跳到正文
7月9日週四
  1. gihyo.jp82

    OpenAI 發佈 GPT-Live 新一代語音模型,支援更自然的即時對話

    OpenAI 發佈新一代語音模型 GPT-Live,採用全雙工架構,讓 ChatGPT Voice 可同時聆聽和發話,令即時對話更自然。遇到複雜處理、高階推理或網頁搜尋需求時,GPT-Live 會在背景委派予最新頂尖模型,並逐步將結果帶入對話;本次推出 GPT-Live-1 和 GPT-Live-1 mini。

    推薦理由:文章比較級聯語音系統與 ChatGPT Advanced Voice Mode 的限制,並交代全雙工架構如何帶來即時回應及背景任務處理。

  2. OpenAI:部署安全與系統卡61

    OpenAI 發佈 GPT-5.6 系統卡,列出安全評估結果

    OpenAI 發佈 GPT-5.6 系統卡,公開模型訓練資料、部署安全模擬及生物化學能力評估。部署模擬預測 GPT-5.6 Sol 的違規內容總量與 GPT-5.5 大致相若,性相關違規率由 0.05% 升至 0.07%,心理健康相關違規回應率由 0.03% 降至 0.02%。OpenAI 將 GPT-5.6 系列的生物與化學能力列為 High,並判定三款模型均不需按 Critical 能力處理。

7月8日週三
  1. 美團 LongCat:HuggingFace 新模型76

    美團 LongCat 發佈 LongCat-2.0 MoE 大語言模型

    美團 LongCat 發佈 LongCat-2.0,這款 MoE 大語言模型總參數量為 1.6 trillion,每個 token 約啟用 48 billion 參數。

    推薦理由:文中按編碼、Agent、搜尋及基礎能力列出 LongCat-2.0 與多款專有模型的基準分數,並標明部分分數引用自官方報告。

  2. gihyo.jp78

    Meta 發佈 Muse Image 並預覽 Muse Video,Muse Image 開放使用

    Meta 於 2026年7月7日發佈 Muse Image,並以預覽形式公佈 Muse Video;Muse Image 已可在 Meta AI 應用程式及網頁版使用,Muse Video 則將於 Meta AI 等平台稍後提供。

    推薦理由:文章列出 Muse Image 在三項 Arena 評測均排名第 2,以及 Muse Video 在影片生成評測排名第 3,並交代兩款模型目前的開放狀態。

7月2日週四
7月1日週三
  1. gihyo.jp80

    Anthropic 發佈 Claude Sonnet 5,強化自主規劃及工具使用

    Anthropic於2026年6月30日發佈 Claude Sonnet 5,提升其自主規劃及使用瀏覽器、終端等工具工作的能力。Anthropic稱其在推理、工具使用、編碼及知識工作上大幅超越 Claude Sonnet 4.6;模型已適用所有方案,Free/Pro 預設使用。

    推薦理由:新 tokenizer 可能令相同輸入的 token 數增至約 1.0–1.35 倍,文章並指出文件估算同一文本所需 token 約增 30%;導入價旨在抵消增幅,並列出優惠期前後的 API 價格,便於評估遷移成本。

6月30日週二
6月27日週六
6月26日週五
6月25日週四
6月23日週二
  1. Mistral AI60

    Mistral OCR 4 發佈,新增文件區塊定位、分類與信心分數

    Mistral AI 發佈文件解析模型 Mistral OCR 4,除提取文字外亦輸出邊界框、區塊類型和信心分數,並支援 170 種語言、10 個語言組別。獨立人工偏好評估的平均勝率為 72%,模型在 OlmOCRBench 得分 85.20;官方提醒自動基準存在評分侷限,建議以自有文件評估。

    推薦理由:文章列明 OCR 4 的結構化輸出和自動基準評分侷限,為企業按自身文件評估解析、檢索及資料管線提供具體參照。

6月17日週三
  1. Hugging Face Blog78

    GLM-5.2 發佈,最大上下文擴至 1M tokens並提升長程任務能力

    GLM-5.2 發佈,將最大上下文長度由 200K 擴至 1M tokens,並強化長程任務與編碼能力。它在 Terminal-Bench 2.1 和 SWE-bench Pro 分別取得 81.0、62.1,高於 GLM-5.1 的 63.5、58.4。

    推薦理由:文章並列長程編碼基準成績與 IndexShare、MTP 的效率改動,讓讀者可對照模型性能數據和 1M-token 上下文的工程支撐。

6月15日週一
6月11日週四
6月10日週三
  1. gihyo.jp84

    Anthropic 開始一般提供 Claude Fable 5,Claude Mythos 5 限向指定機構提供

    Anthropic 於 2026 年 6 月 9 日開始一般提供 Claude Fable 5,並稱其在軟件工程、知識工作、科學研究及圖像理解方面表現突出,長而複雜的任務中領先幅度更大。

    推薦理由:文章並列 Claude Fable 5 與 Claude Mythos 5 的適用對象和安全處理,亦交代訂閲期限及 API 價格,呈現一般提供與受限提供的差異。

6月9日週二
  1. Google DeepMind72

    Google DeepMind 發佈 Gemma 4 12B 統一免編碼器多模態模型

    Google DeepMind 發佈 Gemma 4 12B,定位為可在筆記型電腦本機運行的多模態模型,並為中型模型加入原生音訊輸入。它採用免多模態編碼器架構,將視覺和音訊輸入直接整合至 LLM backbone;標準基準表現接近 26B MoE,總記憶體佔用不足其一半。Gemma 4 12B 以 Apache 2.0 授權釋出,可透過 LM Studio、Ollama 等工具試用。

    推薦理由:Gemma 4 12B 的免編碼器設計、接近 26B MoE 的基準表現與較低記憶體佔用,提供比較中型多模態模型架構和本機部署定位的具體依據。

6月5日週五
  1. Hugging Face Blog62

    NVIDIA 發佈 Nemotron 3.5 Content Safety,整合多模態安全判定與自訂政策

    NVIDIA 發佈 Nemotron 3.5 Content Safety,將多模態輸入、多語言覆蓋、自訂企業政策與可審計推理整合至單一 4B 模型。模型基於 Google Gemma 3 4B IT,明確訓練覆蓋 12 種語言,並承接其約 140 種語言的 zero-shot 泛化;可選 THINK mode 會輸出推理軌跡。

    推薦理由:Nemotron 3.5 將多模態判定、自訂政策和可審計推理整合於 4B 模型,並附訓練資料集,提供企業安全審核的部署參考。

6月4日週四
6月3日週三
6月2日週二
  1. Hugging Face Blog63

    Holo3.1 系列發佈,擴展電腦操作至手機並提供本地量化權重

    H Company 發佈 Holo3.1 電腦操作模型系列,擴展至網頁、桌面及手機環境,並提供本地推理量化權重。AndroidWorld 上,35B-A3B 模型的分數由 67% 升至 79.3%,4B 和 9B 版本由 58% 升至 72%。

    推薦理由:文章同時列出不同尺寸、量化格式,以及 AndroidWorld 和 DGX Spark 數據,讀者可據此比較本地部署的性能與速度取捨。

6月1日週一
5月29日週五
  1. gihyo.jp77

    Anthropic 發佈 Claude Opus 4.8,Claude Code 動態工作流程開放研究預覽

    Anthropic 發佈 Claude Opus 4.8,並為 Claude Code 推出「動態工作流程」研究預覽版。Opus 4.8 在編碼、智能體技能、推理及實務知識工作等方面較 Opus 4.7 改進,價格維持不變;Anthropic 的基準測試顯示,它在大部分項目上勝過 GPT-5.5 和 Gemini 3.1。

    推薦理由:Claude Code 動態工作流程可在單一工作階段並行運行數十至數百個子智能體,文中亦交代研究預覽的支援入口及較高 token 消耗提醒。

5月28日週四
5月26日週二
  1. 通義 QwenAudio:原創語音項目63

    CosyVoice 項目提供 Fun-CosyVoice 3.0 多語言語音合成模型

    CosyVoice 項目提供 Fun-CosyVoice 3.0,這是一套基於大語言模型的文字轉語音系統,面向自然場景的零樣本多語言語音合成。系統覆蓋 9 種常見語言及 18+ 種中文方言/口音,並支援多語言及跨語言零樣本聲音複製。它支援雙向串流,延遲最低為 150ms;項目亦提供模型下載、安裝、推理及部署説明。

5月22日週五
5月21日週四
  1. Runway:News(網頁)68

    Runway 發佈 Aleph 2.0 影片編輯模型及 Edit Studio

    Runway 推出影片編輯模型 Aleph 2.0,並同步推出 Edit Studio,支援編輯最長 30 秒的 1080p 影片。Aleph 2.0 可按指定影格控制修改外觀,只更改指定內容,並將編輯套用至相關鏡頭。Aleph 2.0 與 Edit Studio 現已在 Runway 桌面網頁版向所有付費方案用戶開放。

5月20日週三
  1. gihyo.jp86

    Google 發佈 Gemini 3.5 Flash、Gemini Omni Flash,並公佈 Gemini Spark 個人 AI 智能體

    Google 在 Google I/O 2026 發佈 Gemini 3.5 Flash 和 Gemini Omni Flash,前者面向 Agent 與編碼工作,後者可結合文字、圖像、影片及音訊生成和編輯影片。

    推薦理由:文章對照兩款新模型的用途與推出渠道,並交代 Gemini Spark 的測試及開放安排,呈現 Google 將模型能力延伸至影片創作和背景代理工作的具體路徑。