精选

2026年10月14日星期三 · AI 自动挑选的高价值内容

数据时间 2026/10/14 14:09

当前热点

  1. 推出 Claude Haiku 5.53 个信源同时报道

10月14日

星期三 · 6 条
Simon Willison精选78

llm-gemini 0.35

发布:llm-gemini 0.35 今天通过 Gemini API 以及其每月 100 美元订阅计划向客户提供了全新的 Gemini 4 Argon 模型,我为 llm-gemini 添加了对它的支持。下面是低、中、高三档生成的 pelican。如预期一样,它们都非常出色:Gemini 一直以来都很擅长生成优秀的 SVG,而且据我所知,这是唯一一家其员工专门投入 SVG 研究的实验室(他们以前也曾展示过自己生成的 pelican)。这是“高”档生成的插图,花费了我 17.166 美分: 时尚而准确的自行车车架。篮子里有一条鱼。帅气的围巾。双脚分列车架两侧,踩在脚踏板上。车轮辐条、一顶小帽子、漂亮的喙和喉囊,以及略显凶狠的表情。 定价很有意思。发布时,Argon 的价格是输入每百万 token 2 美元、输出每百万 token 10 美元——与 GPT-6 Sol 相同,是 Claude Opus 5.5 价格的一半,以及 Claude Fable 5.1 和 GPT-6 Astra 价格的五分之一。但从 12 月 1 日起,Argon 的价格将翻倍——届时会与 Opus 5.5 同价。 如今,这样的价格并不能真正直接比较,因为真正重要的是:在代理式运行框架中,模型要完成一个目标需要消耗多少 token。Artificial Analysis 发布了使用各模型运行其基准测试的总成本,这为我们提供了一个有用的参考。Argon 在这方面表现非常好:运行该基准测试的成本为 2,407 美元,接近 GLM-5.3,而且明显低于 OpenAI、Anthropic 和 Meta 的最新模型。即使价格翻倍,它仍会比 GPT-6 Astra 略便宜。 Artificial Analysis 的堆叠柱状图截图,对 14 个 AI 模型的美元成本进行比较,按从低到高排序;柱体按提供商着色,每个柱体下方显示提供商徽标,底部以倾斜文字标出模型名称。右上角的徽标为 Artificial Analysis。指向 Gemini 4 Argon 柱体的悬浮提示框显示:Gemini 4 Argon(High),2,407 美元;输出 313 美元;推理 815 美元;缓存写入 897 美元;缓存读取 264 美元;非缓存输入 118 美元;点击查看更多信息。 从左到右的柱体如下,每个柱体上方标有总成本,部分分段数值印在柱体内部:Qwen3.8 27B(xhigh),1,336 美元,Alibaba 徽标;Mistral Large 4 Preview,1,607 美元,Mistral 徽标;Gemini 3.8 Flash(high),1,623 美元,Google 徽标;Muse Spark 1.3(max),2,000 美元,其中一段为 769 美元,Meta 徽标;Gemini 4 Argon(high),2,407 美元,其中两段分别为 815 美元和 897 美元,Google 徽标;GLM-5.3(max),2,503 美元,其中一段为 790 美元,Z.ai 徽标;Kimi K3(max),3,658 美元,Kimi 徽标;Qwen3.8 Max(0902),4,935 美元,其中两段分别为 893 美元和 1,441 美元,Alibaba 徽标;Grok 4.7(xhigh),4,967 美元,其中两段分别为 1,861 美元和 1,618 美元,xAI 徽标;GPT-6 Astra(max),5,324 美元,其中两段分别为 778 美元和 978 美元,OpenAI 徽标;Muse Wonder(max),5,733 美元,其中一段为 1,748 美元,Meta 徽标;Claude Sonnet 5.5(max with fallback),7,260 美元,其中两段分别为 1,216 美元和 1,815 美元,Anthropic 徽标;Claude Opus 5.5(max with fallback),8,708 美元,其中一段为 921 美元,Anthropic 徽标;Claude Fable 5.1(max with fallback),13,129 美元,其中一段为 7,219 美元,Anthropic 徽标。 (我用 ChatGPT 编辑了那张图表!数据全部正确,我已经核对过了——我只是需要让 Gemini 4 Argon 的信息框显示出来,同时避免遮挡其他数字。) 标签:google,ai,generative-ai,llms,llm,gemini,llm-pricing,pelican-riding-a-bicycle,llm-release

#模型发布#Anthropic / Claude#国内厂商#Google / Gemini#Kimi#Meta / Llama#模型发布#OpenAI / ChatGPT#Qwen / 通义#xAI / Grok#智谱 / GLM

推荐理由:了解 llm-gemini 新增 Gemini 4 Argon 支持及其性能、成本与定价,便于评估选型。

AWS Machine Learning Blog精选78

使用 Amazon Bedrock 上的 Grok 4.7 构建长期任务智能体

Grok 4.7 现已在 Amazon Bedrock 上可用。在本文中,我们基于 Grok 4.7 构建一个工具调用智能体,并在四个推理力度级别下对其在三项推理任务上的表现进行评估,同时衡量每个已完成任务的正确性和令牌成本。我们将展示如何针对每个请求调整这种权衡,并在生产环境中对其进行监控。

#Agent 智能体#模型发布#模型发布#xAI / Grok

推荐理由:帮助读者在 Bedrock 构建长程智能体,权衡推理效果与成本并实现生产监控。

Google AI Blog精选79

Gemini 4 Argon:旨在解决您最棘手的问题

我们让开发者、企业、科学家和消费者都能使用 Gemini 4 Argon,这是我们最新的前沿模型。

#模型发布#Google / Gemini#模型发布

推荐理由:帮助开发者、企业与科研人员解决复杂问题,拓展生成式AI应用边界。

10月13日

星期二 · 1 条
AWS Machine Learning Blog精选77

Amazon SageMaker AI 上的专家混合模型内核工程

AWS 工程师分享了在 Amazon SageMaker AI 上针对融合式专家混合(MoE)模型的内核优化方案:通过 Swap-AB 提升 WGMMA 利用率,利用 Triton 后端路由实现 FP8 量化,并消除 Triton JIT 重新编译。综合应用这些优化后,在 H200 GPU 上吞吐量最高提升 10%,首个令牌时间最高缩短 9%。

#模型发布#推理与部署#模型发布

推荐理由:了解SageMaker AI上的MoE内核优化方法,提升H200吞吐并缩短首Token延迟。

10月11日

星期日 · 1 条
The Decoder精选75

Odyssey-3 是一个可免费试用的新型生成式世界模型

2x2 网格:Odyssey-3 的交互式实时模拟,展示了雪中的猫、公园长椅、厨房演示和激流皮划艇。Odyssey 正将其世界模型 Odyssey-3 作为公开研究预览版提供。这个拥有 140 亿参数的模型能够根据文本提示实时生成交互式环境,据报道还可以控制机器人、无人机,甚至是 GTA V。Odyssey 声称在物理学基准测试中取得了最高分,不过这些结果背后的方法存在局限性。文章《Odyssey-3 是一个可免费试用的新型生成式世界模型》最初发表于 The Decoder。

#模型发布#模型发布

推荐理由:了解可免费体验的实时生成世界模型及其在机器人控制中的潜力与局限。

10月10日

星期六 · 2 条
OpenAI Blog精选68

使用 OpenAI o1 模型解决复杂问题

在本视频中,我们将分享 o1 推理模型如何帮助解决编程、战略和研究等领域的问题。

#模型发布#模型发布#OpenAI / ChatGPT#推理模型

推荐理由:帮助读者了解 o1 如何在编程、战略与研究中解决复杂问题。

OpenAI Blog精选90

GPT-5:我们最适合工作的模型

观看 GPT-5 工作演示,了解该模型如何分析反馈、制定产品计划并创建原型,以及总结后续步骤。

#模型发布#模型发布#OpenAI / ChatGPT

推荐理由:帮助读者了解GPT-5如何将反馈转化为产品方案、原型与行动计划,提升工作效率。

10月9日

星期五 · 2 条
arXiv cs.LG精选80

Salesforce Koa:用于智能体工具调用的企业级语言模型

arXiv:2609.15066v2 公告类型:替换交叉版本 摘要:我们介绍 Salesforce Koa,这是一种企业级语言模型,通过使用群组相对策略优化(GRPO)进行强化学习,对开放权重基础模型 Nemotron-3-Super-120B 进行后训练,并以 FP8 格式部署到生产环境中。Koa 仅使用公开数据和合成生成数据进行训练,专门用于企业工作流所需的智能体工具调用:将请求路由到正确的操作、使用有效参数调用恰当的工具,以及完成多轮业务任务。我们流程中的独特组件是规范驱动的任务构建:将声明式 Agent Script 规范扩展为由角色设定条件化的多轮环境,其奖励基于工具使用是否成功。在应用于企业 CRM 规范后,同一流程生成了 Koa 专门训练所需的领域内训练分布。在 CRMAgentBench 和人工标注的生产环境工具调用数据集上,Koa 的表现优于未经调优的开放权重基座模型和 GPT-4.1,并且可与最强的前沿模型相媲美。在 CRMAgentBench 上,Koa 达到 87% 的任务成功率(GPT-4.1 为 82%,基座模型为 79%);在内部生产基准的人工标注部分,它在各项指标上均位居首位或接近首位;同时,它在公开基准(Tau2Bench、BFCL)上保持了基座模型的通用能力。在固定架构和强化学习方案的受控对比中,结果表明,额外的领域内强化学习阶段提升了人工标注企业基准上的参数准确率和完整工具调用成功率。

#Agent 智能体#模型发布#模型发布#OpenAI / ChatGPT

推荐理由:展示规格驱动强化学习如何提升企业智能体的工具调用与任务完成能力。

10月8日

星期四 · 3 条
Simon Willison精选79

推出 Claude Haiku 5.5

正如之前承诺的那样,Anthropic 的全新高速、低成本模型来了:Claude Haiku 5.5。上一代 Haiku 4.5 已经明显落伍了。它发布于将近一年前,定价为每百万输入 token 1 美元、每百万输出 token 5 美元——即便在当时也算相对昂贵,而且足足是 OpenAI 上个月发布的 GPT-6 Luna 的 10 倍。 新版 Haiku 的价格与 GPT-6 Luna 完全一致:在不超过 100,000 个 token 时,每百万输入/输出 token 分别为 0.10/0.50 美元。超过 100,000 个 token 后,价格会上涨至 5 倍,即 0.50/2.50 美元。Luna 本身在达到 272,000 个 token 时也会涨价,但只涨到 0.20/0.75 美元。 Haiku 5.5 还采用了新的 tokenizer,对用户没那么划算。我的 Claude Token Counter 工具显示,同一个长提示词在 Haiku 5.5 中使用的 token 数约为 Haiku 4.5 的 1.25 倍,因此这里还存在隐性涨价。 如果你的工作负载能控制在 100,000 个 token 以内,Haiku 的价格与 Luna 相同,而且据称基准测试得分更高。超过 100,000 个 token 时,Luna 看起来就划算得多。 最新发布的 llm-anthropic 终于解决了一个问题:我不必再为每个新模型发布该插件的新版本了。我是这样测试新模型的: llm install -U llm-anthropic llm anthropic refresh llm -m claude-haiku-5.5 "生成一幅鹈鹕骑自行车的 SVG 图" -o thinking_effort low 鹈鹕 以下是分别在 low、medium、high、xhigh 和 max 档位下生成的鹈鹕。新版 Haiku 不允许关闭推理,默认档位为 medium。除了 low 之外,其余档位生成的自行车车架都不错。 low 档位的鹈鹕花费了 0.0936 美分,用时 7 秒。 这只 max 档位的鹈鹕用了 5 分 9 秒才生成,但依然只花了我 3.3826 美分: 扁平矢量插画:一只戴着红色帽子的白色鹈鹕,骑着深灰色自行车,从左向右穿过一条绿色草地。它细长的橙色双腿向下伸到橙色踏板上,一只灰色翅膀向前伸出,握住弯曲的车把。它硕大的黄橙色鸟喙朝向前方,下方有鼓起的橙色喉囊;身后白色的速度线表现出运动感,上方渐变蓝色的天空中有一轮带着浅色光晕的黄色太阳和两朵白云。 作为对比,这是我一年前用 Haiku 4.5 生成的鹈鹕。它画鹈鹕实在不怎么样: Haiku 4.5 的描述:一幅充满奇趣的插画,一只身体圆滚滚、呈棕褐色的鸟,有着粉红色的喙和橙色的腿,在蓝天与绿草的背景下骑着自行车。 还有面向订阅用户的慷慨 API 额度计划 除了 Haiku 5.5,Anthropic 今天还宣布将 Sonnet 5.5 的缓存读取价格减半。他们还在订阅方案中加入了 API 额度: 其次,本周我们将向所有 Max 和 Team 订阅用户推出新的每月 API 额度,可在 Claude Platform 上使用。Max 5x 用户每月将获得 100 美元额度,Max 20x 用户将获得 200 美元,而 Team 订阅用户将获得最高 500 美元额度,由团队内所有用户共享。 领取过程简单得令人愉快:进入“设置”->“账单”,选择每月接收这些额度的 API 组织: 一张设置对话框的截图,右上角有关闭按钮 X,上方一排标签依次为“常规”“账户”“隐私”“账单”(已选中)、“用量”“功能”“记忆”和“设计系统”(在边缘处被截断)。面板上有一个带圆形花苞的分枝植物线描图标,旁边写着“Max 方案”“用量为 Pro 的 20 倍”和“你的订阅将于 2026 年 11 月 2 日自动续订。”,右侧有一个“调整方案”按钮。下方是标题为“API 额度”的区域,旁边带有蓝色的“新增”标记,正文写着“你的 Max 20x 方案每月包含 200 美元的 API 额度。”,随后是灰色文字“关联一个 API 组织以开始接收额度。”,右侧有一个“关联组织”按钮。 API 额度恰好等于订阅本身的费用。这真的很慷慨——让订阅用户使用 API 变得容易多了。 Anthropic 还允许你关闭 API 自动充值,结果就是“余额耗尽时,API 请求将停止”——如果你打算用完这些 API 额度,又不想冒着收到账单惊吓的风险,这正是你想要的。 请注意,每月额度不会结转——不用就会作废。 OpenAI 仍允许你将 Codex 订阅用于个人 API 使用,对重度 API 用户来说更划算。这项新的额度计划至少在一定程度上缩小了两者的差距。 标签:ai、generative-ai、llms、anthropic、claude、llm-pricing、pelican-riding-a-bicycle、llm-release

#模型发布#Anthropic / Claude#AI 编码#模型发布#OpenAI / ChatGPT

推荐理由:了解 Haiku 5.5 的价格、长提示成本与订阅 API 额度,帮助按任务规模选择更划算的模型。

The Decoder精选72

Zuckerberg 的 Biohub 牵头推进一项耗资 18 亿美元的计划,旨在构建预测细胞行为的 AI 模型

由 Mark Zuckerberg 和 Priscilla Chan 支持的研究机构 Biohub 正在协调一项耗资 18 亿美元的计划,以训练能够预测细胞行为的 AI 模型。Meta、Google DeepMind、Isomorphic Labs 和美国能源部正在为数据、实验室设备及算力提供资金。首个数据集预计将在约一年后准备就绪。《Zuckerberg 的 Biohub 牵头推进一项耗资 18 亿美元的计划,旨在构建预测细胞行为的 AI 模型》一文最先发表于 The Decoder。

#模型发布#Google / Gemini#Meta / Llama#模型发布

推荐理由:了解1.8亿美元级跨界合作如何用AI预测细胞行为,推动生命科学研究与药物研发提速。