谷歌 Gemini 4 Carbon 发布：59 分登顶 AA v5，网络安全基准全面领先
10 月 28 日，Google 发布前沿模型 Gemini 4 Carbon。距离上一代旗舰 Gemini 4 Argon 发布只过去两周，官方给这款新模型的定位由两个词概括：网络安全与长程任务（long horizon）。在第三方评测机构 Artificial Analysis 更新到 v5.0 的智能指数上，Carbon 以 59 分排在第一位。与榜单…
标签: 大模型
清除筛选
十年前的卷积网络赢过两个前沿大模型：200 例活检皮肤病变的对照实验
200 例经组织病理确诊的皮肤病变，三套模型看同样的照片，做同一道六选一的选择题。一台十年前发布、在一块 H100 上微调了约二十分钟的卷积网络认对 125 例，GPT-6 Astra 认对 84 例，Claude Fable 5.1 认对 85 例。允许答第二选择时，三个数字变成 173、134、138。 做这个对照的是伦敦国王学院圣约翰皮肤科研究所 Ly…
Liquid AI LFM2.5-24B-A2B 技术解读：24B 参数 2B 激活，端侧 Agent 模型的新标杆
10 月 12 日，Liquid AI 在 Hugging Face 上开放了 LFM2.5-24B-A2B 的权重。这是 LFM2.5 家族目前最大的模型，官方博客同时确认它也是这个家族的收官之作：产品线覆盖从 230M 到 24B 两个数量级，端侧小模型的版图到此画完一个周期。总参数量 24B，每个 token 只激活 2B，官方给它的定位是「为快速、私…
GLM-Legal：法律专用模型用 19.2% 的 all-pass 率压过旗舰，垂直训练管线拆解
2026 年 10 月 12 日，智谱发布法律专用模型 GLM-Legal。在 Harvey 出品的法律智能体基准上，它拿下 19.2% 的 all-pass 通过率，比基座模型 GLM-5.3-Flash 高出 12.5 个百分点；作为对照，Claude Opus 5.5 在同一个基准上的成绩是 4%。发布当天，这条消息在 Hacker News 上冲到…
Reflection 发布 Beam：501B 参数开源权重模型，西方阵营的答案来了
对比之一：开源前排没有西方名字 开源权重模型的榜单前排，长期被中国实验室占据：GLM 5.2/5.3、Kimi K3、Qwen 3.8-Max、DeepSeek V4.1。西方阵营里有 Meta 的 Llama 系列和 Mistral，但在"前沿能力"这一档，已经落后一个身位。这是 2026 年 AI 行业一个少有人正面处理的结构性事实。 Reflectio…
Aleph Alpha 开源 Kolibri：78B 参数 MoE，德语场景把账算到了分词器上
德国 AI 公司 Aleph Alpha 在 10 月 3 日发布并开源了新模型 Kolibri：总参数 781 亿的 MoE（Mixture-of-Experts，混合专家架构），每个 token 只激活约 34.6 亿参数，权重以 Apache 2.0 协议挂在 Hugging Face 上，发布当天即可下载。训练从零开始，在德国和芬兰的基础设施上完成，…
谷歌 Gemini 4 Argon 发布：77.9% 拿下 DeepSWE，输出上限扩到 100 万 token
9 月 30 日，Google DeepMind 发布新一代旗舰模型 Gemini 4 Argon，由 DeepMind 高级副总裁 Koray Kavukcuoglu 撰文宣布。发布当天，这条消息登上 Hacker News 首页榜首，讨论串里聚集了五百多条评论。这次的看点有两个：模型本身的成绩（DeepSWE v1.1 拿下 77.9% 的最高分、输出上…
Ember-1 技术解读：Fireworks 给 Kimi K3 做推理瘦身，token 减 40% 质量持平
9 月 23 日，Fireworks Research 发布专精化模型 Ember-1：基于开源权重模型 Kimi K3 训练，官方数据显示答案质量与 K3 持平，token 消耗减少 40%。模型当天就在 Fireworks Serverless 上线，以 Research Preview 形式提供服务，与 K3 基座并列成为可选模型。 Ember-1 没…
Claude Opus 5.5 发布解读：把 Fable 5.1 的能力卖到六折，与 GPT-6 Sol 同日对垒
Claude Opus 5.5 官方发布图 2026 年 9 月 22 日，Anthropic 发布 Claude Opus 5.5，Claude 5.5 系列的第一款模型。同一个下午，OpenAI 放出 GPT-6 Sol 和 GPT-6 Luna。两家公司在同一天各自更新了主力产品线，这在这两个品牌的发布史上还是第一次。 Opus 5.5 的核心卖点用一…