IBM 发布 Granite Speech 5.0 2B 语音模型，支持 6 种语言转写与翻译
IBM 发布开源语音语言模型 Granite Speech 5.0 2B，采用 Apache 2.0 许可，可将 6 种语言的语音转成文本并支持语音翻译。
#评测/基准
模型MarkTechPostAI 评分5858
模型The DecoderAI 评分7171 Inception 发布扩散语言模型 Mercury 3，称速度达 GPT-6 Luna 与 Claude Haiku 5.5 的四到八倍
Inception 发布扩散语言模型 Mercury 3，称其在 12 项基准中赢下 8 项，运行速度为 GPT-6 Luna 和 Claude Haiku 5.5 的 4 到 8 倍。
模型MarkTechPostAI 评分7171 Mistral AI 发布 Voxtral 3 语音模型家族与语音智能体 SDK
Mistral AI 发布 Voxtral 3，包含 3 个转写模型、1 个 TTS 模型和 1 个基于 LiveKit 的语音智能体 SDK，4 个模型均在 Mistral API 公测。
模型The DecoderAI 评分6262 ElevenLabs 发布两款实时语音到语音模型 Eleven Realtime
ElevenLabs 发布两款名为 Eleven Realtime 的语音到语音模型。其中 Max 版本在 Big Bench Audio 基准上得分 98.8%，响应时间为 0.57 秒，ElevenLabs 称 Artificial Analysis 榜单上没有模型同时更快且更准确。
模型The Decoder精选AI 评分7878 OpenAI 称 GPT-6 在 COBOL、Fortran 等遗留编程语言上表现大幅提升
OpenAI 表示已针对 COBOL、Fortran、Visual Basic 等训练代码稀缺的“低资源”语言改进最新模型，并构建了 MultiLangBench 和 COBOL 迁移两项评测来衡量进展。
推荐理由：OpenAI 公布 GPT-6 系列在 COBOL、Fortran 等低资源语言上的评测结果，可对照旧版本看提升幅度。
模型The DecoderAI 评分7272 MiniMax 发布 M3.1 Flash 推理模型，单任务成本约 0.22 美元
MiniMax 发布推理模型 M3.1 Flash，在 Artificial Analysis Intelligence Index 上得 42 分，比前代 M3 高 13 分，单任务成本不到其一半。
模型MarkTechPostAI 评分5858 Nace AI 发布多模态决策模型 Drex Max，Decision Index 0.3.2 得分 67.59
Nace AI 发布 Drex Max，这是其首款可读取文本与图像的多模态决策模型，在公开 Decision Index 0.3.2 上得分 67.59，比 TypeSafe 的 Jev 1.14 高 6.9 分。
模型The DecoderAI 评分6060 Claude 在 30 分钟内破解 NSA 25 年密码学谜题
Anthropic 的 Claude 解决了困扰 25 年的密码学谜题：NIST 数字签名标准曲线背后的神秘种子由 NSA 提供且未作解释，长期引发内置后门的怀疑。Claude 在不到 30 分钟内发现这些种子来自简单的 C 随机数生成器 lrand48，使刻意植入后门的可能性大幅降低。
模型The DecoderAI 评分6262 四个 Gemini 4 Argon 智能体无人工干预通关 Minecraft
四个运行在 Google Gemini 4 Argon 上的 AI 智能体在无人工干预下首次通关 Minecraft，击杀末影龙。它们没有预设角色或策略，自主协调，共编写 2,783 个程序、交换 229 条聊天消息、死亡 605 次，本次会话成本为 1,620 美元。
模型MarkTechPost精选AI 评分7878 DeepSeek 发布 V4.1-Flash-1017，DeepSWE 得分 77.0 并开放 Search API
DeepSeek 发布 DeepSeek-V4.1-Flash-1017，已在官网、App 和 API 上线，以 deepseek-flash 模型名提供服务，DeepSWE v1.1 得分 77.0，高于上一版 V4.1-Flash 的 74.2。
推荐理由：材料列出 11 项基准的逐项对比与 Search、Fetch API 定价，可据此判断该检查点在编码智能体场景中的位置。
模型MarkTechPostAI 评分6262 Mistral AI 发布 Timestral 时序基础模型系列，209M 版本称在多项基准上超过 TimesFM-3
Mistral AI 发布首个时序基础模型系列 Timestral，包含 5M、28M、123M、209M 四个零样本预测模型，权重以 Modified MIT 许可开放。
模型TechCrunch · AIAI 评分4242 Elorian 首个 AI 模型 Glimpse：用图像本身进行推理
Elorian 发布首个 AI 模型 Glimpse，主打直接以图像为对象进行推理，而非仅围绕图像展开推理。按其自评估结果，Glimpse 在科学图表推理和短视频描述任务上超过 GPT-6 Astra，在其他视觉推理任务上表现相当。
模型TechCrunch · AIAI 评分3333 Jev 成为 Vercel 史上采用速度最快的 AI 模型
Vercel 称 Jev 是其史上采用速度最快的 AI 模型，数据来自 Vercel 的 AI gateway——一个类似 OpenRouter 的统一 API 服务。
模型The Decoder精选AI 评分7878 GPT-6-Astra 在 TheoPhysEval 上解出 50 道物理研究题中的 49 道，单题成本 2.40 美元
在 TheoPhysEval 基准上，GPT-6-Astra 以与顶尖专家相当的准确度解出 50 道未发表理论物理计算题中的 49 道，单题成本 2.40 美元。部分看似失败的题目中，专家自己的参考解答被发现有误。研究者认为物理领域尚未出现数学领域那样的突破，因为智能体缺乏“品味”，但他们仍认为自主的顶级 AI 研究可能很快到来，并已看到这对年轻物理学家培养和领域机会平等的影响。
推荐理由：读者可了解 TheoPhysEval 上智能体解物理题的表现，以及研究者对自主科研进度的判断。
模型The DecoderAI 评分6262 Google 想让 Gemini 4 Argon 成为机器人唯一需要的 AI 模型
Google 的 Gemini 4 Argon 可控制机器人、根据照片或草图生成仿真，并评估训练视频，在 Google 自有的 ERQA 基准上得分 87%。公开的示例提示词显示，这些演示仍需要大量人工引导。
模型MarkTechPostAI 评分6060 Liquid AI 发布多模态决策模型 d1-ultra，AA Decision Index 得分 65
Liquid AI 发布决策模型 d1-ultra，可读取文本、图像或两者，对每个问题返回各选项概率，一次前向完成且不生成输出 token。该模型已在 Liquid API 上线，定价为每百万输入 token 0.042 美元，图像按每 32×32 像素块 1.5 token 计费。
模型Latent SpaceAI 评分7070 Meta 发布 Muse Spark Open：816B 总参数、42B 激活的开源权重模型
Meta 发布 Muse Spark Open，这是一个 816B 总参数、42B 激活的 MoE 模型，支持 1M token 上下文窗口和文本、图像、视频、音频输入，面向编码、长程智能体与多步推理。
模型MarkTechPost同新闻AI 评分7676 Meta 发布 Muse Wonder 与 Muse Wonder Full 两款智能体模型
Meta 发布 Muse Wonder 和 Muse Wonder Full 两款面向长时智能体任务的模型，覆盖编码、法律、金融和电脑操作场景，支持 1M token 上下文，输入含文本、图像、视频和音频。
模型MarkTechPostAI 评分6969 SpaceXAI 发布 Grok Voice 3.0，以 86.9 分登顶 Artificial Analysis 语音榜
SpaceXAI 发布实时语音模型 Grok Voice 3.0，在 Artificial Analysis Speech-to-Speech Index 上以 86.9 分排名第一，高于 GPT-Live-1（Astra, medium）的 83.2 分和 Gemini 3.8 Live Extended Thinking 的 82.6 分。
模型The DecoderAI 评分6262 Artemis Security 推出安全专用模型 Orion-1，称在自建基准上超过 Claude Opus 5.5 与 GPT-6 Sol
美国初创公司 Artemis Security 发布 Orion-1，一款可自主调查和响应企业网络攻击的模型，在公司自建基准上超过 Claude Opus 5.5 和 GPT-6 Sol。
模型Latent Space精选AI 评分7878 AINews：Gemini 4 Argon 正式发布，Vals AI 谈基准测试
Google 的 Gemini 4 Argon 正式 GA，覆盖 Gemini API、Gemini 应用、Search AI Mode 和 Antigravity，入门 API 价格为每百万输入/输出 token 2 美元/10 美元，缓存输入折扣 95%，Artificial Analysis 称 11 月 30 日后价格将翻倍至 4 美元/20 美元。
推荐理由：汇总了 Gemini 4 Argon 的定价、独立评测与可靠性争议，便于对照官方说法与第三方结果。
模型LangChain Blog精选AI 评分6262 LangChain 称 GLM-5 与 MiniMax M2.7 等开源模型在智能体任务上跨过门槛
LangChain 表示 GLM-5、MiniMax M2.7 等开源模型在文件操作、工具调用和指令遵循等核心智能体任务上已能匹配闭源前沿模型，且成本和延迟更低。文章称将展示其评测结果，并说明如何在 Deep Agents 中使用这些模型。
推荐理由：LangChain 用自家评测说明开源模型在智能体核心任务上的位置，可据此判断成本与延迟取舍。
模型The Decoder精选AI 评分8484 Google 全球上线 Gemini 4 Argon，取代 Pro 系列成为新前沿模型
Google 开始全球上线 Gemini 4 Argon，开发者可通过 AI Studio 和 Gemini 平台的 API 使用，AI Ultra 订阅者可在 Google Antigravity 中使用，Ultra 和 Pro 订阅者可通过 Gemini 应用和 Google 搜索的 AI 模式访问；免费用户和 Plus 订阅者只能使用较弱的 Flash 模型。
推荐理由：材料给出 Gemini 4 Argon 的开放范围、定价与自报基准，可据此判断前沿模型的可用性与成本变化。
模型The Verge · AI同新闻AI 评分8282 Google 发布 Gemini 4 Argon 模型
Google 发布 Gemini 4 Argon 模型，称其在编程、网络安全、科学、金融和法律等基准上超过 GPT-6 Astra、Claude Fable 5.1 和 Claude Opus 5.5，并减少冗余与套话。
模型Latent Space精选AI 评分8080 Meta 发布 Muse Wonder 与 Muse Wonder Full 模型家族
Meta Superintelligence Labs 发布第二代模型家族 Muse Wonder 与 Muse Wonder Full，前者通过 Meta Model API 和 Muse Code 提供，后者仅面向 Muse Code 订阅用户。
推荐理由：汇总了 Meta Muse Wonder 系列的发布细节与多家第三方评测数据，可对照其与 Opus 5.5、GPT-6 系列的位次差异。
模型The Decoder同新闻AI 评分7878 Meta 发布前沿模型 Muse Wonder 与 Muse Wonder Full
Meta 发布前沿模型 Muse Wonder 的两个版本，Muse Wonder Full 在 Artificial Analysis Intelligence Index v4.3 上得 56 分，Muse Wonder 得 52 分，前代 Muse Spark 1.3 为 48 分。
模型TechCrunch · AI精选AI 评分8080 Meta 发布首个前沿模型 Muse Wonder 与 Muse Wonder Full
Meta 的 Superintelligence Lab 发布 Muse Wonder 和 Muse Wonder Full 两款模型，这是该公司首次推出前沿模型。
推荐理由：Meta 首次发布前沿模型，给出定价、基准对比与仅限订阅的开放方式，可据此判断其市场位置。
模型Import AIAI 评分4242 Import AI 476：创造力与递归自我改进；不如中国的开源权重模型；AI 走向太空
Elorian 与 Scale AI 发布 Humanity's Sixth Sense（HSS）基准，用 522 道题、288 张图片和 234 段短视频（共 17.6 小时）测试多模态模型的直觉视觉推理。
模型The DecoderAI 评分6767 Odyssey 开放世界模型 Odyssey-3 免费研究预览
加州 AI 公司 Odyssey 推出世界模型 Odyssey-3 的公开研究预览，用户可用文本提示词生成可实时探索的交互环境，开发者可申请 API 访问。免费在线演示基于 Odyssey-3 Flash，支持第一人称与第三人称视角；基础模型 14B 参数、生成 832 × 480 视频，Odyssey-3 Pro 支持 1280 × 720。
模型Latent Space精选AI 评分8080 Anthropic 发布 Claude Haiku 5.5，定价对齐 GPT-6 Luna
Anthropic 发布 Claude Haiku 5.5，这是 Haiku 系列约一年来的首次更新，定价与 OpenAI 的 GPT-6 Luna 持平，官方称平均运行成本比 Haiku 4.5 低约 75%。
推荐理由：汇总了 Haiku 5.5 的定价、第三方评测与 token 消耗数据，可据此判断小模型在智能体工作流中的成本取舍。
模型Simon Willison精选AI 评分7878 Anthropic 发布 Claude Haiku 5.5，定价对齐 GPT-6 Luna
Anthropic 发布快速低成本模型 Claude Haiku 5.5，定价为每百万 token 输入 0.10 美元、输出 0.50 美元，与 OpenAI 上月发布的 GPT-6 Luna 相同，但超过 100,000 token 后涨价 5 倍至 0.50/2.50 美元。
推荐理由：作者实测了 Haiku 5.5 的定价、tokenizer 与推理档位，可据此判断它在长上下文场景下与 GPT-6 Luna 的取舍。
模型The Decoder精选AI 评分7777 Anthropic 发布 Claude Haiku 5.5，价格较 Haiku 4.5 平均降约 75%
Anthropic 发布 Claude Haiku 5.5，称其为迄今最快、最便宜的小模型，平均价格比 Haiku 4.5 低约 75%；对 10 万 token 以内的提示词降价最高达 90%，超过 10 万 token 的提示词价格则是前者的五倍。
推荐理由：读者可对比 Haiku 5.5 与 Haiku 4.5、GPT-6 Luna 的基准和每百万 token 价格，判断小模型成本与能力的取舍。
模型Simon WillisonAI 评分3030 Simon Willison 测试 Claude Opus 5.5 作曲能力
Simon Willison 让 Claude Opus 5.5 为电脑游戏作曲，要求其先设计简单的文本音乐格式并构建可播放的 artifact，还附上示例曲目，目标是达到《猴岛小英雄》初代的音乐水准。结果比预期更贴近《猴岛小英雄》主题，但效果出奇地好。他猜测文本模型作曲能力可能类似此前的 3D 图形能力，是近几个月才涌现的新能力，需用其他新旧模型做实验才能确认。
模型Simon WillisonAI 评分3030 Mistral Large 4 发布
Simon Willison 用 llm 命令行工具让 Mistral Large 4 生成"穿渔网袜在火星上乱穿马路的犰狳"SVG，与 claude-opus-5.5、gpt-6.1-sol、gemini-3.8-flash 同题对比。该测试源于 wren6991 对基准饱和的调侃，各模型均使用默认推理级别。
模型Simon WillisonAI 评分6262 Mistral 发布 Mistral Large 4 预览版 Le chonk
Mistral 发布 Mistral Large 4 预览版，这是一个 1 万亿参数、490 亿激活参数的模型，在自有 3,800 块 NVIDIA Grace Blackwell GPU 集群上训练，目前通过其 API 提供。
模型The DecoderAI 评分6767 Google 发布图像模型 Nano Banana 2.1，价格约为上一代一半
Google 发布图像生成与编辑模型 Nano Banana 2.1，取代 2026 年 2 月发布的 Nano Banana 2，价格约为其一半，1K 图像从 6.70 美分降至 3.36 美分，4K 从 15.10 降至 7.56 美分。
模型Latent Space精选AI 评分8585 OpenAI 内部模型发布 722 篇数学手稿，称解决 500 个开放问题中的 90 个
OpenAI 从一个未公开的内部前沿模型发布 722 篇数学手稿，归入 372 个相关结果族，来自约 4000 个研究问题的评估，平均每个结果约用 3 小时 ChatGPT Pro 思考算力。
推荐理由：OpenAI 内部模型一次性产出 722 篇数学手稿，读者可据此了解 AI 数学研究的规模与验证争议。