Anthropic正式推出Claude Tag研究预览版，作为嵌入Slack的常驻AI同事，面向Claude Enterprise及Claude Team客户开放。 该功能支持用户在Slack中直接@Claude获取实时洞察、分配任务，并具备持续上下文记忆能力。Claude Tag可获授权访问指定频道与工具，在单一频道内为所有成员共享同一AI身份，确保工作进展公开可见、上下文连续。 Anthropic表示，Claude Tag在“环境模式”...
Mistral AI 6月23日消息，公司正式发布OCR 4模型，定位为面向文档智能的最新一代OCR系统。该模型具备文本提取、边界框定位、区块类型分类（如标题、表格、公式、签名等）及逐词/逐页置信度评分能力，输出结构化结果，适用于企业搜索、RAG和领域专属检索流程。 OCR 4支持170种语言，覆盖10个语系，尤其在稀有及低资源语言上表现优于竞品；模型体积精简，可单容器部署，满足数据主权与合规要求。其API定价为每千页4美元，批量调用享50...
网易有道近日正式开源TTS引擎Confucius4 TTS（“子曰4.0”），宣称是业内首个支持14种语言跨语种无口音、且无需参考文本即可完成语音克隆的开源模型。 该模型仅需3秒参考音频即可实现零样本音色克隆，官方数据显示克隆音色与原声相似度超85%，任务准确度达97%。除支持中、英等14种语言外，该模型首次引入音频Prompt情感克隆迁移能力。 技术架构方面，Confucius4 TTS底层采用GPT式语义大模型、SSL预训练特征、ECA...
火山引擎正式发布豆包音频生成模型1.0（Doubao Seed Audio 1.0）。该模型支持文本与音频参考联合输入，可端到端生成目标音频。单条Prompt即可编排多角色对白、情绪语气、背景音乐及环境氛围，并在长时生成中保持音色一致性，无需后期多轨混音。 模型支持0样本多模态输入，无需额外训练即可生成；实现音色与风格解耦控制，具备“一声多角”能力。单次最长支持2分钟音频创作，多次延长仍能保持音色统一。 目前该模型已开启火山方舟API邀测，...
京东近日开源全栈交互式多模态模型 JoyAI VL Interaction，获 vLLM Omni 原生支持。该模型支持持续视频流理解、关键事件主动识别与实时响应，并可将复杂任务交由后台 Agent 处理。 在 58 组真人盲测中，该模型在视频通话场景下对豆包助手胜率为 77.6%，对 Gemini 视频通话助手胜率为 87.9%；在监控预警任务中达到 100% 胜率。 开源内容涵盖模型权重、交互数据集、训练方案及完整可部署系统，支持摄像头...
字节跳动Seed团队正式发布Seed2.1系列模型，聚焦真实生产力场景下的智能体能力升级，重点强化通用Agent能力、代码工程交付能力及多模态理解能力。 Seed2.1 Pro在GDPval基准测试中取得最高分，在Agents' Last Exam中位列第一梯队；在MobileWorld手机GUI任务、CreativeWork多环境任务中均表现突出。多模态能力在CharXiv RQ等多项基准测试中达到SOTA水平。 代码能力方面，Seed2...
火山引擎在FORCE大会上正式推出Doubao Seed 2.1 pro与Doubao Seed 2.1 turbo两款大模型。其代码能力接近Opus 4.7水平，Agent能力显著增强，多模态视觉理解在多数公开评测集位居前列。输入/输出价格分别为6元/30元每百万token，上下文长度达256k，已上线火山引擎、Trae及豆包平台，并兼容主流Agent框架。 基于该系列模型的豆包办公模式已开启内测，支持发票汇总、联网调研等办公场景任务。视...
Z.ai 正式发布开源大模型 GLM 5.2，总参数量达 744B（活跃参数约 40B），支持 100 万 token 上下文窗口。官方称其综合性能与 Claude 4.8 Opus、GPT 5.5 及 Gemini 3.1 Pro 相当。 该模型通过 Unsloth 实现动态量化，2 bit GGUF 版本内存占用降至 239GB（较原版降低 84%），1 bit 版本进一步降至 217GB（降低 86%），可在配备 256GB 统一内存...
Anthropic 宣布，Claude Desktop 完整版现已支持在 AWS、Google Cloud 和 Microsoft Foundry 平台部署，面向企业用户提供 Chat、Claude Cowork 和 Claude Code 三大功能的集成桌面体验。IT 团队可将模型推理保留在自有云环境，对话历史支持本地存储。 该版本支持 IAM Identity Center、Workforce Identity Federation、M...
OpenAI 正式推出 Daybreak 安全工具系列，包含 Codex Security 与 GPT 5.5 Cyber。该系列旨在帮助组织大规模发现、验证并修复安全漏洞。其中，Codex Security 专注于代码层面的漏洞识别与修复建议，GPT 5.5 Cyber 则面向网络安全场景提供智能推理与响应支持。相关工具现已上线，详细技术文档与使用指南可通过 OpenAI 官方渠道获取。
美团近期推出tabbit国际版应用，宣布免费集成多款最新旗舰AI模型，包括GPT 5.5、Claude Opus 4.8、Gemini 3.5 Flash，以及Kimi 2.6、GLM 5.1、MiniMax M3等国产模型。 用户无需单独订阅即可在应用内直接调用上述模型。据悉，该应用国际版支持海外与国内模型，而国内版目前仅提供国产模型。tabbit国际版当前处于免费推广期，定位为AI交互入口产品，旨在抢占AI应用流量入口。
由前OpenAI员工Thomas Dimson与Joey Flynn开发的新型AI评估工具“In the Weights”正式上线。该工具通过向Grok、Gemini、GPT系列、Claude、Llama等十余个主流大模型发起“Who is <name ?”类提问，聚合各模型返回结果并聚类分析，生成一个0–1000区间的“强度分”（Strength Score），用以衡量个体在模型参数权重中被隐式编码的程度。 网站将“在权重中”（In th...
据TechCrunch报道，美国政府近日要求Anthropic暂停发布其两款最新大模型Fable 5与Mythos 5，主要出于国家安全考量。据悉，亚马逊研究人员此前发现了一种可绕过Fable 5安全防护机制的方法。 该禁令引发行业争议，多名网络安全研究人员已签署公开信警告此举可能带来反效果。Anthropic方面回应称，同类越狱漏洞在其他主流模型中同样存在，并非其独有。 目前官方尚未公布禁令的具体执行范围与期限，Anthropic亦未透露...
DeepSeek研究员Deli Chen正式开源AutoResearch协议，并同步发布Self play综述论文。该AI智能体首次在DeepSeek 285B模型上完全自主完成强化学习（RL）研究闭环，涵盖实验设计、代码编写、GPU任务提交、调试及结论总结，全程零人工干预。系统集成GRPO工具，实现端到端自动化研究流程，被视为迈向AI驱动持续学习研究的重要实践。
Claude Enterprise 正式推出企业托管 MCP 连接器授权管理功能。管理员可通过身份提供商（IdP）统一配置组织内 MCP 连接器权限，首发支持 Okta，用户首次登录即自动获得授权，实现零接触设置。 该功能基于 Model Context Protocol 的 Enterprise Managed Authorization 扩展构建，当前兼容 Asana、Atlassian、Canva、Figma、Granola、Line...
Hugging Face 6月18日消息，Hugging Face于今日发布博客文章《Is it agentic enough? Benchmarking open models on your own tooling》，介绍一套面向开源模型的智能体（agentic）能力评测框架。该框架聚焦于评估模型在调用工具（如transformers库）时的实际行为过程，而非仅检验最终结果是否正确。 该评测工具支持对不同模型、不同代码版本及不同使用方式...
火山引擎正式上线豆包实时语音模型3.0（Seeduplex）API服务，并启动定向邀测。该模型为原生全双工端到端语音大模型，主打精准遵循指令、强抗干扰能力与动态判停三大特性。 模型支持在多人对话中静默待机，仅在识别到指定话题时主动介入；同时可通过自定义工具链，在实时语音交互中完成日历预约、邮件发送等操作。 技术指标显示，该版本误回复率与误打断率显著下降；判停延迟缩短约250ms，复杂场景下的抢话比例降低40%，用户主动打断响应延迟减少约30...
DeepSeek 识图模式已正式在网页端与 App 端上线，与现有的快速模式、专家模式并列。开启该模式后，用户可直接上传图片，由 DeepSeek 进行图像识别与深度理解，其能力已超越基础的文字提取。 目前网页端已全面开放，而 App 端界面仍显示“图片理解功能内测中”。 该功能基于今年4月公开的多模态模型技术，核心框架为“Thinking with Visual Primitives（以视觉原语思考）”。
LMSYS官方博客近日发布开源文本转语音模型 MOSS TTS Local Transformer v1.5，该模型已在 SGLang Omni 平台完成部署，支持原生流式 48 kHz 立体声语音输出。 该模型具备零样本声音克隆、最长10分钟长文本合成、时长可控及31种语言支持能力。技术架构基于 Qwen3 4B 语言骨干与约20亿参数的 MOSS Audio Tokenizer v2 音频编解码器，采用12个RVQ码本实现高效音频表征。...
由 ATH Token Foundry 联合中国人民大学高瓴人工智能学院研发的统一科学大模型 LOGOS 正式开源。该模型是首个基于统一“科学语法”的多领域科学生成基础模型，参数规模为 1B。 LOGOS 1B 在六大科学任务中表现突出：口袋条件配体生成纯序列范式首次超越 3D 扩散模型，并优于 NatureLM（8×7B）；逆合成预测 Top 1 准确率达 74.8%；仅依赖蛋白质序列的口袋位点识别 Top n 准确率为 58.5%；MO...
Anthropic 发布 Claude Code v2.1.181。新版本引入 /config key=value 语法，支持在提示中直接设置任意配置项；新增 sandbox.allowAppleEvents 选项，使沙盒命令可调用 Apple Events；新增 CLAUDE CLIENT PRESENCE FILE 环境变量，用于抑制移动端推送通知。 内置 Bun 运行时升级至 1.4，优化长段落流式输出（支持逐行显示），并增强 API...
Claude Design 推出多项新功能：支持跨项目与设计系统保持品牌一致性；允许用户在画布上直接进行编辑；实现与 Claude Code 的实时同步；并增强与其他常用工具的连接能力。
智谱AI正式发布GLM 5.2开源大模型，在MIT许可证下提供稳定的百万Token上下文支持。该模型在多项编程基准测试中表现亮眼：FrontierSWE得分74.4%，仅落后Claude Opus 4.8约1个百分点，优于GPT 5.5；PostTrainBench成绩超越GPT 5.5与Claude Opus 4.7，仅次于Opus 4.8；Terminal Bench 2.1得分达81分（前代GLM 5.1为63.5），SWE benc...
Dragonfly管理合伙人Haseeb Qureshi发文表示，其此前长期认为开源模型与闭源模型之间的差距将因数据、硬件及蒸馏限制等因素持续扩大，但该判断已被证实错误。他指出，智谱（Z.ai）已达到新水平，其模型在基准测试中表现优异，早期用户反馈积极。 Haseeb还透露，目前正通过AskVenice API在GLM 5.2上运行其Hermes Agent，并计划后续分享实际使用体验。
艾伦人工智能研究所（AI2）正式开源MolmoMotion——一款语言引导的3D运动预测模型。该模型能够根据输入视频帧、物体表面指定的3D查询点及自然语言动作指令，精准预测未来数秒内物体在三维空间中的运动轨迹。 同期发布的还有MolmoMotion 1M数据集与PointMotionBench基准测试集。前者包含来自116万段视频的物体锚定3D点轨迹，覆盖736种运动类型与5600个独立物体；后者含2700段人工验证视频片段，用于定量评估模...
6月17日，阿里云正式发布开放式世界模型HappyOyster 1.0（快乐生蚝）。该模型基于原生多模态架构，支持文本、图像、音频等多模态输入，并可同步生成音视频内容，在生成过程中持续接收用户指令并实时调整画面。 HappyOyster 1.0通过深度学习物理世界状态转移规律，保障人物与环境在长序列交互中的时空一致性。官网当前提供“实时导演”与“世界探索”两类交互模式：“实时导演”支持即时中断、改写剧情及与虚拟角色实时互动；“世界探索”支持...
智谱AI正式发布GLM 5.2大语言模型。该模型在Artificial Analysis Intelligence Index评测中获得51分，位列第四，成为当前开源权重模型中的新SOTA。模型参数规模与GLM 5.1一致，总参数744B，活跃参数40B。 GLM 5.2在科学推理能力上显著提升：CritPt准确率提高16个百分点至21%，HLE提升12个百分点至40%，GPQA Diamond达89%（+3%）。上下文窗口扩展至100万T...
智谱今日正式发布并开源大语言模型GLM 5.2。该模型专为编程与长程任务优化，支持100万token无损上下文，在前端开发盲测平台Code Arena中位列全球可用模型第一。 在FrontierSWE基准测试中，GLM 5.2得分仅比Claude Opus 4.8低1%，高于GPT 5.5（高1%）和Opus 4.7（高11%）；在Terminal Bench 2.1上较Opus 4.8低4%，较前代GLM 5.1提升17.5%。模型引入思...
GLM 5.2开源模型正式发布，其编程（Coding）能力首次达到Opus级别。该模型在编程与智能体（Agentic）任务上实现显著提升，支持1M上下文窗口。 GLM 5.2提供两级推理配置：GLM 5.2（max）侧重极限性能，GLM 5.2（high）兼顾性能与token效率。模型采用MIT许可证开源，API定价与GLM 5.1保持一致。
小米正式推出云端轻量化 AI 产品 MiMo Claw 正式版。该产品搭载与 OpenClaw 框架深度适配的 MiMo V2.5 Pro 旗舰模型，原生兼容 MCP 工具调用协议，内置百万级超长上下文，支持单会话千次以上连续工具调用。依托 MTP 三层解码架构，其在标准 Agent 工作流中的吞吐效率提升约 3 倍。ClawEval 测试显示，任务达标率（Pass3）达 63.8%，Token 消耗较同类产品降低 40%–60%。 此外，...