跳到正文
只看模型#Agent
10月21日周三
  2. The Decoder72

    可灵 AI 发布 4.0 版本，新增立体声与多语言口型同步并推出 Flash 轻量版

    可灵 AI 发布 4.0 版本，单次可生成最长 30 秒视频，支持最多 10 张关键帧图像输入，提示词理解扩展到 8,000 tokens。新版本加入双声道立体声和覆盖德语、英语、日语、韩语、西班牙语等十余种语言的改进口型同步，Omni Reference 单次最多接受 15 个参考素材。

    推荐理由：可灵 4.0 的升级集中在参考素材、音频与多语言口型，同时给出与 Wan 3.0、Seedance 2.5 的对比观察。

10月20日周二
  6. elvis58

    Viggle 发布 JST-2，官方称其为全球首个全栈物理原生世界基础模型，整套模型栈在 3D 空间构建，可在数秒内生成 3D 场景并实时扩展。该模型附带 PINOC MCP server，向 Claude Code 发一条提示词即可生成角色、按文本驱动动画并组装场景；角色与动作共用同一骨架，因此智能体无需中途做重定向处理。

    引用ViggleAI@ViggleAI

    Today we are releasing JST-2, the world's first full-stack physics-native world foundation model. Many world models learn in pixel/video space. We went back to first principles and built the entire model stack in 3D. Generate a 3D scene in seconds and expand it in real time. Create characters with motion built in, all through one general architecture.

10月19日周一
  1. elvis58

    Nace 发布多模态决策模型 Drex Max，支持文本、图像和视频输入，单次决策耗时 34 ms，262K token 下低于 1 秒，输入价格为 $0.06/1M tokens。该模型可直接从截图、录屏、扫描文档、科学图表和照片中做决策，适合 computer-use 与 browser-use 智能体。Nace 称其在 Mind2Web 上达到 88.3%，超过 Jev 1.14，Decision Index 得分为 67.6（Jev 1.14 为 60.70）。

    引用Nace AI@NaceAI

    Drex Max is here: our multimodal decision model text, images, and video 34 ms/decision, under 1s at 262K tokens $0.06 / 1M input tokens available today at https://nace.ai/drex

10月17日周六
  1. DeepSeek78

    DeepSeek 发布 DeepSeek-V4.1-Flash-1017，称其基准表现更强、任务完成更快、输出更短，在性能与成本上实现帕累托改进。该模型已在 DeepSeek 网站、App 和 API 上线，并针对 DeepSeek Harness、腾讯 CodeBuddy、WorkBuddy 等做了优化，使用 DeepSeek Harness 需升级到 v0.2.1-rc.1 或更高版本。

    推荐理由：官方给出新版本在基准表现、任务完成速度和输出长度上的变化，并说明已上线网站、App 与 API。

10月16日周五
  1. AI at Meta80

    Meta 发布开源权重模型 Muse Spark Open，称其为目前美国最强的开源权重模型。该模型面向编码与智能体任务，主打长程任务、复杂软件工程和多步推理，规格为 816B 总参数、42B 激活参数、1M token 上下文窗口，原生支持文本、图像、视频和音频多模态。

    推荐理由：Meta 公布开源权重模型的具体参数与多模态规格，可据此判断其长程编码与智能体任务的定位。

10月15日周四
  1. NVIDIA73

    NVIDIA 发布 Nemotron 3.5 Super VL，扩充其 Nemotron 开源模型系列，将视觉理解、推理与工具调用结合，用于帮助 AI 智能体在更短时间内完成更多工作。该模型支持文本、图像、文档和视频理解，总参数 120B、激活参数 12B。NVIDIA 表示开源模型让用户能按自己的方式定制、部署和构建。

    引用NVIDIA AI@NVIDIAAI

    Meet NVIDIA Nemotron 3.5 Super VL Our new open model combines reasoning and tool use with text, image, document, and video understanding for long-running AI agents. 120B total parameters with 12B active 🧵

    推荐理由：官方给出新开源多模态模型的总参数与激活参数，读者可据此判断其本地部署与定制空间。

10月14日周三
  1. Aran Komatsuzaki58

    Aran Komatsuzaki 介绍 Aether AI 的 CRIS-0 智能体可从演示中自行生成定位函数（SAM3 + RGB-D + IK）。当某个函数触发 IK 关节限位时，智能体会根据报错修补该函数、重试当前阶段并保留修补后的版本。他将这一过程类比为编码智能体循环在机器人控制上的应用。

    引用Biwei Huang@huang_biwei

    I have spent more than a decade studying causality. For me, causality is about understanding the rules that govern how actions change the world, and reasoning about their consequences before acting. Scaling has made today's models remarkably capable at spotting patterns and predicting what comes next. A system that acts in the physical world needs more. It has to ask what will happen if it acts, check the outcome, and adapt when reality doesn't match the plan. In the physical world, trial and error can be costly or unsafe, and an early mistake can carry through the rest of a task. When we started Aether AI, robotics was the obvious place to begin. CRIS-0 is our first integrated system built on these ideas. It tracks the conditions that matter for a task, predicts how each action will change them, and replans when something unexpected happens. In our demo, that means taking a metal can off a plate before heating it, and telling an empty can from an unfinished drink while tidying a room. Physical AI is just our first proving ground. We're building towards causal intelligence that also works for forecasting, scientific discovery, and more. The technical write-up is linked in the comments. https://x.com/AetherLab_AI/status/2108263657251418596/video/1

  2. Google DeepMind80

    Google DeepMind 发布 Gemini 4 Argon 并公布安全防护方案

    Google DeepMind 开始广泛推送 Gemini 4 Argon，并同步发布安全与安全报告，说明其在高风险领域的防护设计。该模型在 12 个端到端模拟网络攻击场景中全部完成，上一代为 5 个；在 Gray Swan 的间接提示注入基准上，15 次自适应攻击的成功率降至 0.7%。

    推荐理由：原文披露了 Gemini 4 Argon 在网络安全与生物风险上的防护分层，以及智能体越界行为的监控数据。

  3. Google DeepMind90

    Google DeepMind 发布 Gemini 4 Argon 前沿模型

    Google DeepMind 发布 Gemini 4 Argon，通过 Gemini API、AI Studio、Antigravity 及 Gemini 应用向开发者、企业和订阅用户开放，定价为每百万输入 token 2 美元、输出 token 10 美元。

    推荐理由：官方披露了 Argon 在编码、科研与安全对齐上的具体案例和基准表现，可据此判断前沿模型在长程任务中的实际边界。

10月13日周二
  1. AI at Meta72

    Meta 发布 Muse Wonder 系列，包含 Muse Wonder 和 Muse Wonder Full 两款模型，称其为目前能力最强的模型，面向个人与专业智能体任务提供前沿性能。Muse Wonder 即日起通过 Meta Model API 和 Muse Code 提供，Muse Wonder Full 即日起面向 Muse Code 订阅用户开放。Muse Wonder 后续还将用于 Meta 的个人智能体产品 Muse，先向订阅用户推出。

    推荐理由：Meta 公布 Muse Wonder 系列两款前沿模型，并给出 API 与 Muse Code 的可用入口，读者可据此了解其智能体任务定位。

10月1日周四
  1. Google AI69

    Google 发布新前沿模型 Gemini 4 Argon，面向复杂长程工作流持续进行深度推理，在真实软件工程、法律与金融等企业知识工作以及网络安全防御场景中提供前沿性能。该模型输出 token 上限提升至 1M tokens，目前正通过 Fairwind Program 向一批受信任的网络安全防御方逐步开放，后续将尽快扩大可用范围。

    推荐理由：官方给出 Gemini 4 Argon 的定位与 1M 输出 token 上限，可据此判断长程复杂工作流的可用边界。

9月18日周五
9月6日周日
  1. AI at Meta68

    Meta 称其在 6 月让自主 AI 研究系统 AIRA₃ 参加 NVIDIA 在 Kaggle 举办的竞赛，任务是微调一个 30B 的 Nemotron 模型，使其推理能力更强。AIRA₃ 在约 4000 支队伍中排名第 8，获得金牌，成绩超过使用同等前沿工具的人类参赛者。Meta 认为这表明 AIRA₃ 能在特定能力上把模型提升到接近人类专家的水平。

    推荐理由：Meta 公开 AIRA₃ 在 Kaggle 微调竞赛中的名次与参赛条件，可据此判断自主研究系统在模型能力改进上的位置。

9月5日周六
  1. AI at Meta62

    Meta 宣布 Muse Spark 1.3 的 max 推理档已在 Muse Code 和 Meta Model API 上线。被引用的发布者称，该档位在编码和智能体任务上的表现明显更强，并建议即使已用过 Muse Spark 1.3 high 或 xhigh 也值得一试。

    引用Alexandr Wang@alexandr_wang

    1/ we just publicly released Muse Spark 1.3 max! we see significantly stronger coding and agentic performance on muse spark 1.3 max, so would strongly recommend trying it out even if you've already tried muse spark 1.3 high or muse spark 1.3 xhigh.

9月3日周四
  1. AI at Meta62

    Meta 发布 Muse Spark 1.3，重点提升智能体与编码任务表现，并强调实际可用性。新版本可在单一线程中持续处理多个工作流的长程任务，会更主动地向用户提问澄清、在卡住时说明情况、在执行有后果的操作前先确认，并减少对自身能力边界的误判。官方内部对比显示，相比 Muse Spark 1.2，工具调用减少约 20%，token 消耗减少约 25%。

8月21日周五
8月13日周四
  1. DeepSeek80

    DeepSeek 发布 DeepSeek-V4-Pro，重点升级 Agent 能力并带来明显的生产环境收益。V4-Pro 与 V4-Flash 支持灵活推理强度，简单任务用 low、日常 Agent 工作流用 high、复杂任务用 max；同时原生支持 OpenAI Responses API，并针对 Codex 提供一键配置。V4 Pro 已在 app 和网页端以 Expert Mode 上线，也可通过 API 调用，模型名称保持不变。

    推荐理由：官方给出 V4-Pro 的 Agent 能力升级、三档推理强度和 Codex 接入方式，可据此判断实际使用成本与场景。

2025年12月1日周一
  1. DeepSeek80

    DeepSeek 发布 DeepSeek-V3.2 和 DeepSeek-V3.2-Speciale 两款以推理为先、面向智能体的模型。DeepSeek-V3.2 是 V3.2-Exp 的正式后继版本，已在 App、Web 和 API 上线；DeepSeek-V3.2-Speciale 侧重进一步拓展推理能力，目前仅通过 API 提供。官方同时放出了技术报告链接。

    推荐理由：官方给出两个版本的定位差异与开放渠道，可据此判断面向智能体的推理模型如何分层落地。