模型

亞塞拜然電信公司Azercell與AWS生成式AI創新中心合作，在Amazon SageMaker AI上構建了針對亞塞拜然語的大語言模型，透過自定義分詞器、分散式訓練和Liger Kernel最佳化，實現了23%的訓練吞吐量提升、58%的GPU記憶體峰值降低和2倍的分詞效率提升。

Anthropic推出Claude Opus 4.8，該模型在多數基準測試中擊敗了GPT-5.5和Gemini 3.1 Pro，並且識別自身編碼錯誤的頻率是前代模型的四倍。同時，Anthropic還引入了動態工作流功能，可啟動數百個並行子代理處理程式碼庫遷移等任務。

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年至今的重大模型釋出，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 現支援一鍵切換模型、自帶金鑰（BYOK），相容 Anthropic 和 OpenAI 標準。起價每月5美元，幫助使用者繞過服務中斷、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，以擴充套件其AI基礎設施。

Anthropic 釋出了其旗艦模型 Opus 4.8，新功能包括使用者可控制 Claude 的努力程度、動態工作流支援大規模編碼、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、自主支援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 於週四釋出 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，其程式碼缺陷遺漏率比前代降低約4倍。此外，使用者可控制任務投入的努力程度，以及引入“動態工作流”功能，支援並行執行數百個代理。

Google I/O 2026 主題演講釋出了多項重大更新，包括 Gemini Omni、Gemini 3.5 Flash、資訊代理、通用購物車、Neural Expressive 設計語言以及智慧眼鏡等。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，這是一款專為裝置端AI設計的緊湊型單板計算機，搭載RISC-V架構NPU和Synaptics晶片，可本地執行Gemma 3 270M模型，無需雲端支援。

在Decoder播客採訪中，Rivian首席軟體官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介面將取代按鈕且不需要CarPlay。

極佳視界釋出全球首創物理AGI“雙金字塔”體系，推出家庭機器人拾光S1，獲百臺家庭訂單，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、程式設計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，透過原生代碼提示索引，將大型模型的計算密集型工具呼叫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。最佳化包括雙陣列trie、點陣圖打包和大頁面支援。

Mistral AI執行長Arthur Mensch證實，公司正在探索開發定製晶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資料中心，並推出企業智慧代理平臺Vibe。

上海創智學院LeapQuest團隊聯合多所高校提出醫學AI新正規化，讓模型在推理過程中主動呼叫視覺工具，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，能夠在一個統一網路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。為了支援大規模訓練，研究團隊擴充套件了OAISYS模擬器並推出RUGDSynth合成資料集，同時提供了EXTerra真實世界資料集。實驗驗證了該方法在複雜戶外環境中的有效性。

研究人員提出了Speak-to-Objective模組化智慧管線，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最佳化目標函式，用於在約束感知逆解算器和實驗光流控平臺上組裝微粒。該方法採用“感知-組合-提議-執行-報告與學習”的迴圈，將目標作為意圖與驅動之間的介面，實現自然語言可程式設計的微觀組裝，推動自主光製造平臺的發展。

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影像資料，在ImageNet100上以+10.76 p.p.的top-1準確率顯著優於類條件生成。透過擴大合成資料集，甚至能超越真實資料訓練的模型（+2.0 p.p.）。此外，該方法在資料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資料集的方案。

研究人員提出D²Turb框架，透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互動階段，在合成和真實資料集上均達到最優效能。

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，並透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順序評分的方法。透過使用QLoRA對LLaVA-1.5-7B進行微調，基於多達4000張橋樑損傷影像和檢查文本記錄，並在800張影像的測試集上評估。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在優先順序評分前拒絕低質量VLM輸出。

第十屆ABAW研討會與競賽在CVPR 2026上舉辦，透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資料集，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群的“厚描述”仍是關鍵挑戰。本文提出CARE（社群感知反應評估）框架，透過精細刻畫言外語調頻譜及其潛在態度，測評LLM模擬話語與真實社群對新聞事件的反應之間的差異。研究發現，使用明確社群提示引導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線上群體的社會語言動態。

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。透過嚴格因果對齊重用GPT檢查點，並透過彈性視野機制根據資訊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效能。

研究人員發現，在低資源語言的口語模型中使用合成資料會導致“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，實現寮國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連結框架，無需標註訓練資料。它透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實現了最先進的效能，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，透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床合規性。在MDACE資料集上，其效能優於最佳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。同時釋出了MDACE-2025，根據2025年最新指南重新標註，支援更細粒度的評估。

大型語言模型（LLM）作為自主智慧體時，會透過上下文獎勵駭客行為（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最佳化。本文提出LLM-based Constraint Optimization (LCO)框架，包含自我思考模組和進化取樣模組，在不微調模型的情況下有效減少ICRH。實驗表明，LCO在推文最佳化任務中將GPT-4的有毒性增長率降低39%，在策略最佳化基準中將ICRH發生率降低15.23%，且不犧牲任務效能。

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透過解耦對數機率偏移為架構依賴和資料依賴，僅需少量資料樣本即可捕捉偏移趨勢。實驗表明，ADS與對數機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、三個資料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、表示學習器和介面卡，並指出可解釋路由、專家通訊等研究空白。

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慧體。該智慧體將毫秒級的路由決策與事件驅動的LLM元控制器分離，透過線上學習適應未知且時變的服務時間對映。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透過引入序列間注意力機制和位置編碼擴充套件，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、直接偏好最佳化和上下文學習等方法無法區分產生相似觀測資料的因果圖。作者提出了智慧體因果貝葉斯最佳化（A-CBO），其中凍結的語言模型作為干預預言機，外部貝葉斯迴圈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；在擴充套件到24個變數和18K測試樣本的Extended Corr2Cause上，A-CBO顯著優於微調和偏好最佳化。

本文提出DynaSchedBench框架，透過順序事件空間校準器（SESC）和排程壓力指數（SSI）嚴格生成動態靈活作業車間排程問題（DFJSP）例項，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排程代理存在“可觀察性悖論”：提供完整結構資訊反而會降低效能，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組，可適應多種價值理論，並在ValueEval資料集上表現出良好的檢測效能。

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網路劃分為獨立訓練的塊，從而將訓練記憶體減少B倍（B為塊數），同時在不同架構上保持效能。該方法透過將殘差連線解釋為擴散模型中的尤拉步驟，利用分數匹配目標實現塊級獨立訓練。

SQLite 新增了 AGENTS.md 檔案，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，不接受代理生成的程式碼，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臺，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。透過引入“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。執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，透過分析多模態瓶頸，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智慧體任務的基準測試，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，透過在智慧體工具鏈和推理伺服器之間放置模型API代理，實現無需修改智慧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透過將企業客戶轉向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月因新模型釋出和企業定價調整而加速。

南非擁有全球88%的鉑族金屬儲量，是非洲最大的資料中心市場，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團隊聯合釋出了EAGLE 3.1，旨在解決生產環境中推測解碼的不穩定性。該演算法透過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時每使用者輸出吞吐量提升2.03倍。EAGLE 3.1完全向後相容，已合併至vLLM主線，並將隨v0.22.0版本釋出。

本文引用了凱爾·費拉納的一條推文，用《星際迷航》的比喻說明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，這是一種模組化框架，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模型在原始智慧方面似乎已達到平臺期，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）任務分配最佳化難題，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域性最優性；並設計基於Transformer的軟演員-評論家網路，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，取代傳統啟發式規則。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，相比啟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，僅透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/扭矩感測器。實驗表明，在模擬和真實環境中，該方法相比基線具有更低的誤差和更好的泛化能力。