2026.11.18 大模型 腾讯把单次任务账单压到两毛六,混元4把评测集换成了自家工作台 → 11月16日,腾讯混元发布 Hy4 flash。总参数2240亿,其中640亿是 Engram 参数,激活参数只有120亿,支持多模态与100万词元上下文,API 定价为每百万词元输入0.5元、输出2元,命中缓存时0.02元。混元团队把它称为迄今性价比最高的一代,同时给了两个更容易被忽略的数字:解码速度超过每秒150词元,单任务成本是上一代 Hy4 的二十分之一。
2026.11.17 大模型 把一半专家删掉成绩反而高了一点,亚马逊这套剪枝法先看你拿什么数据校准 → 混合专家架构是这一代大模型的默认选择:每一层放几十到几百个专家,每个词元只路由到其中几个。好处是参数量能做得很大而计算量可控,代价是显存。绝大多数专家在任意时刻都是闲置的,但它们必须完整地待在显存里,等着被路由到。删掉一部分专家因此成了一个很实际的方向,问题只有一个:删哪些。
2026.11.16 大模型 代季峰团队的开源模型每秒吐2100个词元,想清楚只要3.1秒 → 11月10日,硅谷人工智能工程媒体Latent Space开设了一个新的模型实测栏目,首期没有选大厂旗舰,而是选了中国公司NaiveAI的开源模型Naive-N0.5-Flash,对照组是OpenRouter上调用量靠前的DeepSeek V4.1 Flash 1017与GLM 5.3 Flash。三家放在同一张桌子上比,结论并不极端:综合能力上这个新模型处在两者之间,但在两项具体指标上拉开了距离。对一个刚进入公众视野的团队来说,被拿来当对照组本身就已经是一种位置确认。
2026.11.15 大模型 阿里把Qwen4-Max放进15天试驾窗口,不给跑分也不给按量付费 → 11月11日上午10点,千问团队在官方账号宣布Qwen4-Max进入预览,窗口开到11月25日24点,到期之后预览接口直接消失,中途没有版本变化。对一个刚刚被外界期待了一整年的旗舰系列来说,这种发布方式比模型本身更值得拆开看。
2026.11.14 大模型 谷歌把模型改成只交分数单,一千个问题一次答完,输出词元不再收费 → 11月11日,谷歌在 AI Studio 上线了一套新的接口,叫 Gemini Decisions API,背后是一个新模型 Gemini Decision 1。它和常见的对话模型最大的区别是:不写任何一句话。给它一段文本、图片、音频、视频或者 PDF,再给它一批封闭选项,它直接返回每个选项的概率和置信度,中间不产生可读的回答。
2026.11.13 大模型 2800亿参数只激活140亿,文心5.5用一个11小时的任务证明长程能力 → 11月12日,百度在世界大会2026上发布文心5.5 Flash Preview。按官方发布页的说法,这是此前发布的Flash Base模型的首个后训练版本,总参数2800亿,每个词元激活140亿参数,支持最长100万词元上下文,定位在编程、3D建模、知识工作与内容创作四类任务。模型API已在千帆平台上线,权重将在11月25日前以Apache 2.0协议开源。
2026.11.12 大模型 让两台Mac用雷雳线连成一台推理服务器,苹果想把模型留在桌面上 → 据多家媒体援引爆料人士报道,苹果正在开发一款名为Harbor的Mac应用,目标是把搭载苹果芯片的电脑变成一台私人AI推理服务器。这个应用可以下载、管理和运行开放权重模型,推理过程全部留在本机,数据不必上传云端。更具想象力的一点是,它支持通过雷雳5接口把两台甚至更多台兼容Mac连起来自动组成集群,把各自的统一内存合并使用,从而运行单机装不下的大模型,或同时处理更多请求。报道称该应用目前由苹果旗下的软件子公司Claris进行非公开预览,尚未公布上线时间。
2026.11.11 大模型 两款新模型同天上线,Anthropic却在训练时故意压住了两种能力 → 11月9日,Anthropic同时放出两款模型,Claude Fable 5.2与Claude Mythos 5.2。两者共享同一个底座,差别在安全策略:Fable面向广泛开放,Mythos把网络安全与生命科学场景的限制放宽,通过验证计划向部分机构开放,同时驱动Claude Security这条产品线。
2026.11.10 大模型 每百万输入词元一毛钱,Meta把模型拆成规划与执行两层分开卖 → 11月9日,Meta超级智能实验室发布了一款名为Muse Ember的模型,官方说法是家族里最轻、单位成本最低的一款。定价给出的数字很直接:每百万输入词元0.10美元。这个价格放在闭源模型里属于明显的低档,放到开源阵营里也算同一区间,Meta自己把DeepSeek V4.1 Flash与GLM 5.3 Flash列为价格参照。
2026.11.09 大模型 不把图像翻译成文字,1.6B参数模型用一条连续的路统一看图与画图 → 语言是离散的词元序列,视觉是连续的高维像素分布,两者在信息结构上天然错位。过去几年,统一多模态模型基本沿着两条路走:一条把图像也量化成离散词元,和文字拼在一起做自回归;另一条让文字走离散预测、图像走连续扩散,在一个模型里同时维护两套目标函数。两条路都能跑通,但都留了妥协。华中科技大学王兴刚团队与北京交通大学、地平线等机构合作提出的Multimodal Flow,选了第三条:全连续。语言和视觉都留在各自的连续嵌入空间里,只共享一个Flow Matching目标。
2026.11.08 大模型 3200万美元训出650亿参数模型,Ripple-65B把研发成本摊到桌面上 → 11月4日起,美国初创公司 Ricursive Intelligence 的 Ripple-65B Preview 可以在 Hugging Face 直接下载,协议是 Apache 2.0,允许商用。模型是650亿参数的稠密结构,训练用了12万亿词元,上下文长度100万,定位在编程与智能体任务。比参数更引人注意的是公司同时公布的两个数字:研发总成本约3200万美元,以及在 TerminalBench 2.1 上拿到80.52分。前者把训练一个大模型的账本第一次摊到了台面上,后…
2026.11.07 大模型 5940亿参数先关着门放出来,Thinking Machines把开源拆成了两步走 → 11月5日,米拉·穆拉蒂创办的Thinking Machines Lab发布了第二代模型Inkling 2 Small。参数规模是5940亿总量、170亿激活,混合专家结构,支持图像输入,也能按任务调推理投入的档位。它在Artificial Analysis智能指数上拿到31分,比自家上一代高出一大截,与谷歌Gemini 3.8 Flash的高档位持平。真正让这次发布区别于同行的不是分数,而是权重没有跟着模型一起放出:完整权重按Apache 2.0开放的承诺写进了发布稿,但时…
2026.11.06 大模型 图里根本没有的东西,它也敢说没有,微信把七种视觉任务塞进一个模型 → 11月4日至五日,微信视觉团队开源了WeVisOne-VL,提供二十亿与四十亿参数两个版本。它把目标检测、指代定位、计数、点选、文字识别、分割与抠图放进了同一个视觉语言模型,输出可以是点、框、掩码,也可以是带透明度通道的抠图结果。更特别的是遇到图里并不存在的目标时,它会直接返回一个空答案,而不是硬凑一个框出来。
2026.11.05 大模型 腾讯混元Hy4正式开源,七千七百亿参数第一次能看屏幕也能点鼠标 → 11月4日,腾讯混元发布大语言模型Hy4正式版。按官方披露,这一版相较此前的预览版扩大了预训练与后训练规模,总参数七百七十亿,采用混合专家架构,第一次引入视觉理解,第一次支持电脑操作。混元方面称,这是Hy系列首次跻身最强开源模型之列,同时也承认与顶尖闭源模型仍有较大差距。权重将于近期开放,系统卡片同步发布。
2026.11.04 大模型 七百五十三亿参数科学模型开源,权重放出来了,训练配方还锁在实验室 → 11月2日,杭州的Deep Principle把Hydrogen-1.0的权重挂上了Hugging Face与ModelScope。总参数七千五百三十亿,MoE结构,七十八层,二百五十六个路由专家加一个共享专家,每个词元激活其中八个,实际激活量在四百亿上下。上下文一百万词元,单次最长输出十二万八千。许可用的是MIT,商用不设额外门槛。这些数字放在一起,是一份相当完整的交付说明,但它同时缺了最关键的一页。
2026.11.03 大模型 给一百五十八个评测基准做体检,阿里团队先量出了大模型的分数通胀 → 模型榜单看多了会发现一个现象:头部选手的分数越来越挤,第一名和第五名差不到两分,转发时却要写成“碾压”。阿里数据与晓天衡宇的研究团队把这个现象做成了可量化的诊断。他们的论文《Benchmark Health Index: A Systematic Framework for Benchmarking the Benchmarks of LLMs》被NeurIPS 2026评测与数据集赛道接收为口头报告,是该赛道十五篇口头报告之一。论文没有去测模型,而是去测那把量模型的尺子。
2026.11.02 大模型 文本水印从可选项变成硬性合规项,两款旧模型改一个采样参数就能绕过 → 11月3日起,Anthropic开始给四款旧版Claude补上文本水印:Mythos 5、Opus 4.7、Opus 4.6、Sonnet 4.6。这不是新功能发布,是一次追溯性改造。公司发给API客户的邮件说得很直接,8月2日之后发布的模型从第一天就带水印,之前的模型需要在过渡期内补齐,现在给出了起始日和名单。亚马逊Bedrock上的推送可能晚几天。
2026.11.01 大模型 442368个神经元逐个推一遍,Qwen被问出34220种身份 → 10月27日,一个名为Neuron Persona Library的站点在技术社区被反复转发。做法不复杂:拿开放权重的Qwen3-8B,把36层里每一层、每层12288个MLP神经元逐个单独加偏置,向上一次、向下一次,然后问模型一句你是谁。88万多种神经元与方向的组合、含重试共约189万条回复被逐条存档,其中34220条回答说自己是别的东西。
2026.10.31 大模型 小米开源0.8B文档大模型,认字、抽字段、答问题全都能一次做完 → 10月31日,小米技术宣布正式发布并开源轻量级文档理解模型Xiaomi-OCR-0,参数只有0.8B,宣传口径是"小尺寸全能王"。它的定位不是又一个文字识别工具,而是把文档解析、关键信息抽取和OCR视觉问答三件事塞进同一个模型。底座用的是Qwen3.5-0.8B-Base,训练数据约1.7亿条OCR与文档理解样本,权重、推理代码、浏览器交互Demo、MCP服务和Agent Skill工具包都已经放出。
2026.10.30 大模型 谷歌新模型Carbon专攻网安,漏洞检测88.2%但幻觉率涨到11% → 10月28日太平洋时间上午,谷歌发布了Gemini 4系列的新成员Carbon。距离上一款旗舰Argon在10月13日向全球开放,只过了两周。这次发布有两个不寻常之处:一是它没有直接对外售卖,而是先通过Fairwind计划交给经过审核的网络安全防御者;二是谷歌在宣传材料里罕见地把"能连续工作几天"当成核心卖点,而不是跑分。