OpenCode@opencode精选64
推荐理由：OpenCode 联手 Ring 扔出个 256K 上下文的推理模型还限时免费，对搞长文本推理的人来说是个不错的捡漏机会，可以立刻跑起来试试。
全部 AI 动态
AI 相关资讯全量信息流
5月10日
16:58
OpenCode@opencode00:51
Alibaba Cloud@alibaba_cloud精选69
推荐理由：阿里云放出的 HappyHorse 视频模型，benchmark 拿第一还带原生音画同步，如果真像标题说的“别人还在渲染它已经好了”，那做视频的值得上 ModelStudio 试一下。
5月9日
20:51
Chubby♨️@kimmonismus64
百度发布的ERNIE 5.1模型基于ERNIE 5.0预训练基础，宣称在搜索、推理、知识问答、创意写作和智能体能力方面获得提升，而其预训练成本仅为同类可比模型的约6%。该模型在Arena搜索排行榜以1223分位列第四，ERNIE 5.1 Preview在LMArena Text上取得1476分，全球排名第十三。推文作者指出目前未见技术论文，需验证其宣称的低成本高性能表现，但若属实将意义重大。
18:43
Berryxia.AI@berryxia精选72
百度推出ERNIE 5.1模型，核心突破在于参数与成本的大幅压缩。其总参数和激活参数分别压缩至原规模的约1/3和1/2，预训练成本仅为同规模模型的约6%，同时保持了领先性能。模型在Agent能力上超越DeepSeek-V4-Pro，世界知识与创意写作接近领先闭源模型及Gemini 3.1 Pro，推理能力仅次于Gemini 3.1 Pro，深度搜索位列全球第四。技术创新包括提升参数效率的弹性预训练、增强可扩展性的异步强化学习训练等。模型已上线ERNIE平台和Baidu AI Studio。
推荐理由：ERNIE 5.1 的参数和成本压缩相当激进，用 6% 的训练成本做到某些 benchmark 逼近 Gemini 3.1 Pro，做 Agent 和中文模型的同学可以认真看看，这可能代表了一种新路线。
16:29
🚨 AI News | TestingCatalog@testingcatalog精选72
推荐理由：百度 ERNIE 5.1 预览版，搜索 Arena 排名第四，多源检索合成能力有实质提升，做 AI 搜索和知识型 Agent 的可以关注，但本质还是小版本迭代，不构成代际突破。
15:19
Baidu Inc.@Baidu_Inc精选73
推荐理由：百度说只用同类模型 6% 的训练成本就做到了搜索、推理、创作等能力升级，这个效率数字如果属实，对那些被天价训练成本吓退的团队是个信号。
12:35
StepFun@StepFun_ai精选69
推荐理由：国产 TTS 首次在盲测里干进全球前三，还压过了 Eleven v3。做语音产品的该把它放进候选名单了，虽然定价偏贵但质量确实能打。
11:29
IT之家（RSS）
69
百度发布新一代基础大模型文心大模型5.1，并已在千帆模型广场等平台上线。该模型采用“多维弹性预训练”技术，仅以业界同规模模型约6%的预训练成本，实现了基础效果的领先。在国际权威竞技场LMArena的搜索榜上，文心5.1位列国内第一、全球第四。其综合能力显著提升，Agent能力实现超越，创意写作与推理能力已接近或达到业界领先水平。
11:29
IT之家（RSS）
68
蚂蚁集团旗下百灵大模型发布万亿级思考模型 Ring-2.6-1T，专为处理真实复杂任务设计。该模型创新引入可调节 Reasoning Effort 机制，提供 high 和 xhigh 两种推理强度。high 模式适用于高频 Agent 工作流，注重低 Token 开销与快速多步执行；xhigh 模式则面向数学、科研等需要深度逻辑分析与多路径探索的高难任务。模型兼具快速多步执行、工具协调能力及 SOTA 稳定性。目前已在 OpenRouter 平台上线，开放限时一周免费体验。
10:29
IT之家（RSS）
66
阶跃星辰发布新一代实时语音大模型StepAudio 2.5 Realtime，现已全量上线。该模型能感知语调、语速等“副语言”信息以识别用户情绪，动态调整回应以提升对话真实感。开发者可通过API精细定制AI角色的性格、背景等，其能力基于超万个原生人设生成的百万级特征矩阵训练，并针对角色一致性进行了强化。模型在对话能力上强调智商与情商的双重提升，可应对从闲聊到专业面试等多种场景。据2026年4月评测，其主观对话体验与语音问答基准得分均领先于同期竞品。
08:20
Artificial Analysis@ArtificialAnlys67
StepFun的StepAudio 2.5 TTS在Artificial Analysis语音竞技场排行榜位列第三，仅次于Inworld Realtime TTS 1.5 Max和Google Gemini 3.1 Flash TTS。该模型Elo评分达1187分，在测试集上已超越Eleven v3，语音自然度显著提升。其定价为每百万字符85美元，高于头部竞品；生成速度为每秒37.6字符。模型提供全局上下文提示和行内情感标签两种控制路径，可精细调节语音风格与韵律。
01:54
Ant Ling@AntLingAGI精选78
Ring-2.6-1T是一款万亿参数的旗舰思维模型，专为现实世界复杂任务和生产环境构建。该模型具备可调节思维努力功能，通过动态计算机制灵活平衡认知深度、token成本和执行速度。它针对代理优化，适用于高频工作流，提供快速多步执行和工具编排，并具有SOTA稳定性。深度思维特性解锁了模型的最大能力上限，特别适合严格数学逻辑和科学研究。
推荐理由：蚂蚁憋了个万亿参数的大家伙，而且把可调思考和 Agent 优化当主打，明显是冲着生产级落地的，做 agent 的可以盯一下实际推理成本。
00:34
Hugging Face：Blog（RSS）
精选72
EMO是一种新型专家混合模型，通过端到端预训练使模块化结构直接从数据中涌现，无需依赖人类定义的先验。该模型允许在特定任务中仅使用12.5%的专家子集（即8个活跃专家中的部分），同时保持接近全模型的性能；当所有128个专家共同使用时，它仍作为强大的通用模型。EMO具有1B活跃参数和14B总参数，训练数据达1万亿令牌。与标准MoE相比，EMO通过文档级路由约束，鼓励专家形成领域专业化组，从而支持选择性使用而不导致严重性能下降，实现了可组合架构，优化了大型稀疏MoE的内存-准确性权衡。
推荐理由：EMO 让 MoE 专家从按词法分散进化到按语义域自然模块化，仅用 12.5% 专家就能接近全模型性能，对需要按需加载的大模型部署是真正的突破。
5月8日
19:18
The Decoder：AI News（RSS）
61
OpenAI 发布了专门用于网络安全的新模型 GPT-5.5-Cyber。该模型显著降低了安全请求的拒绝率，并能主动对测试服务器执行漏洞利用。目前访问权限仅限于经过验证的关键基础设施防御者，包括思科、CrowdStrike 和 Cloudflare 等合作伙伴。GPT-5.5-Cyber 将直接与 Anthropic 的 Mythos Preview 模型展开竞争。
13:36
Hacker News 热门（buzzing.cc 中文翻译）
57
ZAYA1-8B 是一个新发布的开源人工智能模型，在数学计算任务中性能与 DeepSeek-R1 相当。该模型的活跃参数数量少于10亿，突显了在保持高性能的同时实现更高参数效率的突破。这一进展意味着模型在计算资源和存储需求上更为高效，可能降低部署成本并加速推理过程，为资源受限环境提供实用解决方案。ZAYA1-8B 的开发展示了在AI模型优化领域的重要进步，其开源性质有望推动进一步研究和应用。
11:05
Greg Brockman@gdb68
11:05
Eric@ericmitchellai精选85
推荐理由：OpenAI首次把GPT-5级推理塞进实时语音模型，音频原生智能不再是demo玩具，做语音agent的团队今天就可以在API里调用。
10:16
IT之家（RSS）
57
商汤科技推出新一代轻量化多模态模型“日日新 SenseNova 6.7 Flash-Lite”。该模型采用原生多模态架构，能直接理解网页、文档和图表，提升复杂任务处理效率。它取消了视觉转文本中间层，以更小参数量实现能力跨越，在权威测试中取得多项同级别SOTA，并在信息搜索等场景中比纯文本智能体降低60%的Token消耗。同时，商汤推出限时免费的SenseNova Token Plan，为开发者提供首月无门槛调用额度，并将其全线办公技能SenseNova-Skills在GitHub开源。
09:43
Tibo@thsottiaux精选83
推荐理由：GPT-5 级推理放到实时语音里，语音代理从听懂话到真正协作的分水岭，做语音产品的都该立刻试一下。
09:40
Sam Altman@sama62
09:16
IT之家（RSS）
精选70
OpenAI 发布三款集成于Realtime API的实时语音模型，旨在解决语音交互中的延迟、打断处理和多语言支持难题。其中，GPT-Realtime-2具备GPT-5级推理能力，可在对话中进行推理、调用工具并处理打断，音频输入输出分别按每百万Token 32美元和64美元计费。GPT-Realtime-Translate支持70种输入语言同步翻译为13种输出语言，每分钟0.034美元。GPT-Realtime-Whisper提供低延迟流式转录，每分钟0.017美元。这些模型为开发复杂语音助手、实时翻译和转录应用提供了底层技术支持。
关联讨论 2 条X：宝玉 (@dotey)X：Greg Brockman (@gdb)推荐理由：GPT-Realtime-2 把 GPT-5 级的推理塞进了实时语音里，不是简单的语音转文字，是能打断、能纠错、能执行多步任务的真·语音助手能力。做语音产品的人现在就该去读接口文档。
07:39
meng shao@shao__meng精选80
OpenAI 在 Realtime API 中推出三款新模型，将实时语音交互升级为可执行任务的界面。核心模型 GPT-Realtime-2 具备 GPT-5 级别的推理能力，支持边听边思考、并行调用工具并完成任务，关键升级包括前置语、128K上下文窗口和可控推理强度。搭配的 GPT-Realtime-Translate 支持70多种语言实时互译，GPT-Realtime-Whisper 提供低延迟流式转录。这些模型共同支持语音驱动行动、系统主动播报和跨语言对话三种应用范式，旨在构建下一代语音协作智能体。
关联讨论 2 条X：宝玉 (@dotey)X：Greg Brockman (@gdb)推荐理由：GPT-5级推理首次进入实时语音API，语音agent从此能边听边推理边调工具，不再只是问答。Zillow呼叫成功率从69%拉到95%，做语音产品的该认真看看了。
06:21
Berryxia.AI@berryxia精选83
OpenAI在API中正式发布GPT-Realtime-2，称其为目前最智能的语音模型，为语音代理赋予了GPT-5级别的推理能力。该模型能实现真正的实时协作，在对话过程中同步完成聆听、思考与复杂问题解决，使交互如真人般自然流畅。同时发布的还有支持70多种语言的实时翻译模型GPT-Realtime-Translate，以及实时转录字幕模型GPT-Realtime-Whisper。这一系列音频能力共同定义了下一代语音界面，标志着语音AI从“辅助工具”向“实时智能伙伴”的跨越。OpenAI还预告了ChatGPT语音功能的重大更新即将到来。
关联讨论 2 条X：宝玉 (@dotey)X：Greg Brockman (@gdb)推荐理由：OpenAI把GPT-5级别的推理塞进实时语音，以前语音代理的「背台词」感被终结了，做语音应用的人今天就能上手试API。
06:21
Berryxia.AI@berryxia67
能不能卷过DeppSeek v4-flash 啊！ Google继续把AI成本卷到地板上了。 Gemini 3.1 Flash-Lite正式更新，这才是他们目前最划算的模型，专门为高体积agent任务、翻译和简单数据处理优化，价格低到离谱，速度还快得吓人。 以前大家卷参数、卷智能，现在Google直接告诉你：真正能跑通高频workflow的，是这种又便宜又稳的“轻量怪”。
05:49
OpenAI：官网动态（RSS · 排除企业/客户案例）
精选74
OpenAI扩展了网络安全领域的可信访问计划，推出了GPT-5.5和专门针对网络安全的GPT-5.5-Cyber模型。此举旨在帮助经过验证的网络安全防御者加速漏洞研究，并加强对关键基础设施的保护。新模型将为安全专业人员提供更强大的AI工具支持。
推荐理由：GPT-5.5 正式登场，首秀是给安全防御者用的，Trusted Access 机制把模型和真实漏洞环境连起来，做网络安全的可以关注，其他人先看看。
04:35
Artificial Analysis@ArtificialAnlys精选73
OpenAI发布新一代旗舰语音模型GPT-Realtime-2。其在语音推理基准Big Bench Audio上取得96.6%的成绩，与Gemini 3.1 Flash持平，较此前最佳结果提升约13%。该模型同时在对话动态基准中保持领先，最小推理努力变体得分96.1%，尤其在停顿处理和轮转测试中表现突出。新模型支持从最小到xHigh的可调节推理努力等级，上下文窗口从32K增至128K，并支持文本、音频和图像输入，音频定价保持不变。
关联讨论 2 条X：宝玉 (@dotey)X：Greg Brockman (@gdb)推荐理由：OpenAI 的语音模型这次不是小修小补，Big Bench Audio 得分涨了 13 个点，上下文扩到 128K，推理成本可调，做语音 agent 的可以认真考虑换代了。
03:42
TestingCatalog News 🗞@testingcatalog59
03:12
TestingCatalog News 🗞@testingcatalog64
03:10
Sam Altman@sama精选79
推荐理由：Sam Altman亲自宣布GPT-Realtime-2 API上线，语音交互正在从尝鲜变刚需，尤其当用户开始「倾倒大量上下文」，做语音产品的该认真考虑了。
03:10
The Decoder：AI News（RSS）
精选70
OpenAI发布了三款新型语音模型：GPT-Realtime-2、GPT-Realtime-Translate和GPT-Realtime-Whisper。其中，GPT-Realtime-2具备与GPT-5相匹配的实时推理能力，旨在实现更流畅、智能的实时对话交互。GPT-Realtime-Translate支持超过70种语言的实时翻译，而GPT-Realtime-Whisper则专注于实时语音转写功能。这一系列模型标志着OpenAI在实时音频处理和交互领域的重要进展，有望显著提升跨语言沟通和语音应用的体验。
关联讨论 2 条X：宝玉 (@dotey)X：Greg Brockman (@gdb)推荐理由：语音助手终于从「能听会说」变成了「能想会说」，GPT-5 推理进实时通道，所有语音交互产品的天花板被抬升了一个量级。
03:10
02:05
Greg Brockman@gdb精选87
推荐理由：GPT-5 级推理终于跑在实时语音上了，不再是简单的语音转文字再转模型，而是原生能边听边想边说的协作 agent。做语音客服和虚拟角色的人可以着手切到新 API 了。
02:01
Chubby♨️@kimmonismus精选75
推荐理由：OpenAI 把 GPT-5 级推理塞进实时语音，这个组合对客服和口语应用是真正的规则改写，所有依赖语音交互的产品都得重新评估。
01:42
TestingCatalog News 🗞@testingcatalog精选81
推荐理由：这是GPT-5级推理第一次被塞进实时语音模型，语音Agent不再只是‘听懂并回复’，而是能边听边想、处理复杂逻辑，做语音产品的人今天应该马上打开Playground试试。
01:40
OpenAI@OpenAI精选86
推荐理由：把GPT-5级推理塞进语音，意味着语音助手从“你问我答”进化为能边听边想、实时求解的协作伙伴，做语音agent的开发者该认真看看了。
01:36
OpenAI Developers@OpenAIDevs精选78
推荐理由：这是语音模型第一次真正拥有 GPT-5 级推理，语音代理不再是问答机而是能边听边想边解决问题的协作者，做语音产品的该重新想想架构了。
01:18
OpenAI：官网动态（RSS · 排除企业/客户案例）
精选86
OpenAI API 推出了新的实时语音模型，能够进行推理、翻译和语音转录。这些模型显著提升了语音交互的自然度与智能水平，支持实时处理与多语言转换。新功能旨在为开发者提供更强大的工具，以构建更流畅、更智能的语音应用体验。
关联讨论 2 条X：宝玉 (@dotey)X：Greg Brockman (@gdb)推荐理由：语音模型不再只是‘听写’，开始能推理和翻译了，OpenAI这次API更新的几个新模型把语音智能推向更实用的阶段，做语音产品的值得赶紧试试。
5月7日
23:06
Ant Ling@AntLingAGI精选76
推荐理由：万亿参数专攻Agent，成本还直降75%，对狂烧token费的AI Agent团队来说是个真信号。蚂蚁终于不玩虚的，OpenRouter上就能试。
20:34
19:31
Chubby♨️@kimmonismus66
Zyphra发布ZAYA1-8B模型，其活跃参数不足10亿，却在数学、编程和推理基准测试中媲美更大的开源及专有系统。其亮点不仅在于小尺寸，更在于全栈技术方案：完全基于AMD基础设施训练，采用了新的架构选择和大规模强化学习。此外，模型应用了一种名为Markovian RSA的测试时计算方法，通过并行推理和递归聚合，显著提升了复杂数学问题的解决能力。