Follow model releases, product updates and the original sources. Compare costs when you need to make a decision.
The current public selected set, including source corrections and removals. Last synchronized:
今天，我们推出 Inkling。 Inkling 能高效地对文本、图像和音频模态进行推理。我们将提供完整权重。 https://thinkingmachines.ai/news/introducing-inkling/ 即日起可在 Tinker 上进行微调。在 Inkling Playground 中试用。🧵
Why selected by AIHOT多模态推理终于有了开放权重的选项，Inkling不是最强的，但可能是最方便你上手微调的。想试试多模态Agent的，今天就能在Playground玩。
Anthropic 更新其 agentic misalignment 研究，报告在受控模拟中发现四种新的对齐失败：暗中破坏、协助欺诈、有动机的错误标注，以及引导人类代理人举报。
Why selected by AIHOT报告把抽象的智能体失控威胁落到可测量的具体失败案例，读者可以看到各模型在不同场景下的行为差异与频率数据。
Anthropic 新研究：2026 年夏季的智能体行为偏差。 在我们的敲诈实验一年后，我们又发现了四种当今自主 AI 智能体在模拟中行为不当的方式。 了解更多：https://alignment.anthropic.com/2026/agentic-misalignment-summer-2026/
Why selected by AIHOT去年敲诈实验后，Anthropic 又发现四种智能体在模拟中行为不当的新方式，这份研究是安全对齐领域绕不开的实证，做智能体的人该读一读。
xAI 为 Grok 引入 Automations 功能，用户可描述一次任务，让 Grok 按计划（一次/每日/工作日/每周/每月/每年）或邮件触发（按发件人、收件人或主题过滤）自动运行。每次执行都是一次完整对话，结果保存至运行历史，支持邮件或应用内通知。定时自动化对所有用户开放，邮件触发需 SuperGrok 订阅。
Why selected by AIHOTxAI 把自动化做进了 Grok，定时和邮件触发让 AI 从被动问答变成主动干活，尤其是邮件触发可以直接处理收件箱，对于需要自动化工作流的用户来说，这是一次真正的实用性升级。
Moonshot AI 发布 PerceptionBench，一个从 40 多个现有基准中模型实际失败案例归纳出的视觉感知基准，包含 10 项原子感知能力和 3000 道验证题。所有测试模型准确率均未超过 60%，且大量正确答案在重复提问时无法复现，表明模型更多是猜测而非真正感知。PerceptionBench 旨在精确诊断多模态 AI 的视觉感知断裂点，推动其实现忠实、一致的视觉理解。
Why selected by AIHOT这是一个把视觉感知拆成原子能力的基准，所有模型不及格，而且猜测多于感知的发现很扎心，做多模态的团队应该拿来测一下自家模型。
Anthropic 工程师用 Claude Code 在两周内将 Bun 的百万行 Zig 代码迁移至 Rust，100% 现有测试通过，合并后出现 19 个回归问题已全部修复。另一工程师用周末将 Python 代码库迁移至 16.5 万行 TypeScript。迁移消耗约 16.5 万美元 API 成本，但编译时间从八分钟降至两秒，二进制启动快 6 倍。
Why selected by AIHOTAnthropic 用自家 Claude Code 把百万行 Zig 代码迁到 Rust，两周搞定，这不仅是案例展示，更是开发者如何用 AI 重构代码库的实操指南，尤其适合那些被遗留代码拖累的团队。
阿里巴巴的Qwen模型将被集成到Apple Intelligence中，为中国的iOS、iPadOS、macOS和visionOS用户提供文本与图像理解、内容生成等AI功能。中国网信办已公布包括Apple Intelligence、华为小艺大模型、OPPO AndesGPT在内的七项移动端生成式AI服务备案信息。阿里巴巴董事会主席蔡崇信表示，苹果在选定阿里前曾与多家中国公司洽谈。
Why selected by AIHOT苹果选阿里Qwen为中国AI引擎，蔡崇信已确认，网信办也已备案，这事对国内AI厂商的竞争格局影响不小，做国内市场的应该认真看一眼。
OpenAI 训练了自动化红队模型 GPT-Red，用于在部署前发现漏洞并在训练中生成攻击以提升模型鲁棒性。GPT-Red 能攻破此前几乎所有模型，其攻击被用于对抗训练 GPT-5.6 Sol，使该模型在直接提示注入基准测试中的失败率降至四个月前最佳生产模型的 1/6。GPT-Red 通过自对弈强化学习训练，投入了 OpenAI 后训练中前所未有的计算规模。
Why selected by AIHOTOpenAI 用自博弈训练出的红队模型 GPT-Red，把直接提示注入攻击成功率压到了 0.05%，而且没有降低模型能力。做 AI 安全的人应该好好读一下他们怎么实现这个飞轮的。
火山引擎升级 Doubao-Seed-Evolving，新增 1M 超长上下文支持，可单次处理大型代码仓库、长篇文档等大规模信息。该模型在长程任务中表现更稳定，开发者众测质量评分超越 Doubao-Seed-2.1-pro，且消耗 tokens 更少、工具调用轮次更简洁。现已上线火山 Agent Plan，单月套餐限时 9.9 元起，参与体验奖励计划可享调用成本立减 20%。
Why selected by AIHOT1M上下文将大型代码仓库和长文档纳入单次处理范围，长程任务稳定性的提升更直接地影响智能体复杂步骤的可靠性，统一ID则省去了频繁切换模型版本的工程开销。
北京经开区在全国率先试点运行“模型券”即时补贴平台，由京东科技集团提供技术支持。企业购买模型服务时可在京东云优惠价基础上叠加补贴，以1000元券包为例实际支付最低可降至350元，补贴比例最高达65%。平台支持多模型调用，企业完成四项线上流程即可即时抵扣，算力券补贴功能也将加快上线。
Why selected by AIHOT补贴从事后申报变为消费时自动抵扣，对现金流敏感的中小企业，降低初次调用门槛的意义大于折扣比例本身。
苹果技术开发（上海）有限公司的“Apple 智能”大模型已于 2026 年 7 月 8 日完成备案，适用场景为苹果手机。阿里千问将作为 AI 能力集成至 Apple 智能，为 iOS、iPadOS、macOS 和 visionOS 的中国用户提供文本与图像理解、内容生成等功能，用户无需在应用间切换即可直接体验。
Why selected by AIHOT苹果AI备案落地，国行iPhone用户终于等到，但集成的不是自研而是阿里千问，对苹果AI生态和国内AI格局都算一个交代。
金山办公在2026 AI生产力大会上推出面向员工的AI办公客户端WPS Comate，可连接组织数据与流程。该产品提供AI岗位专家、Skill技能生态、自动化任务等六大模块，并支持云端与本地双任务模式，个人用户可直接下载体验。
Why selected by AIHOT金山办公把WPS Comate从聊天工具升级成能连接组织数据、自动执行任务的AI办公平台，对国内WPS用户群是个实际提效选项，但具体落地效果和第三方集成深度还有待验证。
找不到基准测试和下载链接？看这里👇https://huggingface.co/AngelSlim/Hy3-GGUF 我们刚刚发布了 Hy3 的 1-bit 与 4-bit 版本，这是一个旗舰级 295B 模型，可在单张 GPU 上运行。👌 使用 llama.cpp 运行 Hy3，启用 MTP，在显著更低的硬件上体验强大的智能。🚀🚀🚀 迫不及待想看到你们的作品。 #Hy3 #Hy #GGUF #llamacpp
Why selected by AIHOT混元把295B旗舰模型压进单GPU，1-bit和4-bit版本对本地部署是个大礼包，开源社区可以动起来了。
阿里语音交互模型 Fun-Realtime-AudioChat 全面升级并更名为 Qwen-Audio-3.0-Realtime，支持根据语境动态调整语气与情感、音色克隆，并内置多模态双工控制模型，实现声纹级背景过滤。
Why selected by AIHOT把文本推理能力蒸馏到语音模型同时保留毫秒级响应，这种架构为需要复杂决策的语音智能体提供了可行路径。
阿里通义实验室发布实时语音交互模型 Qwen-Audio-3.0-Realtime，在 Artificial Analysis 的 Speech Reasoning 子项中综合排名第一，超越 OpenAI GPT-Realtime-2。
Why selected by AIHOT我觉得Qwen-Audio-3.0-Realtime把情感表达和背景降噪结合得很好，加上工具调用，语音交互终于从聊天走向任务执行，有API可以直接上手，推荐语音产品经理试试。
作者基于 API 版 Fable5 和 Codex 开发了开源 TODO Skill“阿福”，用于将收件箱中的待办资料自动转为 Markdown 任务卡，识别信息不完整项（如视频链接需通过 yt-dlp 和本地 Whisper 提取字幕），并支持批量排期、AI 分组合并、拖拽调整周视图及同步到 Mac 日历或飞书日历。项目已开源在 GitHub，安装仅需一条命令。
Why selected by AIHOT卡尔把三年知识管理教训封装成一个能自动扫描、合并排期的 TODO Skill，如果你也被碎片信息淹没，这个工具比任何大纲都实用。
作者每天Vibe Coding约16小时，认为Claude Fable 5在大型方案初版设计上“当世独一档”，GPT-5.6 Sol能有效纠错并优化方案。核心流程为：Fable 5出方案初版 → GPT-5.6 Sol审查纠错 → 在Codex中开启“目标模式”全自动化执行，最长曾连续运行17小时。
Why selected by AIHOT卡兹克把每天16小时Vibe Coding磨出的流程讲透了，Claude出方案、GPT纠错、Codex目标模式全自动执行，这条流水线能让你的开发瓶颈从写代码转移到测试和方案设计上，值得一试。
Thinking Machines 发布通用多模态模型 Inkling，支持文本、图像和音频输入，采用 MoE 架构，总参数 975B、激活 41B、上下文窗口 1M token。
Why selected by AIHOTModal 官方给出了 Inkling 的架构细节和 DFlash 推理实测数据，读者可以借此评估新模型的部署表现。
Thinking Machines Lab 发布多模态 MoE 模型 Inkling，Together AI 于发布当日在其 Serverless 平台提供访问，支持 1M 上下文窗口和 OpenAI 兼容 API。
Why selected by AIHOT原文来自提供推理服务的合作方，给出了 Inkling 的架构细节、参数规格和初步评测，读者可据此了解新模型的技术取向与可用入口。
vLLM 宣布对 Thinking Machines Lab 的 1T 参数多模态模型 TML Inkling 提供 Day-0 支持，覆盖 thinkingmachines/Inkling-NVFP4 和 BF16 两个版本，支持文本、图像、音频输入和最长 1M token 上下文。
Why selected by AIHOT原文给出 Day-0 支持的具体性能数字、架构优化细节和精度对比，读者可以评估该模型在自己的推理工作流中的可用性。
