跳到正文

#模型发布

今日 6 条
10月12日周一
  1. Meta AI:Research Blog56

    Meta 发布图像生成模型 Muse Image,并预览视频模型 Muse Video

    Meta Superintelligence Labs 发布图像生成模型 Muse Image,并预览视频模型 Muse Video,称两者是该实验室首批媒体生成模型。

    决策要点

    Meta 把语言模型的推理扩展思路搬进图像生成,质量可以靠推理、工具调用和推理算力换得。

    • 影响精确编辑与多参考图合成直接作用于品牌素材和电商制图流程;Content Seal 水印附带检测工具,AI 生成内容可验证性进入产品能力清单;用推理算力换质量意味着生成成本的核算方式需要重算。
    • 参考可考虑挑一条现有图像生产链路对比 Muse Image 的编辑与多参考合成能力,记录返工次数与耗时;值得先确认投放渠道对带隐形水印素材的接受度,再决定接入顺序。
  2. Meta AI:Research Blog65

    Meta 发布 Muse Spark 1.1 多模态推理模型,同步公测 Meta Model API

    Meta 发布面向智能体任务的多模态推理模型 Muse Spark 1.1,并同步开启 Meta Model API 公测。官方称模型可主动管理 100 万 token 上下文窗口,能编排多智能体系统并将执行委派给并行子智能体,编码与计算机操作能力较前代 Muse Spark 明显提升。

    决策要点

    Meta 把 Muse Spark 1.1 的卖点集中在智能体编排、计算机操作和百万 token 长上下文,并用自营 Meta Model API 建立开发者入口。

    • 影响智能体编码与计算机操作场景多了一个候选模型;性能与安全结论目前均为官方和合作方口径,选型前宜自行实测;百万 token 上下文加子智能体委派指向跨应用长流程的自动化。
    • 参考可考虑在公测窗口用自有代码库或多应用流程跑对比测试,记录长会话中的上下文保持与委派稳定性;值得先确认现有编码工具链与新 API 的兼容成本。
  3. 36氪·AI38

    智谱GLM-5.3 HighSpeed在ZCode开启灰度测试,博主称输出速度超490 tokens/s

    智谱在AI编程工具ZCode中悄然开启高速旗舰模型GLM-5.3 HighSpeed的灰度测试,AI编程博主Leo称其输出速度超过490 tokens/s。评测平台AI Ping数据显示,DeepSeek V4.1 Flash官方API输出为121.34 tokens/s,智谱官方GLM-5.3 API为70.84 tokens/s。

    决策要点

    高速旗舰模型把推理输出速度变成新的竞争维度,目标是压缩Coding Agent多轮调用叠加的耗时。

    • 影响对使用Coding Agent的团队,单轮响应提速会放大到整体任务耗时的缩短;目前仅对ZCode订阅用户随机灰度,无公开申请入口,规模化服务后的速度要以上线为准;输出速度正成为模型选型的新考量。
    • 参考可考虑在代码智能体任务中先记录当前模型的单任务总耗时,待高速版开放后做同场景对比;值得把输出tokens/s与高并发尾延迟纳入模型评测清单。
  4. 36氪·AI38

    Claude被疑后台静默换新模型,社区称Claude Next,4行提示词生成30秒动画

    多位开发者实测后怀疑Anthropic在Claude Opus 5.5标签下静默路由到未发布的新模型,社区将其称为Claude Next,目前均为开发者侧猜测。

    决策要点

    这件事的实质是开发者怀疑厂商在旧版本号背后静默切换了新模型,而Anthropic正处在冲刺IPO的关键窗口。

    • 影响固定版本号下跑的评测和提示词可能在未公告时行为漂移,回归结论需要重算;代码生成视觉若兑现测试者所说效果,图像视频生成环节的成本结构值得重新测算;厂商更新节奏与IPO时间表重叠,能力变化可能集中出现在这些节点。
    • 参考可考虑固定一组核心业务提示词作为回归用例,版本号没变也定期重跑对比输出;值得拿动画或产品渲染类场景试一次代码生成视觉,与现有图像视频工具算一笔成本账。
  5. 量子位36

    智谱新模型GLM-5.3-Highspeed现身Zcode,网友晒出490 tokens/s输出速度

    智谱新模型GLM-5.3-Highspeed已在Zcode 3.15.1开放体验,据网友爆料订阅用户随机获得,晒出的生成速度达490 tokens/s。Pi模型目录显示其上下文窗口为100万token、最大生成约128k,三档思考强度配置与GLM-5.3普通版一致,上月发布的GLM-5.3-FlashX最高速度为200 tokens/s。

    决策要点

    智谱高速版模型把输出速度推向490 tokens/s的量级,但数字出自网友爆料,模型尚未正式官宣。

    • 影响若速度属实,长输出和长程任务的生成等待可压到几十秒级;模型仍在随机灰度,开放范围与定价没有官方口径;速度与质量的配比也暂缺独立评测。
    • 参考可考虑先用现有模型记录长输出场景的生成耗时和成本作为基线;拿到灰度资格后,值得用同一批任务对比速度、质量和价格再决定是否切换。
10月11日周日
  1. IT之家·人工智能46

    华为联合华东师大研发的时序预测基础模型七曜登顶 TIME-leaderboard 与 GIFT-Eval 双榜单

    华为与华东师范大学联合团队研发的昇腾原生时序预训练模型七曜,近日登顶国际时序评测榜单 TIME-leaderboard 和 GIFT-Eval(Pretrained 类目)。华为云官方称这标志着国内时序基础模型跻身全球第一梯队。模型可直接用于零样本时序预测,适配电网负荷研判、工业设备异常检测、金融趋势分析等场景,并支持低成本二次微调以适配垂直行业定制需求。

    决策要点

    华为以登顶国际时序评测双榜单宣示其在产业预测底座赛道的位次,成绩目前只有官方口径。

    • 影响电网、工业、金融等有预测需求的企业多了一个国产模型选项;模型支持零样本直接使用和低成本微调,先试后用的成本可控;昇腾原生属性牵动算力配套与模型知识产权自主的考量。
    • 参考可考虑让数据团队挑一个负荷预测或设备异常检测场景,把该模型与现有预测方案做小规模对比;涉及算力采购的可先核对昇腾生态的兼容成本。
  2. The Decoder:AI News46

    Odyssey 开放世界模型 Odyssey-3 公共研究预览,可免费实时生成交互世界

    Odyssey 开放其生成式世界模型 Odyssey-3 的公共研究预览,用户可用文字描述实时生成并探索可交互环境,免费在线 demo 运行于 Odyssey-3 Flash,开发者可申请 API 访问。

    决策要点

    生成式世界模型进入公开试用阶段,但核心基准成绩均为厂商自报,能力宣传与独立验证之间仍有距离。

    • 影响机器人与自动化研发多了一条用生成仿真环境做训练的路线,免费预览降低了初步验证门槛;公开成绩以厂商口径为主,选型时不能直接照搬榜单。
    • 参考可考虑让机器人、自动化或游戏相关团队先用免费 demo 评估交互与物理表现;引入 API 前值得在自有场景复测,再决定是否采信榜单成绩。
10月10日周六
  1. The Decoder:AI News51

    微软发布 Decision-1 决策模型,基于 Qwen3.5-9B

    微软发布决策模型 Decision-1,基于 Qwen3.5-9B,官方称在覆盖近 15 万道题的 36 项基准测试中准确率居首,达 83.5%,延迟 85 ms,比第二名 H2O-Lightning-4B 快 2.5 倍。

    决策要点

    微软用开源小模型快速复制 Jev 带火的决策模型品类,低门槛让先发者窗口很短,比拼集中在低延迟低价的高频决策调用。

    • 影响输出免费、输入每百万 $0.042 的定价明显压低分类和路由类高频调用的成本;开源小模型路线说明该品类容易被复刻,换供应商的门槛不高;官方性能数字缺少独立验证,选型前需自测。
    • 参考可考虑把智能体链路里的路由、分类环节列为试点,用自有数据对比 Decision-1 与 Jev 1.13.0 的准确率和延迟;值得按输入计费、输出免费的口径重新测算现有调用预算,再决定是否迁移。
  2. 量子位62

    Google发布生图模型Nano Banana 2.1,支持4K直出,中文渲染明显改进

    Google发布新一代生图模型Nano Banana 2.1,围绕视觉设计、蒙版编辑、主体一致性与画面真实感升级,支持4K直出。据评测平台Arena,其文本转图像、多图及单图编辑较上一代平均提升约61.7分,文生图排名第四仅次于GPT;官方将1K、2K生成价格砍半,4K降价约25%。

    决策要点

    中文渲染改善与API降价同时发生,AI生图从尝鲜玩具逼近设计商单可用线,价格竞争蔓延到图像生成环节。

    • 影响中文海报与配图制作的单位成本参考线下调,可纳入设计外包比价;多轮改图存在质量衰减风险,重编辑环节仍需人工把关;4K直出可省去部分放大处理环节。
    • 参考可考虑选中文海报类场景实测文字清晰度与错字率;值得按1K、2K对折后的新价重算生图预算;多轮改图工作流可先在低风险物料上小范围试用。
10月9日周五
  1. 量子位48

    星动纪元VPP2登顶RoboDojo仿真榜单,超越GPT-6-Astra与英伟达GR00T-N1.7

    清华系机器人公司星动纪元发布并开源世界动作模型VPP2,以平均成功率32.26%、平均得分39.26分登顶香港大学MMLab牵头建设的RoboDojo仿真榜单,并在泛化、精准操作、记忆三个维度居首。

    决策要点

    具身模型的竞争焦点正从堆数据刷分转向训练范式设计,仿真榜单领先到真机规模化之间仍有距离。

    • 影响多变的物流等场景选型机器人时,泛化能力权重可上调;开源代码降低了复现与试用门槛;VPP2规模化部署尚未发生,真实场景长期运行暂无数据。
    • 参考可考虑下载开源代码,在自有场景挑几类零样本任务先测迁移效果;值得对比VPP2与现用方案在换环境、换物料时的成功率差异,再算适配投入。
10月8日周四
  1. 爱范儿45

    生数科技开放 Vidu Q4 Preview 预览版,试拍 0.09 元/秒起,实测主打人物演技与镜头张力

    生数科技开放新一代视频生成模型 Vidu Q4 Preview,官方定位高表现力旗舰,试拍价格 0.09 元/秒起。该预览版支持最多 15 张参考图、3 段参考音频及可选 2K、4K 输出,主打人物演技、镜头张力和复杂特效。作者实测认为人物反应与运镜方向感是强项,但情绪转折节奏、画面风格控制和幻觉问题仍待优化。

    决策要点

    视频生成的竞争正从清晰度和运镜数量转向人物表演力,分秒级计价把试错成本压低,创作流程开始向影视工业试镜加精选的模式靠拢。

    • 影响营销和内容团队的单条视频试错成本降到几毛钱一秒,可用多版本试拍替代一次性押注;成片质量更取决于参考图与提示词的策划功力;预览版在风格控制和幻觉上有短板,商用交付前需人工验收。
    • 参考可考虑先用低价档对同一脚本多拍几版挑出方向,再上 2K、4K 完成交付;值得把现有参考图按人物、环境、动作节点分类整理,作为多图参考的控制和验收依据。
10月7日周三
  1. OpenAI:官网动态71

    OpenAI 向全部 ChatGPT 用户开放 GPT-6,推出 Intelligent UI 交互能力

    OpenAI 宣布把 GPT-6 开放给全部 ChatGPT 用户,覆盖每周超 12 亿使用者,并同步推出 Intelligent UI,让回答以图表、按钮、表单等可交互界面呈现,界面随模型生成逐步出现。

    决策要点

    旗舰模型下放到全部用户档位,叠加按问题生成界面的新交互,ChatGPT 正从对话窗口转向任务工具的形态。

    • 影响免费档用户也能用上旗舰模型,员工个人使用先进模型的技术门槛进一步降低;回答开始自带可操作界面,基于纯对话形态的对外服务和内部工具的用户预期会被抬高。
    • 参考可考虑选一个高频问答或客户咨询场景试用交互式回答,对比纯文本版本的可用性;Enterprise 用户值得先与工作区管理员确认新模型的开放设置。
  2. Google DeepMind:Blog56

    Google DeepMind 发布开源轻量多模态嵌入模型 EmbeddingGemma 2

    Google DeepMind 发布开源轻量多模态嵌入模型 EmbeddingGemma 2,740M 参数,基于 Gemma 4 架构,采用 Apache 2.0 商用许可。

    决策要点

    多模态嵌入模型被压到端侧可用量级,跨模态搜索和 RAG 可以不依赖云端完成,嵌入环节本地化有了现实选项。

    • 影响文档与音视频检索可把嵌入计算留在本地,数据不出设备,降低云调用成本与延迟;Apache 2.0 允许商用,离线和嵌入式场景有了可直接集成的底座;与 Gemma 4 共享分词器和音频编码器,联合部署内存占用更低。
    • 参考可考虑在客服知识库或内部音视频检索场景测算端侧方案的内存与存储账,对比云端嵌入成本;值得按 MRL 的 512、256、128 维档位估算本地向量库能省多少空间。
10月4日周日
  1. 极客公园51

    Tavus 发布实时数字人模型 Griffin,官方测试中 48% 参与者误以为对面是真人

    美国 AI 视频公司 Tavus 于 10 月 1 日发布实时数字人模型 Griffin,自称全球首个「人类交互模型」,官方一分钟视频通话测试中 54 名参与者有 26 人(约 48%)以为在和真人聊天,上一代系统同项测试通过率仅 2.4%。

    决策要点

    数字人行业的比拼正从画面逼真转向对话自然,端到端全双工架构开始动摇级联方案的路线地位。

    • 影响靠级联架构拼装的数字人产品护城河会变浅,比拼点从渲染转向对话建模;实时拟真通话一旦放开,视频客服等远程场景的身份信任风险会放大;模型目前未对普通客户开放,企业短期无法直接采购。
    • 参考可考虑盘点现有数字人、语音客服方案的架构属于级联还是端到端,评估换线成本;涉及视频核身或客户沟通的业务值得先明确身份核验流程,不只依赖画面判断;选型时可把响应延迟与插话自然度列为测试项。
10月2日周五
  1. Google Blog:AI40

    Google 九月 AI 更新:发布 Gemini 4 Argon 旗舰模型,推出 3.8 Flash 家族、WeatherNext 3 等多项进展

    Google 官方博客汇总 2026 年 9 月 AI 进展,核心是新一代旗舰模型 Gemini 4 Argon,具备高级推理与 100 万 token 输出上限,目前通过 Fairwind Program 向可信网络防御者分阶段开放,尚未面向开发者和企业。

    决策要点

    Google 以月度节奏同时推进旗舰模型与入口扩张,旗舰能力受控分阶段开放,日常可用的实际是低成本快模型与更深的办公整合。

    • 影响API 使用方的单位推理成本有下调空间,官方称 3.8 Flash 与 3.7 同速同价;Argon 尚未对开发者和企业开放,短期不改变现有选型;Gemini 入口向 Windows、Workspace 与第三方应用扩张,会加深其在办公流程中的渗透。
    • 参考可考虑在现有编码与智能体工作流上实测 3.8 Flash 与 3.7 的质量和账单差异;值得盘点业务里可接入新 Connected Apps 的场景;网络安全相关团队可了解 Fairwind Program 的准入条件。
10月1日周四
  1. 人人都是产品经理82

    Google 发布 Gemini 4 Argon,19 项分项测试拿下 14 项第一

    Google 凌晨发布新一代模型 Gemini 4 Argon,在 19 项测试分项中拿下 14 项第一,并在按 GDP 加权的 Vals Index 经济价值榜以 68.9% 得分第一次登顶。

    决策要点

    Google 这次把模型卖点押在超长输出和长周期任务执行上,同时用分阶段开放换取安全验证与政府评估的时间。

    • 影响长文档生成与长流程自动化任务的可行性边界被拉宽,相关场景可重新评估方案;推广期价格结束后输入输出单价翻倍,预算要区分两个阶段测算;分阶段开放意味着普通企业用户的接入时间要看后续批次。
    • 参考可考虑在推广期内按实际用量先算出长报告、代码迁移这类场景的 token 成本,与现用模型对比后再决定是否切换;有安全攻防需求的团队可评估 Fairwind 计划的准入条件;采购侧可预先确认付费 API 与订阅档位的开放顺序。
  2. Google DeepMind:Blog74

    Google DeepMind 发布前沿模型 Gemini 4 Argon,先向受信任网络防御者开放

    Google DeepMind 发布新前沿模型 Gemini 4 Argon,主打真实软件工程、法律与财务等企业知识工作以及网络安全防御中的长程复杂任务,目前通过 Fairwind Program 向受信任的网络防御者开放,后续将先覆盖付费 API 客户与 Google AI Ultra 订户。

    决策要点

    Google 把新一代前沿模型的主打场景放在长程编码、企业知识工作与网络防御,并用分阶段受控发布控制放开节奏。

    • 影响官方定价为长输出智能体场景提供了新的成本参照;上线分阶段推进,先覆盖付费 API 客户与 Google AI Ultra 订户,多数企业需等开放;无护栏网络防御版本仅面向受信任防御者。
    • 参考可考虑等付费 API 开放后,选一个代码迁移或财务法务类流程做能力与成本实测对比;值得把缓存输入计价与 1M 输出上限纳入长会话成本测算。
9月29日周二
  1. Microsoft Research43

    微软研究院发布 Quine 生物学 AI 研究系统

    微软研究院发布 Quine,一个包含生物学多模态世界模型与交互框架的 AI 研究系统,可连接模型、科学工具、文献与研究人员。

    决策要点

    Quine 的实质是用生物学世界模型在湿实验之前完成假设筛选,把稀缺实验资源集中到计算优先排序的候选上。

    • 影响官方一个周末的胰腺癌案例提示计算预筛可能压缩早期发现阶段的时间与成本;访问初期限于 Fellows 计划和选定合作,输出仍需合格研究人员复核,外部企业短期难以直接使用。
    • 参考生命科学企业可跟踪 Quine Fellows 与 Microsoft Discovery 的开放节奏,评估接入可能;药企和生科公司可先盘点研发流程中假设筛选最耗实验资源的环节,测算计算预筛能替换多少湿实验工作量。
9月23日周三
  1. Google DeepMind:Blog52

    Google 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS 语音生成模型

    Google DeepMind 发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型,前者面向角色声音设计与逐句表演导演,后者面向高吞吐低成本配音场景。

    决策要点

    语音生成的卖点从预置音色转向可逐句导演的表演控制,Google 同时覆盖角色创作与规模化配音两档需求。

    • 影响客服语音、有声书和视频配音的定制音色门槛下降,批量配音可按更便宜的 Lite 档重算成本;品牌声音复刻涉及授权同意与水印合规,内容团队流程需要同步调整。
    • 参考可考虑选批量配音或客服语音一类场景用 Flash-Lite 试点,并对比现有配音供应商的成本;涉及声音复刻的,值得先和法务确认同意验证与 SynthID 水印要求。
9月21日周一
  1. xAI:News65

    xAI 发布 Grok 4.7,主打编码与知识工作

    xAI 发布 Grok 4.7,称其为最强的编码与知识工作模型,每百万 token 定价输入 $2、输出 $6,与 Grok 4.6 持平。官方称模型换用更大基座并延长强化学习训练,官方表格显示 CursorBench 4.0 得 46.3%、EEBench 得 64.0%、Harvey 法律基准得 19.6%,另有输出速度和价格都翻倍的快速版本。

    决策要点

    xAI 以约同级一半的价格把 Grok 4.7 推向编码与知识工作市场,官方数据显示卖点在价格性能比和部分专业领域,并非全面领先。

    • 影响每百万 token 输入 $2、输出 $6 的单价低于官方对比表中的 GPT-5.6 Sol 与 Fable 5.1,编码类用量成本可重算;电气工程与法律基准官方数据领先,可进入选型对比清单;安全放行率数据对安全敏感业务有参考价值。
    • 参考可考虑先在 Grok Build 免费试用或 Cursor 中用自家真实编码与知识任务做对比,再按官方单价重算月度 token 预算;安全敏感团队可对照 HackerBench 与生物安全基准数据评估接入风险。
9月18日周五
  1. xAI:News60

    xAI 发布语音转写模型 Grok Voice Transcribe 2.0,同价下准确率为上代两倍

    xAI 于 9 月 18 日发布语音转文字模型 Grok Voice Transcribe 2.0,官方称其实际场景准确率达到上一代的两倍且价格不变。该模型在 Artificial Analysis 公开榜单 32 个流式模型中准确率排名第一,官方内部评测显示其在电话客服音频上词错率领先所有被测模型,多语言短句词错率从 20.6% 降至 6.8%。

    决策要点

    同等价格下把准确率翻倍,转写的成本与质量基线同步下移,xAI 借生产流量把语音转写做成企业基础设施生意。

    • 影响转写按小时计价的门槛继续降低,说话人分离、词级时间戳不再额外收费,语音环节成本可重新核算;转写文本已接入 Cursor 等编码流程,录音内容开始直接变成待办动作;1.0 版数周内弃用,存量集成需预留迁移窗口。
    • 参考可考虑用客服电话、会议录音等自家最难的音频做小样本测试,对比现有方案的词错率与总成本;已在用旧版接口的团队可先固定 grok-voice-transcribe-1.0 争取过渡时间,再评估切换节奏。
9月16日周三
  1. Google DeepMind:Blog66

    Google 发布语音对话模型 Gemini 3.8 Live 与 3.8 Live Extended Thinking

    Google 9 月 15 日发布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking 两款近实时语音对话模型,面向语音智能体和企业生产环境。

    决策要点

    语音智能体从演示走向生产是这轮发布的实质,Google 用双档模型分别覆盖成本与复杂度两端。

    • 影响语音客服等高频对话场景获得面向生产的模型选项;按复杂度分双档便于把预算投向高价值任务;官方为 AI 生成音频内置 SynthID 水印,语音真伪可检测。
    • 参考可考虑选一个客服或内部咨询流程用 Gemini API 试点语音智能体,并记录耗时与任务完成率;值得先算出高频对话的单次成本,再决定是否需要 Extended Thinking 档。
  2. Google Blog:AI50

    谷歌宣布 AI 语言技术覆盖超 300 种语言,发布 Gemini 3.5 语音模型与开源 TranslateGemma

    谷歌宣布其语言技术已支持超过 300 种语言、覆盖全球 86% 人口,并发布 Gemini 3.5 Live Translate 与 Transcribe 语音模型。

    决策要点

    谷歌把语言 AI 的重心从主流大语种扩展到长尾语言、离线设备与无障碍场景,多语言正成为平台基础能力。

    • 影响小语种市场的客服与内容本地化有了现成的模型和数据基础;离线与功能机等弱网场景出现可用语音方案;手语等无障碍沟通能力开始进入主流产品。
    • 参考可考虑盘点多语种客服与内容场景的语种缺口,测算 TranslateGemma 离线方案在弱网地区的成本;值得评估手语等无障碍需求对产品的优先级。
9月3日周四
  1. Google DeepMind:Blog60

    Google DeepMind 发布 WeatherNext 3 天气 AI 模型,分辨率最高 5 公里、每小时更新

    Google DeepMind 发布全球天气 AI 模型 WeatherNext 3,官方称 Brightband 独立实时评估其为迄今最先进、最准确的全球天气模型。

    决策要点

    AI 天气模型开始直接消费实时卫星与站点观测,高分辨率、小时级预报正变成可随时接入的企业数据服务。

    • 影响农业、能源、物流等天气敏感行业可拿到更细、更新更快的预报,用于排产、发电出力预测与调度;数据经 BigQuery、Earth Engine 开放,接入与试用成本降低;关键数字均为官方口径,正式预警仍以本地气象机构为准。
    • 参考可考虑先在 BigQuery 或 Earth Engine 试用小时级预报数据,与现有预报源做数周对照;能源、农业与物流团队值得挑一个具体场景试算精度改善对排产或出力预测的价值。
  2. Google DeepMind:Blog66

    Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber,主打智能体工作流与网络安全

    Google DeepMind 9 月 2 日发布 Gemini 3.8 Flash 与 3.8 Flash Cyber,官方称前者为迄今最强推理与编程模型。3.8 Flash 定价与 3.7 Flash 持平,每百万输入 token $0.75、输出 $3.75,HLE-Verified 得分 54.9%,这是六周内第三个 Flash 版本。

    决策要点

    Google 在六周内第三次更新 Flash 线,同价位提升推理与编程能力,并把网络安全模型改为向可信防御者受控开放。

    • 影响用 Flash 系模型承担编程或智能体任务的企业可在同价位评估升级,但高投入档位会消耗更多 token,需重算单位成本;Cyber 版仅向可信防御者开放,多数企业需先取得 Fairwind 资格。
    • 参考可考虑在现有工程或智能体流程中对比 3.8 Flash 与 3.7 Flash 的产出质量与 token 消耗再决定迁移;安全团队可评估 Fairwind 计划的申请条件与适用场景。
9月2日周三
  1. Google Blog:AI40

    Google 公布 2026 年 8 月 AI 更新,Gemini 3.7 Flash 与 Pixel 11 系列发布

    Google 公布 2026 年 8 月 AI 更新,发布 Gemini 3.7 Flash、Gemini 3.5 Transcribe 和全新 Pixel 11 系列设备。

    决策要点

    Google 本轮动作的实质是用半价主力模型降低智能体开发成本,同时把 Gemini 铺进手机、浏览器与办公场景。

    • 影响编码与智能体模型的调用成本可按新定价重算;语音转写、实时字幕等场景新增官方供给;Gemini 随 Pixel 11 与 Chrome on Android 渠道扩大覆盖面。
    • 参考可考虑把 Gemini 3.7 Flash 纳入编码与智能体场景的候选模型做成本对比;有通话分析或字幕需求的项目值得测试 Gemini 3.5 Transcribe。
9月1日周二
  1. Microsoft Research42

    微软研究院发布GigaPath-Flash与GigaTIME-Flash高效病理基础模型并开源权重

    微软研究院发布GigaPath-Flash和GigaTIME-Flash两个高效病理基础模型,权重与代码以Apache 2.0协议在HuggingFace开源。

    决策要点

    把十亿参数病理模型的成本压到普通研究组可负担的水平,群体规模队列分析从算力问题变成时间问题。

    • 影响医疗科研机构用单张A100即可跑万人级队列实验,迭代成本大降;开源权重降低复现与二次开发门槛;模型明示不可用于诊断等临床决策,影响暂限科研环节。
    • 参考有病理数据资产的机构可考虑在自有队列上复测两款模型的分布外表现;值得先核算现有全切片分析管线的GPU成本,对比节省幅度再定试点场景。
8月28日周五
  1. Google DeepMind:Blog54

    Google DeepMind 发布 Gemini Omni 1.1 Flash,生成视频加入场景延伸与 4K 放大控制

    Google DeepMind 发布 Gemini Omni 1.1 Flash,为开发者在 Gemini API 与 Google AI Studio 中提供更可控的生成式视频能力。

    决策要点

    生成视频开始具备专业生产所需的控制粒度,长叙事、首尾帧与低成本草稿让视频工作流可被工程化接入。

    • 影响内容与创意团队可将生成视频纳入正式生产管线,首尾帧和场景延伸能承接叙事类项目;草稿与成片分离的成本结构压低前期试错开销;企业经 Agent Platform API 可直接接入现有系统。
    • 参考可考虑用 360p 草稿加 4K 放大重算视频生产的单条成本模型;值得挑一个叙事类场景试点场景延伸与首尾帧,记录成片率与重新生成次数。
8月27日周四
  1. Google DeepMind:Blog54

    Google 发布语音转写模型 Gemini 3.5 Transcribe

    Google DeepMind 发布语音转写模型 Gemini 3.5 Transcribe,可将原始音频直接转为已格式化的整洁文本,开发者可在 Google AI Studio 和 Gemini Enterprise Agent Platform 以公开预览形式调用。

    决策要点

    语音转写正从听清文字走向直接产出可用文本,格式化、去语气词和自定义词表被压进模型层,语音应用的开发门槛在下降。

    • 影响客服录音分析、实时字幕和语音 Agent 场景可关注其亚秒级延迟、说话人区分与函数调用能力;多语言与自定义词表有机会减少专业术语场景的转写后处理改造;目前处于公开预览阶段。
    • 参考可考虑用真实客服录音对比现有转写方案的词错率与终稿耗时;值得盘点语音 Agent 流程里哪些纠错和格式化逻辑能从业务代码移到模型侧。
8月26日周三
  1. xAI:News57

    xAI 旗舰模型 Grok 4.6 上线 Microsoft Foundry

    xAI 宣布旗舰模型 Grok 4.6 现已上线 Microsoft Foundry,企业可在 Foundry 模型目录中调用并部署该模型。官方介绍其面向长时运行智能体与交互、视觉任务,提供 500k 上下文窗口和 low、medium、high、xhigh 四档可配置推理力度。

    决策要点

    Grok 4.6 上线 Microsoft Foundry,实质是前沿模型接入企业级分发渠道,选型与部署被收进企业既有的平台流程。

    • 影响已用 Foundry 的企业可把 Grok 4.6 纳入现有评测与治理流程,减少单独接入新模型的合规成本;500k 上下文窗口和四档推理力度会改变调用成本的测算方式;受采购流程约束的团队多了一个通过现有供应商触达前沿模型的入口。
    • 参考已在 Foundry 的团队可考虑把 Grok 4.6 加入模型评测清单,用自有工作负载测其在编码智能体或企业自动化场景的表现;值得按 500k 上下文与 xhigh 档位先算一笔调用成本账,再定试点范围。
8月21日周五
  1. xAI:News50

    Grok 4.6 上线 Gemini Enterprise Agent Platform

    xAI 宣布,其最新旗舰模型 Grok 4.6 已于 2026 年 8 月 21 日通过 Gemini Enterprise Agent Platform 的 Model Garden 面向开发者开放,官方称该模型面向长时运行智能体和交互、视觉类工作构建。

    决策要点

    xAI 把旗舰模型接入 Google 的企业级 Agent 平台,模型分发已跨越厂商边界,企业在单一渠道内组合多家模型变得更常规。

    • 影响已用 Google 企业生态的团队不必另签供应商即可调用 xAI 旗舰模型;明确的 token 单价便于把 Grok 4.6 纳入多模型成本对比;500k 上下文窗口指向长文档和长任务的适配场景。
    • 参考可考虑用官方模型卡核对能力细节,按自家输入输出 token 比例套用单价测算成本;已在该平台搭建智能体的团队值得把 Grok 4.6 列入候选模型清单做对比测试。
  2. Microsoft Research41

    微软发布深度学习密度泛函模型 Skala 1.1,精度提升并接入 CP2K 等主流计算化学软件

    微软研究院发布深度学习 DFT(密度泛函理论)泛函 Skala 1.1,训练数据较上一版增加 2.5 倍,官方称其在 GMTKN55 基准 55 类化学问题中 32 类排名第一,加权平均误差 2.8 kcal/mol,计算成本相当于 meta-GGA 泛函。

    决策要点

    微软用深度学习把 DFT 泛函精度推近更贵的高精度方法,同时以接近 meta-GGA 的成本和主流软件集成降低使用门槛。

    • 影响材料、催化、制药等依赖 DFT 模拟的研发可用相近计算成本换取更高精度;各软件的集成仍在分批推进,可用时间不一;官方承诺保持成本持续优化并公开性能报告,版本迭代会是常态。
    • 参考可在 CP2K 或 PySCF 社区版用自家分子体系对比 Skala 1.1 与现用泛函的误差和耗时;ORCA、VASP 等商业软件用户可先向开发商确认集成时间表;值得订阅其性能报告跟踪优化进度。
8月19日周三
  1. xAI:News53

    xAI 宣布 Grok 4.6 上线 Amazon Bedrock

    xAI 宣布最新旗舰模型 Grok 4.6 在 Amazon Bedrock 正式可用,受支持 AWS 区域的全部开发者均可使用。该模型面向长时间运行的智能体及交互、视觉类任务,提供 500k 上下文窗口,推理力度可配置为 low、medium、high、xhigh 四档。

    决策要点

    Grok 4.6 进入 Bedrock,xAI 的分发从自有 API 扩展到 AWS 企业云通道,企业客户可在采购体系内直接选用。

    • 影响使用 AWS 的企业可在受支持区域通过现有云通道调用该模型;500k 上下文与缓存输入 0.50 美元的定价影响长任务的 token 成本;推理力度分档让团队可在成本与效果间取舍。
    • 参考可考虑先确认业务所在 AWS 区域是否在支持范围内;值得用长上下文智能体场景测算缓存输入带来的账单差异,并与现有模型做小范围对比试点。
8月14日周五
  1. Google DeepMind:Blog72

    Google DeepMind 发布 Gemini 3.7 Flash,介绍价减半并主打编程与智能体

    Google DeepMind 发布 Gemini 3.7 Flash,称其为其迄今最智能的编程与智能体主力模型,距上一代 Gemini 3.6 Flash 仅三周。

    决策要点

    谷歌以三周一代的节奏迭代 Flash 主力线,并用减半介绍价把中档模型的性价比竞争压向编程与智能体场景。

    • 影响跑编程与智能体业务的企业可按新介绍价重算模型用量成本;介绍价只到年底,预算需预留价格回升空间;三周一版的迭代节奏会压缩模型选型与迁移的窗口期。
    • 参考可考虑用自家真实的编码与文档处理任务做 3.6 与 3.7 的对照测试,记录重试次数与 token 消耗;值得在介绍价窗口内安排试点,并把价格恢复原价后的成本一并算入。
8月12日周三
  1. Google DeepMind:Blog41

    Google DeepMind 发布手语转文本模型 SL2T,落地 Gboard 与 Pixel 11

    Google DeepMind 发布手语转文本模型 SL2T,首次将手语 AI 带入消费级产品,先支持美国手语(ASL)转英文。功能先上线 Pixel 11 的 Gboard 和 Live Transcribe,不额外收费;训练数据超 10 万小时、覆盖 50 多种手语,官方称在 FLEURS-ASL 基准上零样本取得 70 BLEURT,显著高于此前已报告成绩。

    决策要点

    Google 借 SL2T 把手语输入做成免费的设备端能力,无障碍交互从实验室项目走向大众消费产品。

    • 影响全球约 7000 万聋人及重听用户使用 200 多种手语,消费端服务存在明显触达缺口;功能免费嵌入 Pixel 11,无障碍交互的使用门槛在下降;只传关键点坐标、不上传原始视频的架构可为视频类 AI 的隐私合规提供参照。
    • 参考可考虑盘点自有客服与发布渠道对手语用户的覆盖情况,评估适配优先级;视频类 AI 功能值得参考设备端追踪关键点、服务端只收坐标的做法以降低隐私合规负担;无障碍相关团队可查阅其联合聋人组织发布的影响报告了解能力边界。
  2. xAI:News65

    xAI 发布 Grok 4.6,主打长时程智能体与交互可视化任务

    xAI 于 8 月 12 日发布 Grok 4.6,在 Grok 4.5 基础上重点强化长时程智能体任务和交互、可视化类工作,官方称其在 Artificial Analysis 智能指数(九项基准综合分)得 61 分,与 GPT-5.6 Sol 持平,竞品分数取自各家公开系统卡或榜单。

    决策要点

    这是 xAI 在智能体编码方向的一次追平式更新,官方口径下竞争焦点从单轮答题转向多步骤长任务和可视化产出。

    • 影响企业多了一个前沿级编码模型选项,价格为每百万输入 token 2 美元、输出 6 美元;模型已接入 Cursor、OpenRouter 等现有渠道,试用和切换路径较顺;官方宣称能从产品想法直接产出可用初版并自我验证,原型类工作的模型选型需要重新比对。
    • 参考可考虑在首周两倍用量窗口内,用团队真实的编码或研究任务做小规模对照测试;值得把官方跑分与自家场景复测分开记录,并按当前用量先算出两档价格的月成本再决定是否接入。
8月7日周五
  1. xAI:News50

    xAI 发布 Imagine Image 2.0,主打精确图像编辑与真实工作产出

    xAI 发布 Imagine Image 2.0,作为新 Quality Mode 上线 grok.com/imagine 及 iOS、Android 应用,API 中以 grok-imagine-image-2.0 提供。

    决策要点

    图像模型的竞争点正从生成效果转向可编辑、可迭代的真实工作资产,编辑能力被当成一等内容。

    • 影响产品图、营销素材、图标等设计的初稿与迭代可由业务侧自助完成;抠图、多图合成、多尺寸适配等工序的人力占用可压缩;效果与排名均为官方口径,投入预算前要按自有素材实测。
    • 参考可考虑用自有产品图和品牌素材在 playground 做小样对比;值得盘点现有外包抠图、合成与改尺寸的工作量,估算可套用模板流程的部分。