Fable 5.2 发布后首批实测：能力超过 Opus 5.5，Token 消耗受关注
Fable 5.2 发布后首批实测显示，其智能体编程、科学研究、计算机操作等基准分数超过 Opus 5.5，软件工程测试达 69.9%，输出速度最高较 Fable 5.1 提升 30%。
#评测/基准
量子位AI 评分7171 MarkTechPost同事件AI 评分7878 Meta 发布 Muse Ember：面向大规模智能体子任务的 1M-token 多模态推理模型
Meta Superintelligence Labs 发布 Muse Ember，这是一款托管式多模态推理模型，面向工具调用、编码子任务、路由、信息提取和长文档解析。
同一件事，精选收录的是《Meta 发布轻量级 AI 模型 Muse Ember，单任务成本为 Claude Haiku 5.5 的 1/3》
IT之家同事件AI 评分8080 Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2
Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2，官方称新模型在编码、推理、科学研究、网络安全及机器人领域均有提升，输出速度最高提高 30%，成本下降 20%。
同一件事，精选收录的是《Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2，API 调用费下降 20%》
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。
SiliconANGLE AIAI 评分6969 Meta 发布入门级模型 Muse Ember，主攻低成本 AI 智能体
Meta 发布入门级 AI 模型 Muse Ember，用于为前沿模型拆分出的子任务提供更低成本的智能体能力，并称其是首个使用 Muse Wonder 训练的模型。
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。
SiliconANGLE AI同事件AI 评分8080 Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2，强化科研与编码能力
Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2，两款模型核心能力相同，但分别采用较严格和较宽松的安全限制。Fable 5.2 在多数 AI 基准上较 Fable 5.1 高出 10% 以上，并在 Terminal-Bench-Science 0.1 达到 74.6%；Mythos 5.2 仅通过有限访问计划向可信研究者开放。
同一件事，精选收录的是《Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2，API 调用费下降 20%》
爱范儿同事件AI 评分8686 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。
同一件事，精选收录的是《Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2，API 调用费下降 20%》
The Decoder同事件AI 评分8484 Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2
Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2，分别面向公开用户和通过网络安全或生命科学验证计划申请的组织。
同一件事，精选收录的是《Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2，API 调用费下降 20%》
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。
极客公园AI 评分7979 极客公园实测腾讯混元Hy4的长程Agent、视觉理解与视觉代码能力
极客公园实测腾讯混元Hy4，考察其长程Agent、视觉理解、视觉代码和电脑操作能力。Hy4能完成CPO研究报告与估值模型，并通过视觉理解生成和迭代修正交互式3D网页及游戏复刻项目；官方数据显示其幻觉率由preview版的12.95%降至7.2%，但与GPT、Claude等顶尖闭源模型相比仍有差距。
雷峰网AI 评分6464 基元律动发布 NeoHorse-1.5-Flash Preview，推进 Agent 模型 RSI 第二轮迭代
基元律动发布 Agent 原生模型 NeoHorse-1.5-Flash Preview，该模型基于 Qwen3.8-Flash 训练，总参数 180B、激活参数 6B，目前开放限量内测。
MarkTechPostAI 评分6565 Nous Research 发布 Arete-27B，将 Qwen3.8-27B 宣传内容比例降至 0.9%
Nous Research 发布基于 Qwen3.8-27B 监督微调的 27B 开源权重模型 Arete-27B，在其 803 条提示词评测中，包含宣传内容的回答比例从 22% 降至 0.9%。
The DecoderAI 评分6767 Ricursive Intelligence 发布 Apache 2.0 开源模型 Ripple-65B Preview
Ricursive Intelligence 发布采用 Apache 2.0 许可的 Ripple-65B Preview 开放语言模型。公司称其以 12 trillion tokens 预训练，并在 TerminalBench 2.1 编码基准取得 80.52 分。该模型采用 65B 参数的稠密 Transformer 架构，针对 Nvidia 硬件优化，并已上架 Hugging Face。
ZDNet AIAI 评分8080 Thinking Machines 发布 Inkling 2 Small，计划下周开放模型权重
Thinking Machines Lab 发布 Inkling 2 Small，并计划下周开放模型权重。
The DecoderAI 评分7272 Thinking Machines 发布开放权重模型 Inkling 2 Small
Thinking Machines 发布第二代模型 Inkling 2 Small，称其为西方最强开放权重模型。该 MoE 模型总参数量为 594 billion，单次激活 17 billion，支持文本和图像输入及可调思考深度。
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AI 评分7373 360图龙锋以99.4%漏洞复现率登顶CyberGym榜单
360自研AI安全攻防系统图龙锋在CyberGym三轮独立评测中取得99.27%、99.47%和99.40%的漏洞复现成功率，平均99.38%，刷新该榜单纪录。该系统以安全领域大模型负责判断方向，由专业智能体蜂群执行代码分析、工具调用、PoC生成和漏洞验证，并通过自进化机制把试错经验转化为后续任务规则。文章还介绍了CyberGym的1507道真实漏洞任务及图龙锋的实战应用数据。
IT之家AI 评分6565 Ricursive Intelligence 发布 Ripple-65B Preview 开放权重模型
Ricursive Intelligence 发布 Ripple-65B Preview 开放权重模型，并宣称其在美国开放权重模型中智能体编程表现最为出色。
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。
IT之家AI 评分7575 OpenAI 发布 GPT-6 Cyber 网络安全模型，ExploitGym 得分相对提升 51%
OpenAI 发布网络安全专用模型 GPT-6 Cyber，在 ExploitGym 中得分 48.5%，较 GPT-5.6 Cyber 的 32.1% 相对提升约 51%。
MarkTechPostAI 评分7373 百度发布 ERNIE 5.5 Flash Base 280B 稀疏 MoE 基础模型
百度发布 ERNIE 5.5 Flash Base，这是一款总参数量 280B、每个 token 激活 14B 参数的文本稀疏 MoE 基础模型。模型提供 128K 训练上下文和 1M 微调及推理上下文，权重以 FP8 和 BF16 形式发布在 Hugging Face 与 ModelScope，并支持通过 SGLang 和 vLLM 部署。
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。
The Verge AIAI 评分7575 OpenAI 发布 GPT-6 Cyber 网络安全模型
OpenAI 发布 GPT-6 Cyber，用于发现安全漏洞，并称其测试中越界率低于 1%，低于 GPT-5.6 Cyber 的约 5%。
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。
MarkTechPostAI 评分6363 webAI 发布 TwIL-8B 推理模型，MATH-500 得分 98.2
webAI 发布基于 IBM Granite 4.2 8B 后训练的 TwIL-8B 推理模型，参数量为 8.79B，MATH-500 得分 98.2。模型提供 Balanced 和 Verbose 两个版本，Q4_K_M 构建为 4.98 GiB，支持在 CPU 或显存较小的 GPU 上运行。
MarkTechPostAI 评分7373 Ricursive Intelligence 发布 Ripple-65B Preview 开源权重模型
Ricursive Intelligence 发布 Ripple-65B Preview，这是一款面向智能体编程的 65B 稠密开源权重模型，采用 Apache 2.0 许可，预训练规模为 12T tokens，上下文窗口最高达 1M。
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。