Anthropic 发布 Claude Sonnet 5.5，速度提升 30% 且成本降低
Anthropic 今日发布 Claude Sonnet 5.5，官方称其运行速度快 30% 以上，多数任务成本降低最多 30%，定价与 Sonnet 5 相同但基准测试全面胜出。该模型已用于 claude.ai 免费层，作者实测其生成 3D 鹈鹕骑自行车页面表现扎实，并指出其编码能力接近 Opus 5.5。Haiku 5.5 预计数周内推出。
#模型发布
#模型发布
今日 4 条Simon WillisonAI 评分7070 AWS Machine Learning Blog精选AI 评分7878 Claude Sonnet 5.5 上线 Amazon Bedrock
AWS 宣布 Claude Sonnet 5.5 在 Amazon Bedrock 和 Claude Platform on AWS 上可用。该模型面向聚焦编码和知识工作，多数任务成本更低、速度更快，能完成功能或缺陷修复并对照需求检查结果，生成的文档和图表也更精致。
推荐理由：原文给出了 Sonnet 5.5 的能力提升、适用场景和接入方式，读者可据此判断它适合哪些编码与知识工作负载。
The Decoder精选AI 评分7878 Anthropic 发布 Claude Sonnet 5.5，多项基准接近 Opus 5.5 且单任务成本低至三成
Anthropic 发布 Claude Sonnet 5.5，输出速度提升超 30%，单任务成本最高降低 30%，在多项基准上接近 Opus 5.5。编码能力较前代大幅跃升，Terminal-Bench 4.0 得分从 10.3% 升至 70.6%，CursorBench 4.0 得分 55.5%，仅比 Opus 5.5 低约两分。
推荐理由：原文给出了 Sonnet 5.5 与 Opus 5.5 及前代的基准对比和定价，读者可据此判断中端模型的实际性价比。
TechCrunch · AIAI 评分7272 Anthropic 发布 Sonnet 5.5，称其更便宜、更快的日常工作助手
Anthropic 发布其中端模型 Sonnet 5.5，称其比前代快 30%，token 消耗率显著降低，适合编码和办公文档等日常任务。Anthropic 的基准测试显示，Sonnet 5.5 在智能体编码上表现优于 Opus 5.5，且具备与 Opus 5 相当的网络安全能力，成为首个适用同等网络安全防护措施的 Sonnet 模型。公司还计划在未来几周发布最小模型 Haiku 的新版本。
Hugging Face Blog精选AI 评分7878 Hugging Face 发布 Holo4 通用计算机操作智能体模型
Hugging Face 发布 Holo4 系列智能体模型，含 27B dense 和 35B-A3B MoE 两个尺寸，均已在 H Models API 上线，并同步开源 Holotron4 Nano。
推荐理由：原文给出了新模型的双尺寸、跨界面能力和开源轨迹数据，读者可据此评估它在真实业务工作流中的性价比。
Hugging Face Blog精选AI 评分6060 Liquid AI 发布 LFM2.5-VL-DSpark 草稿模型，加速视觉语言模型推理
Liquid AI 发布 LFM2.5-VL-3B 的实验性 DSpark 草稿模型，通过投机解码在几乎不增加内存的前提下提升推理速度，解码加速最高达 3.13x（设备端）和 2.66x（H100），端到端提升最高 2.62x 和 2.27x。
推荐理由：原文给出了解码加速倍数、内存开销和三种推理框架的接入方式，读者可据此评估端侧视觉模型的推理收益。
Latent Space精选AI 评分8585 Claude Opus 5.5 与 GPT-6 Sol/Luna 同日发布，Anthropic 与 OpenAI 展开价格与能力竞争
Anthropic 发布 Claude Opus 5.5，称多数任务性能接近 Fable 5.1，运行成本比 Opus 5 低 40%，速度提升约 30%，并成为 Claude Code 和 Claude 应用的默认模型。
推荐理由：原文梳理了 Claude Opus 5.5 与 GPT-6 Sol/Luna 同日发布的定价、评测与安全争议，读者可据此对比两家实验室的竞争策略。
Ars Technica · AIAI 评分6767 Anthropic 与 OpenAI 新模型主打更低价更高性价比
Anthropic 发布 Opus 5.5，声称相比 Opus 5 在默认设置下典型工作负载成本降低约 40%，因 token 价格下降且完成任务所需 token 更少，并在网络安全和生物学等高风险领域能力突出，相关请求可能被自动路由到旧模型。OpenAI 发布 GPT-6 Sol 和 Luna，作为 Astra 的迭代版本，部分基准测试中比前代能力提升几个百分点，但使用成本减半。
OpenAI NewsAI 评分5252 OpenAI 发布 GPT-6 Sol 和 Luna 两款模型
OpenAI 发布 GPT-6 Sol 和 Luna 两款模型，以不同的能力与成本平衡将前沿智能带入日常工作。
AWS Machine Learning Blog精选AI 评分8080 Claude Opus 5.5 在 AWS 上线
Claude Opus 5.5 现已在 Amazon Bedrock 和 Claude Platform on AWS 上线，是 Claude 5.5 系列的首个模型。相比 Opus 5，它用更少 token 完成任务，平均单任务成本更低，并首次配备生物、网络安全和 AI 开发领域的安全分类器。模型支持自适应思考，可通过 effort 控制推理量，适用于智能体编码和长文档知识工作。
推荐理由：原文给出了新模型的效率、定价与安全分类器变化，读者可据此评估其在长任务和智能体编码场景的适用性。
Latent Space精选AI 评分7878 小米发布 MiMo-V2.6-Pro 开源全模态模型，训练成本约 300 万美元
小米发布 MiMo-V2.6 系列开源全模态模型，其中 MiMo-V2.6-Pro 以 1.02T 总参数、42B 激活参数成为 Artificial Analysis 智能指数上排名最高的开源权重模型，输入输出价格分别为 $0.435/M 和 $0.87/M tokens，采用 MIT 许可。
推荐理由：原文给出了 MiMo-V2.6-Pro 的参数量、训练成本和开源范围，读者可据此判断开源模型在 RL 路线上的进展。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking 语音模型
Google DeepMind 发布 Gemini 3.8 Live 和 3.8 Live Extended Thinking 两个语音对话模型，前者面向规模与成本效率，后者面向高复杂度任务。
推荐理由：官方给出了两个新模型的定位差异、基准成绩和开放渠道，读者可据此判断它们适合哪些语音智能体场景。
OpenAI NewsAI 评分4242 GPT-6 Astra：面向工作的下一代智能
OpenAI 推出 GPT-6 Astra，定位其最具商业能力的模型，具备高级推理、计算机使用能力，以及更强的写作与设计判断力。该模型面向工作场景，旨在提升企业级任务的智能化水平。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 WeatherNext 3 全球天气 AI 模型
Google DeepMind 和 Google Research 发布 WeatherNext 3，据 Brightband 独立实时评测为目前最先进、最准确的全球天气模型。
推荐理由：原文给出了分辨率、更新频率和降水精度等关键指标，读者可据此判断新一代天气模型的实际能力提升。
OpenAI NewsAI 评分5252 OpenAI 发布 GPT-6 Astra
OpenAI 发布 GPT-6 Astra，称其为迄今最智能且对齐程度最高的模型，在计算机使用、编码、网络安全和科学领域具备领先能力。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber
Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber，这是六周内第三个 Flash 版本，定价与 3.7 Flash 相同，为每百万输入 token 0.75 美元、每百万输出 token 3.75 美元。
推荐理由：原文给出新模型在编码、推理和网络安全上的具体基准成绩与定价，读者可据此判断其相对前代和竞品的定位。
Google Research精选AI 评分6565 Google 发布 TimesFM-3 多变量时序预测基础模型
Google Research 发布 TimesFM-3，这是其时序基础模型家族的新一代版本，原生预训练用于多变量预测，参数量 3.3 亿，在超过 1 万亿时间点的真实与合成语料上完成预训练。
推荐理由：原文给出了模型架构、参数量、评测排名和开放入口，读者可据此判断它相对单变量模型的提升幅度。
Google DeepMind精选AI 评分7777 Google DeepMind 发布 Gemini 3.7 Flash，主打编码与智能体场景
Google DeepMind 发布 Gemini 3.7 Flash，距 3.6 Flash 仅三周，是面向编码和智能体场景的最强工作模型。
推荐理由：官方给出了编码、网页开发与知识工作场景的基准提升和半价定价，读者可据此评估升级价值。
Google DeepMind精选AI 评分8080 Google DeepMind 发布手语转文本模型 SL2T，率先落地 Pixel 11
Google DeepMind 发布大规模多语种手语转文本模型 SL2T，首次将手语 AI 带入消费产品，支持在 Pixel 11 的 Gboard 和 Live Transcribe 中实现美国手语（ASL）到英语的听写。模型基于超过 10 万小时、50 多种手语数据训练，在 FLEURS-ASL 基准上取得 70 BLEURT 的零样本成绩，并采用姿态关键点而非原始视频以保护隐私。
推荐理由：原文给出了 SL2T 的训练规模、基准成绩和落地入口，读者可据此判断手语 AI 从实验室走向消费产品的实际进展。
Hugging Face Blog精选AI 评分8585 Meta 发布开源多模态模型 Muse Glimmer-30B，主打本地智能体场景
Meta 今日发布 Muse Glimmer，一个从 Muse 蒸馏到 30B 参数的多模态模型，专为本地智能体场景设计，采用 Apache 2.0 许可。模型由 2B 视觉编码器和 28B 文本解码器组成，支持图像、视频输入及多模态工具调用，并附带 DFlash 投机解码加速。
推荐理由：原文给出架构细节、基准对比和本地部署路径，读者可据此评估它在端侧智能体场景的适用性。
Mistral AI精选AI 评分7070 Mistral 发布 3B 开源多模态安全审核模型 Shieldstral
Mistral 发布 Shieldstral，一个 3B 开源多模态安全审核模型，在文本安全上匹配最高 7 倍规模的模型，并在多模态审核上达到新 SOTA。它把内容审核建模为策略自适应问答，推理时用自然语言问题定义策略，无需重训即可统一审核文本和图像，返回校准的安全分数。模型以 Apache 2.0 开源，可在单张 16GB NVIDIA GPU 上运行。
推荐理由：原文给出了把内容审核建模为策略自适应问答的思路，读者可以据此判断这种免重训的审核方式是否适合自身场景。
Google DeepMind精选AI 评分7575 Google DeepMind 发布 Gemini Robotics ER 2 具身推理模型
Google DeepMind 发布 Gemini Robotics ER 2，这是其最强大的具身推理模型，支持视频理解、任务编排和多机器人协作，可将动作执行交给任意底层 VLA 模型。
推荐理由：原文给出了新模型的三大能力升级和公开开放入口，读者可据此判断它如何改变机器人任务编排与多机协作的开发方式。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Gemini Robotics 2，实现全身控制与多机器人协作
Google DeepMind 发布 Gemini Robotics 2，包含三款模型：Gemini Robotics 2 是最先进的视觉-语言-动作模型（VLA）。
推荐理由：原文给出了三款模型的分工和开放入口，读者可据此判断具身智能模型的能力边界与接入方式。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 与 3.5 Flash Cyber
Google DeepMind 发布三款新 Gemini 模型。Gemini 3.6 Flash 相比 3.5 Flash 减少 17% 输出 token 用量。
推荐理由：官方给出三款新模型的定价、token 效率与关键基准提升，读者可据此评估其在智能体工作流中的成本与性能取舍。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Gemini 3.5 Flash Cyber 网络安全模型
Google DeepMind 发布 Gemini 3.5 Flash Cyber，这是基于 3.5 Flash 微调而成的轻量网络安全模型，用于快速发现、验证和修复软件漏洞。
推荐理由：原文给出了轻量安全模型的定位、基准成绩和内部落地效果，读者可据此判断它在漏洞挖掘场景中的实际价值。
Hugging Face Blog精选AI 评分8282 Thinking Machines 发布开源多模态模型 Inkling 及 Inkling-Small
Thinking Machines 在 Hugging Face 发布开源多模态模型 Inkling，约 1T 参数、支持 1M 上下文，原生接受图像、文本和音频输入，具备智能体能力，并提供 BF16 和 NVFP4 变体。
推荐理由：原文给出了 Inkling 的架构细节、部署配置和基准表现，读者可以据此判断它作为开源多模态模型的定位与可用性。
Mistral AI精选AI 评分6262 Mistral AI 发布 Robostral Navigate 具身导航模型
Mistral AI 发布 Robostral Navigate，一个 8B 参数的具身导航模型，仅用单个 RGB 摄像头即可让机器人自主导航，在 R2R-CE 验证 unseen 上取得 76.6% 成功率，超过使用深度或多摄像头的最佳系统 4.5 个点。模型完全在模拟环境中训练，通过指向式导航和在线强化学习（CISPO）持续改进，可运行于轮式、腿式和飞行机器人。
推荐理由：原文给出了单摄像头导航模型在 R2R-CE 上的成绩和训练方法，读者可据此判断它相对多传感器方案的效率优势。
Mistral AI精选AI 评分8282 Mistral 发布 Leanstral 1.5，6B 激活参数开源模型在形式化验证上刷新多项基准
Mistral 发布 Leanstral 1.5，一款 Apache-2.0 许可、总参数 119B 但仅 6B 激活的开源模型，在 miniF2F 上达到 100%，解决 PutnamBench 587/672 题，并在 FATE-H（87%）和 FATE-X（34%）上取得新 SOTA。
推荐理由：原文给出了基准成绩、成本对比和真实代码库找 bug 的案例，读者可据此判断它在形式化验证上的实用程度。
Google Research精选AI 评分7777 Google 发布 TabFM：面向表格数据的零样本基础模型
Google Research 发布 TabFM，一个面向表格数据分类与回归的零样本基础模型，将表格预测重构为上下文学习问题，无需手动训练、调参和特征工程。模型采用交替行列注意力、行压缩和 ICL 混合架构，完全在数亿个合成数据集上训练，在 TabArena 基准上覆盖 38 个分类和 13 个回归数据集。
推荐理由：原文给出了模型架构、训练方式和在 TabArena 上的评测结果，读者可据此判断零样本表格预测的实际能力。
Google DeepMind精选AI 评分7979 Google DeepMind 发布开源扩散模型 DiffusionGemma，推理速度最高提升 4 倍
Google DeepMind 发布实验性开源模型 DiffusionGemma，采用文本扩散技术并行生成整块文本，在专用 GPU 上推理速度最高提升 4 倍，单张 NVIDIA H100 上每秒可生成 1000+ token。该 26B MoE 模型推理时仅激活 3.8B 参数，量化后适配 18GB 显存，面向内联编辑、代码填充等速度敏感的本地交互场景，但整体输出质量低于标准 Gemma 4。
推荐理由：原文给出了速度提升、硬件门槛和适用场景，读者可据此判断它适合哪些本地交互工作流。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Gemma 4 12B 无编码器多模态模型
Google DeepMind 发布 Gemma 4 12B，这是其首款支持原生音频输入的中型多模态模型，采用无编码器统一架构，视觉和音频输入直接进入 LLM 主干。
推荐理由：原文给出了架构变化、内存占用和开放入口，读者可据此判断它能否在本地硬件上跑起多模态智能体工作流。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini Omni Flash 多模态生成模型
Google DeepMind 发布 Gemini Omni 系列首个模型 Gemini Omni Flash，支持以图像、音频、视频和文本为输入生成高质量视频，并可通过自然语言对话编辑视频。
推荐理由：原文给出了 Omni 系列首个模型的能力范围和开放入口，读者可据此判断它如何把多模态生成带入现有工作流。
Google DeepMind精选AI 评分8585 Google DeepMind 发布 Gemini 3.5，率先推出 3.5 Flash
Google DeepMind 发布 Gemini 3.5 模型家族，率先推出 3.5 Flash，主打智能体与编码能力，在 Terminal-Bench 2.1（76.2%）、GDPval-AA（1656 Elo）和 MCP Atlas（83.6%）等基准上超越 Gemini 3.1 Pro，输出速度比其他前沿模型快 4 倍。
推荐理由：官方给出了 3.5 Flash 的基准成绩、速度与成本优势，读者可据此判断它在智能体任务上的实际定位。
Google DeepMind精选AI 评分7272 Google DeepMind 发布 Gemini Robotics-ER 1.6，增强具身推理能力
Google DeepMind 发布 Gemini Robotics-ER 1.6，这是其推理优先模型的重大升级，通过增强空间推理和多视角理解，让机器人更精准地理解环境。
推荐理由：官方介绍了新模型的推理能力升级与仪表读取新功能，读者可据此判断它在机器人任务中的适用边界。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemma 4 开源模型家族，主打推理与智能体工作流
Google DeepMind 发布 Gemma 4 开源模型家族，号称迄今最智能的开源模型，专为高级推理和智能体工作流设计，以 Apache 2.0 许可发布。
推荐理由：官方发布稿给出了四个尺寸、上下文窗口和硬件适配细节，读者可据此判断在自有硬件上运行与微调的可行性。
Mistral AI精选AI 评分7878 Mistral 发布 Mistral Small 4，统一推理、多模态与编码能力
Mistral 发布 Mistral Small 4，这是首个统一旗舰模型能力的开源模型，融合 Magistral 的推理、Pixtral 的多模态和 Devstral 的编码智能体能力。
推荐理由：原文给出了架构、性能提升和开放入口，读者可以据此判断它如何统一推理、多模态与编码能力。
Mistral AI精选AI 评分6262 Mistral 发布开源 Lean 4 代码智能体 Leanstral
Mistral 发布 Leanstral，首个面向 Lean 4 的开源代码智能体，权重以 Apache 2.0 协议开源，并集成进 Mistral Vibe 和免费 API 端点。
推荐理由：原文给出了 Leanstral 的架构、评测分数和成本对比，读者可据此判断它在形式化证明场景中的性价比。
Mistral AI精选AI 评分8282 Mistral AI 发布 Devstral 2 编码模型与 Mistral Vibe CLI
Mistral AI 发布下一代编码模型 Devstral 2（123B）和 Devstral Small 2（24B），均采用宽松开源许可，Devstral 2 在 SWE-bench Verified 上取得 72.2% 的成绩，并推出原生 CLI 工具 Mistral Vibe 实现端到端代码自动化。
推荐理由：原文给出了新模型在 SWE-bench Verified 上的得分、与闭源模型的差距以及 API 定价，读者可据此判断开源编码模型的实际水平与成本。
Mistral AI精选AI 评分7878 Mistral 发布 Mistral 3 系列，含 Large 3 与 Ministral 3 多尺寸模型
Mistral 发布下一代模型 Mistral 3，包含 14B、8B、3B 的 Ministral 3 系列和旗舰 Mistral Large 3，全部采用 Apache 2.0 许可证。
推荐理由：原文给出了 Mistral 3 全家族参数、许可证和可用平台，读者可据此判断开源模型的最新能力水位与部署选择。
Mistral AI精选AI 评分7878 Mistral 发布开源语音理解模型 Voxtral，提供 24B 与 3B 两个版本
Mistral AI 发布开源语音理解模型 Voxtral，提供 24B 生产级和 3B 端侧两个版本，均采用 Apache 2.0 许可并开放 API。Voxtral 支持 32k token 上下文、最长 30 分钟转写或 40 分钟理解、内置问答与摘要、多语言识别及语音直接触发函数调用。
推荐理由：原文给出了两个开源语音模型的规模、许可和定价，读者可据此评估其在生产场景中的成本与部署选择。