Mistral Large 4 趣味测试：生成“穿渔网袜的犰狳在火星乱穿马路”的 SVG
wren6991 使用提示词“生成穿渔网袜的犰狳在火星乱穿马路的 SVG”对 Mistral Large 4 等前沿模型进行了趣味测试。测试分别调用了 claude-opus-5.5、gpt-6.1-sol、gemini-3.8-flash 与 mistral/mistral-large-4，并列出各自的默认推理等级。此举调侃传统 benchmark 已趋于饱和，转而用创意提示词检验模型实力。
全部AI 动态
全部动态
今日 0 条Simon WillisonAI 评分3232 Simon WillisonAI 评分6262 Mistral Large 4 预览版发布：1 万亿参数，计划本月开源权重
Mistral 发布 Mistral Large 4 预览版：1 万亿参数、49B 激活参数，在自有的 3,800 块 NVIDIA Grace Blackwell GPU 集群上训练。
The Decoder精选AI 评分7070 Google 发布图像模型 Nano Banana 2.1，画质提升且价格约减半
Google 发布图像生成与编辑模型 Nano Banana 2.1，替代 2 月发布的 Nano Banana 2，1K 图像价格从 6.70 美分降至 3.36 美分，4K 从 15.10 降至 7.56 美分。
推荐理由：文章并列了 Nano Banana 2.1 与上代及 Pro 的价格和基准对比，读者可据此判断这次升级的性价比与适用场景。
The DecoderAI 评分5757 Google 称 EmbeddingGemma 2 性能超过两倍体积的竞品嵌入模型
Google 发布开源多模态嵌入模型 EmbeddingGemma 2，参数量 740M，号称同类中最紧凑，在多模态嵌入基准上超过两倍体积的竞品。
Google DeepMind精选AI 评分6666 Google DeepMind 发布 EmbeddingGemma 2：开源轻量级多模态嵌入模型
Google DeepMind 发布 EmbeddingGemma 2，一款开源轻量级的多模态嵌入模型，可将文本、图像、音频与视频统一映射到单一嵌入空间。模型基于 Gemma 4 架构，参数量 740M，采用 Apache 2.0 许可，专为端侧推理优化，支持 8K token 上下文窗口。
推荐理由：原文给出了多模态嵌入与端侧资源占用的具体指标，读者可据此评估离线 RAG 管线的可行性。
Hacker News · AI 最新AI 评分2525 Ask HN：你希望 Iki Software 的 SPC-AI 首次公开亮相时看到什么？
Iki Software 宣布其新型 AI 技术 SPC-AI 将于数周后首次公开发布。SPC-AI 不同于 LLM、Transformer 或神经网络，无需提示词，而是作为软件内可训练的数据结构，普通程序员即可训练。目前已有 Python、JavaScript、C++ 和 Lua 四种语言的最小化库实现，团队正向社区征集大家想了解的内容。
XAI 评分3434 UT Austin 数学系主任称 OpenAI 准备发布 400 个 AI 生成的数学证明
UT Austin 数学系主任透露，OpenAI 正准备发布 400 个由 AI 生成的数学证明。
The Decoder精选AI 评分7878 Mistral 发布万亿参数大模型 Mistral Large 4，主攻网络安全任务
Mistral 发布迄今最大模型 Mistral Large 4（ML4，昵称 le Chonk），总参数约 1 万亿、活跃参数 49B，为原生多模态模型，API 现已通过 Mistral Studio 开放，权重预计 10 月底发布。
推荐理由：原文并列了 ML4 与 Claude Opus 5.5、GPT-6 Astra 在智能指数、编码和安全测试上的差距，读者可据此判断其真实定位。
TechCrunch · AI精选AI 评分6565 Mistral AI 发布 1T 参数模型 Mistral Large 4，旨在超越闭源与开源对手
Mistral AI 于周二发布 Mistral Large 4（ML4），一款 1T 参数的多模态大模型，昵称 Le Chonk，被定位为美国闭源模型与中国开源模型之外的第三条道路。
推荐理由：原文给出 ML4 在闭源与中国开源模型之间的定位与自有算力投入对比，读者可据此判断欧洲开源路线的竞争力。
Hacker News · AI 最新AI 评分4444 Mistral 将发布新 AI 模型，以更好地与美国竞争对手竞争
Mistral 将发布一款新的 AI 模型，旨在更好地与美国竞争对手竞争。原文未披露该模型的名称、参数规模、发布时间或可用性等细节。
The Decoder精选AI 评分6666 Reflection 发布首个开源模型 Beam，以更少算力匹配 GLM 5.2 并逼近 Qwen3.8-Max
Reflection 发布首个免费模型 Beam，面向编码、逻辑推理与智能体任务，MoE 架构总参数 501B、每 token 激活 23B。公司称 Beam 在高难度推理任务上以 3 到 4 倍更少的算力匹配 GLM 5.2，编码与智能体基准接近 Qwen3.8-Max，但原始性能仍弱于 Kimi K3。
推荐理由：原文给出 Beam 与 GLM 5.2、Qwen 3.8 的同性能算力对比，读者可据此判断低算力开源模型的竞争位置。
Latent Space精选AI 评分7272 Reflection 发布 Beam，501B-A23B 美国开源模型
Reflection 发布 Beam，一个总参数 501B、激活 23B 的纯文本 MoE 模型，面向编码、智能体与科学工作，从零训练，Apache 2.0 完整权重计划本月开放。
推荐理由：原文汇总了 Beam 的参数规格、训练规模与第三方评测，读者可据此横向对比中美开源模型格局。
36氪AI 评分2424 港股午盘：恒生指数涨0.78%，恒生科技指数涨0.87%
港股午间收盘，恒生指数涨0.78%，恒生科技指数涨0.87%。明星科网股普涨，阿里巴巴涨2.75%，百度集团涨3.6%，小米集团涨近2%。智谱涨逾8%，GLM-5.3上架AmazonBedrock。
AWS Machine Learning Blog精选AI 评分6767 智谱 GLM 5.3 现已在 Amazon Bedrock 上可用
智谱（Z.ai）的 753B 参数混合专家模型 GLM 5.3 现已上线 Amazon Bedrock，面向编码与长程智能体任务优化，官方称发布时在 CyberGym 基准上取得 84.5 分、内部编码基准较 GLM 5.2 提升 50%。
推荐理由：原文给出了从 API 调用到显式提示词缓存再到 Strix 安全测试的完整上手路径，可直接复用到自己的编码与智能体工作流。
Hacker News · AI 最新AI 评分3939 Reflection AI 发布开源项目，对标中国实验室
Reflection AI 发布开源项目，作为西方对中国实验室的回应。该消息目前在 Hacker News 上获得 3 个赞与 1 条评论。
Hacker News · AI 最新AI 评分2020 三个 AI 模型，同一提示词，测试工具使用前后
通过同一提示词测试三个 AI 模型，对比其在使用某款测试工具前后的表现差异。由于正文内容缺失，具体模型名称、测试工具及对比结果无法获知。
TechCrunch · AI精选AI 评分7171 Reflection AI 发布首款开放权重模型 Beam，以更低算力成本对标中国开源模型
Reflection AI 正式发布首款前沿开放权重模型 Beam，为 501B 总参数、23B 激活参数的纯文本 MoE 模型，预训练数据 23.8T tokens，上下文窗口 100 万 token。
推荐理由：原文把 Beam 的参数规模、上下文窗口与 GLM-5.2 等对手并列对比，读者可据此判断其低算力成本主张的分量。
The Decoder精选AI 评分6565 Reka AI 发布全模态模型 Rho-1：单一模型处理文本、图像、视频与机器人控制
Reka AI 发布了 Rho-1 的研究预览版，这款 190 亿参数的全模态模型在单一神经网络中处理并生成文本、图像、视频和机器人控制动作。与多数将任务路由到专用模型的系统不同，Rho-1 把所有模态作为 token 放进同一共享上下文窗口，无需工具调用或外部模型，并能实时生成连续视频、即时响应新指令。
推荐理由：原文给出单一模型统一处理多模态与机器人控制的思路，以及从普通视频提取控制信号的数据方案，可对照自家多模态路线。
The DecoderAI 评分5959 Aleph Alpha 发布开源权重模型 Kolibri，78B 参数德英双语，主打欧洲 AI 主权
Aleph Alpha 发布 Kolibri，一个 78B 参数的德英双语开源权重模型，采用 mixture-of-experts 架构，每个 token 约激活 3B 参数。
Simon WillisonAI 评分3838 Qwen3.8 27B 英文单词加法测试
Simon Willison 在 DGX Spark 上测试了 Qwen3.8-27B-Q4_K_M.gguf 的英文单词加法能力。禁用推理时，5,070 个测试的数值准确率仅 23.57%，随操作数位数增加从 97.04% 降至 6.44%，格式合规率为 96.17%。开启中等推理后，169 次单次测试中答对 167 次，准确率大幅提升。
The Decoder精选AI 评分6767 NASA 与 IBM 开源月球基础模型，将 17 年轨道器数据转化为月球科学基础
NASA 与 IBM Research 联合多家学术机构发布 NASA-IBM Lunar Foundation Model，是首批面向月球科学的开源基础模型之一。
推荐理由：模型把光照几何作为显式输入而不是让模型从原始像素猜测，这一做法对受光照影响大的遥感任务有直接参考价值。
极客公园精选AI 评分7171 Tavus 发布 Griffin 人类交互模型，一分钟视频通话近半数参与者误认为真人
10 月 1 日，美国 AI 视频公司 Tavus 发布 Griffin 模型，并将其定义为全球第一个「人类交互模型」；一分钟视频通话测试中 54 名参与者有 26 人事后认为自己在和真人聊天，比例接近 48%，而上一代系统通过率仅 2.4%。
推荐理由：文章在宣传效果之外核对了样本量、心理暗示与基准分数，读者可以据此更冷静地判断端到端架构带来的实际进步。
HackerNews 每日摘要AI 评分2626 2026-10-04 Hacker News 热门文章
本期 Hacker News 热门文章涵盖苹果推出 Apple Pass Designer、Aleph Alpha 发布 Kolibri 模型以及 Zig 0.17.0 发布。
Kimi · 官方博客精选AI 评分7878 Kimi 发布开源模型 K2.5，强化视觉编码与多智能体并行执行能力
Kimi 发布开源模型 Kimi K2.5，在 K2 基础上继续预训练约 15T 视觉与文本混合 token，主打编码、视觉与自主导航的 Agent Swarm。K2.5 可自动编排最多 100 个子智能体、执行最多 1,500 次工具调用的并行工作流，相比单智能体设置最多缩短 4.5 倍执行时间。模型已通过 Kimi.com、Kimi App、API 与 Kimi Code 开放使用。
推荐理由：原文给出了 K2.5 的多模态预训练规模与 Agent Swarm 并行调度机制，读者可据此判断其在复杂任务上的执行效率优势。
Kimi · 官方博客精选AI 评分8383 月之暗面开源发布 Kimi K2.6，主打长程编码与智能体集群能力
月之暗面（Kimi）正式开源最新模型 Kimi K2.6，并同步上线 Kimi.com、Kimi App、API 与 Kimi Code。模型在内部 Kimi Code Bench 上显著优于 K2.5，Agent Swarm 可横向扩展到 300 个子智能体、4,000 个协同步骤，而 K2.5 为 100 个子智能体与 1,500 步。
推荐理由：官方给出 Kimi K2.6 的开源范围、基准数据与企业试用反馈，可据此对比它与 K2.5 及闭源模型在长程编码和智能体编排上的差距。
Kimi · 官方博客精选AI 评分8585 月之暗面发布 Kimi K3，首个开源 3T 级模型
月之暗面发布 Kimi K3，2.8T 参数开源模型，具备原生视觉能力与 100 万 token 上下文窗口，官方称其为全球首个开源 3T 级模型。
推荐理由：原文给出 2.8T 参数、KDA 与 Attention Residuals 架构及多项基准对比，读者可据此判断其在开源模型中的位置。
Kimi · 官方博客精选AI 评分8181 月之暗面开源 Kimi K2：1T 参数 MoE 模型，强化智能体编码
月之暗面（Kimi）开源 Kimi K2，这是总参数 1T、激活参数 32B 的 Mixture-of-Experts 模型，在前沿知识、数学和编码任务上达到非思考型模型的 SOTA。
推荐理由：官方给出 Kimi K2 的参数规模、开源版本与调用入口，读者可据此判断它能否替代现有编码智能体方案。
通义千问 · 官方博客精选AI 评分6666 Qwen3Guard 发布：支持实时逐词安全检测的护栏模型
通义千问发布 Qwen3Guard 护栏模型，基于 Qwen3 架构针对安全分类任务微调，提供 Qwen3Guard-Gen 与 Qwen3Guard-Stream 两个版本，均有 0.6B、4B、8B 三种参数规模。
推荐理由：官方给出逐词流式检测的实现路径与三级风险标签设计，读者可据此评估将其接入现有安全审核流程的可行性。
MiniMax · 官方新闻AI 评分6262 MiniMax Music 3.0 发布：一次生成最长 5 分钟完整歌曲
MiniMax 正式推出新一代音乐生成模型 Music 3.0，只需一个创意想法和可选歌词，即可在一次生成中完成作曲、编曲、演唱与制作，输出最长 5 分钟的完整歌曲。
MiniMax · 官方新闻精选AI 评分7979 MiniMax 发布全模态生成模型 H3
MiniMax 正式发布通用全模态生成模型 H3，支持多模态上下文统一理解，可输出最高 15s 2K 分辨率的原生双声道音视频。该模型在指令遵循、文字与品牌信息呈现及 V2V Motion Transfer 等方面表现出色，2K 分辨率下每秒价格不到主流模型的 1/3。官方计划在未来几天内开放模型权重，以推动开源社区发展。
推荐理由：MiniMax 发布全模态生成模型 H3，支持 15s 2K 原生双声道音视频，计划开放权重，为多模态创作提供了新的高性价比选项。
The Decoder精选AI 评分6969 Cloudflare 发布 Clef 与 Clef-flash 决策模型，称智能体决策不再需要人类介入
Cloudflare 发布面向智能体的决策模型 Clef 与 Clef-flash，直接对标 TypeSafe AI 的 Jev。Clef-flash 中位延迟约 39 毫秒，Clef 约 209 毫秒，而 Jev 略超 524 毫秒；Clef 基于 Qwen3.8-27B，Clef-flash 基于 Qwen3.5-9B，上下文窗口为 64,000 token，并可处理图像。
推荐理由：文中给出 Clef 与 Jev 的延迟和准确率对比，读者可据此判断决策模型在智能体链路中的取舍。
The Decoder精选AI 评分6565 Microsoft AI 发布 MAI-Transcribe-2-Streaming 与 MAI-Voice-2.1 语音模型
Microsoft AI 发布实时转录模型 MAI-Transcribe-2-Streaming 及文本转语音模型 MAI-Voice-2.1 与 MAI-Voice-2.1-Flash。
推荐理由：原文给出了准确率排名、延迟、支持语言数和定价等具体指标，读者可以据此与同类语音模型做横向比较。
The Decoder精选AI 评分6868 Black Forest Labs 发布 Flux 3 Image，支持多步编辑且不改动图像其余部分
Black Forest Labs 发布 Flux 3 系列的图像模型 Flux 3 Image，支持多步编辑而不改变图像其他区域，覆盖 text-to-image、image-to-image、文本渲染与照片级真实感。
推荐理由：原文列出了 Flux 3 Image 的多步编辑能力、授权方式与开放权重计划，便于与 Ideogram 4.5 等同类编辑模型对照选择。
量子位精选AI 评分6868 openJiuwen X-Router 自演进模型路由开源，实测减少 50%+ Token 消耗
openJiuwen 团队开源智能路由框架 model-router，通过精准画像、动态决策与自演进三层架构实现按任务复杂度自动选择模型。
推荐理由：文章拆解了模型路由的画像、决策与自演进三层架构，并给出实测成本对比，适合作为多模型调度系统的设计参考。
爱范儿AI 评分6363 和 Opus 5.5 同题交卷，MiniMax M3.1 Flash Preview 前端创作实测
爱范儿在 MiniMax Code 中沿用 Opus 5.5 优质案例的公开提示词，实测 MiniMax M3.1 Flash Preview 的前端创作能力。
NVIDIA Blog精选AI 评分6868 NVIDIA GPU 如何加速 OpenAI GPT-6 Astra Ultrafast
GPT-6 Astra Ultrafast 现已在 OpenAI API 上线，并向符合条件的 ChatGPT Work 和 Codex 用户开放，运行于 NVIDIA Blackwell GPU，token 生成速度最高比 Astra Standard 模式快 8 倍。
推荐理由：原文给出 Ultrafast 相对 Astra Standard 最高 8 倍的提速幅度与编码工作流影响，读者可据此判断是否切换到该模式。
The DecoderAI 评分5757 Ideogram 4.5 发布：可编辑图像局部而不破坏其余部分
Ideogram 发布新模型 Ideogram 4.5，主打编辑图像局部时保持其余部分不变，公司称它只改动用户指定区域，早期测试者反馈多次编辑后一致性较强。模型提供每张 0.8 至 22 美分的四个质量档，均为原生 2K 分辨率，现已上线 Ideogram 平台和 API，合作方包括 Picsart、Runway、Pika 与 Leonardo AI，开放权重版本即将推出。
The DecoderAI 评分5959 近半数测试者在一分钟视频通话中将 Tavus 的 Griffin 误认为真人
Tavus 发布 Griffin，该公司称之为首个“人机交互模型”（HIM），可在实时视频对话中同时理解与生成语音、面部表情、语气、手势和停顿。在 Tavus 的测试中，48% 的参与者在进行一分钟视频通话后认为 Griffin 是真人，此前系统最高仅 2%；在 Nvidia 的独立测试中 Griffin 得分 3.83，人类为 3.92，此前最佳 AI 模型为 2.80。
量子位精选AI 评分8181 谷歌发布 Gemini 4 Argon，多榜单跑分第一且成本约为 GPT-6 Astra 一半
谷歌发布新一代旗舰模型 Gemini 4 Argon，在 DeepSWE v1.1 拿到 77.9%、CWE-bench v1 拿到 68%，并以 68.90% 登顶 Vals Index、1525 分位居 Text Arena 第一。
推荐理由：原文并列了 Argon 与 GPT-6 Astra、Opus 5.5 的跑分和定价对比，读者可据此判断这代旗舰模型的实际位置。
InfoQ 中国精选AI 评分8585 谷歌发布 Gemini 4 Argon：多项基准领先，已参与 80 万行内核代码迁移
谷歌发布新一代模型 Gemini 4 Argon，重点面向长流程软件工程、企业知识工作与网络安全防御。该模型目前通过 Fairwind 计划向受信任网络安全团队开放，输出上限提升至 100 万 Token，在 DeepSWE v1.1 等基准测试中领先，并已参与谷歌内部 80 多万行内核代码迁移。
推荐理由：文章梳理了 Gemini 4 Argon 的发布策略、定价与基准表现，并重点解读其在长流程软件工程和安全防御领域的内部实践案例，可供评估前沿模型落地路径参考。