跳到正文
8月11日週二
  1. gihyo.jp78

    OpenAI 發佈網絡安全專用模型 GPT-5.6-Cyber,將 Daybreak 擴展為 Blue、Red 兩級

    OpenAI 擴展網絡安全計劃 Daybreak,推出專用模型 GPT-5.6-Cyber,並設 Blue、Red 兩級存取;Blue 讓 GPT-5.6 Sol 在獲授權的防禦工作中解除防濫用系統級限制,而 GPT-5.6-Cyber 僅於 Red 提供。

    推薦理由:文章對照 Daybreak Blue、Red 的存取分層,並列出模型完成率、不同基準測試結果及漏洞披露,呈現能力評估所涵蓋的範圍。

8月10日週一
  1. Hugging Face Blog77

    Meta 發佈 Muse Glimmer 30B 多模態模型,採用 Apache 2.0 授權並面向本地智能體應用

    Meta 發佈 Muse Glimmer,一款由 Muse 蒸餾而來、面向本地智能體應用的多模態 30B 模型,採用 Apache 2.0 授權。模型由 2B ViT-style 視覺編碼器和 28B 文字解碼器組成,支援圖像、影片輸入及多模態工具調用。

    推薦理由:文章把 Muse Glimmer 的本地智能體定位、30B 架構與 transformers、llama.cpp、vLLM 等入口連起來,提供從本地推理到託管部署的實作參考。

8月7日週五
8月6日週四
  1. OpenAI News73

    OpenAI 改進 ChatGPT 中的 GPT-5.6 Sol,並擴大免費用户使用 GPT-5.6 Luna 的範圍

    OpenAI 改進 ChatGPT 中的 GPT-5.6 Sol,提升其準確度與一致性,並擴大免費用户使用 GPT-5.6 Luna 的範圍。免費用户可與 GPT-5.6 Luna 進行不限量的日常聊天。

    推薦理由:公告交代 GPT-5.6 Sol 在準確度與一致性上的提升,並説明免費用户可與 GPT-5.6 Luna 進行不限量的日常聊天,呈現模型調整與使用範圍的變化。

8月4日週二
  1. Mistral AI62

    Mistral AI 發佈 3B 多模態安全分類器 Shieldstral

    Mistral AI 發佈 Shieldstral,一款 3B 開放權重多模態安全分類器,可用自然語言政策評估文字與圖像,無須重新訓練。它將內容審核設計為可在推理時指定政策的二元問答,並輸出校準後的安全分數;Mistral 稱其在多項基準上匹配或超越模型規模最高達其 7x 的開放權重安全模型。

    推薦理由:將審核政策置於推理時的自然語言問題中,使同一個 3B 模型可按部署情境調整文字與圖像判斷,無須重新訓練。

8月3日週一
  1. gihyo.jp77

    參數量達 2.4T 的 Qwen 家族最高效能模型 Qwen3.8-Max 發佈,開放權重版預計下週公開

    Alibaba Qwen 於 2026年8月3日正式發佈 Qwen3.8-Max,稱其為 Qwen 家族迄今效能最高的模型。該模型以 Qwen 3.5 架構為基礎,活躍參數量為 950億,最高可擴展至 2.4T 參數;公司稱它在多個領域的基準測試中,表現達到或超越部分競品旗艦模型。

    推薦理由:文章並列阿里巴巴自測的多領域基準結果、QwenCloud API 價格和下週開放權重安排,讓效能比較與使用條件一併呈現。

7月31日週五
  1. CAIR 中科院香港人工智能與機器人創新中心34

    CAIR聯合瑞臻再生醫學發佈細胞治療行業首個多模態AI大模型RC-GPT V1.0,開啓iPSC“智造”標準化新時代

    CAIR 與瑞臻再生醫學發布 RC-GPT V1.0,將多模態 AI 系統性嵌入 iPSC 分化製備全流程,為細胞治療生產標準化提供技術路徑。模型以四大功能模組協同支援分化監控、質量預判及批次一致性保障,並可在單卡完成訓練與推理。文章稱,該模型已完成概念驗證。

7月30日週四
  1. Google DeepMind66

    Google DeepMind 發佈 Gemini Robotics ER 2,支援影片理解、任務編排與多機械人協作

    Google DeepMind 發佈 Gemini Robotics ER 2,這款面向機械人的具身推理模型可理解連續影片、編排多步任務,並支援多機械人協作。它在任務進度分類達 57.4% 準確率,關鍵時刻定位達 91.3% 準確率、平均絕對距離為 0.96s。

    推薦理由:文章將影片進度追蹤與多機械人協作納入模型更新,並提供任務評測數據,讓讀者掌握 Gemini Robotics ER 2 的具身推理能力變化。

7月29日週三
  1. Air Street Press73

    Poolside Laguna S 2.1 展現模型工廠的迭代成效

    Poolside 公開 Laguna S 2.1 的模型權重及評測軌跡,這款智能體編碼模型可無需人工介入連續工作數小時。在 Poolside 自家的 agent harness 測試中,啟用 thinking 後,模型在 Terminal-Bench 2.1 得分 70.2%;文中比較指出,得分高於 Laguna 的模型不是閉源,就是規模至少大 2.5x。

7月28日週二
  1. Google DeepMind69

    Gemini Robotics 2 為機械人帶來全身智能控制

    Google DeepMind 發佈 Gemini Robotics 2 系列模型,為機械人帶來全身控制、靈巧操作及多機協作能力。系列包括將視覺與語言輸入轉為動作控制的 Gemini Robotics 2、用於具身推理與多步任務規劃的 Gemini Robotics ER 2,以及可在機械人裝置本地運行的 Gemini Robotics On-Device 2。

    推薦理由:全身控制、靈巧操作、多機協作與本地適配均有具體案例,呈現 Gemini Robotics 2 系列面向機械人任務的能力佈局。

7月27日週一
7月25日週六
  1. gihyo.jp87

    Anthropic 發佈 Claude Opus 5 並開始提供

    Anthropic 發佈 Claude Opus 5,並於7月24日開始提供;模型面向編碼、長期智能體任務及知識工作,性能較 Claude Opus 4.8 提升。

    推薦理由:文章並列多項基準分數、正答率與誤答率變化,並交代預設推理設定及 API 價格,方便掌握性能評估與部署差異。

7月22日週三
7月21日週二
  1. Gemini API:更新日誌63

    Gemini 3.6 Flash 與 Gemini 3.5 Flash-Lite 正式開放使用

    Gemini 3.6 Flash 和 Gemini 3.5 Flash-Lite 已正式提供,均為穩定且可用於正式環境的 3.x Flash 模型。Gemini 3.6 Flash 提升 token 效率及程式編碼和智能體規劃能力,價格低於 3.5 Flash;Gemini 3.5 Flash-Lite 是低延遲、具成本效益、面向高流量自動化的子智能體選項。

7月17日週五
  1. Google DeepMind65

    Google DeepMind 發佈 Gemini 3.5 Flash Cyber 網絡安全模型

    Google DeepMind 發佈 Gemini 3.5 Flash Cyber,這款基於 3.5 Flash 並經微調的輕量網絡安全模型,旨在快速發現、驗證及修補漏洞。

    推薦理由:V8 JavaScript Engine 的固定調用測試提供了具體比較,Gemini 3.5 Flash Cyber 找到 55 個獨特確認問題,主線 3.5 Flash 與 Claude Opus 4.6 分別找到 47 個和 36 個。

7月16日週四
  1. gihyo.jp76

    Thinking Machines Lab 發佈首個開放權重模型 Inkling,支援文字、圖像及語音推理

    Thinking Machines Lab 於 2026年7月15日發佈首個 AI 模型 Inkling,公開模型權重,支援文字、圖像及語音輸入並以文字輸出。

    推薦理由:Inkling 可按任務連續調整推理用量,降低成本與等待時間,或為較難任務分配更多推理資源,呈現推理開銷與任務需求之間的可調取捨。

  2. Moonshot AI:Kimi Blog84

    Moonshot AI 發佈 2.8T 參數模型 Kimi K3

    Moonshot AI 發佈 Kimi K3,稱其為全球首個開放 3T 級模型;它有 2.8T 參數、原生視覺能力及 1-million-token 上下文窗口。

    推薦理由:資料披露 Kimi K3 相較 Kimi K2 的整體擴展效率提升約 2.5×,並交代其整體表現仍落後最強的專有模型。

7月14日週二
7月10日週五
7月9日週四