Jev 1.13 内部测试准确率最高、成本最低
在为此任务生成的内部测试集上，Jev 1.13 相比其他 Decisions 模型以及 Claude Code 使用 Sonnet 5 的情况，准确率最高、成本最低。该结论由 OpenRouter 在 X 上公布。
最新动态
RadarAIAI 评分2222 RadarAIAI 评分7171 Meta 在 Hugging Face 开源 816B 参数模型 Muse Spark Open，适配 Apple MLX
Meta 在 Hugging Face 开源 816B 参数模型 Muse Spark Open，面向编码和智能体任务，Apple 为其 MLX 框架做了适配。
RadarAIAI 评分6262 OpenAI 推出科研模型 GPT-Rosalind
OpenAI 推出科研模型 GPT-Rosalind，用于帮助研究人员跨科学文献和生物数据进行推理，由科学家提供专业知识和判断力来评估证据。符合条件的实验室可获得最长 12 个月的 OpenAI 工具赞助访问权限，GPT-Rosalind 的访问需通过可信访问审批。通过 Rosalind Academic Plan 共享的研究数据默认不会用于训练 OpenAI 的模型。
RadarAIAI 评分5858 Arena：小米 MiMo V2.6 Pro 登顶 Agent Arena 开源模型第一
Arena 公布 Agent Arena 开源模型新排名，小米 MiMo V2.6 Pro 以 +3.8% 净提升位列第一。前五名依次为 Deepseek V4.1 Flash（Max）+3.0%、Hy4 preview +2.9%、MiMo V2.6 Flash +2.5%、GLM 5.2（Max）+2.4%。
RadarAIAI 评分7474 Meta 发布开放权重模型 Muse Spark Open，可在 Mac 本地运行
Meta 发布开放权重模型 Muse Spark Open，称其为美国最强开放权重模型，拥有 816B 参数和 1 million token 上下文窗口，原生多模态，面向复杂编码和智能体任务。
RadarAIAI 评分7171 Black Forest Labs 发布开源权重图像模型 FLUX 3 Image Klein
Black Forest Labs 发布开源权重图像模型 FLUX 3 Image Klein，参数量 5.6B，可在单张消费级 GPU 上运行，支持原生 4K、bounding boxes 和像素级编辑。开发者可对其进行后训练和微调，官方同时提供低延迟版用于更快生成和自托管，以及 FP8、NVFP4、INT8 量化版本。原生 4K 的蒸馏模型也将通过 BFL APIs 提供。
RadarAIAI 评分6060 IBM 发布 Granite Switch 4.1 模型：单端点同时支持对话、决策与语音转写
IBM Granite 团队发布 Granite-Switch-4.1-8B 和 -30B 模型，把 Decision aLoRA、专用 Guardian aLoRA 与 Granite-Speech-5.0-Turbo-CTC 组合进单一托管端点，可在对话、通用与专用决策、语音转写之间切换，显存占用约等于基础模型本身。
RadarAI同新闻AI 评分8282 Meta 在 Hugging Face 开源 816B 参数模型 Muse Spark Open 权重
Meta 在 Hugging Face 开源了 816B 参数的 Muse Spark Open 权重，面向编码和智能体任务，与闭源 Muse Spark 1.3 共享同一基座，仅额外做了抵御滥用的安全后训练，逆转其 4 月起的闭源权重策略。
量子位AI 评分6262 蚂蚁百灵开源 Ling-3.1-flash，主打真实工作流任务
蚂蚁百灵开源推出 Ling-3.1-flash，定位高智效比专业模型，主打把真实工作流里的任务干完。模型约 560B 总参数、每 Token 激活约 25B，采用 7 层 KDA 配 1 层 Gated MLA 的混合线性注意力与稀疏 MoE，上下文窗口上限 1M，混合精度量化后权重从约 534GB 降至 292GB，部署 GPU 由 8 卡降至 4 卡。
TechCrunch · AIAI 评分7171 Meta 发布可在 Mac 本地运行的开源权重模型 Muse Spark Open
Meta 发布开源权重模型 Muse Spark Open，称其是美国最强开源权重模型，拥有 8160 亿参数和 100 万 token 上下文窗口，原生多模态，面向复杂编码任务和智能体工作。
The Decoder同新闻AI 评分7878 Meta 发布 Muse Spark Open 开源权重模型，816B 参数对标 Qwen、GLM 和 Kimi
Meta 发布开源权重模型 Muse Spark Open，称其为美国最强开源权重模型，面向编码和智能体任务，拥有 8160 亿参数（420 亿激活）、最高 100 万 token 上下文，支持文本、图像、视频和音频。
RadarAIAI 评分6262 Meta 将推出开放权重模型 Muse Spark Open
Meta 即将发布 Muse Spark Open，这是 Muse Spark 1.2 的开放权重版本。据预告，它将是美国最强的开放模型，用户将能在新款 Mac Studio 设备上本地运行。
RadarAIAI 评分5858 Kling 4.0 正式发布，主打超现实图像生成能力
Kling 4.0 正式发布并全面上线，主打超现实图像生成能力，用户已可基于新版本开始创作。推文展示了该版本生成的一张魔幻主题扑克牌图像。
RadarAI同新闻AI 评分8080 Meta 发布开放权重模型 Muse Spark Open，上线 Baseten 支持 coding agent
Meta 发布开放权重模型 Muse Spark Open，发布首日即可在 Baseten Model APIs 和 Dedicated Inference 上使用。
RadarAI同新闻AI 评分7878 Meta 发布开源模型 Muse-Spark-Open-816B-A42B，权重上线 Hugging Face
Meta 发布开源模型 Muse-Spark-Open-816B-A42B，权重已在 Hugging Face 上线。模型页面显示其支持 Image-Text-to-Text，提供 Transformers、Safetensors、PyTorch 格式，许可为 muse-model-license。引用内容称该模型可与 Apple 合作在新 Mac Studios 上良好运行。
RadarAI同新闻AI 评分7878 Meta 发布开源模型 Muse Spark Open，Unsloth 提供 2-bit GGUF 量化版
Meta 发布新的 SOTA 开源模型 Muse-Spark-Open-816B-A42B，支持文本、图像、视频和音频输入，上下文窗口达 1M，权重今日开放。Unsloth 提供 Dynamic 2-bit GGUF 量化版，可在 256GB RAM/VRAM 配置上于 Mac Studio 运行，1-bit 至 8-bit 对应 180-870GB 内存需求。
RadarAIAI 评分6060 Google 称 Gemini 4 Argon 将 NASA 8 万份档案转为幻灯片
Google 表示 Gemini 4 Argon 能在几分钟内把杂乱数据变成干净的可视化叙事，它处理了 NASA 开放档案中的 80,000 个文件，涵盖 CSV、图像、PDF、网页文章、XML 日志和原始视频。该模型依据严格的设计规范生成了一份 Google Slides 演示文稿。
RadarAI同新闻AI 评分7979 Meta 开源 Muse Spark Open 权重，816B 总参数、1M 上下文
Meta 发布 Muse Spark Open 的开放权重，基于 8 月发布的 Muse Spark 1.2，已在 Hugging Face 上以 Muse Model License 提供。
RadarAIAI 评分7171 Black Forest Labs 发布开源权重模型 FLUX 3 Image Klein，5.6B 参数支持原生 4K 生成
Black Forest Labs 在 ComfyUI 发布 FLUX 3 家族的紧凑开源权重模型 FLUX 3 Image Klein，共 5.6B 参数，提供 Base 和 Distilled 两种版本。该模型支持原生 4K 生成，内部评测中文生图和多参考生成得分高于 Qwen-Image 2.1。
RadarAIAI 评分7171 Thomas Wolf 转评 Muse Spark Open，称其为迄今最强美国开源权重模型
Thomas Wolf 转发并评论 Muse Spark Open 的发布，称其为迄今最强美国开源权重模型。引用内容称该模型总参数 816B、激活 42B、上下文窗口 1M token、原生多模态，面向编码与长程智能体任务。配图显示其在 JobBench 61.8、HLE-Diamond 26.1、Terminal-Bench 2.1 76.4 等基准上领先所列对比模型。
RadarAI同新闻AI 评分7979 Meta 发布开放权重模型 Muse Spark Open，与 Apple 合作支持 Mac Studio 本地运行
Meta 发布 Muse Spark Open 开放权重模型，称其为迄今能力最强的美国开放权重模型，权重今日放出。该模型为原生多模态模型，总参数量 8160 亿，Meta 称其擅长长时程任务、复杂软件工程和多步推理。
RadarAIAI 评分6262 微软 MAI-Base-2 预训练完成，MAI-Base-3 已在筹备
微软 MAI 宣布 MAI-Base-2 预训练完成，MAI-Base-3 的训练周期已在筹备中。微软称 MAI-Base-2 在留出评测上超越所有受测开放权重模型，预训练 FLOPs 效率比最强开放基座模型 DeepSeek-V4-Pro-Base 高 4-12 倍，节省的算力被用于训练更大模型。微软表示已在 MAI 内部建成 3T 参数级别的 SOTA 预训练基座模型，后训练结果即将公布。
RadarAIAI 评分7676 Meta 发布 Muse Spark Open，已上架 Arena 的 Agent Arena 与 Code Arena
Meta 发布开放权重模型 Muse Spark Open，816B 总参数、42B 激活参数，1M token 上下文窗口，原生支持文本、图像、视频、音频多模态，主打编程与智能体长周期任务。
RadarAI同新闻AI 评分8080 Meta 发布开源权重模型 Muse Spark Open，816B 参数对标 Qwen、GLM 和 Kimi
Meta 在 Llama 系列之后重返开源权重领域，发布 Muse Spark Open，称其为最强美国开源权重模型，拥有 816B 参数（42B 激活），支持最高 100 万 token 上下文和文本、图像、视频、音频。
The Verge · AIAI 评分7171 Meta 与 Apple 合作，让 Muse Spark Open 模型在 Mac 上更好运行
Meta 发布 Muse Spark Open 模型，称其是迄今能力最强的美国开源权重模型，也是同类中首个能在桌面端运行、需两台搭载最新 MLX 框架的 Apple M5 Ultra Mac Studio 的模型。
OpenAI 部署安全与系统卡AI 评分3232 OpenAI 发布 GPT-Live-1.1 系统卡
OpenAI 发布 GPT-Live-1.1 与 GPT-Live-1.1 Quip 的系统卡，说明两款模型基于互联网公开数据、第三方合作数据及用户与人工训练师提供的数据训练，数据处理流程包含严格过滤以降低个人信息与有害内容。系统卡还给出针对违禁内容的语音原生评估，并提示此前已发布模型的对比数值取自其最新版本，可能与发布时数值略有差异。
Comfy Blog精选AI 评分7474 Black Forest Labs 发布 FLUX 3 Image Klein：5.6B 开源权重模型
Black Forest Labs 发布 FLUX 3 Image Klein，这是 FLUX 3 家族中紧凑的开源权重模型，参数量 5.6B，保留大尺寸 FLUX 3 Image 的边界框等控制功能，并提供未蒸馏的 Base 版和低延迟的 Distilled 版。
推荐理由：原文给出 5.6B 开源权重的量化加速数据与消费级 GPU 实测，可据此判断本地图像生成的成本变化。
PyTorch Blog精选AI 评分8585 Meta 开源 Muse Spark Open：816B 总参数、42B 激活的编码与智能体模型
Meta 发布 Muse Spark Open 的开放权重，这是一个 816B 总参数、42B 激活的模型，上下文窗口 1M tokens，已在 Hugging Face 上以 Muse Model License 提供。
推荐理由：Meta 开源 816B 总参数、42B 激活的编码与智能体模型，并给出 Helion 内核与 TorchTitan 微调路径，可据此评估开源权重模型的部署与二次训练成本。
NVIDIA Technical Blog同新闻AI 评分7878 Meta 发布 Muse Spark Open：816B MoE 编码模型，1M token 上下文
Meta 发布 Muse Spark Open，这是一个面向编码优化的 816B MoE 模型，激活参数 42B，上下文窗口 1M token。该模型在 NVIDIA GB300 NVL72 Blackwell Ultra 上训练，针对智能体编码工作流，具备更高的首次尝试准确率、可靠的工具调用和对代码库的深度理解。1M token 上下文窗口可容纳整个代码库。
The DecoderAI 评分7272 Google 发布 Gemini 4 Argon，用单一模型覆盖机器人仿真、控制与评估
Google 发布面向机器人任务的 Gemini 4 Argon，主打用同一个模型完成机器人控制、虚拟练习世界构建和训练视频评估，并称其更擅长理解空间关系、编写控制代码和从物理角度解读视频。
The Decoder同新闻AI 评分7878 Black Forest Labs 发布开源权重图像模型 FLUX 3 Image Klein，8 GB 显存即可运行
Black Forest Labs 发布 FLUX 3 Image Klein，这是一个 5.6B 参数的开源权重模型，支持文生图、图像编辑以及最多十张参考图生成，支持原生 4K 输出、像素级编辑和用于元素定位的边界框。
同一新闻，精选展示《Black Forest Labs 发布 FLUX 3 Image Klein：5.6B 开源权重模型》
RadarAIAI 评分4747 ElevenLabs 盲测：Eleven v4 在八语种中表现更富表现力
ElevenLabs 将最新语音模型 Eleven v4 与其他模型在八种语言中进行盲测，听众在每项测试中都认为 Eleven v4 更具表现力。
RadarAIAI 评分6262 ElevenLabs 发布 Eleven v4 与 v4 Turbo 语音模型
ElevenLabs 发布 Eleven v4 和 Eleven v4 Turbo，官方称这是其速度最快、情感表现最强的语音模型。官方表示该模型在 Artificial Analysis 排名第一，更多信息见 https://x.com/ElevenLabs/status/2104572127617994917。
RadarAIAI 评分7171 Nvidia 发布 Nemotron 3.5 Super VL 与 Bolt 74B-A9B，登顶美国开源权重模型
Artificial Analysis 评测显示，Nvidia 的 Nemotron 3.5 Super VL 在 Artificial Analysis Intelligence Index 得分 26，成为领先的美国开源权重模型，智能是上代 Nemotron 3 Super（13）的两倍，且每任务输出 token 减少约 60%。
RadarAIAI 评分6666 Microsoft AI 公布 MAI-Base-2 预训练细节，2.8T 参数 MoE 模型 FLOPs 效率达 DeepSeek-V4-Pro-Base 的 4.2 至 12.3 倍
Microsoft AI 宣布完成 MAI-Base-2 预训练，这是一个 800 亿激活、2.8T 总参数的 MoE 基础模型，在留出评测中 BPB 低于所测全部开放权重模型，预训练 FLOPs 效率比 DeepSeek-V4-Pro-Base 高 4.2 至 12.3 倍。
RadarAIAI 评分7676 Nvidia 发布开源多模态模型 Nemotron 3.5 Super VL，并推出两款 Bolt 端侧模型
Nvidia 发布开源多模态模型 Nemotron 3.5 Super VL，总参数 120B、每 token 激活 12B，采用混合专家架构，面向需在后台持续处理文本、图像、文档和视频的企业级智能体。
RadarAIAI 评分6262 Microsoft AI 宣布自研 3T 参数级预训练基础模型达到 SOTA
Microsoft AI CEO Mustafa Suleyman 宣布，MAI 已完全自研出 3T 参数权重级别的 SOTA 预训练基础模型，后训练结果即将发布，技术细节见博客 https://microsoft.ai/news/frontier-pre-training-at-microsoft-ai/。
RadarAIAI 评分1818 微软 MAI-Base-2 训练全程稳定
微软 MAI-Base-2 在整个训练过程中训练得非常干净，得益于精心的扩展阶梯和配方的持续优化。Mustafa Suleyman 在 X 上公布了这一结果。
RadarAIAI 评分7171 ARC Prize 公布 Gemini 4 Argon 评测成绩：ARC-AGI-3 得分 97.5%
ARC Prize 公布 Google DeepMind 的 Gemini 4 Argon 在 ARC-AGI (Verified) 上的评测成绩。
RadarAIAI 评分7474 Google Argon 在 ARC-AGI-3 得分 97.5%，仅次于 GPT-6 Astra 的 99.9%
ARC Prize 称 Google Argon 在 ARC-AGI-3 上得分 97.5%，仅次于 GPT-6 Astra 的 99.9%。与 Astra 一样，Argon 在 25 个 ARC-AGI-3 公开游戏中的操作次数比人类基线少 62%。它在 3 个游戏上追平或打破速通纪录，另有 6 个游戏差距在 10% 以内。