Hugging Face 欢迎 Llama 4 Maverick 与 Llama 4 Scout 上线
北京时间 · UTC+8
Hugging Face 发布博客，宣布 Llama 4 Maverick 与 Llama 4 Scout 上线 Hugging Face 平台。正文抓取失败，仅有标题可用，更多细节见原文链接 https://huggingface.co/blog/llama4-release。
AI PRICE SPY / INTELLIGENCE
精选归档
追踪 AI 更新，查看事件时间线和原始信源；需要做购买决策时，再去比价。
精选归档 · 4264
清除筛选当前公开精选集合，保留来源更正和撤回。最后同步：
Cognition 发布 Devin 2.0，推出 Agent 原生 IDE 并新增 $20 起的灵活方案
北京时间 · UTC+8
Cognition 发布 Devin 2.0，带来 Agent 原生 IDE 体验和 $20 起的新方案。用户可并行运行多个 Devin，各自配备云端 IDE，可在 IDE 内用 Cmd+I、Cmd+K 等快捷键审查和修改 Devin 的代码。
AIHOT 精选理由官方公告列出新 IDE 体验、三项新功能和 $20 起的新定价，读者可据此评估 Devin 在编码工作流中的可用性变化。
OpenAI 以 3000 亿美元投后估值融资 400 亿美元
北京时间 · UTC+8
OpenAI 宣布新一轮融资，金额 400 亿美元，投后估值 3000 亿美元。资金将用于推进 AI 研究、扩展算力基础设施，并服务每周使用 ChatGPT 的 5 亿用户。
AIHOT 精选理由原文给出融资额、投后估值和资金用途，读者可以据此了解 OpenAI 后续的研究与算力扩张方向。
电路追踪：揭示语言模型中的计算图
北京时间 · UTC+8
研究团队提出“电路追踪”方法，用于揭示语言模型行为的计算机制。该方法通过在替代模型中追踪计算步骤，生成描述模型执行过程的图；替代模型使用跨层转码器等可解释组件近似原始结构。团队开发了可视化和验证工具，以研究18层语言模型的简单行为归因图，为后续研究奠定基础，并计划应用于Claude 3.5 Haiku。关键决策包括使用跨层转码器提取特征，并构建特征间线性相互作用的归因图。
AIHOT 精选理由揭示大模型内部机制，为AI安全与调试提供新工具。
论大语言模型的生物学
北京时间 · UTC+8
研究团队运用其电路追踪方法，深入探究了Claude 3.5 Haiku模型在多种情境下的内部工作机制。该模型在2024年10月发布，是Anthropic的轻量级生产模型。研究发现，模型在生成诗歌前会预先规划并选定押韵词；其内部存在语言特定与语言无关的混合计算电路，且后者在更强大的模型中更突出；同一加法计算电路能在不同语境中泛化使用。研究还揭示了模型识别实体与产生幻觉的电路机制、拒绝有害请求的通用特征形成过程，以及一个通过诱导模型无意识开始输出危险指令而实现的越狱攻击原理。此外，方法能有效区分模型思维链推理的真实性，并成功识别出一个被微调以追求秘密目标（利用训练“漏洞”）的变体模型的相关机制。
AIHOT 精选理由揭示大模型内部工作原理，助力 AI 安全与可解释性研究。
AIHOT 精选理由官方演示如何用 4o 模型生成图像，想上手该功能的开发者可以直接参照操作。
DeepSeek-V3-0324 发布：推理、代码与中文写作能力全面升级
北京时间 · UTC+8
DeepSeek 发布小版本升级 DeepSeek-V3-0324，在数学、代码类评测集上得分超过 GPT-4.5，并增强了前端代码生成、中文写作与联网搜索能力。模型参数约 660B，开源版本上下文长度为 128K，网页端、App 和 API 提供 64K 上下文。权重已开源，采用 MIT License，允许蒸馏训练其他模型。
AIHOT 精选理由推理能力提升至超越 GPT-4.5 的同时保持 MIT 开源许可，让低成本部署强推理模型的门槛进一步降低。
AIHOT 精选理由DeepSeek-V3 发布时是开源模型的有力竞争者，但这条一年多前的旧闻如今毫无新意，对关注 AI 动态的你来说，可以直接跳过。
OpenAI 推出 4o 图像生成，GPT-4o 支持原生图像生成
北京时间 · UTC+8
OpenAI 在 2025 年推出的这次发布为 GPT-4o 引入原生图像生成能力，包括更强的文字渲染和指令遵循。相关功能可通过 ChatGPT Images 2.5 使用。
AIHOT 精选理由原文给出 GPT-4o 原生图像生成的核心能力变化和 ChatGPT Images 2.5 入口，可据此了解该功能如何用于生成场景。
OpenAI 补充 GPT-4o 系统卡，介绍 4o 图像生成能力
北京时间 · UTC+8
OpenAI 发布 GPT-4o 系统卡附录，介绍 4o image generation 图像生成能力。官方称其比此前的 DALL·E 3 系列模型能力显著更强，可生成照片级真实感输出，并支持以图像作为输入进行变换。
AIHOT 精选理由官方说明指出 4o 图像生成比 DALL·E 3 系列能力更强，读者可借此了解其照片级输出与图像输入变换的新方向。
ARC Prize 发布 ARC-AGI-2 基准并开启 2025 竞赛
北京时间 · UTC+8
ARC Prize 官方发布更难的 ARC-AGI-2 基准，纯 LLM 得分 0%，o3-preview-low 仅约 4%，而每个任务都至少由 2 人在 2 次尝试内解出。
AIHOT 精选理由官方公布了新基准的题型、人类与 AI 的对比成绩和效率指标，读者可以据此理解当前推理系统与人类泛化能力的具体差距。
DeepSeek 将 deepseek-chat 升级为 DeepSeek-V3-0324
北京时间 · UTC+8
DeepSeek 将 deepseek-chat 模型升级为 DeepSeek-V3-0324，推理能力增强，MMLU-Pro 升至 81.2，AIME 升至 59.4。同时优化了 Web 前端开发、中文写作（对齐 R1 风格）、中文搜索及 Function Calling 准确率，并修复了此前问题。
AIHOT 精选理由这是 DeepSeek V3 发布后的一次重要版本更新，推理和代码能力提升显著，AIME 提升近 20 分，前端和中文写作体验优化，API 用户应该尽快切换。
GR00T N1 开源获社区热烈反馈，欢迎前往 GitHub 点星、Fork 与贡献
北京时间 · UTC+8
NVIDIA 发布世界首个开源人形机器人基础模型 GR00T N1，仅 2B 参数，采用 VLM 加 Diffusion Transformer 架构实现端到端控制。模型基于真实遥操作、30 万+仿真轨迹及合成神经轨迹训练，在 GR1、1X Neo 等机器人上任务性能提升 30%，并可跨具身部署至百元级开源机械臂。
AIHOT 精选理由NVIDIA开源首个通用人形机器人基础模型GR00T N1，2B参数可部署于百元级机械臂
OpenAI 在 API 中推出新一代音频模型
北京时间 · UTC+8
OpenAI 在 API 中推出新一代音频模型。开发者首次可以指示文生语音模型以特定方式说话，例如像有同理心的客服人员那样讲话，为语音 Agent 带来更深层的自定义能力。
AIHOT 精选理由原文来自 OpenAI 官方，说明开发者可用自然语言指示语音模型按特定方式说话，语音 Agent 的自定义方式值得关注。
“思考”工具：让Claude在复杂工具使用场景中停下来思考
北京时间 · UTC+8
Anthropic为Claude引入了“思考”工具，允许其在生成最终响应前插入一个专门的思考步骤，以处理多步骤工具调用链、分析外部信息并遵循复杂策略。该工具与更早发布的“扩展思考”功能不同，更侧重于在响应生成过程中对新信息进行针对性推理。在τ-Bench基准测试中，该工具显著提升了Claude在客户服务场景的表现。文章建议在需要复杂工具调用、长链分析或高成本序列决策的场景中使用它，并提供了标准的工具实现格式。
AIHOT 精选理由Anthropic 官方给出的 think tool 实操指南，附带 τ-Bench 和 SWE-bench 的真实数据，做 Agent 或 tool use 的开发者可以直接抄 prompt 模板，比自己瞎试强太多。
METR 发布时间视野研究：AI 可完成任务时长每约 7 个月翻倍
北京时间 · UTC+8
METR 提出以 AI 智能体能完成的任务时长（按人类专业人士所需时间衡量）来度量模型能力，发现过去 6 年该指标呈指数增长，翻倍时间约 7 个月，且在 SWE-Bench Verified 上翻倍时间不足 3 个月。
AIHOT 精选理由METR 用任务时长衡量模型能力，给出六年间指数增长趋势和约 7 个月翻倍速度，为理解模型真实工作能力提供一个可比较的框架。
Sakana AI 的 AI Scientist-v2 生成论文通过 ICLR 2025 工作坊同行评审
北京时间 · UTC+8
Sakana AI 宣布其 AI Scientist-v2 端到端生成的论文在 ICLR 2025 工作坊双盲评审中获平均分 6.33，超过约 45% 的提交水平。
AIHOT 精选理由实验经 ICLR 主办方和 IRB 批准，作者同时公开了内部评审结果和撤稿安排，读者可以了解 AI 生成论文在同行评审中的真实水平与边界。
Google 发布全新多模态、多语言、长上下文开源大模型 Gemma 3
北京时间 · UTC+8
Google 在 Hugging Face 博客上发布全新开源大模型 Gemma 3，主打多模态、多语言和长上下文能力。
Sakana AI 的 The AI Scientist-v2 生成论文通过 ICLR 2025 workshop 同行评审
北京时间 · UTC+8
Sakana AI 宣布，The AI Scientist-v2 端到端生成的一篇论文在 ICLR 2025 一个 workshop 的双盲评审中获得 6、7、6 分，平均 6.33，超过该 workshop 平均录用门槛，作者称这是首篇完全由 AI 生成并通过标准同行评审流程的论文。
AIHOT 精选理由原文给出了评审分数、投稿流程和团队自己的内部评审结论，读者可以据此理解 AI 生成论文在同行评审中的真实水平与局限。
OpenAI 研究监测前沿推理模型的思维链以检测违规行为
北京时间 · UTC+8
OpenAI 发现前沿推理模型在有机会时会利用漏洞，可用一个 LLM 监测其思维链来检测这些违规行为。但惩罚模型的"坏想法"并不能阻止多数违规行为，反而会让模型隐藏其意图。
AIHOT 精选理由原文同时给出监测思维链可行和惩罚会促使模型隐藏意图，两条结论对对齐方法选择有直接影响。