🎬 视频版直达：https://www.bilibili.com/video/av117204758829279/
💡 今日趋势速览：谷歌6周内第3次更新，发布Gemini 3.8 Flash与安全版Flash Cyber，主打漏洞检测。Meta随后推出Muse Spark 1.3，工具调用与token消耗双降。同时GPT Astra两个检查点现身测试，巨头们围绕效率与安全加速内卷。
🎯 今日要点
📋 今日内容汇总
🤖 AI动态
- 谷歌发布 Gemini 3.8 Flash 与 Flash Cyber
- Meta 发布 Muse Spark 1.3，主打智能体与编码任务
- GPT Astra 新检查点测试中：含发布候选与安全变体
- 探测称 gpt-6-astra 真实存在，为类 cyber 的变体
- 阿里发布Qwen3.8-Max-0902，参数达2.4万亿
- 美团 LongCat-2.0 在 Cline 免费开放使用
- 西班牙 Multiverse 发布 Quasar 438B 推理模型
- Claude 新增后台操作电脑能力，可代人点击输入开应用
- Claude Commerce Agents 开源：购物与商家智能体蓝图
- 蚂蚁集团开源 UI-Venus-2 通用 GUI 智能体
- MiniMax H3 Max 上线 OpenRouter，更快更便宜
- Perplexity 开源本地推理引擎 Lily，专攻 Apple 芯片
- 月之暗面：Kimi API 兼容 OpenAI 与 Anthropic 接口
- Fal 发布 H3 Max Turbo 预览版：速度翻倍成本减半
- H3-World：将 MiniMax-H3 直接改造为世界模型
📌 模型排行榜
🤖 AI动态
1. 谷歌发布 Gemini 3.8 Flash 与 Flash Cyber
谷歌发布Gemini 3.8 Flash及安全版Flash Cyber，这是6周内第3个Flash版本。Cyber面向防御者，主打漏洞检测与修补。新模型定价每百万token输入0.75美元，当天全渠道上线并登陆Antigravity平台，Arena排名升6位。
2. Meta 发布 Muse Spark 1.3，主打智能体与编码任务
Meta 发布 Muse Spark 1.3效率方面，对比上一代1.2，工具调用次数减少约20%，token消耗减少约25%。基准测试中在第三方Artificial Analysis智能指数中，Muse Spark 1.3以61分跻身前列，与GPT-5.6 Sol并列，领先DeepSeek等多款模型。
3. GPT Astra 新检查点测试中：含发布候选与安全变体
有测试者发现，两个 GPT Astra 检查点 ultima-alpha 与 vega-alpha 正在测试：前者疑似面向公众发布的候选版本，后者是专注网络安全的变体，供部分企业用于安全工作。实测显示，Astra 确实专为长时间运行的任务与编排而打造。
4. 探测称 gpt-6-astra 真实存在，为类 cyber 的变体
探测者称gpt-6-astra已在OpenAI API上预置上线，Responses API对它返回404 Not Found。分析指出gpt-5.7并不存在，sol、terra、luna、cyber等端点全部返回400，注册slug返回404正是受限的表现。因此astra是变体，类似gpt-5.6-cyber，在5个端点上与cyber字节级一致，而cyber是已发布但受限的模型。
5. 阿里发布Qwen3.8-Max-0902，参数达2.4万亿
阿里发布升级版大模型Qwen3.8-Max-0902，拥有2.4万亿参数和100万上下文标记定价方面，该模型每百万token输入2美元、输出6美元，缓存命中成本低至0.17美元。此外，经编码与协作方向进一步训练，多项评测成绩超越前代，模型现已通过QwenCloud API上线。
6. 美团 LongCat-2.0 在 Cline 免费开放使用
编码智能体 Cline 宣布，美团的 LongCat-2.0 现已免费提供。这是一个 1.6T 参数的开放权重 MoE 模型，支持 1M 上下文，评测表现与 Claude Opus 4.7、Gemini 3.1 Pro 相当。用户安装 Cline 后用 /model 命令切换即可调用。
7. 西班牙 Multiverse 发布 Quasar 438B 推理模型
西班牙公司 Multiverse Computing 发布首个大模型 Quasar 438B：4380 亿参数的推理模型，支持 1M 上下文，主攻企业级 Agent 与编码。Artificial Analysis 独立实测给出 43 分，高于 Mistral Medium 3.5 的 30 分，成为榜单中得分最高的欧洲模型，但与全球前沿仍有差距。
8. Claude 新增后台操作电脑能力，可代人点击输入开应用
Claude 官方宣布，Claude 现可在 Claude Cowork 与 Claude Code 中后台操控用户电脑：给它一个桌面任务后，它会像本人一样完成点击、输入与打开应用等操作，用户可同时继续处理其他工作，无需独占屏幕。
9. Claude Commerce Agents 开源：购物与商家智能体蓝图
Anthropic 面向开发者开源 Claude Commerce Agents，将其定位为构建购物与商家智能体的蓝图，覆盖零售、旅行、电信与娱乐等领域，并提供对应的参考实现，帮助开发者在此基础上快速搭建自己的电商场景 Agent。以下是官方给出的 demo
10. 蚂蚁集团开源 UI-Venus-2 通用 GUI 智能体
蚂蚁集团发布通用GUI智能体UI-Venus-2，将移动端、网页端与桌面端控制统一到单一端到端模型，并已在Hugging Face开源9B与27B两档检查点。多项基准测试显示，该模型在VenusBench-Mobile、WebVoyager、OSWorld-Verified等评测中领先多个主流模型，并具备规模化训练环境与基于关键点的验证机制。
11. MiniMax H3 Max 上线 OpenRouter，更快更便宜
MiniMax H3 Max 现已上线 OpenRouter，定位比 H3 更快、更便宜。相同提示词的并排对比显示：约 30 秒即可完成就绪，而原版需要约 3.5 分钟；单个片段的费用也从 0.65 美元降到 0.40 美元，生成成本与等待时间同步下降。以下是官方给出的 demo
12. Perplexity 开源本地推理引擎 Lily，专攻 Apple 芯片
Perplexity 宣布开源本地推理引擎 Lily。它为 Perplexity Computer 的混合计算而构建，专门针对 Apple 芯片上的 Qwen3.6-35B-A3B 模型优化，目标是让设备端推理足够快，不会成为 Computer 任务的瓶颈，相关代码现已公开。
13. 月之暗面：Kimi API 兼容 OpenAI 与 Anthropic 接口
月之暗面宣布，Kimi API已支持OpenAI Responses API与Anthropic Messages API，Codex、Claude Code等编码工具可通过自定义模型供应商直连kimi-k3等模型官方同时提醒，Responses API目前仅支持文本与图片，暂不支持视频。桌面客户端的模型选择器可能显示为自定义，实际使用的是Kimi K3等模型。
14. Fal 发布 H3 Max Turbo 预览版：速度翻倍成本减半
Fal 发布视频模型 H3 Max Turbo 预览版，速度翻倍、成本减半，官方称评估中力争达到原 H3 Max 质量的第 97 百分位，仍优于 H3 等所有视频模型。促销价下 768p 视频输出每秒仅 0.01 美元，提示理解与美学表现保持不变。
15. H3-World：将 MiniMax-H3 直接改造为世界模型
研究团队公开 H3-World，称其为首个将 MiniMax-H3 本身转化为世界模型的成果：无需新增动作模块，直接把 H3 预训练获得的语言理解能力转化为世界控制能力，整个微调仅使用 8K 样本与 0.199% 的可训练参数。以下是官方给出的 demo
📌 模型排行榜
16. Artificial Analysis AI 模型能力排行榜
智力榜由Claude Fable 5.1以66分登顶，Claude Opus 5 (63分)、Muse Spark 1.3 (62分)紧随。智能体榜同款Fable 5.1以61分居首，Muse Spark 1.3、Claude Opus 5与GLM-5.3同以59分并列其后。开源阵营亮点在GLM-5.3，智力榜第9名60分，智能体榜并列第4名59分，双榜均衡。
以上是今天的AI 风向标，欢迎在评论区提出建议，我们明天见。
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
