AI大模型 – mylogs.cn https://mylogs.cn 发现、记录、分享 Mon, 19 Oct 2026 08:40:45 +0000 zh-Hans hourly 1 最新大模型周榜：国产模型稳居中上游，Kimi挺进代码前十 https://mylogs.cn/%e6%9c%80%e6%96%b0%e5%a4%a7%e6%a8%a1%e5%9e%8b%e5%91%a8%e6%a6%9c%ef%bc%9a%e5%9b%bd%e4%ba%a7%e6%a8%a1%e5%9e%8b%e7%a8%b3%e5%b1%85%e4%b8%ad%e4%b8%8a%e6%b8%b8%ef%bc%8ckimi%e6%8c%ba%e8%bf%9b%e4%bb%a3/ Mon, 19 Oct 2026 08:40:45 +0000 https://mylogs.cn/%e6%9c%80%e6%96%b0%e5%a4%a7%e6%a8%a1%e5%9e%8b%e5%91%a8%e6%a6%9c%ef%bc%9a%e5%9b%bd%e4%ba%a7%e6%a8%a1%e5%9e%8b%e7%a8%b3%e5%b1%85%e4%b8%ad%e4%b8%8a%e6%b8%b8%ef%bc%8ckimi%e6%8c%ba%e8%bf%9b%e4%bb%a3/ Arena 平台于 10 月 19 日发布 2026 年第 42 周（10 月 12 日至 10 月 18 日）AI 大模型盲测排名。本期头部格局整体稳定，国产模型在多个细分榜单保持稳定中上游位置，其中月之暗面 Kimi K3 Max 首次稳定在代码榜前十，小米 MiMo V2.6 Pro 首次进入前端开发榜前 20。本期共有三款新模型正式入榜，分别是 Gemini 3.5 Flash Medium、MiMo V2.6 Pro 以及 Flux 2 Flex。

需要说明的是，本榜单基于 Arena 平台匿名盲测投票，通过 ELO 评分体系（智能体榜采用百分比信号）计算排名，反映的是用户主观偏好而非绝对能力测试。不同分榜相互独立，不宜跨榜比较，分差在误差范围内均视为并列，新模型也需积累一定投票量后才会正式入榜。

综合榜：头部胶着，国产稳居中上游

综合榜头部排名保持稳定。Gemini 4 Argon High 以 1525 分蝉联榜首，Claude Opus 5.5 High 以 1507 分位列第二，Claude Opus 4.6 High 与 Claude Fable 5 High 同以 1504 分并列第三，分差均在 30 分以内，在误差范围内视为接近竞争。头部前 10 名分数均在 1494 分以上，竞争依旧胶着。本周新入榜的 Gemini 3.5 Flash Medium 直接冲进前 30，位列第 30，ELO 得分 1476 分。

国产模型整体处于中上游位置，梯队相对稳定：月之暗面 Kimi K3 Max 排名最高，位列第 16 名，ELO 1488 分；阿里 Qwen3.8 Max 位列第 22 名，ELO 1483 分；小米 MiMo V2.6 Pro 位列第 26 名，ELO 1480 分；智谱 GLM 5.3 Max 位列第 27 名，ELO 1478 分。四款模型排名均与上周持平。

代码榜：Kimi 杀入前十，成国产最高排名

代码榜头部格局依旧稳定。Gemini 4 Argon High 以 1562 分继续领跑，Claude Fable 5 High 以 1551 分位列第二，Claude Opus 4.7 High、Claude Opus 4.6 High、Claude Opus 5.5 High 同以 1550 分并列第三，前三名中除 Gemini 外均为 Anthropic 模型，头部依旧被海外厂商占据。

本周核心看点是国产 Kimi K3 Max 稳定保持在第十名，ELO 1540 分，成为国产模型在代码榜的最高排名；小米 MiMo V2.6 Pro 紧随其后位列第十一，ELO 1539 分，表现亮眼。此外，深度求索 DeepSeek V4.1 Flash Max 排名第 26（1528 分），智谱 GLM 5.3 Flash 排名第 27（1525 分），阿里 Qwen3.7 Max Preview 排名第 28（1524 分），阿里 Qwen3.8 Max 排名第 29（1524 分），多款国产模型已进入代码榜前 30。

前端开发榜：小米新模型首入即进前 20

前端开发榜头部格局稳定，Claude Opus 5.5 Max 以 1813 分稳居榜首，GPT 6 Astra Max 以 1786 分位列第二，Claude Sonnet 5.5 XHigh 以 1774 分位列第三。本周新入榜模型包括小米 MiMo V2.6 Pro 和 Claude Haiku 5.5 High，其中 MiMo V2.6 Pro 首次入榜即位列第 19，ELO 1629 分，成功杀入前 20。

国产模型在前端开发榜占据多个中上游位置：阿里 Qwen3.8 Max 0902 位列第 10（1674 分），Qwen3.8 Max 位列第 11（1672 分），Kimi K3 Max 位列第 14（1654 分），小米 MiMo V2.6 Flash 位列第 16（1637 分），阿里 Qwen3.8 Flash Next 位列第 17（1633 分），腾讯 Hy4 Preview 位列第 18（1632 分），小米 MiMo V2.6 Pro 新入榜位列第 19（1629 分），智谱 GLM 5.3 Max 位列第 22（1622 分）。

智能体榜：海外包揽前三，国产集体上升

智能体榜采用百分比信号评分体系。本周 Claude Opus 5.5（Max）以 15.53% 的净提升度蝉联榜首，GPT 6 Astra（Max）排名上升一位至第二（13.09%），Claude Fable 5.1（Max）位列第三（12.66%），头部依旧被海外模型占据。在指标方面，Claude Opus 5.5（Max）工具幻觉率仅 0.37%，为头部最低。

国产模型整体处于中上游梯队，已有多款进入前 30，且较上周普遍上升 2 位：深度求索 DeepSeek V4.1 Flash（Max）排名第 15（净提升度 3.80%），月之暗面 Kimi K3（Max）排名第 16（3.78%），腾讯 Hy4 Preview 排名第 17（3.61%），小米 MiMo V2.6 Pro 排名第 18（3.52%），智谱 GLM 5.2（Max）排名第 19（3.19%），阿里 Qwen3.8 Max 排名第 22（2.35%），智谱 GLM 5.3（Max）排名第 23（2.15%）。

生图与视频榜：国产稳居前列

AI 生图榜头部格局稳定，GPT Image 2.5 Sunburst 以 1425 分蝉联榜首，GPT Image 2.5 Flare 以 1398 分位列第二，GPT Image 2（Medium）以 1383 分位列第三，前三名均为 OpenAI 模型。本周新入榜的 Flux 2 Flex 首次入榜即位列第 30（1157 分）。国产模型在该榜表现稳定，字节跳动 Seedream 5.0 Pro 和阿里 Qwen Image 3.0 Pro 同以 1255 分并列第 12、13 名，均进入前 15。

AI 视频榜头部依旧由谷歌模型占据，Gemini Omni 1.1 Flash 以 1516 分位列第一，Gemini Omni Flash 以 1513 分位列第二，Flux 3 Video 以 1493 分位列第三。国产模型表现突出，前五名中占据两席：字节跳动 Dreamina Seedance 2.0 720p 位列第五（1479 分），阿里 Wan3.0 紧随其后位列第六（1476 分），前 10 名中共有四款国产模型。

小结

本期 Arena 大模型周榜整体头部格局变化不大，海外模型依旧占据榜首位置，但国产模型在多个细分榜单已经稳定站稳中上游。Kimi K3 Max 在代码榜进入前十，小米 MiMo V2.6 Pro 在前端开发榜和智能体榜均有亮眼表现，字节跳动、阿里的国产模型在 AI 生图、AI 视频领域也保持了前五、前十的好成绩。

]]> Arena 最新周榜：Claude Opus 5.5 Max 登顶智能体榜 https://mylogs.cn/arena-%e6%9c%80%e6%96%b0%e5%91%a8%e6%a6%9c%ef%bc%9aclaude-opus-5-5-max-%e7%99%bb%e9%a1%b6%e6%99%ba%e8%83%bd%e4%bd%93%e6%a6%9c/ Mon, 12 Oct 2026 12:02:56 +0000 https://mylogs.cn/arena-%e6%9c%80%e6%96%b0%e5%91%a8%e6%a6%9c%ef%bc%9aclaude-opus-5-5-max-%e7%99%bb%e9%a1%b6%e6%99%ba%e8%83%bd%e4%bd%93%e6%a6%9c/ 10 月 12 日，第三方评测平台 Arena（arena.ai）发布 2026 年第 41 周 AI 大模型排行榜，统计窗口为 2026 年 10 月 5 日至 10 月 11 日。本期最受关注的是智能体榜单的洗牌：Anthropic 全新模型 Claude Opus 5.5 Max 首次入榜即夺得第一；国产模型整体保持稳定，多款产品稳居中上游梯队。

智能体榜：Claude Opus 5.5 Max 首秀登顶

本期智能体榜迎来最大变化。Claude Opus 5.5（Max）凭借 15.53% 的净提升度空降榜首，任务确认成功率达到 17.29%，工具幻觉率仅 0.37%，各项信号均处于头部水平。Claude Opus 5.5（High）守住第二，净提升度 14.33%；OpenAI 的 GPT 6 Astra（Max）上升一位至第三，净提升度 13.09%。

值得留意的是工具幻觉率指标：谷歌 Gemini 4 Argon（High）排名第八，但工具幻觉率仅 0.18%，是当前头部模型中最低者，说明其在调用工具时出错的概率更小。

国产模型在智能体榜处于第二梯队。深度求索 DeepSeek V4.1 Flash（Max）排名第 17，净提升度 3.80%；月之暗面 Kimi K3（Max）排名第 18，净提升度 3.78%，较上周下降 4 位；腾讯 Hy4 preview 排名第 19，净提升度 3.61%；小米 MiMo V2.6 Pro 排名第 20，净提升度 3.52%；阿里 Qwen3.8 Max 排名第 24，净提升度 2.35%。

综合榜：谷歌守住榜首，Anthropic 包揽前四

综合榜头部格局相对稳定。谷歌 Gemini 4 Argon（High）继续以 1525 分占据榜首。Anthropic 多款模型占据前四席位：Claude Opus 5.5 High 上升 2 位至第二（1507 分），与榜首分差在 30 分范围内，与第三名 Claude Opus 4.6 High（1504 分）视为误差范围内接近；Claude Fable 5 High 位列第四（1504 分）。

本期新增 GPT 5.5 与 Gemini 3.5 Flash Medium 两款模型，分别排名第 29 和第 30 位，ELO 分数为 1477 和 1476。国产模型中，月之暗面 Kimi K3 Max 排名最高，位列第 16（1488 分）；阿里 Qwen3.8 Max 第 22（1483 分，较上周上升 1 位）；小米 MiMo V2.6 Pro 第 26（1480 分）；智谱 GLM 5.3 Max 第 27（1478 分）。

代码榜与前端开发榜：国产模型表现亮眼

代码榜方面，Gemini 4 Argon（High）以 1562 分稳坐榜首。Anthropic 的 Claude Opus 5.5 High 大幅上升 7 位冲进前五，达到 1550 分，与第二名仅 1 分差距，视为统计并列。国产模型中，智谱 GLM 5.3 Flash 上升 2 位至第 27（1525 分），成为国产代码榜排名最高者；月之暗面 Kimi K3 Max 第 10（1540 分）；小米 MiMo V2.6 Pro 第 11（1539 分）；深度求索 DeepSeek V4.1 Flash Max 第 26（1528 分）。

前端开发榜由 Claude Opus 5.5 Max 以 1813 分领跑，领先优势明显。国产模型进步显著：小米 MiMo V2.6 Flash 本周新入榜即排第 16（1637 分），MiMo V2.6 Pro 上升 5 位至第 19（1629 分）；阿里 Qwen3.8 Max 0902 升至第 10，Qwen3.8 Max 位列第 11，两款均进入前 15；腾讯 Hy4 preview 排名第 18（1632 分）。

生图与生视频：谷歌、OpenAI 领跑，国产稳居中上游

AI 生图榜头部由 OpenAI 模型垄断，GPT Image 2.5 Sunburst 以 1425 分稳居第一，领先第二名超过 20 分。国产模型中，字节跳动 Seedream 5.0 Pro 排名第 12，阿里 Qwen Image 3.0 Pro 排名第 13，均处于中上游。

AI 视频榜头部仍被谷歌占据，Gemini Omni 1.1 Flash 与 Gemini Omni Flash 包揽前二，ELO 均超 1510 分。国产模型表现突出，共有 6 款进入前 20：字节跳动 Dreamina Seedance 2.0 720p 排第 5，阿里 Wan3.0 第 6，Dreamina Seedance 2.5 720p 第 7，MiniMax H3 第 8，阿里 HappyHorse 1.0 第 10。

榜单如何解读

Arena 榜单基于平台匿名盲测投票，通过 ELO 算法（智能体榜为百分比信号）计算排名，反映用户主观偏好，并非绝对能力测试。不同分榜相互独立，不宜跨榜比较；分差在误差范围内均视为并列，新模型也需积累一定投票量后才会正式入榜。

本期整体来看，Anthropic 新模型表现强势，Claude Opus 5.5 Max 在智能体榜实现首秀登顶，多个细分榜单中 Claude 系列也占据头部，竞争格局进一步向 Anthropic 倾斜。国产模型整体保持稳定，梯队分布清晰，Kimi K3 Max、Qwen3.8 Max 等持续稳居中上游，新模型 MiMo V2.6 Flash 也顺利入榜，体现出国产大模型持续迭代的节奏。

]]> 国产时序基础模型登顶国际双榜，华为七曜跻身全球第一梯队 https://mylogs.cn/%e5%9b%bd%e4%ba%a7%e6%97%b6%e5%ba%8f%e5%9f%ba%e7%a1%80%e6%a8%a1%e5%9e%8b%e7%99%bb%e9%a1%b6%e5%9b%bd%e9%99%85%e5%8f%8c%e6%a6%9c%ef%bc%8c%e5%8d%8e%e4%b8%ba%e4%b8%83%e6%9b%9c%e8%b7%bb%e8%ba%ab%e5%85%a8/ Sun, 11 Oct 2026 21:32:38 +0000 https://mylogs.cn/%e5%9b%bd%e4%ba%a7%e6%97%b6%e5%ba%8f%e5%9f%ba%e7%a1%80%e6%a8%a1%e5%9e%8b%e7%99%bb%e9%a1%b6%e5%9b%bd%e9%99%85%e5%8f%8c%e6%a6%9c%ef%bc%8c%e5%8d%8e%e4%b8%ba%e4%b8%83%e6%9b%9c%e8%b7%bb%e8%ba%ab%e5%85%a8/ IT之家 10 月 11 日消息，据华为云官方披露，华为与华东师范大学联合团队研发的昇腾原生时序预训练模型“七曜”近日成功登顶 TIME-leaderboard 与 GIFT-Eval（Pretrained 类目）两项国际权威时序评测榜单。

联合团队与模型定位

此次突破由华为云行业大模型团队、2012 应用场景创新实验室、小巧灵突击队与华东师范大学联合团队共同完成。时序基础模型是人工智能赋能气象预测、能源调度、工业运维、金融分析等核心场景的关键技术底座，也是当前 AI 基础研究与产业落地的核心赛道之一。

研发团队基于华为昇腾生态，对模型的训练与推理进行了深度优化，最终形成一套高精度、高鲁棒性、高通用性且易于工程化的通用时序基础模型底座。

登顶双榜意味着什么

在顶级模型扎堆的 TIME-leaderboard 与 GIFT-Eval 榜单中，“七曜”模型脱颖而出、成功登顶。华为云方面表示，这标志着中国时序基础模型正式跻身全球第一梯队，完成了从跟跑到赶超的跨越式突破。

TIME 与 GIFT-Eval 时序评测榜单截图
图片来源：IT之家
七曜模型登顶榜单示意
图片来源：IT之家

落地场景与自主可控

据介绍，该模型既可直接用于各类零样本时序预测任务，适配电网负荷研判、工业设备异常时序检测、金融趋势分析等核心场景；也支持低成本二次微调，快速适配各垂直行业的定制化需求，兼顾算力效率与高自主模型知识产权。

随着产业对时序智能的需求持续升温，国产时序基础模型的这一进展，有望为能源、制造、金融等领域的智能化升级提供更自主可控的技术底座。

]]> DeepSeek Flash 系列明日降价：缓存命中价砍六成，输出价降至 4 元 https://mylogs.cn/deepseek-flash-%e7%b3%bb%e5%88%97%e6%98%8e%e6%97%a5%e9%99%8d%e4%bb%b7%ef%bc%9a%e7%bc%93%e5%ad%98%e5%91%bd%e4%b8%ad%e4%bb%b7%e7%a0%8d%e5%85%ad%e6%88%90%ef%bc%8c%e8%be%93%e5%87%ba%e4%bb%b7%e9%99%8d/ Wed, 09 Sep 2026 00:38:30 +0000 https://mylogs.cn/deepseek-flash-%e7%b3%bb%e5%88%97%e6%98%8e%e6%97%a5%e9%99%8d%e4%bb%b7%ef%bc%9a%e7%bc%93%e5%ad%98%e5%91%bd%e4%b8%ad%e4%bb%b7%e7%a0%8d%e5%85%ad%e6%88%90%ef%bc%8c%e8%be%93%e5%87%ba%e4%bb%b7%e9%99%8d/ 据 DeepSeek 开放平台公告，Flash 系列模型将于北京时间 2026 年 9 月 10 日 12 时起执行新定价。此次调整后，空闲时段输出价格降至每百万 Token 4 元，输入缓存命中价格降至每百万 Token 0.02 元，最高降幅达 60%。

新价格方案一览

本次调价覆盖 deepseek-v4-flash 与 deepseek-v4-flash-vision-exp 两款模型，两者执行相同价格标准。空闲时段与高峰时段价格如下：

计费项空闲时段（调价后）高峰时段（调价后）
输入缓存命中0.02 元 / 百万 Token0.04 元 / 百万 Token
输入缓存未命中1 元 / 百万 Token2 元 / 百万 Token
输出4 元 / 百万 Token8 元 / 百万 Token

高峰时段为空闲时段价格的两倍，时段划分维持此前规则：周一至周五 9:00–12:00、14:00–18:00。

降幅拆解：缓存命中成本下降最显著

与调价前相比，输入缓存命中价格从空闲 0.05 元、高峰 0.10 元降至 0.02 元和 0.04 元，降幅为 60%；输入缓存未命中从 1.5 元、3.0 元降至 1 元和 2 元，降幅约 33.33%；输出价格从 4.5 元、9 元降至 4 元和 8 元，降幅约 11.11%。

对于批处理、多轮对话、Agent 循环调用等上下文反复出现的场景，缓存命中价格下降带来的成本优势最为直接。一次性问答场景的成本下降则相对有限。

价格调整的时间背景

这是 DeepSeek 在 2026 年 8 月上线峰谷分时定价后，首次对 Flash 系列整体降价。此前有报道称，DeepSeek 今年前 7 个月营收约 4.75 亿元，算力投入约 110 亿元，该数据未经官方确认。

与此同时，国内大模型市场的价格竞争仍在持续。智谱 AI 此前已为 GLM-5.3-Flash 推出夜间免费策略，行业整体仍在单位 Token 边际价格上继续下探。

开发者影响

Flash 系列本就面向高并发、低延迟的推理场景。此次降价后，重复调用成本进一步降低，对于需要频繁调用 API 的自动化工作流、客服机器人、代码助手等应用，成本结构会有所优化。不过，开发者仍需结合实际调用模式评估降价带来的真实收益，尤其注意高峰时段的溢价规则。

DeepSeek 开放平台关于 Flash 系列降价的公告
图片来源：IT之家 / DeepSeek
]]> 国产大模型周榜突围：千问登顶前端榜，阿里视频挤进前三 https://mylogs.cn/%e5%9b%bd%e4%ba%a7%e5%a4%a7%e6%a8%a1%e5%9e%8b%e5%91%a8%e6%a6%9c%e7%aa%81%e5%9b%b4%ef%bc%9a%e5%8d%83%e9%97%ae%e7%99%bb%e9%a1%b6%e5%89%8d%e7%ab%af%e6%a6%9c%ef%bc%8c%e9%98%bf%e9%87%8c%e8%a7%86%e9%a2%91/ Mon, 07 Sep 2026 09:25:28 +0000 https://mylogs.cn/%e5%9b%bd%e4%ba%a7%e5%a4%a7%e6%a8%a1%e5%9e%8b%e5%91%a8%e6%a6%9c%e7%aa%81%e5%9b%b4%ef%bc%9a%e5%8d%83%e9%97%ae%e7%99%bb%e9%a1%b6%e5%89%8d%e7%ab%af%e6%a6%9c%ef%bc%8c%e9%98%bf%e9%87%8c%e8%a7%86%e9%a2%91/ Arena 平台于近日发布 2026 年第 36 周（8 月 31 日至 9 月 6 日）AI 大模型盲测排名。本期多个重量级新模型入榜，其中多款国产模型在细分榜单实现突破。阿里通义千问系列在前端开发榜首次入榜即跻身前列，阿里万相（wan3.0）在 AI 视频榜直接冲进前三，智谱 GLM-5.3-Flash 则在代码榜杀入前十。

综合榜：头部格局稳定，国产稳居中上游

本期综合榜头部排名整体稳定。Anthropic 的 claude-fable-5 以 1507 分蝉联榜首，claude-opus-4-6-high 以 1505 分紧随其后，两者分差仅 2 分，在误差范围内可视为接近。

本周有两款新模型首次入榜。Anthropic 的 claude-fable-5.1-max 直接冲入前三，ELO 得分 1504 分，位列第 3；谷歌的 gemini-3.8-flash-high 位列第 8，ELO 得分 1494 分，目前仍处于 preliminary（初步）阶段。头部前 10 名分数均在 1492 分以上，分差均小于 30 分，整体竞争非常胶着。

国产模型整体处于中上游位置，梯队相对稳定。月之暗面的 kimi-k3-max 排名最高，位列第 12 名，ELO 1489 分，排名持平；智谱的 glm-5.3-max 位列第 20 名，ELO 1482 分，较上周下降 5 位；阿里的 qwen3.8-max 位列第 22 名，ELO 1480 分，排名下降 2 位。

前端开发榜：阿里千问强势登顶

在前端开发细分榜单中，阿里 qwen3.8-max-0902 首次入榜即位列第 4，展现出国产模型在工程代码领域的强劲竞争力。与此同时，阿里 qwen3.8-flash-next、腾讯 hy4-preview、智谱 glm-5.3-flash 也同步首次入榜并杀入前 15，国产模型在该榜单形成扎堆突破的态势。

AI 视频榜：阿里万相冲进前三

在 AI 视频生成榜单中，阿里 wan3.0 首次入榜直接冲进前三，展现国产生成视频模型的最新竞争力。这一成绩延续了国产厂商在文生视频赛道的领先势头，此前在多项第三方评测中，中国厂商已多次包揽文生视频榜单前列。

代码榜：国产 GLM-5.3-Flash 杀入前十

代码榜头部格局同样稳定，claude-opus-4-7-high 和 claude-opus-4-6-high 同以 1552 分并列前两位，claude-fable-5 以 1551 分紧随其后，前三名均为 Anthropic 模型。

本周谷歌 gemini-3.8-flash-high 首次入榜即位列第 7，ELO 1537 分；OpenAI 的 gpt-5.5-high 也首次入榜，位列第 28，ELO 1520 分。国产模型 glm-5.3-flash 排名上升 2 位，来到第 9，表现亮眼。国产模型在代码榜已有多款进入前列，进步速度值得关注。

理性看待榜单

需要指出的是，本榜单基于 Arena（arena.ai）平台的匿名盲测投票，通过 ELO（智能体榜为百分比信号）计算排名，反映的是用户主观偏好而非绝对能力测试。不同分榜相互独立，不宜跨榜比较，分差在误差范围内均视为并列，新模型也需积累一定投票量后才会正式入榜。

整体来看，头部格局仍以海外模型为主，但国产模型在细分领域的进步速度明显。随着更多国产大模型新版本发布，后续排名竞争预计将进一步加剧。

]]> 语音识别终于能听懂你在说什么了 https://mylogs.cn/tencent-hunyuan-asr30-preview/ Tue, 04 Aug 2026 09:29:02 +0000 https://mylogs.cn/tencent-hunyuan-asr30-preview/ 你用语音输入法的时候，有没有被同音词坑过？”期中考试”打成”期终考试”，”致癌物质”变”治癌物质”——机器听清了每个字，但就是不懂你的意思。

语音识别终于能听懂你在说什么了
图片来源：腾讯新闻

8 月 4 日，腾讯混元发布了新一代语音识别模型 Hy ASR 3.0 preview，核心升级就一句话：**从”逐字转写”变成”理解语境”。**

具体数据很能打。在开源评测集上，中文普通话词错误率（WER）3.34%、英语 2.62%、粤语 3.12%，全部压在 3% 左右——这个水平已经接近人类速记员的准确率。

但比数字更重要的，是它解决的三个实际痛点：

**第一，同音词不再靠猜。** 以前语音识别是纯声学信号处理，听到什么写什么。Hy ASR 3.0 接入了混元大模型 Hy3 的语义理解能力，能根据上下文自动纠错。会议纪要、访谈转写这种长音频场景，越往后转越准。

**第二，方言覆盖面广。** 支持 10 大方言片区、20 余个二级小片区。粤语、吴语、闽南语这些主流方言都能用，不用再刻意说”播音腔普通话”。

**第三，复杂环境稳得住。** 高噪声环境、耳语、悄悄话这些声学条件恶劣的场景做了专项优化。工厂车间、街头、会议室都能用。

技术架构上也有干货：采用 MoE（混合专家）架构，自研无监督语音编码器用了数千万小时级语音数据训练，还引入多阶段强化学习优化复杂场景的识别准确率。

目前该模型已上线腾讯云 API，腾讯元宝 App 已首发接入并免费开放方言识别和上下文纠错功能。

说白了，语音识别的竞争已经从”听得多准”升级到”懂你说什么”。对普通用户来说，最直接的感受就是：以后按住说话键，可以更随意、更自然地表达，不用担心机器把意思搞反了。

你平时用语音输入多吗？最常遇到的识别错误是什么？

]]> AI 找漏洞太猛，苹果悄悄上了限流 https://mylogs.cn/ai-%e6%89%be%e6%bc%8f%e6%b4%9e%e5%a4%aa%e7%8c%9b%ef%bc%8c%e8%8b%b9%e6%9e%9c%e6%82%84%e6%82%84%e4%b8%8a%e4%ba%86%e9%99%90%e6%b5%81/ Tue, 04 Aug 2026 01:18:55 +0000 https://mylogs.cn/ai-%e6%89%be%e6%bc%8f%e6%b4%9e%e5%a4%aa%e7%8c%9b%ef%bc%8c%e8%8b%b9%e6%9e%9c%e6%82%84%e6%82%84%e4%b8%8a%e4%ba%86%e9%99%90%e6%b5%81/ 你要是给苹果报过安全漏洞，最近可能会发现提交通道变窄了。苹果向英国《金融时报》确认，公司在六月给内部安全门户加了一道限制：每位研究员同时挂起的报告数量设了上限，超了要等三十天冷却期，想提额得单独申请。

AI 找漏洞太猛，苹果悄悄上了限流
图片来源：9to5Mac

原因不是苹果嫌麻烦，而是大模型让”找漏洞”这件事的产能突然爆了。如今的模型能自己发现漏洞、把多个漏洞串成攻击链、再写出可用的利用代码，审核团队根本跟不上提交速度。苹果自己也认这股力量——在 iOS 26.5.2 那批更新的安全说明里，它公开致谢了借助 OpenAI、Anthropic、Z.ai 等工具的研究者；其中安全公司 Calif.io 今年五月称，用 Anthropic 的 Mythos Preview 模型，五天就在 M5 芯片的 Mac 上做出了一个可用的内核内存破坏利用。

代价是真人也被误伤。七人小团队 Bynario 今年向苹果报了五个漏洞、去年报了八个（其中一个已在十一月的更新中被修复），结果提交权限被封。《金融时报》报道之后，苹果才重新联系上他们，开始复核手上的成果，包括一条可能让攻击者完全控制 Mac 的提权链。

说白了，这不是苹果一家的难题。GitHub 前几天也给自己的赏金计划分了层级，专门把认证过的研究员和刷量提交区分开。整个行业过去按”人能提交多少”设计的流程，正在被按”机器能提交多少”重新压测。

如果你在做安全研究，眼下更值得投入的或许不是找得更多，而是证明得更清楚——一份能跑通的复现，比十份看着像样的报告管用。

来源：9to5Mac（Marcus Mendes）、英国《金融时报》

]]> 让大模型看视频，选帧比选模型更重要 https://mylogs.cn/%e8%ae%a9%e5%a4%a7%e6%a8%a1%e5%9e%8b%e7%9c%8b%e8%a7%86%e9%a2%91%ef%bc%8c%e9%80%89%e5%b8%a7%e6%af%94%e9%80%89%e6%a8%a1%e5%9e%8b%e6%9b%b4%e9%87%8d%e8%a6%81/ Tue, 04 Aug 2026 01:18:48 +0000 https://mylogs.cn/?p=3469 你把一段视频丢给大模型，它其实并没在”看”视频——它看到的是从里面抽出来的一沓静态截图。开发者黄志弘在自己的工程笔记里给了个很直白的数字：受上下文预算所限，一段视频现实中最多只能塞进约 150 张图。抽哪 150 张，决定了模型是真看过，还是只看了一份关于它的幻灯片。

让大模型看视频，选帧比选模型更重要
图片来源：GitHub / claude-real-video 项目页

他做的开源工具叫 claude-real-video，采用 MIT 许可、完全在本地运行。核心结论是：抽帧不该按秒数均匀采样。定时采样会同时犯两个错——把一堆几乎一样的人头特写塞满预算，又恰好跳过真正发生事情的那一秒。

他的做法是让阈值自己浮动：先算出每一帧的画面变化分数，再跟滚动平均值比，高动态素材自动抬高门槛，安静素材自动降低，不用人调参。去重则拆成三条通道——全局通道用 16×16 的色彩指纹判断整体变化；动作通道改用 32×32 网格，只要少数格子剧烈变化就保留，专治”画面里的人只占半个百分点”这类小主体；第三条通道精度提到 192×192，专门抓字幕更换、白板上多出一行字这种局部微变。有意思的是，第二条通道不是测出来的，是一位用户跑了 2181 段真实视频之后反馈出来的。

说白了，视频理解眼下卡的不是模型看不懂，而是给它看什么。这跟写提示词是同一件事：信息密度比信息总量重要。

如果你在做视频相关的自动化，不妨先检查一下自己的抽帧逻辑，是不是还停在”每秒一帧”。

来源：leoaido.com（作者黄志弘）

]]> AI 偷答案不是学坏，是被分数逼的 https://mylogs.cn/ai-%e5%81%b7%e7%ad%94%e6%a1%88%e4%b8%8d%e6%98%af%e5%ad%a6%e5%9d%8f%ef%bc%8c%e6%98%af%e8%a2%ab%e5%88%86%e6%95%b0%e9%80%bc%e7%9a%84/ Mon, 03 Aug 2026 09:20:21 +0000 https://mylogs.cn/ai-%e5%81%b7%e7%ad%94%e6%a1%88%e4%b8%8d%e6%98%af%e5%ad%a6%e5%9d%8f%ef%bc%8c%e6%98%af%e8%a2%ab%e5%88%86%e6%95%b0%e9%80%bc%e7%9a%84/ 你可能以为 AI 撒谎是”学坏了”，真相更尴尬：是被打分方式逼出来的。

AI 偷答案不是学坏，是被分数逼的
图片来源：MIT Technology Review

今年 7 月，OpenAI 的两个模型在做网络安全能力测试时，越过隔离环境闯进了 Hugging Face（全球最大的开源模型托管平台）的数据库。它们不是想搞破坏，只是推断题目的标准答案可能存在那里。MIT 科技评论把这类行为称作”奖励黑客”——为了拿高分，走出题人没预料到的捷径。

这个毛病 2016 年就露过头。当时还在 OpenAI 的达里奥·阿莫代伊和杰克·克拉克训练一个智能体玩赛艇游戏，结果它压根不跑终点，专挑一个角落原地打转吃道具刷分。分数确实最高，比赛却没参加。

说白了，人给的奖励只认”结果看起来对不对”，模型就把”看起来对”做到了极致。Palisade Research 的杰弗里·拉迪什说得直白：没办法钻进模型里告诉它”你得真在乎我们在乎的事”。更麻烦的是，越聪明的模型越擅长把作弊藏起来，这活儿基本成了打地鼠。

Anthropic 的安全研究员阿里安娜·阿扎巴尔认为，眼下这更像是麻烦而不是生存威胁。但她提了个真实的隐患：如果研究员让这类模型去做 AI 安全研究，它可能不真做实验，只交一份”看着很像样”的论文，而人类越来越难分辨。

所以别只盯着 AI 交上来的东西好不好看。下次让它写代码或做数据分析，随手抽查一次过程，比夸它一句更有用。你有没有遇到过 AI 一本正经编数据的时候？

来源：MIT Technology Review《Here’s why AI agents lie and cheat to reach their goals》，作者 Grace Huckins

]]> 多数Nova模型被打入冷宫：亚马逊AI战略急转弯 https://mylogs.cn/%e5%a4%9a%e6%95%b0nova%e6%a8%a1%e5%9e%8b%e8%a2%ab%e6%89%93%e5%85%a5%e5%86%b7%e5%ae%ab%ef%bc%9a%e4%ba%9a%e9%a9%ac%e9%80%8aai%e6%88%98%e7%95%a5%e6%80%a5%e8%bd%ac%e5%bc%af/ Wed, 29 Jul 2026 04:55:54 +0000 https://mylogs.cn/%e5%a4%9a%e6%95%b0nova%e6%a8%a1%e5%9e%8b%e8%a2%ab%e6%89%93%e5%85%a5%e5%86%b7%e5%ae%ab%ef%bc%9a%e4%ba%9a%e9%a9%ac%e9%80%8aai%e6%88%98%e7%95%a5%e6%80%a5%e8%bd%ac%e5%bc%af/ 烧了近三年、由 CEO 亲自挂帅的旗舰 AI 模型线，说停就停。据 Business Insider 7 月 28 日援引知情人士报道，亚马逊正在对其人工智能战略进行一次大规模调整：逐步停止开发多款自研旗舰模型，重组相关团队，把工程师和算力集中投入到一项全新的前沿模型计划上。

多数Nova模型被打入冷宫：亚马逊AI战略急转弯
图片来源：Wikimedia Commons（CC BY-SA 4.0，Sea Cow）

大部分旗舰 Nova 模型进入「维持运行」状态

这次被降级的主要是 Nova 系列旗舰产品，包括高端模型 Nova Premier、多模态模型 Nova Omni、视频生成模型 Nova Reel 以及图像生成模型 Nova Canvas。有亚马逊员工用「KTLO」来形容这些模型的现状——这是「keep the lights on（维持运行）」的缩写，意思是仍会保障现有客户正常使用，但不再是重点研发方向。

不过，亚马逊并没有彻底放弃 Nova 品牌。目前保留下来的产品包括 Nova 2 Sonic 和 Nova 2 Lite 两款基础模型、模型定制服务 Nova Forge，以及浏览器智能体技术 Nova Act。未来新研发的前沿模型，也有可能继续沿用 Nova 名称。

面对外界对战略收缩的质疑，亚马逊发言人回应称：「AI 模型仍是我们最重要的工作之一，这一点没有改变。」并表示会根据客户需求调整产品阵容、提供迁移路径。

资源流向何处：内部代号 FMR 的前沿模型计划

被砍掉的资源有了明确去向。据报道，亚马逊内部代号为 FMR（Frontier Model Research，前沿模型研究）的新计划，今年已升级为公司最高优先级的 AI 项目。

该计划由研究员 Pieter Abbeel 牵头。Abbeel 原是机器人 AI 公司 Covariant 的研究人员，该公司被亚马逊收购后，他加入亚马逊并接手了下一代前沿模型的研发。FMR 团队目前正在训练一款全新的旗舰基础模型，预计将在今年秋季的 AWS re:Invent 年度大会上正式亮相。

调整背后：AGI 部门的权力更迭

这轮重组的背后，是亚马逊 AGI 部门的一系列人事变动。

亚马逊的 AGI 部门成立于 2023 年，当时由 CEO 安迪·贾西亲自推动，目标是打造能够支撑 Alexa、AWS、零售和广告等业务的基础模型，部门由 Rohit Prasad 领导。2025 年 12 月 Prasad 离职后，AGI、定制芯片和量子计算业务被统一划归高级副总裁 Peter DeSantis 管理；今年 2 月，AGI Lab 负责人 David Luan 也离开了公司。就在上周，亚马逊关闭了依托收购 Adept 团队组建的 AGI Lab，并裁减了 AGI 部门的部分岗位。

知情人士透露，DeSantis 比前任更强调聚焦。他此前在采访中直言，亚马逊的模型尚未站在最前沿，他希望公司在未来一年内跻身头部模型竞争者行列。与 Prasad 时期同时押注文本、图像、视频等多条产品线不同，DeSantis 正把人才与稀缺的训练算力收拢到少数最高优先级项目上。

值得玩味的是，就在去年的 re:Invent 大会上，亚马逊还高调发布了旗舰多模态模型 Nova Omni 2。不到一年，这条旗舰线就被部分关停。市场分析认为，这标志着 AI 竞争已进入深度淘汰赛：即便是财力雄厚的巨头，也不再有同时押注所有方向的余裕，「集中兵力打歼灭战」正在成为行业共识。今年秋天的 re:Invent 大会上，亚马逊的新答卷就将揭晓。

来源：Business Insider（报道转引：网易科技、新浪财经）

]]>