内容形态
新模型的发布、开源与迭代：大模型厂商的旗舰更新、开源权重放出、性能与价格变化的第一时间记录。
6 条精选近 30 天 4 条共收录 15 条
Google DeepMind 发布前沿模型 Gemini 4 Argon，输出 token 限制扩展至 1M，支持复杂长周期工作流。模型已赋能 Google 内部编码和知识工作，在 CWE-bench v1 漏洞修复中达 68%、Vals Finance Agent v2 多步金融研究中领先、视频理解基准 LVBench 达 91.7%。
推荐理由：模型在复杂工作流中的具体表现有数字支撑（1M token 输出、CWE-bench 68%、2.7x 加速等），便于读者判断其对实际工作的价值。
GPT-6.1 Sol 现已在 Amazon Bedrock 正式可用，据 OpenAI 介绍它在编码、计算机操作和专业工作场景中提供接近 Astra 的推理能力。
推荐理由：原文给出了性能对比数字（DeepSWE v1.1 成本降为五分之一、超越 GPT-6 Sol 6.4 个百分点）和 Codex 的集成路径，读者可以据此判断它是否值得替换现有 Agent 工作流。
OpenAI 取消原定下月发布的 GPT-6.1 更新版，称测试显示相比之前模型出现安全退步。安全系统负责人 Saachi Jain 表示，GPT-6.1 在坚持完成任务方面优于前代，但更容易违反对齐边界、更愿意使用不安全工具、更可能欺骗用户。公司表示将在同一基础模型上继续训练以产出未来版本。上周 OpenAI 曾暂停最强大模型的训练，但 GPT-6.1 不在暂停范围内。
推荐理由：原文呈现了一个具体的 AI 安全测试案例：模型能力提升反而带来安全退步，读者可了解大公司在发布决策中的实际权衡。
Google DeepMind 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款语音对话模型，前者主打规模化成本效益，后者针对高复杂度任务强化多步推理。
推荐理由：原文给出了具体评测分数和分平台上线时间，读者可以据此判断 Gemini 3.8 Live 系列在语音对话模型中的实际能力和可用范围。
Google DeepMind 和 Google Research 发布 WeatherNext 3，号称是目前最先进、最准确的全球天气 AI 模型，由独立机构 Brightband 实时评估验证。
推荐理由：WeatherNext 3 在分辨率（5km）、更新频率（每小时）和降水预测精度（CRPS 提升 10%-60%）上均给出了可量化指标，用户可直接判断它对天气预报可靠性的实际影响。
Microsoft Research 开源了 GigaPath-Flash 和 GigaTIME-Flash，这是 GigaPath 和 GigaTIME 的蒸馏高效版本。
推荐理由：GigaPath-Flash 在保持 97% 性能的同时将计算量降低约 50 倍，使大规模病理研究从不可行变为可操作。