华为云发布昇腾原生具身世界模型CloudRobo-WM1.2,双榜第一并将开源权重
华为云11月16日发布昇腾原生具身世界模型CloudRobo-WM1.2,在RoboTwin 2.0和LIBERO-Pro 2.0上分别取得88.98%和81.73%的平均成功率,均列第一。
推荐理由:读者可了解昇腾原生具身世界模型的架构设计与训练优化路径,以及华为云围绕它搭建的开放平台和生态合作方式。
内容类型
各家新模型的发布、开源与迭代:旗舰更新、开源权重放出、能力与价格变化。
22 条精选近 30 天 19 条共收录 44 条
华为云11月16日发布昇腾原生具身世界模型CloudRobo-WM1.2,在RoboTwin 2.0和LIBERO-Pro 2.0上分别取得88.98%和81.73%的平均成功率,均列第一。
推荐理由:读者可了解昇腾原生具身世界模型的架构设计与训练优化路径,以及华为云围绕它搭建的开放平台和生态合作方式。
爱范儿实测 GPT-6.2 Astra 与 Sol 后认为,首发差评被集中放大,模型表现并没有网上说的那么糟。OpenAI 称 Astra 在 Agents' Last Exam 上比上一代高 5.2 分、成本不到三分之一,AA-3D 评测以 1318 Elo 排名第一;但 Theo、Dan Shipper 等开发者批评其在长期任务中异常中断、偏离目标、难以解释自身操作。
推荐理由:结合开发者差评与作者自测,呈现 GPT-6.2 在长周期 Agent 任务中的真实表现与成本权衡。
爱范儿实测 OpenAI 当天发布的 GPT-6.2 Astra 与 GPT-6.2 Sol,用一句话提示词在 17 分钟内生成 FPS 游戏,并完成可交互孔雀开屏 3D 场景、深海图谱网页和日式奇幻城市 GIF。
推荐理由:作者用游戏、3D 场景、网页与写作等多组实测,呈现 GPT-6.2 Astra 在能力与可用性之间的落差。
腾讯宣布开源 Hy4 flash,总参数 220B,每个 token 只激活 12B。混元团队称其为迄今最具成本效益的 Hy 模型,单任务平均成本只有 Hy4 的 1/20、DeepSeek-V4.1-Flash-1017 的 1/8。相比上一代 Hy4,该模型在结构上改了三处。
推荐理由:腾讯开源 Hy4 flash,给出 220B 总参数、12B 激活和单任务成本对比,可据此判断稀疏模型的成本取舍。
微软宣布推出新版本编程模型 MAI Code 2 和 MAI Code 2 Flash,核心卖点是“不到一半的价格,交付生产级质量”。在 DeepSWE 1.1、Terminal Bench 2.1、SWE-Atlas 和 FrontierCode v1.1 四个企业日常编码基准上取平均,MAI Code 2 拿到 GPT 6.1 Sol 的……(原文摘要在此截断)。
推荐理由:微软公布 MAI Code 2 与 Flash 的定价和基准对比,可据此判断低成本编程模型的取舍。
腾讯混元发布轻量模型 Hy4 flash,上线首日 Token 调用量突破 50 万亿,登顶 OpenRouter LLM 日排行榜。该模型总参数 224B、激活参数 12B,支持多模态和 1M 上下文,每百万 Token 输入 0.5 元、输出 2 元,单任务成本 0.26 元。
推荐理由:从价格、参数到架构与推理优化,原文给出了 Hy4 flash 压低单任务成本的完整路径,可对照理解轻量模型的降本方式。
Google 发布 Gemini Decision 1,这是一款不生成文本、只输出候选项概率与置信度的多模态决策模型,正式挑战两个月前引爆该品类的 TypeSafe Jev。
推荐理由:通过共享基准与第三方榜单的对比,读者能看清这款决策模型相对 Jev 的优势与代价。
Cloudflare 发布开放权重的 Clairic 更新版和 9B 参数轻量版 Clairic-flash,两者均托管在 Workers AI,权重已在 Hugging Face 开放。
推荐理由:Cloudflare 公布 Clairic 系列重设计架构与内部评测数据,可了解专用抽取模型在延迟和成本上的取舍。
Google DeepMind 发布 Gemini 4 Neon,主打复杂软件工程、知识工作与科研流程的端到端快速任务完成,定价为每百万输入 token 3 美元、每百万输出 token 15 美元,上下文窗口 100 万 token。
推荐理由:官方给出定价、上下文窗口与多项基准排名,可据此判断它在 Gemini 4 家族中的定位与成本取舍。
RadixArk 发布首个模型 DaisyRose-27B,基于 Qwen3.8-27B 用 Miles 做强化学习训练,在 144 张 H200 上以 1200 条任务训练 18 天,Terminal-Bench 4.1 pass@1 从 5.6% 提升到 12.0%。
推荐理由:原文给出了训练成本与吞吐对比,读者可据此判断长程智能体后训练的效率边界。
微软在 Ignite 大会上一次性发布七款 MAI 自研模型,覆盖代码、安全、图像、语音和路由,主打性价比以替代外部模型。微软称 MAI Code 2 在四项基准上平均达到 GPT-6.1 Sol 的 98% 性能、成本为 40%,对 Claude Opus 5.5 达到 96% 性能、成本为 5%。
推荐理由:微软一次发布七款自研模型,逐项对标 OpenAI 与 Anthropic 并给出价格与基准对比,可观察其替代外部模型的成本路径。
OpenAI 发布 GPT-6.2 Astra 和 Sol 两款模型,已上线 ChatGPT Work、Codex 及 API(gpt-6.2-astra、gpt-6.2-sol)。
推荐理由:材料汇总了 GPT-6.2 Astra 与 Sol 的定价、基准表现和早期测试者的分歧评价,可对照两款模型的效率与能力取舍。
Reson8 以 Apache 2.0 协议开源 Rumble-2-Flash,这是一个 0.5B 参数的语音识别模型,支持 40 多种语言并自动检测语种。
推荐理由:0.5B 参数语音识别模型以 Apache 2.0 开源,在真实电话场景与 30B 模型持平,可对照其蒸馏方法理解小模型路线。
Google DeepMind 发布 Gemini 4 Hydrogen,主打日常编码与智能体工作流的速度和效率,并同步在 Gemini API、AI Studio、Gemini app、Google Search 等全线开放。
推荐理由:官方给出 Hydrogen 与 Carbon、Argon 的分工定位及多项基准对比,可据此判断多模型协作的落地方式。
Google DeepMind 发布 AlphaGenome 2,这是一个条件式 DNA 序列模型,可针对特定细胞类型或状态预测 DNA 变异对基因表达的影响。
推荐理由:官方给出与上一代在变异召回率上的对比,以及无需重训即可泛化到新细胞状态的机制。
Google DeepMind 面向开发者、企业、科学家和消费者开放 Gemini 4 Carbon,称其在网络安全能力和长程智能体工作流上达到前沿水平。Carbon 在 CursorBench 4.0、Perplexity 的 WANDR 和 Zapier 的 AutomationBench 上排名第一,单任务成本比次优外部模型低 2 倍以上。
推荐理由:原文给出 Carbon 与 Argon 的定位差异、多项基准排名和定价,读者可据此判断何时该用更强但更贵的模型。
Google DeepMind 发布 Gemini Robotics 2.5,称其为目前能力最强的视觉-语言-动作(VLA)模型,在灵巧度、可靠性和安全性三方面提升。
推荐理由:原文给出200多项任务评测与奔驰产线96%成功率的实测数据,可据此判断VLA模型在真实工业场景的进展。
Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2,两者为同一底层模型,在编码、推理和视觉方面均有提升,输出速度比 5.1 版本快最多 30%,定价为每百万输入 token 8 美元、每百万输出 token 40 美元。
推荐理由:官方系统卡与基准表并列呈现,读者可对照 Fable 5.2 与 Opus 5.5、GPT-6 Astra 的能力与价格差异。
Mistral 发布 1 万亿参数原生多模态模型 Mistral Large 4(Le Chonk)的开源权重,此前该模型已在本月早些时候进入公开预览。相比预览版,新增三周强化学习后其在 FrontierCode 2.0 得分 19.7%、Terminal-Bench 4.0 提升 13 个百分点至 41%,并支持 Low、Medium、High 三档推理模式。
推荐理由:原文给出开源权重、三档推理模式和定价,读者可据此判断自托管编码与安全场景的落地成本。
Mistral 发布 Voxtral 3 语音模型家族,包含支持 50+ 语言的转录模型 Voxtral Small Transcribe 3、支持 35+ 语言和 50+ 方言的合成模型 Voxtral Mini TTS 3,以及基于 LiveKit 的语音智能体 SDK,把听、推理、工具调用和说合成一条实时流式管线。
推荐理由:原文给出语音智能体 SDK 与转录、合成模型的完整规格和定价,可据此判断实时语音工作流的落地成本。