Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2
Anthropic 发布面向复杂技术与科研任务的 Claude Fable 5.2 和 Claude Mythos 5.2，前者面向普通用户，后者主要向经审核的机构开放。
推荐理由：文章汇总了模型能力、基准成绩、工程案例与安全限制，便于系统比较新一代模型的进展和部署成本。
SIGNAL FEED
#评测/基准
人工智能资讯与信号流
爱范儿精选AI 评分8686 IT之家精选AI 评分8686 Meta 发布轻量级 AI 模型 Muse Ember，单任务成本为 Claude Haiku 5.5 的 1/3
Meta 推出面向复杂推理和智能体重复工作的 Muse Ember，称其跑分媲美 Claude Haiku 5.5，单任务成本仅为 1/3，多项测试中超过 GPT-6 Luna。
推荐理由：文章列出 Muse Ember 与 Claude Haiku 5.5、GPT-6 Luna 的跑分和价格对比，便于评估其推理、智能体及多模态任务表现。
量子位精选AI 评分8080 Seedream 5.5 图像生成与连续编辑实测
量子位实测了 Seedream 5.5 在 100 轮连续编辑、多图合成、透明 PNG、复杂动作迁移和图层拆分中的表现，并对比了 GPT-Image 2.6 的编辑失真情况。测试显示，Seedream 5.5 能在多轮编辑中保持较高保真度，并支持小字与多语言渲染、图层拆分及文字二次编辑；该模型已在即梦、豆包和豆包工作上线。
推荐理由：文章通过连续编辑、多图合成、透明图、复杂文字和动作迁移等实测，呈现了 Seedream 5.5 的表现与工作流价值。
爱范儿精选AI 评分8383 字节跳动发布 Seedream 5.5 图像创作模型，强化多轮精准编辑
字节跳动发布新一代图像创作模型 Seedream 5.5，主打像素级精准编辑、上百轮修改不崩坏、原生 RGBA 透明素材、小字渲染和摄影质感，火山引擎将于本周上线 API 服务。
推荐理由：文章通过多轮局部编辑、人像摄影、中文排版和透明素材测试，呈现 Seedream 5.5 在一致性与专业设计工作流中的表现。
雷峰网精选AI 评分7979 百度文心披露 ERNIE Evolve 递归自我改进进展
百度文心首次披露 ERNIE Evolve 自动研究系统，并将其用于即将发布的文心 5.5 Flash 推理优化。该系统通过多智能体双层循环自主提出方向、修改代码、评测结果并沉淀经验，在 NanoChat AutoResearch 和 NanoGPT Speedrun 任务的三个指标上取得公开验证的 SOTA 表现。
推荐理由：文章披露了递归自我改进系统在真实推理优化中的双层研究闭环、三类生产指标与安全边界，为评估自主研发系统的工程价值提供了具体依据。
极客公园精选AI 评分7777 Thinking Machines Lab 发布 Inkling 2 Small 开放权重模型
Thinking Machines Lab 发布第二代开放权重模型 Inkling 2 Small，总参数量为 594B，每次推理激活 17B，支持 100 万上下文和可调思考力度。
推荐理由：文章梳理了 Inkling 2 Small 的架构、训练和评测表现，并分析其使用 Kimi K3 轨迹带来的开源生态影响。
量子位精选AI 评分7777 腾讯混元 Hy4 发布并因调用激增完成十倍扩容
腾讯混元发布 Hy4，并因其在 WorkBuddy 上线后调用激增，对推理集群进行十倍扩容并提高免费体验额度。Hy4 在 Artificial Analysis 智能指数榜单的 724 款模型中位列中国模型第二，在 Agent Arena 榜单居开源模型第一、总榜第 13 位，单任务成本约 0.78 美元。
推荐理由：Hy4 的扩容、榜单排名与成本数据同时呈现，可用于了解腾讯混元新一代模型的发布重点及性能价格表现。
IT之家精选AI 评分8080 蚂蚁百灵发布 Ling-3.2-flash 原生多模态模型
蚂蚁百灵推出原生多模态模型 Ling-3.2-flash，具备 560B 总参数、约 25B 激活参数和 1M 上下文窗口。
推荐理由：模型以原生多模态、MoE 参数配置和较低 API 定价切入企业应用，评测结果可用于对照其视觉与 Agent 能力。
The Decoder精选AI 评分8484 OpenAI 发布 GPT-6 Cyber 漏洞挖掘与修复模型
OpenAI 发布专用于寻找软件安全漏洞的 GPT-6 Cyber，可在指定边界内发现漏洞、生成可用攻击程序并建议修复方案。该模型在 ExploitGym 的得分为 48.5%，并在 Firefox 和 Linux kernel 真实安全研究中取得结果；相关基准数据均来自 OpenAI，尚无独立测试发布。
推荐理由：材料汇总了模型能力、安全边界和真实漏洞挖掘数据，也说明相关基准目前仅由 OpenAI 自行测试。
量子位精选AI 评分7676 百度开源文心5.5 Flash Base，多项基准达到同尺寸模型 SOTA
百度正式开源文心5.5 Flash Base（ERNIE 5.5 Flash Base），采用 MoE 架构，总参数量2800亿，每个 Token 激活140亿参数。
推荐理由：文心5.5 Flash Base公开了模型架构、训练规模与关键优化，为开发者评估其能力边界和微调价值提供了具体信息。
量子位精选AI 评分8181 OpenAI 全量上线 GPT-Image-2.6，支持 GIF、SVG 与 API 局部重绘
OpenAI 全量上线 GPT-Image-2.6，整体生成时间缩短 50%，最快 6 秒出图，并原生支持 GIF 动图和 SVG 矢量图导出。API 首次提供 Flare、Sunburst 两个型号及 complexity、quality 独立参数，同时开放 Image markup 局部重绘。
推荐理由：GPT-Image-2.6同时提供速度与画质分档、GIF和SVG输出及局部重绘接口，便于评估生图工作流的变化。
The Decoder精选AI 评分8080 MIT 研究用 GPT-6 Astra 直接修改其他 AI 模型权重
MIT 研究人员展示 GPT-6 Astra 无需传统再训练，即可直接分析并修改其他 AI 模型的内部权重，并将其称为 Weight-Space Programming。
推荐理由：研究以 Qwen3.5-0.8B 为例展示了直接修改模型权重的实验效果，也明确呈现了方法受限于模型已有能力的边界。
爱范儿精选AI 评分7878 爱范儿实测腾讯 Hy4 在 WorkBuddy 中复刻《王者荣耀》
爱范儿在 WorkBuddy 中实测腾讯 Hy4 正式版，模型可依据录屏复刻网页迷你 MOBA，并完成办公文档、3D 场景及应用开发等长程任务。测试覆盖多模态视觉理解、连续电脑操作和错误后的计划调整，作者认为其日常办公与创意任务的交付能力明显优于 preview，但复杂流程仍可能需要多轮交互。
推荐理由：通过办公、编程、3D 建模和游戏复刻等实测，呈现 Hy4 接入 WorkBuddy 后的长程执行与多模态表现。
雷峰网精选AI 评分8080 Gemini 4 Carbon 登顶背后，谷歌为何转向高频模型迭代
Gemini 4 Carbon 发布后在17项基准测试中有15项领先，并在 Artificial Analysis 智能指数中以58分反超 Claude Opus 5.5 和 GPT-6 Astra。
推荐理由：文章将 Gemini 4 Carbon 的榜单表现、体验短板与谷歌高频迭代路线并置，呈现模型竞争如何转向专项强化与内部研发闭环。
已经到底了