速實驗、本地開發及 Agent 工作流。它在 JevBench 公開集的準確度及校準表現,在 2B 級 33 款模型中排名第 3;排除略高於 2B 的模型後,在 30 款中排名第 1,本地決策中位延遲約 115ms。

  2. gihyo.jp67

    Google 發佈可在智能手機運行的多模態嵌入模型 EmbeddingGemma 2

    Google 於2026年10月6日公開 EmbeddingGemma 2,這款 740M 參數的多模態嵌入模型可在智能手機及 PC 運行,將文字、程式碼、圖像、音訊及影片映射至共同向量空間。模型採用 Apache 2.0 授權,支援搜尋、分類等用途,並可與 Gemma 4 配合在端側構建 RAG;其上下文窗口擴至初代的 4 倍,即 8192 個 tokens。

  3. Google DeepMind70

    Google DeepMind 發佈開放、輕量級多模態嵌入模型 EmbeddingGemma 2

    Google DeepMind 發佈 EmbeddingGemma 2,將文字、程式碼、圖像、影片及音訊映射至同一嵌入空間,供裝置端推理使用。

    推薦理由:EmbeddingGemma 2 將文字、程式碼、圖像、影片及音訊映射至同一嵌入空間,並列出裝置端記憶體與向量儲存數據,方便評估跨模態搜尋的本地部署。

  4. MarkTechPost78

    Mistral AI 發佈 Mistral Large 4(Le Chonk)公開預覽版,總參數達 1.05T

    Mistral AI 發佈 Mistral Large 4(ML4,代號 Le Chonk)公開預覽版,這款多模態 MoE 模型總參數為 1.05T、每個 token 啟用 49B,並支援 1M token 上下文窗口。

    推薦理由:文章把參數規模、每 token 啟用量與 API 價格並列,並交代網絡安全評測和權重開放時間,便於判斷預覽版的可用性與限制。

  5. Google Developers Blog62

    EmbeddingGemma 2 開發者指南

    EmbeddingGemma 2 開發者指南介紹這款基於 Gemma 4 的開放模型,可將文字、程式碼、圖像、影片和音訊映射至同一個 768 維向量空間。模型可按需載入由文字與程式碼的 270M 參數配置,擴展至完整多模態的 740M 參數配置,各配置共用同一向量空間。