8月26日

星期三 · 1 条

00:53

Mustafa Suleyman@mustafasuleyman

AI 评分 40/100

Microsoft AI 发布 MAI-Image-2.6-Preview，在 Artificial Analysis 图像编辑排行榜登顶第一，文本生成图像位列第二（仅次于 OpenAI 的 GPT Image 2）。该模型在 19 个分类榜单中拿下 5 个第一，现已在 MAI Playground 和 Microsoft Foundry 私有预览中提供。

Artificial Analysis: Microsoft's MAI-Image-2.6-Preview lands at #1 on the Artificial Analysis Image Editing Leaderboard and takes #2 in Text ...

Microsoft 图像生成模型发布评测/基准

8月25日

星期二 · 1 条

05:00

SpaceXAI@SpaceXAI

AI 评分 48/100

Grok Voice Think Fast 2.0 现已在 Artificial Analysis 语音到语音指数中排名第一。该指数衡量语音智能体能否对所听到的语音进行推理、解决真实客户问题，并使用智能体工具正确完成任务。

智能体 xAI 评测/基准语音

8月22日

星期六 · 1 条

15:24

IT之家（RSS）

AI 评分 50/100

神秘 Ox Alpha AI 模型限免上架：DeepSWE 跑分碾压 Claude Fable 5，线索指向智谱

OpenRouter 于 8 月 20 日上线匿名 AI 模型 Ox Alpha，免费开放 1 周。该模型在 DeepSWE 十项测试任务中得分约 80%，超过 Claude Fable 5 的 65% 和 GPT-5.6 Sol 的 52%。其上下文窗口达 1,048,576 个 token，支持文本、图像和视频多模态输入，分词器指纹与 GLM-5.3 高度吻合，线索指向智谱。

模型发布编码评测/基准

8月21日

星期五 · 1 条

05:54

Artificial Analysis@ArtificialAnlys

AI 评分 63/100

阿里 Qwen-Image-3.0-Pro 登顶图像编辑榜第六

阿里发布第三代图像模型 Qwen-Image-3.0 系列，旗舰版 Pro 在 Artificial Analysis 图像编辑榜位列第六、文生图榜第九，较上代分别提升 83 和 48 Elo 分。该系列支持 4.5k token 提示词、10 像素级精确文字渲染及 12 种语言，Pro 版定价 $0.04/张（1K 分辨率），已在阿里云 Model Studio 上线。

图像生成多模态评测/基准

8月14日

星期五 · 2 条

06:52

Elon Musk@elonmusk

AI 评分 34/100

Grok 4.6【引用 @MiaAI_lab】：我很高兴地报告，Grok 4.6 在与内核和 modding 相关的所有方面都跟 Kimi K3 一样出色。我几乎连续测试了 8 个小时，它在"低"努力模式下完成了所有任务。而且速度更快，消耗的 token 也明显更少。我现在将继续在其他领域进行测试。干得漂亮 @SpaceXAI 👏

Mia: I’m happy to report that Grok 4.6 is just as good as Kimi K3 for everything related to the kernel and modding. I was tes...

xAI 模型发布评测/基准

03:22

Artificial Analysis@ArtificialAnlys同事件

AI 评分 72/100

Gemini 3.7 Flash 发布，登顶智能与速度帕累托前沿

Google 发布 Gemini 3.7 Flash，在 Artificial Analysis 智能指数上得分 56，较 3.6 Flash 提升 4 分，并登上智能 vs. 单任务耗时帕累托前沿。

Google 推理模型发布评测/基准

同一事件，精选展示《Google DeepMind 推出 Gemini 3.7 Flash：面向编程与智能体的最强工作模型》

8月13日

星期四 · 5 条

01:50

DogeDesigner@cb_doge

AI 评分 58/100

Grok 4.6 在 ARI Bench 上夺得第一--该基准用于评测 AI 的递归式自我改进能力。🥇它显著超越 Grok 4.5，同时排名也领先于 Claude Opus 5 和 GPT-5.6。

xAI 模型发布评测/基准

01:50

Artificial Analysis@ArtificialAnlys

AI 评分 67/100

韩国Upstage发布Solar Pro 4，智能指数42分

韩国AI实验室Upstage发布旗舰推理模型Solar Pro 4，Artificial Analysis智能指数达42分，较Solar Pro 3的14分大幅提升27分，与Inkling（xhigh，42分）持平。

推理模型发布评测/基准

另有 1 家信源报道

00:18

🚨 AI News | TestingCatalog@testingcatalog同事件

AI 评分 56/100

BREAKING 🔥： SPACEXAI 发布 GROK 4.6，多项基准测试已与 FABLE 5 和 GPT 5.6 SOL 持平！同时以 1553 分位列 Frontend Arena 第 13 名。Grok 4.6 即日起在 Cursor 和 Grok Build 中可用，首周包含 2 倍用量。开测！👀

SpaceXAI: Introducing Grok 4.6. It delivers frontier intelligence and is a significant improvement over Grok 4.5 at the same price...

模型发布评测/基准

同一事件，精选展示《xAI 发布 Grok 4.6，强化长时运行智能体能力》

00:18

X.PIN@thexpin同事件

AI 评分 52/100

DeepSeek 模型发布评测/基准

同一事件，精选展示《DeepSeek-V4-Pro 正式版上线，Agent 能力大幅增强》

00:02

Emad@EMostaque

AI 评分 34/100

imo GDPVal 可能是最重要的基准，它衡量模型在真实世界任务上的表现。性能上的一大飞跃，以极佳的价格登顶，祝贺 @SpaceXAI 团队，期待接下来更大的发布！https://openai.com/index/gdpval/

Elon Musk: Grok 4.6 is now out 🚀🚀🚀 Smart, fast & amazing bang for buck!

OpenAI xAI 模型发布评测/基准

8月12日

星期三 · 2 条

18:48

The Decoder：AI News（RSS）

AI 评分 52/100

微软 MAI Code 1.1 Flash 发布，性能与价格均被 DeepSeek 碾压

微软发布面向 GitHub Copilot 的代码模型 MAI Code 1.1 Flash，称其代码质量更优、token 效率提升 25%、成本仅为 6 月前代的四分之一。

DeepSeek Microsoft 模型发布编码

另有 1 家信源报道

11:17

Artificial Analysis@ArtificialAnlys同事件

AI 评分 73/100

蚂蚁发布 Ling 3.0 Tiny，7.9B 参数登智能前沿

蚂蚁集团发布开源推理模型 Ling 3.0 Tiny，在 Artificial Analysis 智能指数上得 25 分，以 7.9B 总参数和 1.3B 激活参数（MoE）扩展了智能与激活参数的帕累托前沿，性能接近 gpt-oss-120b（24 分）但参数少 15 倍。

开源/仓库推理模型发布评测/基准

同一事件，精选展示《Ling-3.0-tiny 正式开源：1.3B 激活参数如何进入真实任务》

8月8日

星期六 · 1 条

00:45

Alexandr Wang@alexandr_wang

AI 评分 46/100

nice（注：主推文仅为"nice"一词，无实质内容。根据引用式 teaser 例外规则，正文概括引用推文核心要点。）Meta 的 Muse Spark 1.2 （xHigh）在文本竞技场中位列第四（1498 分），重塑了帕累托前沿。定价为每百万 token $1.25/$4.25。再次祝贺 @AIatMeta 团队发布此版本！

Arena.ai: Exciting news: Muse Spark 1.2 (xHigh) by @AIatMeta is #4 in the Text Arena (1498 pts), and has reshaped the Pareto front...

Meta 模型发布评测/基准

8月7日

星期五 · 1 条

02:44

Alexandr Wang@alexandr_wang

AI 评分 29/100

显然，muse-spark 1.2 非常擅长处理支线任务。

Zachi: We've got a change at the top. Meta's muse-spark 1.2 reaches 2nd place in the sidequest-bench.

Meta 评测/基准

8月6日

星期四 · 4 条

16:40

Rohan Paul@rohanpaul_ai

AI 评分 44/100

Kimi K3 与 Qwen3.8 Max 能力持平，成本成关键

Kimi K3 以 57 分继续领跑开源权重模型，仅领先 Qwen3.8 Max 一分，后者计划下周开源权重。Qwen3.8 Max 在 GDPval-AA 上以 1739 Elo 反超 Kimi K3（1685），且激活参数更小（95B vs 2.8T 总参数）。两者能力可视为持平，但 Kimi K3 单任务成本 $0.86，比 Qwen3.8 Max 的 $1.14 低 25%。

Artificial Analysis: Alibaba's Qwen3.8 Max scores 56 on the Artificial Analysis Intelligence Index at $1.14 per task, but open weights leader...

开源/仓库模型发布评测/基准

15:44

Alexandr Wang@alexandr_wang

AI 评分 31/100

Muse Spark 1.2 更新！Muse Spark 1.2 刚刚在 Vals Index 上闯入前五，每次测试仅需 $0.69。这比 Kimi 便宜 3 倍，比 Fable、Opus 和 5.6 Sol 便宜 10 倍甚至更多。

Vals AI: Muse Spark 1.2 just cracked the top 5 on the Vals Index, at just $0.69 per test. This is 3x cheaper than Kimi and 10x or...

评测/基准

15:44

Alexandr Wang@alexandr_wang

AI 评分 30/100

鹈鹕仍在进步。

Simon Willison: One of the things the pelican benchmark is still useful for is visually representing (to a tiny extent) the improvements...

Meta 模型发布评测/基准

05:39

Artificial Analysis@ArtificialAnlys

AI 评分 68/100

Meta 发布 Muse Spark 1.2，智能指数升至 54

Meta 发布 Muse Spark 1.2，在 Artificial Analysis 智能指数中得分 54，较 1.1 版提升 3 分，与 Grok 4.5 并列美国实验室第三。

智能体 Meta 模型发布评测/基准

另有 2 家信源报道

8月4日

星期二 · 2 条

16:35

Qwen@Alibaba_Qwen

AI 评分 28/100

Qwen3.8-Max，更好，更便宜。试试吧。👀

Command Code: We ran a test between the new Qwen3.8-Max, Opus 5 and GPT-5.6 Sol. 3 models. same prompt. one-shot with the /design comm...

模型发布评测/基准

16:35

Chubby♨️@kimmonismus

AI 评分 41/100

Celeris-1 被 Artificial Analysis 评为输出速度第一，约 2，086 tokens/秒，MMLU-Pro 得分 75.9%，且无需定制推理芯片。

Celeris: Celeris-1 is now ranked as the #1 fastest AI model according to @ArtificialAnlys. 2,038 output tokens per second, #1 of ...

推理评测/基准

8月3日

星期一 · 1 条

04:31

Chubby♨️@kimmonismus

AI 评分 37/100

DeepSeek 4 Flash 的新更新持续取胜，成为帕累托前沿上的性价比赢家。

Arena.ai: Exciting news: DeepSeek-V4-Flash-High by @deepseek_ai has reshaped the Pareto Frontier in the Frontend Code Arena, with ...

DeepSeek 编码评测/基准

8月2日

星期日 · 3 条

05:42

Aravind Srinivas@AravSrinivas

AI 评分 58/100

两个数量级的改进相当罕见。这是件大事。

Chubby♨️: DeepSeek V4-Flash isn’t just cheaper per token. It reportedly completes the same benchmark tasks as Fable 5 at 105× lowe...

DeepSeek 模型发布评测/基准

05:29

Chubby♨️@kimmonismus

AI 评分 54/100

DeepSeek V4-Flash 不仅单 token 价格更低，据 @ArtificialAnlys 报告，完成相同 benchmark 任务的总成本比 Fable 5 低 105 倍。尽管单 token 价格优势可能因任务轮次增加而失真，但总成本优势显著，作者称这是 DeepSeek 2.0 时刻，将引发巨大轰动。

Cline: While DeepSeek V4-Flash is significantly cheaper on price per token, this can be misleading if the overall cost per task...

DeepSeek 推理模型发布评测/基准

01:29

elvis@omarsar0

AI 评分 42/100

DeepSeek-V4-Flash-High 模型在前端方面表现出色得离谱。我跑了一些测试，不得不反复确认自己没选错模型。这个价格能有这表现，太强了。哇！

Arena.ai: Exciting news: DeepSeek-V4-Flash-High by @deepseek_ai has reshaped the Pareto Frontier in the Frontend Code Arena, with ...

DeepSeek 模型发布编码评测/基准

8月1日

星期六 · 4 条

09:05

IT之家（RSS）同事件

AI 评分 63/100

DeepSeek-V4-Flash 正式版跑分报告：约 98% 缓存命中折扣打造 AI 极致性价比

DeepSeek-V4-Flash 正式版 API 上线公测，在 Artificial Analysis 智能指数（AII）中获 50 分，较 4 月版提升 10 分，比 V4 Pro 高 6 分，仅比 GPT-5.6 Luna 低 1 分。

DeepSeek OpenAI 模型发布评测/基准

同一事件，精选展示《DeepSeek V4 Flash 0731 开源，登顶开源模型前三》

05:59

Artificial Analysis@ArtificialAnlys精选

AI 评分 78/100

DeepSeek V4 Flash 0731 开源，登顶开源模型前三

DeepSeek 发布开源模型 DeepSeek V4 Flash 0731，在 Artificial Analysis 智能指数上得分 50，位列开源模型前三。该模型采用 MIT 许可，总参数 284B（激活 13B），FP4/FP8 混合精度约 167GB，与 V4 Flash 架构和定价一致，并已上线官方 API。

DeepSeek 开源/仓库模型发布评测/基准

另有 14 家信源报道

推荐理由：DeepSeek 把 V4 Flash 的智能效率往前推了一步，MIT 许可让商业应用毫无顾虑，做轻量级部署的团队可以立刻换上。

04:59

Artificial Analysis@ArtificialAnlys

AI 评分 62/100

Mureka V9登顶音乐榜第二，紧追Suno V5.5

Mureka V9在Artificial Analysis音乐双榜均列第二，器乐榜距榜首Suno V5.5仅1 Elo分。该模型由Skywork AI推出，可生成2-4分钟全曲，支持多语言歌词及最多12音轨分离，现已在Mureka应用和API上线。

模型发布评测/基准

03:59

Elon Musk@elonmusk

AI 评分 50/100

试试 Grok 4.5 http://X.ai/cli

DogeDesigner: BREAKING: Grok 4.5 outperforms GPT-5.6 Terra across almost all shared benchmarks on AskClash, leading in ACB, GPQA, SWE-...

xAI 模型发布评测/基准

7月31日

星期五 · 3 条

17:58

Artificial Analysis@ArtificialAnlys同事件

AI 评分 76/100

DeepSeek V4 Flash 0731 发布，智能指数跃升 10 分

DeepSeek V4 Flash 0731 在 Artificial Analysis 智能指数上得 50 分，较 4 月版提升 10 分，领先 V4 Pro 6 分，并进入智能与成本帕累托前沿。

智能体 DeepSeek 推理模型发布

同一事件，精选展示《DeepSeek V4 Flash 0731 开源，登顶开源模型前三》

17:58

Chubby♨️@kimmonismus同事件

AI 评分 64/100

DeepSeek v4 Flash 在 Artificial Analysis 智能指数上得分 50，较上代提升 10 分，单位任务价格目前无人能敌。其 DeepSWE 达 54.4%，超越 GLM-5.2 和 4 Pro，几乎持平 Opus 4.8；TerminalBench 82.7%，同样逼近 Opus 4.8。

Chubby♨️: This is insane! not kidding at all. DeepSeek v4 *Flash* super close to Opus 4.8, Insane upgrade - DeepSWE 54.4%, outperf...

DeepSeek 模型发布评测/基准

同一事件，精选展示《DeepSeek V4 Flash 0731 开源，登顶开源模型前三》

12:28

Artificial Analysis@ArtificialAnlys

AI 评分 69/100

MiniMax H3登顶视频编辑榜，将开源权重

MiniMax H3在Artificial Analysis视频编辑排行榜位列第一，文生视频第二、图生视频第三。该模型支持多模态输入，可生成5-15秒24fps带原生音频的片段，2K定价$7.80/分钟。MiniMax计划以社区许可开源权重，允许年收入低于$20M的组织商用，若发布将成为最强开源视频模型。

开源/仓库模型发布视频评测/基准

另有 4 家信源报道

7月28日

星期二 · 1 条

03:25

Chubby♨️@kimmonismus

AI 评分 46/100

月之暗面（Moonshot）正式开源其2.6T参数模型Kimi K3，在Artificial Analysis Intelligence Index中以57分成为领先的开源权重模型。

Artificial Analysis: Kimi K3 weights have been released! Kimi K3 is now the leading open weights model at 57 in the Artificial Analysis Intel...

开源生态模型发布评测/基准

7月25日

星期六 · 3 条

08:51

Simon Willison 博客

AI 评分 58/100

Anthropic 发布 Claude Opus 5

Anthropic 发布 Claude Opus 5，定位为接近 Claude Fable 5 前沿智能但价格减半的模型，目前在 Artificial Analysis 排行榜上领先所有模型。该模型定价与 Opus 4.8 相同，并提供成本翻倍的“快速模式”。因通用能力提升，Opus 5 在网络安全漏洞发现上接近 Mythos 5，但在漏洞利用上仍大幅落后。

Anthropic 安全/对齐模型发布评测/基准

另有 16 家信源报道

07:40

公众号：数字生命卡兹克同事件

AI 评分 64/100

Claude Opus 5 发布，以一半价格逼近 Fable 5

Anthropic 发布 Claude Opus 5，已全量上线，支持 100 万上下文，知识截止至 2026 年 5 月。在 ARC-AGI-3 上得分 30.2%，接近 GPT-5.6 Sol（7.8%）的四倍；输入每百万 Token 5 美元、输出每百万 Token 25 美元，价格与 Opus 4.8 相同，仅为 Fable 5 的一半。

Anthropic 模型发布评测/基准

同一事件，精选展示《Anthropic 发布 Claude Opus 5》

02:53

The Decoder：AI News（RSS）

AI 评分 67/100

Anthropic 发布 Claude Opus 5：以 Fable 5 一半的 token 价格实现接近其性能

Anthropic 推出旗舰模型 Claude Opus 5，在智能体编程和知识工作基准测试中领先，并在 ARC-AGI-3 上取得 30.2% 的分数，是 GPT-5.6 Sol 的近四倍。

Anthropic 模型发布编码评测/基准

另有 16 家信源报道

7月22日

星期三 · 2 条

00:52

Chubby♨️@kimmonismus

AI 评分 35/100

Google DeepMind 发布 Gemini 3.6 Flash 和 Gemini 3.5 Flash-Lite，两者任务耗时均减半。Gemini 3.6 Flash 智能评分 50 与 3.5 Flash 持平，输出速度达 304 tokens/秒，输入/输出定价降至 $1.50/$7.50 每百万 token。

Artificial Analysis: Google has released Gemini 3.6 Flash and Gemini 3.5 Flash-Lite. Both halve time per task relative to their predecessors ...

DeepMind Google 模型发布评测/基准

00:22

Epoch AI@EpochAIResearch

AI 评分 73/100

Moonshot 的 Kimi K3 在 Epoch 能力指数（ECI）上获得 156 分，创下开源权重新纪录。这一成绩使其介于分别于 2026 年 2 月和 3 月发布的 Opus 4.6 与 GPT 5.4 之间，并略高于 GPT 5.6 Luna。

模型发布评测/基准

另有 1 家信源报道

7月17日

星期五 · 2 条

07:40

公众号：数字生命卡兹克精选

AI 评分 75/100

Kimi 正式发布 2.8 万亿参数大模型 K3，将于 7 月 27 日全面开源

月之暗面发布 Kimi K3，参数量达 2.8 万亿，支持百万上下文，将于 7 月 27 日全面开源。该模型在 AA 智能分数中排名第三，并在 BrowseComp、Automation Bench 和 SpreadsheetBench 2 三项 Agent 评测中取得第一。

智能体多模态开源生态推理

推荐理由：国内首个 3 万亿参数开源模型，卡兹克的深度实测表明它在 Agent 和前端审美上表现惊艳，整体能力已能与 GPT-5.6 Sol 掰手腕，虽然推理成本可能不低，但值得开发者尽快体验。

03:10

Chubby♨️@kimmonismus

AI 评分 49/100

Kimi K3 在 Frontend Code Arena 中以 1679 分排名第一，超越 Claude Fable 5，较 Kimi-k2.6 跃升 17 位。它在 7 个前端领域中的 6 个（品牌营销、参考设计、数据分析、消费产品、模拟、内容创作工具）均获第一，仅游戏领域落后于 Fable 5。完整模型权重将于 7 月 27 日前开源。

Arena.ai: Big news: Kimi-K3 by @Kimi_Moonshot is now #1 in the Frontend Code Arena with 1679 pts, surpassing Claude Fable 5. This ...

编码评测/基准

已加载 40 条

今天8月26日周三

8月25日周二

8月22日周六

8月21日周五

8月14日周五

8月13日周四

8月12日周三

8月8日周六

8月7日周五

8月6日周四

8月4日周二

8月3日周一

8月2日周日

8月1日周六

7月31日周五

7月28日周二

7月25日周六

7月22日周三

7月17日周五

8月26日

8月25日

8月22日

8月21日

8月14日

8月13日

8月12日

8月8日

8月7日

8月6日

8月4日

8月3日

8月2日

8月1日

7月31日

7月28日

7月25日

7月22日

7月17日

全部 AI 动态

今天8月26日 周三

8月25日周二

8月22日周六

8月21日周五

8月14日周五

8月13日周四

8月12日周三

8月8日周六

8月7日周五

8月6日周四

8月4日周二

8月3日周一

8月2日周日

8月1日周六

7月31日周五

7月28日周二

7月25日周六

7月22日周三

7月17日周五

8月26日

8月25日

8月22日

8月21日

8月14日

8月13日

8月12日

8月8日

8月7日

8月6日

8月4日

8月3日

8月2日

8月1日

7月31日

7月28日

7月25日

7月22日

7月17日

今天8月26日周三