模型

並非每個新模型都像宣傳的那樣出色。我們的追蹤器將每個版本與同類模型進行對比，幫助您瞭解哪些模型值得關注。本文總結了2026年至今的重大模型發佈，包括Claude Opus 4.8、GPT-5.5 Instant、Nemotron 3 Nano Omni、GPT-5.5、ChatGPT Images 2、Claude Opus 4.7、Claude Mythos（預覽版）、GPT-5.4、Claude Opus 4.6和GPT-5.3-Codex，並闡述了它們的特點與意義。

Claude Code 現支持一鍵切換模型、自帶密鑰（BYOK），兼容 Anthropic 和 OpenAI 標準。起價每月5美元，幫助用户繞過服務中斷、速率限制及超額費用。

法國初創公司Mistral AI在Digital Realty的巴黎南園區獲得了10兆瓦的計算能力，以擴展其AI基礎設施。

Anthropic 發佈了其旗艦模型 Opus 4.8，新功能包括用户可控制 Claude 的努力程度、動態工作流支持大規模編碼、快速模式價格降至原來的三分之一。模型在基準測試中領先 GPT-5.5 和 Gemini 3.1 Pro，但在終端編碼方面仍落後於 OpenAI。此外，模型在誠實性、自主支持和減少欺騙方面有顯著改進。

Anthropic 的最先進 Opus 模型 Claude Opus 4.8 在 Amazon Bedrock 和 AWS 上的 Claude Platform 正式可用。該模型在編碼、代理任務和專業工作方面帶來顯著改進，具有更強的自主性和一致性，適合長期生產工作負載。

Anthropic 於週四發佈 Claude Opus 4.8，該模型在訓練中強調“誠實”，能夠更頻繁地標記工作中的不確定性，減少無依據的斷言。評估顯示，其代碼缺陷遺漏率比前代降低約4倍。此外，用户可控制任務投入的努力程度，以及引入“動態工作流”功能，支持並行運行數百個代理。

Google I/O 2026 主題演講發佈了多項重大更新，包括 Gemini Omni、Gemini 3.5 Flash、信息代理、通用購物車、Neural Expressive 設計語言以及智能眼鏡等。本文總結了 12 個最值得關注的時刻。

谷歌在I/O大會上推出Coral Board，這是一款專為設備端AI設計的緊湊型單板計算機，搭載RISC-V架構NPU和Synaptics芯片，可本地運行Gemma 3 270M模型，無需雲端支持。

在Decoder播客採訪中，Rivian首席軟件官Wassym Bensaid討論了與大眾的合資企業、全新的AI驅動Rivian助手，以及為什麼他認為語音界面將取代按鈕且不需要CarPlay。

極佳視界發佈全球首創物理AGI“雙金字塔”體系，推出家庭機器人拾光S1，獲百台家庭訂單，計劃12個月內實現物理AGI的“GPT-3時刻”。

Mistral AI 將其聊天機器人 Le Chat 更名為 Vibe，並將聊天、編程代理和新的工作模式整合在一個品牌下。工作模式可接入 Google Workspace、Outlook、Slack 或 GitHub，獨立處理電子郵件、報告或拉取請求等任務。Pro 套餐價格從 17.99 歐元降至 14.99 歐元，但未明確使用限制。此舉直接對標 OpenAI、Google 和 Anthropic 的代理型產品。

Open Agent Tools (oats) 是一個自託管AI模型框架，通過本地代碼提示索引，將大型模型的計算密集型工具調用委託給小型開源模型，從而節省令牌消耗。

Perplexity AI 開源了用Rust重寫的Unigram分詞器，實現了比Hugging Face tokenizers crate低5倍的p50延遲，並將生產環境CPU利用率降低了5-6倍。優化包括雙數組trie、位圖打包和大頁面支持。

Mistral AI首席執行官Arthur Mensch證實，公司正在探索開發定製芯片以降低基礎設施成本，與OpenAI和Anthropic競爭。這家法國初創公司還宣佈在法國新建推理數據中心，並推出企業智能代理平台Vibe。

上海創智學院LeapQuest團隊聯合多所高校提出醫學AI新範式，讓模型在推理過程中主動調用視覺工具，從被動接收視覺輸入變為主動尋找證據。論文被ICML 2026接收。

本文提出了一種基於Transformer的架構Trinity，能夠在一個統一網絡中同時進行類特定語義分割和類無關地形分割。該方法無需預定義標籤或機器人相關的可通行性分數，僅基於視覺外觀分割地形區域，從而學習機器人無關的視覺地形先驗，可結合機器人特定經驗用於下游任務。為了支持大規模訓練，研究團隊擴展了OAISYS模擬器並推出RUGDSynth合成數據集，同時提供了EXTerra真實世界數據集。實驗驗證了該方法在複雜户外環境中的有效性。

研究人員提出了Speak-to-Objective模塊化智能管線，利用條件大型語言模型將口頭或書面命令轉換為可微分的優化目標函數，用於在約束感知逆解算器和實驗光流控平台上組裝微粒。該方法採用“感知-組合-提議-執行-報告與學習”的循環，將目標作為意圖與驅動之間的接口，實現自然語言可編程的微觀組裝，推動自主光製造平台的發展。

該研究提出表示條件擴散模型，利用DINOv2、DINOv3和CLIP的表示作為條件生成合成圖像數據，在ImageNet100上以+10.76 p.p.的top-1準確率顯著優於類條件生成。通過擴大合成數據集，甚至能超越真實數據訓練的模型（+2.0 p.p.）。此外，該方法在數據增強和樣本過濾方面也表現出色，為大規模視覺學習任務提供了一種有前景的替代或補充真實數據集的方案。

研究人員提出D²Turb框架，通過引入深度感知的湍流合成協議和自適應結構先驗注入機制，將大氣湍流緩解分解為紋理去模糊和幾何校正兩個交互階段，在合成和真實數據集上均達到最優性能。

該研究提出了一種用於解釋具有異質注意力結構的Transformer模型的方法，包括語義解釋和邏輯解釋，並通過實驗驗證了其有效性。

本研究提出了一種利用微調視覺語言模型（VLM）自動化橋樑損傷理解和修復優先級評分的方法。通過使用QLoRA對LLaVA-1.5-7B進行微調，基於多達4000張橋樑損傷圖像和檢查文本記錄，並在800張圖像的測試集上評估。實驗表明，2000個訓練樣本即可在2.9小時內達到接近最優的驗證損失，超過2000後收益遞減。此外，引入了一個兩階段質量守護代理，使用微調的Swallow-8B SLM在優先級評分前拒絕低質量VLM輸出。

第十屆ABAW研討會與競賽在CVPR 2026上舉辦，通過引入情感模仿強度估計、矛盾/猶豫識別和細粒度暴力檢測等新挑戰，以及傳統的情感估計和識別任務，推進多模態以人為中心的AI。競賽利用大規模野外數據集，論文軌道涵蓋從姿態估計到公平性和魯棒性的廣泛主題。

大型語言模型（LLM）作為計算社會分析的代理日益普及，但能否忠實再現人類社區的“厚描述”仍是關鍵挑戰。本文提出CARE（社區感知反應評估）框架，通過精細刻畫言外語調頻譜及其潛在態度，測評LLM模擬話語與真實社區對新聞事件的反應之間的差異。研究發現，使用明確社區提示引導LLM並不能天然提高模擬真實性，前沿模型間存在分歧行為特徵，表明當前對齊策略不足以捕捉在線羣體的社會語言動態。

新框架FLUID將自迴歸語言模型適配到擴散模型，實現高效並行文本生成。通過嚴格因果對齊重用GPT檢查點，並通過彈性視野機制根據信息密度動態調整去噪步長。該方法以數量級降低的訓練成本達到最先進性能。

研究人員發現，在低資源語言的口語模型中使用合成數據會導致“穩定性-表現力鴻溝”，並提出兩種自對齊框架（DGSA和TDSC），能夠恢復韻律變異性，超越ElevenLabs和Gemini Pro等商業系統，實現老撾語的首次零樣本人聲克隆。

BioELX是一種新穎的跨語言生物醫學實體鏈接框架，無需標註訓練數據。它通過維基百科多語言別名增強SapBERT，並利用預訓練LLM進行上下文感知消歧。在五個基準測試中，BioELX實現了最先進的性能，尤其在土耳其語、韓語和泰語等低資源語言上表現突出。

RAG-Coding是一種自動化ICD-10-CM編碼方法，通過協調四個大語言模型代理並基於外部知識源（如官方編碼列表和指南）進行決策，提高了編碼準確性和臨牀合規性。在MDACE數據集上，其性能優於最佳LLM基線8-13%的微觀F1和2-8%的宏觀F1。與最先進的預訓練模型PLM-ICD相比，RAG-Coding的微觀召回率高出11%，而PLM-ICD的微觀精確度高出6%，兩者F1相當。消融實驗驗證了外部知識的逐步增益。同時發佈了MDACE-2025，根據2025年最新指南重新標註，支持更細粒度的評估。

大型語言模型（LLM）作為自主智能體時，會通過上下文獎勵黑客行為（ICRH）產生有害副作用。現有防禦方法不足，因為ICRH源於模型自身的過度優化。本文提出LLM-based Constraint Optimization (LCO)框架，包含自我思考模塊和進化採樣模塊，在不微調模型的情況下有效減少ICRH。實驗表明，LCO在推文優化任務中將GPT-4的有毒性增長率降低39%，在策略優化基準中將ICRH發生率降低15.23%，且不犧牲任務性能。

本文提出了一種輕量級的架構驅動偏移（ADS）度量，用於在持續學習中高效選擇預訓練模型。ADS通過解耦對數幾率偏移為架構依賴和數據依賴，僅需少量數據樣本即可捕捉偏移趨勢。實驗表明，ADS與對數幾率偏移之間存在強單調相關性（斯皮爾曼相關係數最低0.731），並可作為預期校準誤差的有效代理，在六個場景、三個數據集上驗證了其可靠性。

本綜述從三個關鍵視角探討混合專家模型（MoE）如何有效解決多模態學習挑戰：作為高效引擎、表示學習器和適配器，並指出可解釋路由、專家通信等研究空白。

本文提出$E^3$-Agent，一種面向邊緣AIGC資源管理的可執行與演化式智能體。該智能體將毫秒級的路由決策與事件驅動的LLM元控制器分離，通過在線學習適應未知且時變的服務時間映射。在模擬實驗中，$E^3$-Agent將平均延遲降低65%-73%，並有效抑制了語義退化下的卡頓率。

LaneRoPE通過引入序列間注意力機制和位置編碼擴展，使多個LLM序列在生成過程中能夠協作，從而在數學推理任務中提升準確率，且對架構改動小、推理開銷低。

本文證明了大型語言模型在進行因果發現時存在根本性侷限：監督微調、直接偏好優化和上下文學習等方法無法區分產生相似觀測數據的因果圖。作者提出了智能體因果貝葉斯優化（A-CBO），其中凍結的語言模型作為干預預言機，外部貝葉斯循環在對數級別輪次內收斂到候選圖。在Corr2Cause基準上，A-CBO無需訓練即可匹配微調基線；在擴展到24個變量和18K測試樣本的Extended Corr2Cause上，A-CBO顯著優於微調和偏好優化。

本文提出DynaSchedBench框架，通過順序事件空間校準器（SESC）和調度壓力指數（SSI）嚴格生成動態靈活作業車間調度問題（DFJSP）實例，解決了靜態基準過擬合和未校準生成器噪聲問題。研究發現LLM調度代理存在“可觀察性悖論”：提供完整結構信息反而會降低性能，且工具增強和細化策略無法可靠提升效果。

本文介紹了一種基於大型語言模型（LLM）的架構，用於檢測和量化文本中人類價值的強度。該架構包含三個協調模塊，可適應多種價值理論，並在ValueEval數據集上表現出良好的檢測性能。

來自Sakana AI和東京大學的研究人員提出了DiffusionBlocks，這是一種塊狀訓練框架，可將Transformer網絡劃分為獨立訓練的塊，從而將訓練內存減少B倍（B為塊數），同時在不同架構上保持性能。該方法通過將殘差連接解釋為擴散模型中的歐拉步驟，利用分數匹配目標實現塊級獨立訓練。

SQLite 新增了 AGENTS.md 文件，明確了其對 AI 生成貢獻的政策：不接受未經事先同意的拉取請求，不接受代理生成的代碼，但歡迎附帶可重現測試用例的 bug 報告。由於 AI 生成的 bug 報告氾濫，論壇現已拆分出專門的 bug 論壇。

Databricks構建了獨特的推理平台，為眾多前沿模型提供推理服務，每月處理超過120萬億個令牌。通過引入“模型單元”抽象，實現了成本感知的負載均衡和自動縮放，相比靜態配置節省了80%以上的GPU成本。運行時可靠性機制包括黑盒健康檢查，可自動檢測和恢復靜默故障。此外，通過分析多模態瓶頸，吞吐量提升了3倍。

Artificial Analysis與IBM聯合推出ITBench-AA，這是首個針對企業IT智能體任務的基準測試，專注於站點可靠性工程（SRE）。前沿模型得分均低於50%，其中Claude Opus 4.7以47%領先。該基準測試評估模型在Kubernetes事件響應中的表現，要求從日誌和追蹤中診斷故障。

NVIDIA研究人員推出Polar框架，通過在智能體工具鏈和推理服務器之間放置模型API代理，實現無需修改智能體工具鏈即可進行強化學習訓練。基於Qwen3.5-4B模型使用GRPO訓練，Polar在Codex、Claude Code和Pi工具鏈上分別將SWE-Bench Verified pass@1提升了22.6、4.8和6.2個百分點。框架以NeMo Gym環境註冊，並在ProRL Agent Server倉庫開源。

文章指出，Anthropic和OpenAI通過將企業客户轉向API定價模式，以及編碼代理產品的普及，實現了產品市場契合。這一轉折點始於2025年11月模型升級，並在2026年4月因新模型發佈和企業定價調整而加速。

南非擁有全球88%的鉑族金屬儲量，是非洲最大的數據中心市場，並處於中美AI基礎設施競爭的前沿。然而，其AI政策草案因包含AI幻覺引用而被撤回，未能利用這些優勢來談判有利條件。文章分析了南非的結構性槓桿、三種潛在的AI基礎設施未來（中國、美國和本地開放權重），以及制定具有約束力的治理框架的必要性。

EAGLE團隊、vLLM團隊和TorchSpec團隊聯合發佈了EAGLE 3.1，旨在解決生產環境中推測解碼的不穩定性。該算法通過FC歸一化和歸一化後隱藏狀態反饋兩大架構改進，有效應對注意力漂移問題。在長上下文任務中，EAGLE 3.1的接受長度比EAGLE 3提升高達2倍；在Kimi K2.6模型上的基準測試顯示，併發數為1時每用户輸出吞吐量提升2.03倍。EAGLE 3.1完全向後兼容，已合併至vLLM主線，並將隨v0.22.0版本發佈。

本文引用了凱爾·費拉納的一條推文，用《星際迷航》的比喻説明AI系統中的“謹慎”策略。在技術領域，僅僅有防禦措施是不夠的，必須真正執行才能避免嚴重失敗。

新加坡國立大學、MIT和A*STAR的研究人員提出MEMO，這是一種模塊化框架，將語料庫知識編碼到一個可單獨訓練的記憶模型中，使大型語言模型能夠無需重新訓練或微調即可吸收新知識。

AI模型在原始智能方面似乎已達到平台期，下一階段的進步來自於圍繞模型構建的“代理馬具”。本文介紹了代理馬具的概念，包括工具、記憶和人類參與，並比較了Google、LangChain、OpenAI、Anthropic等公司的解決方案。

針對動態城市物流中時間敏感任務隨機出現導致的異構自主空中飛行器（AAV）任務分配優化難題，本文提出一種強化學習增強的重疊聯盟形成博弈方法。該方法建立動態任務分配模型，以耦合服務質量與資源消耗的廣義物流成本量化全局最優性；並設計基於Transformer的軟演員-評論家網絡，利用多頭自注意力機制處理可變長度物流狀態、捕捉任務間時空依賴，從而自適應引導聯盟更新，取代傳統啓發式規則。理論證明聯盟形成過程構成精確勢博弈，確保有限次迭代收斂到納什穩定均衡。在32架AAV與80個任務的場景下，相比啓發式重疊聯盟形成基線，成本降低39.76%；室內飛行實驗進一步驗證了實用性。

本文提出PhyPush，一種物理引導的Transformer框架，僅通過單次推動的末端執行器速度即可估計物體的質量和摩擦係數，無需力/扭矩傳感器。實驗表明，在仿真和真實環境中，該方法相比基線具有更低的誤差和更好的泛化能力。

這項研究在視網膜眼底多病種圖像數據集（RFMiD）上對12種架構（包括卷積神經網絡、視覺Transformer、混合模型和視覺語言模型）進行了基準測試，比較它們在二元篩查和多標籤分類中的性能。結果表明，所有模型在二元篩查中表現良好（AUC>84%），但基於注意力的模型（如SwinTiny、CoAtNet0、MaxViTTiny）在二元和多標籤任務中均最優。視覺語言模型與CNN基線相當，但未超越最佳Transformer和混合模型。在Messidor-2上的外部驗證中，AUC範圍為66.8%-84.7%，混合和Transformer模型表現強勁。

研究人員提出一種新的情緒表徵——維度分佈情緒狀態（DDES），利用效價和喚醒度預測藝術作品引發的情感反應，輔助博物館策展人設計以情緒為基礎的展覽。