天眼早报

🤖 AI 大模型

𝕏 SpaceXAI 发布 Grok 4.5，专为编码和 Agent 训练

SpaceXAI正式发布Grok 4.5，首个专为编码和 Agent 训练的大模型，与Cursor合作训练。定价**$2/M输入、$6/M输出 token，缓存命中$0.5**。上下文窗口当前50 万 token（马斯克称下周升级至100 万 token），参数1.5T。在 DeepSWE 1.0 上达62%，超过 Opus 4.8（55.8%）。知名评测显示：CursorBench上Grok 4.5 High以66.7%位列第 3，每任务成本仅$1.51，比 Fable 5 Max 的**$17.32低约91%；Artificial Analysis评测中在 GDPval-AA v2 排名第 4（Elo 1543），每任务成本$0.49**，编码代理指数得分76，与GPT-5.5 (Codex)持平，任务成本仅$2.49。即日起在 Grok Build、Cursor、API 可用。

𝕏 OpenAI 发布 GPT-Live 新一代语音模型

OpenAI推出GPT-Live系列语音模型，实现全双工实时对话交互，支持同时聆听和发言、实时翻译，可委托其他模型处理复杂任务。即日起在 iOS、Android 和 Web 端逐步上线，后续提供 API 版本（GPT-Live-1 和 mini）。号称最智能的语音模型。

𝕏 vLLM v0.25.0 实现 Transformers 后端与手写模型性能持平

vLLM发布 v0.25.0，Transformers建模后端与手写 vLLM 模型达到性能持平。现在**450+**个 Transformers 架构可在 vLLM 中以原生速度运行，无需移植，自动获得 fused kernels、torch.compile 和 CUDA graphs。

𝕏 Google 发布 Nano Banana 2 Lite：最快文本转图像模型之一

Google DeepMind发布Nano Banana 2 Lite（Gemini 3.1 Flash Lite Image），在图像质量榜排名第 5，生成1K 图仅需 3.4 秒，定价**$33.6/千图**。支持 14 种宽高比，在速度和质量间取得平衡。

𝕏 Mistral 发布 Robostral Navigate 导航模型

Mistral AI推出Robostral Navigate，首个 8B 参数具身导航模型，单 RGB 相机实现自然语言操控，在 R2R-CE 上达到 SOTA。

𝕏 OpenAI 审计 SWE-Bench Pro 发现 30%任务有缺陷

OpenAI审计 SWE-Bench Pro 后宣布，该基准中**30%**任务已损坏，不再可靠衡量前沿编码能力，撤回此前推荐。

𝕏 LangChain 与 NVIDIA 联合发布 NemoClaw Deep Agents 蓝图

LangChain与NVIDIA联合推出 NemoClaw Deep Agents Blueprint，为Nemotron 3 Ultra调优 Deep Agents 框架，实现0.86综合得分，推理成本仅**$4.48**，对比最接近模型**$43.48**，降低10 倍。完全开源可定制。

𝕏 GPT-5.6 Sol 代理评测：通过率 57%超越当前主力模型

AI 公司 Howie公开GPT-5.6 Sol代理评估数据：Sol Ultra 通过率57%，Sol High54%，均高于 Fable 5（54%）和 GPT-5.5（52%）。编码产出提升：24 天内 PR 数从 89 增至136，代码量从 21K 行增至75K行。

𝕏 Fable 5 在 47 项代理任务中完胜 GLM-5.2

Composio对比测试显示，Fable 5解决全部47项任务，平均84 秒/项，而GLM-5.2完成45项，平均148 秒。差距体现在自我验证和模糊判断能力。

𝕏 Meta 发布自研图像模型 Muse Image

Meta发布首个自研图像生成模型Muse Image，将覆盖 Instagram 编辑、广告工具，对标 Midjourney，降低对外部模型依赖。测试表现接近 GPT Image 2。

𝕏 Anthropic 将 Claude Cowork 扩展至移动和网页端

Anthropic为Claude推出移动和网页版 Cowork 功能，允许用户在后台运行任务并跨设备管理，基于 120 万次会话数据揭示大部分使用场景非编程。

𝕏 Seedream 5.0 Pro 正式发布

生图模型Seedream 5.0 Pro发布，宣称在信息可视化、精确编辑、真实感图像及纹理、原生多语言输入生成四大方向取得突破。

𝕏 Cognition 发布 SWE-1.7，基于 Kimi K2.7 训练

Cognition发布SWE-1.7，基于Kimi K2.7基座训练，性能表现突出。以极低推理成本达到接近前沿模型的软件工程评测成绩。

𝕏 Databricks 内部编码基准：开源模型已不可忽视

Databricks测试发现GLM-5.2等模型处于帕累托前沿，呼吁按**$/task**比较而非$/token。

𝕏 Gepard 1.0 开源流式 TTS，50ms 延迟

Gepard 1.0是一款555M参数的流式文本转语音模型，约50ms首音延迟，20x实时因子，支持语音克隆。基于vLLM，采用Apache 2.0许可证。

𝕏 Notion 上线开源权重模型 Kimi K2.7 Code

Notion宣布在其平台中集成Kimi K2.7 Code开源模型，用户可直接在 Notion 中调用该模型进行编码辅助。

𝕏 Google 发布 Gemma 4 技术报告

Google发布Gemma 4技术报告，公开模型架构、训练细节与评测结果，为开源社区提供重要参考。

𝕏 Google Gemini Managed Agents 新增后台任务与远程 MCP

Google升级 Gemini API Managed Agents，支持背景任务、远程 MCP、函数调用、凭据刷新，使 AI Agent 更接近生产级。

---