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。
新模型的發佈、開源與迭代:大模型廠商的旗艦更新、開源權重放出、性能與價格變化的第一時間記錄。
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。
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。
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。
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。
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。
Google DeepMind 發佈 Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber,涵蓋智能體工作流、低延遲高吞吐任務及網絡安全場景。
推薦理由:文章列出 3.6 Flash 與 3.5 Flash-Lite 的速度及成本指標,並説明 Cyber 模型將透過有限試點提供,呈現不同工作負載的部署差異。
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。
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。
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。
OpenAI 於 2026 年 7 月 9 日開始向一般用戶提供 GPT-5.6 系列,同日公佈 ChatGPT Work 和整合 Codex 的新桌面應用程式。
推薦理由:文章對照三款模型的定位、推理等級和 API 價格,並整理 ChatGPT、Codex 與 API 的提供安排,有助比較模型選擇及接入成本。
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。
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。
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。
Mistral AI 發佈 Leanstral 1.5,這款 Apache-2.0 授權模型總參數量為 119B、活躍參數為 6B,面向 Lean 4 形式化驗證。
推薦理由:文章不只列出形式化數學基準,也以 AVL 樹複雜度證明及 57 個程式庫的漏洞排查,呈現 Leanstral 1.5 將定理證明延伸至實際程式驗證的應用。
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。
Google DeepMind 推出 Nano Banana 2 Lite,並首次向開發者開放 Gemini Omni Flash。
推薦理由:兩款模型分別面向高速批量圖像生成與影片生成、對話式編輯,文中列出成本、延遲及 API 限制,可供評估多媒體工作流的取捨。
OpenAI 於 2026 年 6 月 26 日啟動 GPT-5.6 系列限定預覽,Sol、Terra、Luna 先經 Codex 和 API 提供予少數可信任夥伴及機構。
推薦理由:三款模型按能力、成本和用途分層,目前先透過 Codex 和 API 提供;文中列出定價與基準結果,便於比較不同型號的取捨。
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。
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。
Google DeepMind 發佈實驗性開放模型 DiffusionGemma,透過文字擴散並行生成文字,在專用 GPU 上文字生成最高快 4 倍。
推薦理由:DiffusionGemma 的優勢集中於低至中等批次的單加速器推理,高 QPS 雲端服務則可能收益較小並增加服務成本。