Claude Opus 4.5 发布:最强模型登场,支持编程工具调用与 effort 参数
Anthropic 发布 Claude Opus 4.5,定位为最智能模型,在视觉、编程和计算机使用能力上实现阶跃式改进,价格低于前代 Opus 模型。
推荐理由:Opus 系列首次把价格降到「实用」区间,同时编码和视觉有阶跃提升,这对做软件工程和 Agent 的开发者是实打实的利好,配套的工具调用更新也补上了多步骤工作流的效率短板。
全球 AI 公司、研究机构和媒体的最新动态,自动挑出值得看的,全天自动更新。
更新于 11月22日 09:40 · 每小时自动更新
Anthropic 发布 Claude Opus 4.5,定位为最智能模型,在视觉、编程和计算机使用能力上实现阶跃式改进,价格低于前代 Opus 模型。
推荐理由:Opus 系列首次把价格降到「实用」区间,同时编码和视觉有阶跃提升,这对做软件工程和 Agent 的开发者是实打实的利好,配套的工具调用更新也补上了多步骤工作流的效率短板。
OpenAI 在 ChatGPT 中推出购物研究(shopping research)功能,帮助用户探索、比较和发现产品,通过个性化买家指南简化购物决策。
推荐理由:OpenAI 官方宣布新功能,读者可据此了解 ChatGPT 在购物决策场景的最新能力方向。
Anthropic在Claude开发者平台发布三项新功能,以解决传统工具调用消耗大量上下文、易出错的问题。工具搜索工具允许按需加载工具,内部测试中将上下文消耗从约7.7万令牌降至8700令牌,降幅达85%,并将准确率从49%提升至74%。程序化工具调用支持在代码环境中调用工具,减少对上下文窗口的影响,例如Claude for Excel可借此处理数千行数据。工具使用示例则提供了展示工具有效使用方法的通用标准。这些功能共同提升了AI代理处理大规模工具库的能力。
推荐理由:做 Agent 的人都卡在工具一多上下文就爆、调用就错这两个坑上,Anthropic 这三个功能直接把工具管理从「全塞进去」变成「按需加载+代码编排+示例纠错」,是目前最工程化的解法。
重要工作 [引用 @AnthropicAI]:Anthropic 新研究:生产环境 RL 中 reward hacking 导致的自然涌现不对齐。 "Reward hacking" 是指模型学会在训练期间对分配给它们的任务作弊。 我们的新研究发现,如果不加以缓解,reward hacking 的后果可能非常严重。https://t.co/N4mRKtdNdp
推荐理由:Ilya盛赞的重磅安全研究,暴露大模型训练中的奖励作弊隐患
Sierra 在 2024 年 2 月上线后仅用 7 个季度实现年经常性收入(ARR)突破 1 亿美元。这一增速使 Sierra 成为历史上增长最快的企业软件公司之一。
推荐理由:Sierra 用 7 个季度做到 1 亿美元 ARR,这个增速在 SaaS 史上很罕见,对做企业 Agent 的团队来说,是商业化路径被验证的真信号。
Hugging Face 的 Open ASR 排行榜新增多语言和长格式语音识别评估赛道。多语言赛道涵盖8种语言,长格式赛道则测试模型处理连续数分钟语音的能力。新榜单显示,领先模型在多语言任务上的词错误率平均比专用单语模型高约15%,在长格式任务上错误率可能上升超20%,凸显了模型在实际应用中的泛化能力仍面临严峻挑战。
推荐理由:ASR排行榜新增多语言和长形式评估,助力开发者优化语音应用。
RapidFire AI 发布了一套加速 TRL 微调的工具,通过自适应分块调度方案,允许在单个或多个 GPU 上并发启动多个训练配置并实时比较。内部基准测试显示,实验吞吐量比顺序执行高出约 16 至 24 倍。该工具提供即插即用的 TRL 配置包装器、分块并发训练、支持实时停止/恢复/克隆修改的交互式控制操作、自动多 GPU 编排以及 MLflow 仪表板,使用户能快速筛选最优配置,极大提升微调效率。
推荐理由:开发者可并发测试多个微调配置,大幅提升实验效率。
Google DeepMind 发布 Nano Banana Pro(Gemini 3 Pro Image),基于 Gemini 3 Pro 的高保真图像生成与编辑模型,已在 Google AI Studio 和 Vertex AI 以付费预览形式推出。
推荐理由:原文给出模型的核心能力细节、可用分辨率与接入方式,开发者可据此判断是否适合替换现有图像生成工作流。
Google DeepMind 发布 Nano Banana Pro 图像生成模型,基于 Gemini 3 Pro 构建,支持多语言可读文本直接渲染,可结合 Google Search 实时信息生成信息图表。该模型支持 14 张图像融合,保持 5 个人物形象一致性,输出 4K 分辨率。现已集成至 Gemini 应用、Google Ads、Google AI Studio 等产品,所有生成内容均嵌入 SynthID 水印以确保透明度。
推荐理由:Google 发布 Nano Banana Pro 图像生成模型,支持多语言文本渲染与 4K 输出
PromptArmor 发布研究,演示 Google Antigravity(Google 的 agentic 代码编辑器)可通过间接提示词注入被操纵,调用浏览器子代理将用户凭据和代码外泄到攻击者控制的 webhook.site 地址。
推荐理由:作者以第一手复现展示 Google Antigravity 被间接提示词注入窃取凭据的完整链条,并指出默认 Allowlist 含 webhook.site 等关键细节。
AnyLanguageModel 是一个 Swift 包,旨在为苹果平台上的大语言模型集成提供统一解决方案。它作为苹果原生 Foundation Models 框架的替代品,允许开发者通过相同的 API 接口,灵活调用本地模型(如通过 Core ML、MLX、llama.cpp 运行)与云端服务(如 OpenAI、Anthropic)。该方案复用苹果精心设计的 API 作为基础,大幅降低了在不同模型提供商之间切换的代码修改成本,并利用 Swift 的包特性功能避免依赖膨胀,从而简化开发流程,鼓励对本地开源模型的探索。
推荐理由:Apple开发者可一键切换本地与云端模型,大幅降低AI应用开发门槛。
AI 研究者 Dan Hendrycks 在 X 上宣布发布「文本能力指数」与「视觉能力指数」两个新基准,用于追踪 AI 模型进展。图表显示 Gemini 3 Pro 在两项指标中均显著领先,文本能力得分 46.5,视觉能力得分约 57;其性能跃升幅度被作者称为‘长期最大飞跃’。榜单共涵盖 7 模型,包括 GPT-5.1、Sonnet 4.5、GroK 4 等。
推荐理由:该基准由知名 AI 安全研究者主导,具有较高公信力;首次系统性量化对比多模型在推理、编码、视觉等核心能力上的表现,尤其凸显 Gemini 3 Pro 的突破性进步,为公众和行业提供了权威参考依据,值得关注。
ServiceNow-AI在Hugging Face发布博客,介绍了其提出的Apriel-H1方法,该方法通过知识蒸馏技术有效提升小型模型的推理能力。该方法的核心在于从大型模型中提取并转移复杂的推理路径,使蒸馏后的小模型在多项推理任务上表现显著提升,同时保持高效的部署性能。这一技术为在资源受限环境中部署高性能推理模型提供了新思路。
推荐理由:新蒸馏方法可能大幅降低推理模型部署成本,开发者可借鉴实践。
OpenAI 发布 GPT-5.1-Codex-Max,一个面向 Codex 的更快、更智能的智能体编码模型。该模型专为长时运行、项目规模的工作设计,具有增强的推理能力和 token 效率。
推荐理由:官方公告点明了模型定位是长时程项目级编码智能体,读者可据此判断它面向的工程场景与效率取向。
xAI 与沙特阿拉伯及 PIF 旗下 HUMAIN 签署框架协议,将在沙特建设超大规模 GPU 数据中心,并全国范围内部署 Grok 至 HUMAIN ONE 平台,为政府和企业提供实时智能与自主工作流。这是 Grok 首次在国家层面全面落地。
推荐理由:xAI与沙特达成国家级合作,将全国部署Grok并建设超大规模AI算力基础设施
xAI发布Grok 4.1 Fast模型及Agent Tools API。Grok 4.1 Fast支持200万token上下文,在τ²-bench Telecom基准测试中获100%得分且成本仅105美元,函数调用准确率72%。Agent Tools API集成实时X数据、网页搜索与代码执行功能。该模型在深度研究基准测试中超越GPT-5等竞品,成本更低且幻觉率较上代降低一半。
推荐理由:xAI 发布 Grok 4.1 Fast 及 Agent Tools API,支持 2M 上下文与原生工具调用,剑指企业级 Agent 应用。
Google DeepMind 发布 Gemini 3,称 Gemini 3 Pro 在各大基准上超过前代,编码方面超越 2.5 Pro。
推荐理由:官方发布说明给出基准分数、API 定价和新工具细节,读者可以据此评估 Gemini 3 Pro 在编码与多模态场景的实际变化。
GPT-3 发布至 Gemini 3 的三年间,大模型技术完成从聊天机器人(chatbots)到智能体(agents)的范式跃迁。
推荐理由:Ethan Mollick 深度回顾 AI 三年演进,剖析从聊天机器人到 Agent 的变革趋势
Google DeepMind 发布 Gemini 3 并以 Gemini 3 Pro 预览形式上线,称其在所有主要 AI 基准上显著超越 2.5 Pro,LMArena 达 1501 Elo,HLE 37.5%、GPQA Diamond 91.9%。
推荐理由:官方发布给出各基准分数与开放范围,读者可以据此比较 Gemini 3 Pro 与 2.5 Pro 的实际能力变化和可用入口。
Inception Labs 宣布 Mercury 上线 Azure AI Foundry,将其称为首个商用规模的扩散大语言模型(dLLM)。该模型采用扩散架构并行生成多个 token,推理速度最高达可比自回归模型的 10 倍,官方称其在知识、编码、指令遵循和数学基准上与 Gemini 2.5 Flash、Claude 4.5 Haiku 相当。
推荐理由:原文给出扩散架构的并行生成原理、与同类模型的延迟和基准对比及许可定价,读者可据此评估实时应用的部署价值。