阿里通义千问团队正式发布 Qwen4-Max,基于 Qwen4 全新架构,拥有 2.4 万亿主干参数、每 token 激活 71B 参数,并配备 328B N-gram Embedding 参数,原生支持视觉与百万 token 上下文。官方称其在编程、办公与长程任务上全面超越 Qwen3.8-Max,同时 token 消耗降低约 24%-49%,API 定价大幅下调,Work360 单任务平均费用下降 58%。
长上下文
Long Context
模型单次可处理的超长 token 序列能力,此处支持百万 token 窗口
收录情报动态
Fable 5.2 发布后首批实测显示,其在智能体编程、软件工程与计算机操作等基准上全面超越 Opus 5.5,编程测试领先约 45.5%,软件工程达 69.9%,并支持 100 万 Token 上下文与最高 12.8 万 Token 输出,输出速度较上代提升最高 30%,API 价格反降 20%。社区已用它批量生成 3D 世界、游戏与交互场景,但高推理档位下 Token 消耗与成本压力成为主要槽点。
Meta 宣布把 Muse Wonder 首发的主动记忆与主动专注两项能力下放到 Muse 与 Meta AI 的现有专用模型,并全面推送。官方数据显示,Muse 中关键信息遗忘问题降低 2.4 倍,日常任务突发状况下的完成率提升 67%。这是 Muse Wonder 能力向存量产品线的工程化落地,而非新模型发布。
Allen Institute for AI (AI2) 推出 StateBench,这是一个专门用于测试大语言模型在长文档中追踪实体状态变化能力的基准。该基准旨在细粒度定位模型失效点,并为改进架构和训练数据提供方向,以解决当前模型在复杂逻辑推理中的短板。
TypeSafe AI 发布 Jev 1.14.0 版本,在保持核心模型稳定性的同时,为“梦想家”用户引入实验性功能。此次更新包括图像生成能力、新数据类型及更长的上下文窗口,旨在探索可靠性与创造力的平衡边界。
微软正式公布第三代自研 AI 芯片 Maia 300,旨在成为其云服务的核心推理引擎。该芯片针对长上下文推理和智能体任务优化,宣称每兆瓦 Token 产出比主流 GPU 系统高 40%,计划于 2027 年投入生产环境。
字节跳动 Seed 团队在 arXiv 发表论文指出,DeepSeek 模型采用的分块 KV 缓存压缩技术引入了“相位敏感性”,导致长上下文检索性能出现周期性漂移。研究发现,相同信息在不同相位下的检索难度存在系统性不对称,大型开放权重模型的检索准确度波动幅度高达 40 个百分点,揭示了平均基准分数掩盖的周期性弱点。
通义千问团队发布 Qwen3.8-LiveTranslate,通过 Interleave 音频-文本交织架构将实时同传字均延迟(LAAL)从 2.8 秒降至 2.3 秒。该模型在支持 60 种语言的基础上,新增实时说话人分离、原文译文同帧输出及长上下文消歧能力,显著提升多人场景下的翻译准确性与音色复刻稳定性。
阿里通义千问正式发布新一代原生全模态模型 Qwen3.8-Omni-Flash,重点强化音视频场景下的 Agent 规划与工具调用能力。该模型支持 1M 长上下文,在累计 29 项评测中较上一代平均得分提升超 25%,同时 API 音频输入价格降幅超 98%,显著降低了多模态智能体的落地门槛。
Anthropic Claude Opus 5 在百万 Token 预算下成功解析《指环王》首段并生成对应 SVG,标志着大模型评测从简单指令转向复杂长文本理解。该实验展示了模型在极高上下文窗口下的多模态输出能力与成本效率。