LLM Weekly(2026.7.6-2026.7.12)

在这里插入图片描述
😎 网络新闻

OpenAI 发布 GPT-5.6,包含 Sol、Terra 和 Luna 三个版本。 OpenAI 于 7 月 9 日发布 GPT-5.6,提供三个变体:Sol(旗舰版,输入/输出每百万 tokens 定价 $5/$30)、Terra(均衡版,$2.50/$15)和 Luna(快速版,$1/$6)。Sol 在 Terminal-Bench 上得分 88.8%,并驱动新版 ChatGPT Work 专业层级。所有模型均支持 100 万 token 上下文、原生工具使用以及跨 API 和 ChatGPT 的多模态推理。

苹果公司就 AI 硬件相关商业秘密盗用起诉 OpenAI。 苹果提起联邦诉讼,指控 OpenAI 通过协调性招聘系统性地窃取硬件商业秘密。诉状称,OpenAI 硬件主管 Tang Tan(曾任苹果副总裁)指示仍在苹果任职的求职者携带“实际零件”参加“展示与讲解”会议——这标志着两家公司 2024 年 ChatGPT-iPhone 合作关系的戏剧性逆转。

Meta 推出用于智能体编码的 Muse Spark 1.1。 Meta 于 7 月 9 日发布 Muse Spark 1.1,这是一款多模态推理模型,专用于智能体编码任务,直接与 Anthropic 和 OpenAI 竞争。定价为每百万 tokens $1.25/$4.25,每个账户赠送 $20 免费额度。

LLM Weekly(2026.7.20-2026.7.26) Anthropic 发布了 Claude Opus 5,其定位为以 Fable 5 一半的价格提供接近 Fable 5 的前沿智能水平。Opus 5 在 Frontier-Bench 和 GDPval-AA 上创下了新纪录,在 CursorBench 3.2 上的得分与 Fable 5 的差距在 0.5% 以内,并以三分之一的成本在 OSWorld 2.0 上击败了 Fable 5。定价维持在每百万 tokens 输入 5 美元/输出 25 美元。 阅读详情

相关推荐

LLM Weekly(2026.6.22-2026.6.28)

Anthropic 向美国参议院表示,与阿里巴巴有关联的操作者在 2026 年 4 月至 6 月期间,使用约 25,000 个欺诈账户与 Claude 进行了 2880 万次交互,目标是获取软件工程和网络安全能力。论证了世界模型幻觉源于状态-动作空间中代表性不足的区域,识别了三种不同的幻觉类别,并提供了各自的检测信号。阿里巴巴在超过 1000 万条跨七个领域的交互轨迹上,使用持续预训练、监督微调和用于仿真保真度的强化学习三阶段流程,训练了 35B 和 397B 的基础模型。🔬 有趣的论文和代码库。

c_cpp_csharp的专栏 23

LLM Weekly(2026.4.6-2026.4.12)

首个世界模型通用开源框架,明确定义以感知为核心、具备环境交互+长期记忆能力的世界模型统一标准。整合多任务通用推理代码,实现跨模型代码复用与协同推理,为全球世界模型研究搭建统一底层基座。

c_cpp_csharp的专栏 196

LLM Weekly(2026.6.29-2026.7.5)

一个 40 亿参数的编译器,在 1000 万个示例上训练,可将自然语言任务描述转换为参数高效的适配器,供冻结的 6 亿参数解释器使用。Agents-A1 是一款 350 亿参数的混合专家(MoE)模型,通过扩展智能体时程(平均 45K token)而非参数规模,达到了与 Kimi-K2.6 和 DeepSeek-V4-pro 等万亿参数系统相当的性能。Moondream 认为当前的 GPU 抢购潮不可持续,分析了推理成本下降速度快于需求增长的原因,以及大规模 GPU 部署的经济性将面临清算。

c_cpp_csharp的专栏 110

LLM Weekly(2025.10.6-10.12)

OpenAI 在 ChatGPT 平台内推出新一代支持聊天功能的应用程序,目前已在欧盟与英国以外地区上线。该功能由基于模型上下文协议(Model Context Protocol)构建的全新应用程序软件开发工具包(Apps SDK)提供技术支持。OpenAI 与 Spotify、Zillow 等合作伙伴展开合作,助力开发者触达 8 亿用户,通过对话式界面提升交互体验。

c_cpp_csharp的专栏 709

LLM Weekly(2026.6.15-2026.6.21)

Z.ai发布了GLM-5.2,这是一款基于MIT许可证的开放权重、以编程为先的模型,拥有100万token的上下文窗口,并基于DeepSeek稀疏注意力机制构建,适用于长周期智能体任务。VibeThinker-3B采用频谱到信号后训练、课程微调、多领域强化学习和离线自蒸馏,在AIME26上达到94.3分(扩展后97.1分),在LiveCodeBench v6上达到80.2分,在未见过的LeetCode竞赛中达到96.1%,仅用3B参数就匹配了更大的旗舰模型。🔬 有趣的论文和代码库。

c_cpp_csharp的专栏 31

LLM Weekly(2025.12.29-2026.1.4)

深度求索提出全新训练方法,助力中国人工智能能效提升 深度求索发布一篇关于流形约束超连接(Manifold-Constrained Hyper-Connections) 的论文,该训练框架可提升大型人工智能模型的可扩展性,同时降低算力与能耗需求。研究团队基于字节跳动2024年的技术成果,对参数量从30亿到270亿不等的模型展开测试。此项研究先于深度求索备受期待的R2模型问世,分析人士指出,即便面临美国的芯片限制,该模型仍有望再度颠覆全球人工智能领域格局。谷歌在NotebookLM平台测试30分钟音频课程功能

c_cpp_csharp的专栏 160

LLM Weekly(2026.1.12-2026.1.18)

人工智能公司Anthropic面向Claude Max订阅用户,在macOS版Claude应用中推出了一项名为Cowork的研究预览功能。该功能允许用户授权Claude访问指定文件夹,实现文件的读取、编辑与创建操作。Cowork具备更强的自主执行能力,可完成多步骤任务,还能通过各类连接器与技能组件处理文档和演示文稿,同时支持任务队列管理,所有操作均需用户审批后方可执行。Anthropic同时提醒用户,该功能存在执行破坏性操作以及遭遇提示词注入攻击的风险。

c_cpp_csharp的专栏 271

LLM Weekly(2026.8.10-2026.8.16)

隐藏信息准确性从个体的近 100% 下降到 17-36%,相互矛盾的指令升级为恶意软件和账户锁定,协调的智能体群组发现了 266 个漏洞,而并行独立运行的智能体仅发现 21 个。OpenAI 发布了 GPT-5.6-Cyber,这是一个基于 GPT-5.6 Sol 构建的安全专用模型,用于漏洞研究、漏洞验证和渗透测试,在内部高级网络评估中完成了 95% 的请求。不同于蒸馏到权重中,一个更强的“构建器”模型使用 5% 的数据作为验证集,为较弱的目标模型迭代构建一个推理时的工具包。

c_cpp_csharp的专栏 17

LLM Weekly(2026.7.13-2026.7.19)

Mira Murati 的初创公司推出 Inkling,这是一个 9750 亿参数的 MoE 模型,其中 410 亿参数为激活参数,在 45 万亿 token 的文本、图像、音频和视频数据上训练而成。来自 Impossible Research、UC Berkeley 和 CMU 的研究人员构建了 Schema,这是一个让前沿模型像物理学家一样工作的“马具”:将每个游戏的机制编写为可执行程序,根据交互历史测试预测,并在模型内部进行规划。该框架消除了此前将长上下文 RL 限制在短序列上的内存瓶颈。

c_cpp_csharp的专栏 19

LLM Weekly(2026.1.19-2026.1.25)

MCP并非问题根源,问题在你的服务器:搭建MCP服务器的最佳实践。高性能的MCP服务器会将该协议视为智能体的交互接口,而非简单的REST封装器:这类服务器会提供以结果为导向、扁平化且文档完善的工具,精简并清晰命名功能模块,对大容量结果进行分页处理,同时与技能插件形成互补——技能插件负责提供更高层级的工作流和指令,而非结构化的工具模式。该团队通过融合领域并行的专家训练、基于DORA的大规模异步强化学习、噪声感知的训练流程,以及新增的“深度思考模式”,全方位提升了模型的泛化能力、鲁棒性和推理阶段的表现。

c_cpp_csharp的专栏 58

LLM Weekly(2026.3.16-2026.3.22)

据 Anthropic 报告,开发者约 60% 的工作会使用 AI 辅助,但能完全交由 AI 代劳的任务仅占 0%–20%。来自乐天、加拿大电信运营商 TELUS 及 Zapier 的案例显示,Claude Code 可自主完成复杂开发工作,工程交付速度提升 30%,企业整体 AI 采用率达 89%,标志着开发模式从手写代码转向智能体编排。

c_cpp_csharp的专栏 138

LLM Weekly(2026.2.2-2026.2.8)

Anthropic 发布 Claude Opus 4.6,这是一款前沿大模型,在代码能力、长上下文推理与智能体任务表现上均有提升。该模型已开放(测试版)和。Claude Opus 4.6 在 Terminal-Bench 2.0、Humanity’s Last Exam、GDPval-AA、BrowseComp 等基准测试中领先,同时保持优秀的安全性能。Anthropic 还新增了,并强化了与 Excel、PowerPoint 的集成能力。

c_cpp_csharp的专栏 100

LLM Weekly(2025.12.1-12.7)

c_cpp_csharp的专栏 683

LLM Weekly(2026.4.20-2026.4.26)

专为智能体工作流设计的标准化语言,支持分支、循环、并行执行、状态管理、模块化开发;配套可视化编辑器,流程图与工作流实时同步。实测可读性、可维护性全面优于现有智能体开发框架。

c_cpp_csharp的专栏 178

LLM Weekly(2026.5.11-2026.5.17)

MinT 可在共享万亿参数基础模型上管理百万规模的 LoRA 适配器目录,支持扩展到超 1T 参数的 MoE 架构,也支持适配器占比不到基础模型 1% 的场景,实现 18.3 倍数据移动减少,并支持数千并发活跃适配器,效率提升 8.5–8.7 倍。发布 8B 和 30B MoE 版本,采用 NEO-unify 架构,在文本理解、视觉推理、图像合成和信息图生成等方面表现具有竞争力,在视觉-语言-动作和世界建模上也展现潜力。此次重组旨在减少冗余,通过垂直整合加速发展,包括计划中的太空数据中心和半导体制造。

c_cpp_csharp的专栏 181

LLM Weekly(2026.5.4-2026.5.10)

与竞争对手的独立生成器不同,Omni 原生理解声音与视觉之间的关系。Google DeepMind 的 Gemini 驱动编码代理在数据中心调度中回收了全球 0.7% 的算力,将 Gemini 训练内核加速 23%,FlashAttention 加速 32.5%,并找到了 56 年来 Strassen 矩阵乘法算法的首次改进。在视觉-语言方面接近 Gemini 2.5 Flash,在全模态理解上超越 Qwen3-Omni-30B,并可在低于 12GB RAM 的边缘设备上实时全双工交互。

c_cpp_csharp的专栏 52

LLM Weekly(2026.4.27-2026.5.3)

NVIDIA 发布 Nemotron 3 Nano Omni,这是一款混合 Mamba-Transformer 模型,配备专用的视觉和音频编码器,用于文档分析、ASR 和视频理解。该模型将图像、视频、网页和文档的理解直接集成到 Agent 工作流中,提升多模态编码和视觉工具使用能力,同时通过分层优化保持了有竞争力的纯文本性能。Tuna-2 用简单 patch 嵌入替代模块化的预训练视觉编码器,在图像生成和感知基准上达到 SOTA,同时降低架构复杂度,并在大规模下展现更强的细粒度视觉感知能力。

c_cpp_csharp的专栏 197

【cocos2dx面试题干货】--2021年最新cocos2dx面试干货(引擎篇)

【cocos2dx面试题干货】--2020年度最新cocos2dx面试干货(引擎篇 ) 大家好,我是Lampard~~ 经过春招一番艰苦奋战之后,我终于是进入了心仪的公司。 今天给大家分享一下我在之前精心准备的一套面试知识。 由于我面试的岗位是cocos2dx的开发岗,今天就先给大家分享一下引擎方面的知识。 本人亲测80%的引擎相关题目都...

Lampard的博客 1万+

实验六 有源滤波器

实验六 有源滤波器一、实验目的二、仪器及设备三、预习要求画出三个电路的幅频特性曲线。四、实验内容l.低通滤波电路2.高通滤波电路3.带阻滤波电路(1)实测电路中心频率。(2)以实测中心频率为中心,测出电路幅频特性。五、实验报告六,仿真图:图 1 低通滤波器仿真图图 2 高通滤波器仿真图图 3 带阻滤波电路仿真图 一、实验目的 1.熟悉有源滤波电路构成及其特性。 2.学会测量有源滤波电路幅频特性。 二、仪器及设备 1.示波器 2.信号发生器 三、预习要求 1.预习教材有关滤波电路

胡毛毛的博客 1万+

ENVI5.6 批量处理GF-2/GF-6/GF-7:从安装到融合的完整自动化流程

本文详细介绍了ENVI5.6环境下批量处理GF-2/GF-6/GF-7卫星数据的完整自动化流程,包括环境配置、工具安装、正射校正、图像融合等关键步骤。通过实战案例和优化技巧,帮助用户高效完成高分卫星影像处理,提升工作效率。特别针对GF-6和GF-7的特殊处理要点进行了深入解析。

weixin_42546392的博客 179

【ArcGIS】ArcMap中北京1954坐标系转WGS84的实战技巧与参数选择

本文详细解析了在ArcMap中将北京1954坐标系数据转换为WGS84坐标系的完整流程与核心技巧。针对常见的坐标偏移问题,文章首先强调了数据“归位”的重要性,并提供了处理假东、假北值的具体操作步骤。随后,重点阐述了地理变换参数(如Beijing_1954_To_WGS_1984_2)的选择逻辑及其对转换精度的决定性影响,并结合案例说明了参数选择、中央经线确认及结果验证等关键环节,旨在帮助用户高效、准确地完成坐标转换。

f6g7h8i9j的博客 330

避开这些坑!baostock获取股票数据时最容易犯的5个错误(Python实战)

本文针对使用Python和baostock库获取股票历史数据时常见的五大陷阱,提供了实战解决方案。重点剖析了登录状态验证、参数配置、数据解析、批量操作效率及数据一致性校验等关键环节,帮助开发者构建稳健高效的数据获取流程,避免因细节疏忽导致的数据错误或性能瓶颈。

websocket5live的博客 1443

从ISO 17987到SAE J2602:LIN一致性测试标准全景解读与CANoe实现

本文深入解析了从ISO 17987到SAE J2602的LIN一致性测试标准技术演进,详细对比了两大标准体系的技术差异,并基于Vector CANoe平台演示了如何构建符合最新行业要求的自动化测试方案。文章重点介绍了SAE J2602标准的三大改进点,包括唤醒特性、传输层协议和诊断服务的增强测试要求,并提供了CANoe测试环境配置、测试模块集成及测试案例解析的实战指南。

app77的博客 337

AI漫剧全套万能提示词合集

今天给大家整理一套已经跑通爆款漫剧的万能提示词库!覆盖:豆包剧本人设词 + 分镜生成词 + 即梦绘图词 + 动态优化词 + 防翻车固定词直接复制粘贴,新手也能做出稳定、高清、统一、有质感的AI漫剧!你是资深短视频漫剧编剧,擅长制作60秒竖屏爆款AI漫剧,请为我创作一集完整漫剧内容。要求:开头3秒高能抓眼,中段有冲突转折,结尾留强悬念钩子,节奏紧凑、适合短视频流量。首先生成固定统一人物人设:包含脸型、五官、发色、发型、穿搭、身材、气质、画风、光影细节,要求足够精细,保证全程角色不变脸。

欢迎来到鸾姝淡月博客,专为程序员和编程爱好者打造的技术博客。我们分享编程语言趋势、开发工具、编程哲学、职业发展等,助你掌握新技术,优化技能,激发编程热情。 1935

11、频率响应与伯德图详解

本文详细介绍了电子电路分析中的频率响应与伯德图,涵盖分贝的定义与计算、带宽与3dB点、放大器反馈机制、倍频程与十倍频程概念,并系统讲解了基于实数和复数零极点的伯德图构建方法。通过具体示例分析了传递函数的渐近近似、幅度与相位响应,并结合MATLAB工具展示了伯德图的绘制过程。文章旨在帮助读者深入理解电路在不同频率下的行为特性,为电路设计与优化提供理论支持。

white的博客 173

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

上一篇: TimeAudio: Bridging Temporal Gaps in Large Audio-Language Models
下一篇: Decision and Gender Biases in Large Language Models: A Behavioral Economic Perspective
UnknownBody
博客等级 码龄16年 5601粉丝 4739原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

UnknownBody

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值