DeepSeek“小更新”实测：许愿式编程能力大涨
DeepSeek将DeepSeek-V4.1-Flash更新为DeepSeek-V4.1-Flash-1017，看似只是加后缀的小迭代，实际能力提升明显。官方评测中，1017版本在终端操作和软件逆向上改进显著：Terminal-Bench 4.0从31.2分升至42.3分，ProgramBench从20.3分升至29.1分。与GPT-5.6 Sol相比，1017在9项测试中领先，终端操作和软件逆向...
AI 新闻
聚合 OpenAI、Anthropic、Google 等一手信源的最新动态
可灵4.0实测：30秒一镜到底，AI视频挑战高难度动作镜头
Kling 4.0全面上线，核心升级包括：30秒原生直出、最多15项素材参考、最多10张关键帧控制，以及强化高速运动与复杂运镜下的稳定性。 实测方面，网友用其生成小猫20秒一镜到底穿越多个场景、怪兽灾难片、复古街机风《侏罗纪公园》及30秒硅谷版《窃听风云》等视频，动态运动和参考输入表现受到认可。作者亲自测试暴雨夜屋顶特工逃亡，连续十余个高难度动作配合高速运镜，动作衔接利落、重心变化自然，但掏枪瞬...
设计AI进入个人助理时代：Lovart 2.0实测
AI 生图和改图已经很强，却依然救不了双 11 期间疯狂加班的设计师。AI 出图确实快，但出图之外的灵感、沟通协作和反复改稿才是耗时大头：团队要先理解客户品牌调性，换成 AI 仍要反复交代要求，项目一长还怕风格跑偏；下个类似项目，上次磨合好的经验又得从头教。老板和客户看不到这些隐形成本，只会问都有 AI 提速了，交付速度为何没成倍提升。现阶段的设计 AI 让人感觉本末倒置，过去指挥人，现在指挥 A...
OpenAI万级Agent狂跑36小时吞万亿Token
OpenAI近日披露了一项Agent极限实测：10,000个Agent同时运行，连续工作36至48小时，每天消耗1万亿Token，单轮任务量相当于人类工程师41年的工作量。 完成这一测试的是横跨旧金山和纽约的初创公司Third Moment Research，首个试验田选在量化金融。团队在Docker隔离容器中部署了1TB历史行情数据、技术文档和量化代码库。起初用Codex配合GPT-5.6检查...
DeepSeek API悄悄变强，实测生成效果大幅提升
DeepSeek官方未发公告，但网友发现「deepseek-flash」接口输出结果发生变化。对比9月与10月12日API生成结果，新版在细节、动画流畅性和光影效果上均有提升，美学风格也有变化，但生成速度稍慢。网友猜测可能是DeepSeek-v4.2-flash、v4.1-flash新checkpoint，或v4.1-pro返场。有测试者将10月版与GPT 6 Luna对比制作Minecraft克...
谷歌Gemini 4 Argon实测：懂物理的AI来了
谷歌Gemini 4 Argon正式发布，一度被认为掉队的谷歌重回第一梯队。跑分显示，它在文本、逻辑上与GPT-6 Astra和Claude Opus 5.5不相上下，价格仅为对手五分之一，速度快数倍。更关键的是，它是首个同时具备图像、视频、语言甚至物理直觉的通用物理推理模型。沃顿商学院教授Ethan Mollick评价称，Gemini 4与其他模型截然不同。 实测中，Argon能用傅里叶级数生...
谷歌EG2实测：740M参数统一多模态检索
传统多模态检索通常需要维护多套embedding模型，文本、图片、音频各用一套链路，再合并排序。Google最近开源的EmbeddingGemma 2（EG2）提供了更便捷的方案：740M参数，可将文本、图片、视频和音频编码到同一向量空间。相比ImageBind等统一多模态模型，EG2的特点在于模型规模和资源配置：完整模型仅740M参数，编码器可按模态加载，默认768维向量可裁剪到256维甚至12...
清华文科生实测Step 5 Preview：十万行代码项目能扛住吗
阶跃星辰推出 Step 5 Preview，官方定位是“往前推一步帕累托前沿”，即在能力相近的模型中追求最低成本。官方数据显示，同一任务成本约为 Claude Opus 5 的八分之一，是 GLM-5.3 和 Kimi K3 的 35%。10 月 8 日上线 OpenRouter，12 小时内登顶 Trending 第一。在 Artificial Analysis 智能指数上得分 44，官方称其位...
GPT-6 Astra实测：被高估的建模能力
自从ChatGPT-6 Astra更新，社交平台就被它调用Blender建模的测试刷屏。用户用它搭建江南园林、做3D小游戏、生成《我的世界》，甚至操控机械臂削黄瓜皮、通关羊了个羊。官方宣传片本将亮点放在语音对话功能上，但用户更关注AI建模——这既是普通人难以触及的专业领域，又能直观看到结果。 实测Astra调用Blender建模、渲染，并调用Seedance 2.5生成AI视频后，结论是：某些基...
GPT-6 Luna实测：最便宜模型也能干活了
GPT-6 Sol和Luna上线，OpenAI给出的重点是价格。Sol的API输入每百万token 2美元、输出10美元；Luna输入0.1美元、输出0.5美元，均为对应GPT-5.6价格的一半，Luna成为本轮最便宜型号。 作者用同一网站复刻案例测试Luna High。该站首页以大面积黄色铺底，中间有金色唱片，鼠标移动会触发背景流动反馈，并含大量作品图片和动效。Luna自行整理公开品牌素材、字...
Grok 4.7发布：网友实测先拿SpaceX火箭开玩
看来老马也知道，国庆前后基模圈不好混，所以先发先占坑——Grok 4.7来了。 更大的底模、上下文拉到50万Token，重点猛练Coding、Agent以及动辄跑上几个小时的复杂任务。软件工程、电气工程、长时办公、终端和法律任务全面开花。官方评测表中，电气工程基准测试以64%拿下第一，终端操作基准测试从20.3%跃升到38%。价格方面，输入2美元/百万Token，输出6美元/百万Token，加量...
实测商汤U1 Pro：生图模型开始交付真实工作
一款能走进真实工作的生图模型。 在真实工作中，做图往往只是任务的一部分：公众号文章需要封面和多张配图，企业招聘需要海报、易拉宝、折页等整套物料，设计过程中还可能随时需要改文字、换服装、调整局部元素。这意味着办公场景的生图需求，对模型的要求已不只是画面效果，还需要理解上下文和用户意图，处理已有素材，组织图片中的信息与版式，并在发现问题后继续修改。信息要完整，设计要美观，修改要可控，缺一不可。 带...
实测Qwen3.8-Omni-Flash：全模态Agent价格暴降90%
Qwen推出全模态模型Qwen3.8-Omni-Flash，在WildClawBench-MM等30项评测中平均得分比上一代Qwen3.5-Omni-Plus高出26%，音频能力整体超越Gemini 3.8 Flash，音视频能力接近Gemini。API价格大幅下降：相比上一代，每小时音频输入价格下降超98%，每小时音视频联合输入价格下降超93%。现价为每百万Token输入0.8元、输出2.7元，...
实测Livo｜我混进AI「西部世界」1小时，被NPC当场拆穿
AI NPC 开始趁用户下线，继续过自己的日子了。 以前开放世界能塞几百个角色，城市有昼夜，NPC 按日程吃饭上班睡觉，但这些行为大多提前写在程序里。用户不触发任务，故事便不会发生，用户一离开游戏，NPC 就集体趴窝。 大模型出现后，开发者开始尝试让 AI 参与角色决策和世界运行。 最早跑出来的是 AI 生成故事。2019 年，Latitude 推出 AI Dungeon，让 AI 当起「地...
一文看懂外网爆火的哑巴模型jev，10个实测案例分享！成本几乎为零...
最近，一个不会说话的大模型在网上火了。 它叫 Jev，不能写文章，不能写代码，也不能和你聊天。 这么一个哑巴模型，发布不到 36 小时就有 14 万开发者冲进去内测。 几天内造出了几百个玩法，恐怖如斯... 为什么这么多人上头？因为 Jev 只做判断，不生成文字。 少了逐字生成答案这一步，它反倒比大语言模型更快，也更便宜。 一次判断只要 70 到 500 毫秒，部分场景比大语言模型快近...
实测GPT-6+Blender：我用Aholo Lux3D搭了3D版包豪斯工作室
小时候看交换空间和梦想改造家，总觉得空间设计不难，脑子里自带3D渲染器。真到自己上手，光摆沙发茶几就难倒一大批人。 最近我搬家后空出一个房间想做拍摄间，想做成包豪斯风格，TB收藏夹塞满了家具，却迟迟没下单——对空间和物体尺寸没把握，怕最后转身都困难。 正好GPT-6 Astra来了，我用它和Aholo Lux3D把拍摄间布局全设计好了。思路是：先让GPT-6做场景灰模，Aholo Lux3D按...
实测5款国产世界模型，生成世界走到哪一步了
世界模型近期密集出现，但多数仍是研究预览版。最近一两个月，多家厂商开放实测，包括蚂蚁LingBot-World 2.0、阿里HappyOyster 1.0、腾讯混元HY-World 2.1、爱诗R1，以及8月26日开源的Zing-0.5。本次评测选取这五款可上手的产品，InSpatio-World因未开放完整入口未纳入。 实测发现，五家玩法差异明显，可归纳为三类能力：漫游、导演、联合控制。Lin...
神秘模型Omen Alpha实测：25分钟速搓“牛来”版YouTube
智东西9月9日报道，匿名模型Omen Alpha近日突然出现，凭借超高性价比迅速引发热议。上线5天后，在免费模型Muse Spark 1.3 Contributor冲击下，仍高居OpenCode调用量榜单第七，被网友称为“又是来自东方的神秘模型”。社区测试中，开发者普遍反馈“快”，有人仅用1小时30分钟完成简易3D世界建模，而用GLM 5.3 Flash和GPT 5.6 Luna以同样提示词开发用...
293B星火X2.5实测：手搓粒子月亮，还揪出了我的Bug
最新消息，参数293B的讯飞星火X2.5上线。此前讯飞开源了星火X2.5两款端侧模型，4B和1.7B，均能在端侧原生跑100万Token上下文。社区将其量化、移植到Mac、T4和WebGPU，还有人接入Agent工作流，把4B模型送上Hugging Face趋势榜第一。 星火X2.5为MoE大模型，参数293B-A30B，重点提升代码、智能体能力，覆盖200余种语言。现已上线讯飞开放平台，API...
AI剧《后西游记》收视第一，成本仅真人剧十分之一
上周，《后西游记》在湖南卫视黄金档上映，全程采用AIGC参与制作，并可根据观众反馈调整未播内容。首播后，该剧拿下同时段省级卫视收视第一，制作成本约为真人剧的十分之一，芒果TV官方播放量达1.1亿次。 AI视频正进入新阶段：过去AI多承担单镜头、单图片生成，如今行业开始探索AI参与完整内容生产流程。2026世界人工智能大会期间，智象未来发布全球首个无限时长内容创作智能体vivago R1，现已全球...
AI 神器
精选提升效率的 AI 工具，按场景分类快速找到合适工具
★ 编辑精选
AI 模型
追踪国内外主流大模型与垂直领域模型最新进展
★ 热门模型
