广告

发现值得跟进的 AI 与工具新词

GPT-6.2 Astra / GPT-6.2 Sol

0.96

GPT-6.2 Astra 和 GPT-6.2 Sol 是 OpenAI 在 2026 年 11 月 17 日正式发布的一对新模型。官方开篇写道:Astra 是“our new frontier model for your hardest projects”,Sol 是“our efficient, versatile model for everyday work”。两者都强调在更少的输出 token 下完成更难的任务,从而在用量限额内做更多事情,并在规模化使用时控制成本。 官方说明:即日起,所有 Plus、Pro、Enterprise 和 Edu 用户可在 ChatGPT Work 与 Codex 中使用这两个模型;Pro 500 订阅者可以对任一模型使用 Ultrafast,并且官方首次把 Ultrafast 扩展到 Pro 200 档(具体限额以官方说明为准)。开发者文档 Using GPT-6.2 给出 API 模型 ID:gpt-6.2-astra 与 gpt-6.2-sol。OpenRouter 目录页 GPT-6.2 Astra 与 GPT-6.2 Sol 标注 Released Nov 17, 2026,并列出 Astra Pro 是同一底层模型在 reasoning.mode 设为 pro 时的服务方式,而不是一条独立的模型品牌。 本轮对 openai.com 站点地图的增量扫描新增了官方介绍页,以及 Astra for Law 更新页。后者写明 Astra for Law 是 GPT-6.2 Astra 的法律配置(扩大法律检索索引并加入研究/权衡/撰写说明),该配置名称已在 2026 年 9 月向部分律所推出,本轮只把 GPT-6.2 Astra / Sol 作为新词收录。

sitemap+x+web

MAI Image 2.7 / MAI Image 2.7 Flash

0.94

MAI Image 2.7 和 MAI Image 2.7 Flash 是 Microsoft AI 在 2026 年 11 月 17 日(文章归类为 Ignite · Models)正式介绍的一对图像生成与编辑模型。官方开篇强调以更低成本提供前沿质量,并同时推出由 Flash 驱动的交互工作区 Canvas(位于 MAI Labs)。Canvas 是该模型系列的配套工作区,名称本身较为通用,本轮只把 MAI Image 2.7 / Flash 作为新词收录,并在用法里说明 Canvas。 官方给出的公开预览价格是:MAI Image 2.7 约每 1,000 张图 35 美元,Flash 约每 1,000 张图 10 美元,入口为 Microsoft Foundry,以及 fal、Genspark、OpenRouter 和 Vercel 等合作方。OpenRouter 目录把 2.7 写成精确档、Flash 写成更快档,并提到最多可用五张输入图做多参考编辑。Microsoft 还写到,自 6 月 Build 之后,MAI Image 已成为 Bing Image Creator 的默认模型家族,用量以约 15% 的周复合增长率增长;2.7 是这一代公开介绍的具体版本名称,而不是把整个 Bing Image Creator 当成新词。 官方还提到 Figma Weave、Minute(Sports Illustrated)、Wirestock 和 Manus 等创作平台与企业已在合作或测试。这些是发布稿中的合作与证言,需要与第三方榜单数字分开看。

sitemap+web

Scribe v3 Live Medical

0.93

Scribe v3 Live Medical 是 ElevenLabs 在 2026 年 11 月 17 日发布的实时医学语音转写模型,作者为 John Durovsik。官方把它建立在已有的实时模型 Scribe v3 Live 之上,并针对临床用语做了优化,现已在 ElevenAgents 中提供。产品页 Medical transcription 的表述是:面向临床语言的两款 Speech to Text 模型——用于 ElevenAgents 的 Scribe v3 Live Medical,以及用于批量转写的 Scribe v2 Medical。 发布动机写得很具体:语音智能体只能根据它听到的内容行动,而药名很容易被听错。官方举例,测试中曾有模型把降糖药 sitagliptin 转写成抗抑郁药 citalopram。ElevenLabs 已有面向录音、口述和就诊记录的医学转写,但预约、用药咨询、资格审核和理赔跟进等场景发生在实时通话里,不能等到录音结束。Scribe v3 Live Medical 被写成“our first medical transcription built for agents”,把 Scribe v2 Medical 的临床侧重带到实时对话中。 本站已在 2026-11-11 收录通用的 Scribe v3 / Scribe v3 Live。不要把本词条写成那次发布的重复,或写成对 Scribe v3 Live 的一次普通参数更新;官方明确这是一个针对临床语言、用于实时通话的专用模型名称。

sitemap+web

Olala mini 7A1B / Olala

0.94

Olala 是法国云厂商 OVHcloud 在 2026 年 11 月 17 日宣布的首个大语言模型家族,第一个公开成员是 Olala mini 7A1B。官方英文新闻稿标题为 “OVH announces Olala mini 7A1B”,页面日期为 Tue, 11/17/2026 - 12:00,开头写:Roubaix – 17 november 2026 – OVH today announces Olala, its first family of LLMs。新闻稿把这次宣布与 11 月 19 日在巴黎 Carrousel du Louvre 举行的 OVHcloud AI Summit 上的正式发布分开:17 日公布名字与规格,19 日再详述、并计划放出权重。 按官方说明,Olala mini 是从零训练的 MoE 模型:总参数约 70 亿,每层 256 个专家,每次请求约 10 亿激活参数,注意力为 Differential-TPA 与 Mamba-3 的混合结构,精度为 BF16,当前上下文窗口 32,000 tokens。官方声称它能在不少于 8 GB 显存的 GPU 上运行,在 RTX A4500 上约 160 tokens/秒,在普通 CPU、不使用 GPU 时约 50 tokens/秒;这些是官方给出的速度数字,公开材料没有同时给出质量评测分数。 训练使用了欧洲三台公共超算 Jupiter、MeluXina 和 Jean Zay(新闻稿提到配备 GH200、A100 与 H100),官方称公共算力支持约合 700 万欧元机时,并由此组建了 OVH 的 Agentic Lab(OVHai LLM)。新闻稿还写到,法国搜索引擎 Qwant 已把 Olala mini 用在 flash answer 功能上,官方声称回答快 20%、运行成本降到原先所用模型的三分之一。不要把它和其他同名或谐音的个人项目、微调仓库混为一谈。

x+web

Vibe Desktop

0.91

Vibe Desktop 是 Mistral AI 在 2026 年 11 月 17 日推出的官方桌面应用,把已有产品 Mistral Vibe(由 Le Chat 更名而来,包含 Vibe Work 与 Vibe Code)放到同一个 macOS / Windows 客户端里。官方账号 @MistralAI 于 2026-11-17T15:28:42Z(北京时间 11 月 17 日 23:28:42)在一条产品线帖里写:“Oh, and Vibe desktop is here! Hand Vibe several tasks at once, watch the agents work side by side, then review their diffs and track pull requests in the same window.”本轮扫描核对该帖时约 101 次点赞、约 8,002 次展示。同一条线的起始帖还在推欧洲地区 Vibe 短期免费码,互动更高,但桌面客户端的直接宣布是上述这条。 官方发布说明把当天更新题为 “Vibe Desktop: Work and Code in one app”,并标为 New Release、General Availability、Mistral-Hosted。说明写到:可在本机仓库或托管的云沙箱里跑编码任务,在同一窗口里组织多段对话、查看文件、命令和 pull request;本地会话共用 Vibe CLI 的核心代理引擎和会话日志,但并不内嵌或运行 CLI 应用,也不需要单独安装 CLI,工具与提示词可以不同。Linux 支持即将到来。 产品页 mistral.ai/products/vibe/ 与 vibe/code 提供 macOS 与 Windows 的下载入口(例如 macOS 与 Windows)。不要把 Vibe Desktop 写成一条全新的模型,或写成第三方社区套壳(此前已有非官方桌面客户端的功能请求);它是官方对已有 Vibe 产品线新增的桌面端。

x+web

Orion

0.93

Orion 是 Paradigm Machines 在 2026 年 11 月 16 日公开介绍的视线预测基础模型,以及配套的网站体验分析产品 Orion Hosted。创始人 Ryan Lin(@_ryanlin10)于 2026-11-16T17:00:01Z(北京时间 2026 年 11 月 17 日 01:00:01)发帖:“Introducing Orion, a foundation model that predicts where you look. Orion finds twice as many UX bugs as frontier models, cuts computer-use latency by 31%, and even won a drone race.” 本轮核对原帖时约 1,518 次点赞、76 次转帖、约 4.9 万次展示、1,372 次收藏。该介绍发生在当日 04:32(北京时间)扫描窗口内,但当时未被入库,本轮在核对该帖与官方产品页后补录。 托管产品入口为 app.paradigmmachines.ai,标语是 “See your site through your visitors' eyes.” 产品页写到:光标移动、滚动和停顿会泄露访客在看哪里;Orion 的模型在真实眼动数据上训练,可从你已有的 session replay 里预测这种注意力。官方条款(Orion Hosted terms,版本日期 2026-11-16)把服务提供方写成 Paradigm Machines, Inc.(特拉华州公司,从英国伦敦运营),并说明网站主可在页面中加入一段脚本(Tag),或导入 PostHog、Mixpanel、Datadog、Sentry 等工具已有的录屏;控制台展示访问、回放、预测视线,以及每次访问的 friction score。隐私政策同日生效,联系邮箱为 [email protected]。 Ryan Lin 在跟帖中还提到:模型是针对人类交互单独训练的,不同于通用大语言模型;在增加数据与算力后,他们称出现了能理解 design taste 的 “visual world model”;正在做 API 和一篇技术博客;也训练了 full duplex realtime checkpoint。演示页在 paradigmmachines.ai/demo。不要把它和 Apple 或其他同名 Orion 硬件/模型混为一谈。

x+web

Sarvam Token Factory

0.95

Sarvam Token Factory 是印度 AI 公司 Sarvam 在 2026 年 11 月 16 日向所有人开放的推理服务。官方账号 @SarvamAI 于 2026-11-16T13:37:16Z(北京时间 2026 年 11 月 16 日 21:37:16)发帖:“Today, we are launching Sarvam Token Factory for everyone. We host our own models, and the full range of best-in-class open-weight models, in India. We match leading inference providers on performance and reliability.” 本轮核对原帖时约 2,673 次点赞、316 次转帖、约 59.5 万次展示、503 次收藏。该介绍落在 2026-11-17 00:32(北京时间)扫描窗口内,但当时未被入库,本轮在核对该帖与官方博文后补录。 同日官方博文 Introducing Sarvam Token Factory 写到,Token Factory 是他们的推理栈,在位于印度的 GPU 集群上提供自有模型与主流开源权重模型;并称在所服务的多数模型上,速度和成本可达到或优于全球主流推理服务商。博文列出的目录包括 Sarvam 105B、GLM 5.3、GLM 5.3 Flash、DeepSeek V4.1 Flash 1017、DeepSeek V4 Pro、Kimi K3.1 Pro 和 Gemma 4 31B,通过一套 OpenAI 兼容 API 提供。官方还写到,他们运行着印度最大的 B200 集群,并已把同一套推理优化栈部署在关键机构的本地环境,也向企业提供这种 on-premise 选项。 同一线程里的后续官方帖补充了两项能力:DeepSeek V4.1 Flash 1017 提供 Interactive(约每用户 200 tokens/s,面向编码代理)和 Standard(面向后台与批处理,入门价对标 GPT-6 Luna 与 DeepSeek 自有 API)两个端点;Gemma 4 31B 被描述为兼顾智能体能力与印度语言支持的实时对话模型,官方称在 Token Factory 上首 token 时间比当时唯一的其他提供商快 5 倍、每秒生成 token 多 1.6 倍。入口在官方帖中的 “Start building” 链接,指向 Indus 上的 Token Factory(indus.sarvam.ai)。不要把它和已有词条 Sarvam Prism 混成同一个产品,那是该公司更早发布的模型/产品线。

x+web

SolveIt

0.94

SolveIt(官网亦写作 Solveit)是 Answer.AI 把它内部使用的学习与研发工作台,在 2026 年 11 月 16–17 日向公众开放后的产品名。Jeremy Howard(@jeremyphoward)于 2026-11-17T00:28:33Z(北京时间 2026 年 11 月 17 日 08:28:33)发帖:“We built a tool for our own internal team at AnswerAI to let us learn, explore, & develop mastery with the help of AI: SolveIt. Today, we’re releasing it to the public for the 1st time.” 本轮扫描时该帖约 642 次点赞、约 3.3 万次展示。 fast.ai 官方博文 日期为 November 16, 2026,标题为 “Announcing the Public Launch of SolveIt”,署名为 Jeremy Howard 与 Rachel Thomas。博文写到,Answer.AI 做这个工具是为了在 AI 的帮助下学习、探索并形成精通,而不是把人从过程里自动化掉;联合创始人 Eric Ries(The Lean Startup 与 Incorruptible 的作者)认为有“moral imperative”(道德上的必要)把它更广泛地分享出去。加入无需付费,按实际用量付费,入口为 solve.it.com。过去两年他们邀请了约 3,000 名预览用户一起试用,并共用一个活跃的 Discord 服务器。 博文把 SolveIt 描述成一个共享工作区:人、AI、代码、笔记、文档和产出在同一处协作,团队把它用于软件开发、研究实验、教学和学习。它对比了 Claude、ChatGPT 那种“在文本框里输入、消息追加到对话末尾”的方式,称在 SolveIt 里文档、代码和 AI 同处一台专用服务器,而且 AI 在你使用的同一个解释器里运行代码。工作发生在一段可编辑的 dialog 里:代码、笔记、标题层级、探索和 AI 讨论可以交错出现;你可以编辑、移动、删除内容,并在 dialog 里的任意位置插入提示;AI 只看到该位置之前的内容,从而由人控制模型看见什么。每个 SolveIt 实例是一台持久服务器,带有终端、文件系统和 git,可以克隆仓库、与 AI 一起探索并推送改动;也可以按需创建多个实例。博文还写到,他们已经开始在 SolveIt 里编写 SolveIt 本身。入门建议从 “How to Solve It with Code” 课程的第一课开始,并提到 Jeremy 在 AI Engineer Conference 的主题演讲 Growing on Purpose。 官方网站 solve.it.com 的标语是 “Take back your agency.”,并写到 “Solveit is here to help you achieve mastery and love your craft.” 以及 “Solveit is built to fight cognitive offloading.” 站点示例包括:在同一段 dialog 里精读并复现论文、把学习结果做成可访问的 web 应用(演示域名使用 solveit.pub)。站点也写到,Solveit 方法强调由你自己以小步迭代来主导探索和构建,可用于读论文、学数学、审合同、分析数据、写书和开发软件。 要点: 官方介绍帖:https://x.com/jeremyphoward/status/2122487017137398256 ;官方博文:https://www.fast.ai/posts/2026-11-16-solveit-launch/ ;产品站:https://solve.it.com ; 这是 一个具体的产品名,指 Answer.AI 这次公开推出的共享工作台,不要把它写成 ChatGPT 或 Claude 的普通聊天框替代品,或尚未公开的内部预览代号。预览期有约 3,000 名用户,公开版的功能范围与计价以官方为准,本页不作保证。

x+web

Baseten Voice Agent Stack / Baseten Realtime Voice

0.92

Baseten Voice Agent Stack 和 Baseten Realtime Voice 是 Baseten 在 2026 年 11 月 16 日正式推出的语音智能体基础设施及其参考实现。@baseten 于 2026-11-16T19:15:21Z(北京时间 2026 年 11 月 17 日 03:15:21)发出介绍帖,开头为 “Introducing the Baseten Voice Agent Stack: optimized infrastructure to run and customize voice agents.”,并写到编排器与每个模型都托管在一起以降低端到端延迟,各组件可独立扩缩,且可以替换或后训练流水线中的任意模型;帖中后半也提到他们构建了 Baseten Realtime。 官方博客 baseten.co/blog/introducing-the-baseten-voice-agent-stack 日期为 November 16, 2026,标题为 “Introducing the Baseten Voice Agent Stack: own and optimize voice agents end-to-end”,作者为 Ian Carrasco 与 Tianshu Cheng。博客写到:“Today we’re launching the Baseten Voice Agent Stack and Baseten Realtime Voice”。Voice Agent Stack 是跑在 Baseten Dedicated Inference 上的生产级语音智能体基础设施:把编排器与语音模型放在同一云区域、同一集群网络中,提供推理运行时优化、模型间组网、流量自动扩缩、跨云故障转移和模型后训练支持,并允许在级联的每一级挑选或替换模型,也可以混用第三方 API。博客还讨论了按垂直场景后训练 STT、为真实通话后训练 LLM,以及用自有语音数据对 TTS 做监督微调。 Baseten Realtime Voice 是建立在该堆栈上的参考语音智能体 / API。官方称它使用级联的开放权重语音模型(脚注给出的测量配置为:STT 为 Qwen3-ASR、LLM 为 Gemma-4-31B、TTS 为 Qwen3-TTS,外加 Baseten Model APIs 上的 GLM-5.3 Fast 作为委托模型)和基于 Pipecat 的自定义编排器,可选地把快速的同机 talker 用于对话,把更强的 thinker 用于推理和工具调用。官方给出的数字包括:在 Artificial Analysis 的 Full-Duplex-Bench 加权得分 93.01%,为所列开源全双工系统中最高;在 Sierra 的 τ²-Bench Voice harness 上自报 73.5% pass^1(英语分割,含电信场景 93.9%),官方写明该成绩未经 Artificial Analysis 实测、不可直接与其榜单比较,对照级联基线为 31.2%;在 32 路并发、充分使用下列出价格为每音频分钟 0.012 美元,56 路时估算为每通话分钟 0.008 美元(含模型 API 委托的假设)。延迟方面,官方称在最多 16K token 上下文、1 到 56 路并发时,中位回合延迟保持在约 1 秒,中位首音频时间从 0.94 秒升至 1.14 秒。API 按官方说法兼容 OpenAI Realtime 协议的核心事件,支持音频入/音频出和文本入/音频出,以及关键词增强、可配置附和和声音克隆;但客户端必须接受完整 WebSocket URL,官方也写到 OpenAI Python SDK 会在 base URL 后追加 /realtime,因而不能直接连接,浏览器则需要自己的后端代持密钥。两款能力目前均为私人预览,需加入等候名单。 要点: 官方介绍帖:https://x.com/baseten/status/2122408198531363053 ;官方博客:https://www.baseten.co/blog/introducing-the-baseten-voice-agent-stack ; 这是 Baseten 的具体新产品名,不要和已有的 Baseten 推理平台,或已入库的 Baseten Grid 混成同一个产品。τ²-Bench 的 73.5% 是公司自报成绩,本页不作独立复现。

sitemap+x+web

Noeri

0.94

Noeri 是 2026 年 11 月 16 日正式对外亮相的新 AI 实验室,同时宣布获得 1.10 亿美元融资。联合创始人之一 Prithviraj Ammanabrolu(@rajammanabrolu)于 2026-11-16T17:08:10Z(北京时间 2026 年 11 月 17 日 01:08:10)发帖:“Today we're introducing @noeri_ai, a new AI company whose name literally means "the plural of intelligence" with a $110m seed!”,并写到公司尤其关心科学发现。 官方网站 noeri.ai 标题为 “Noeri: The plural of intelligence”,写到:企业可以用自身的数据与经验构建专属 AI,这些系统会在真实工作中持续学习、在最难的问题上协作,并完全由企业保有。官网新闻区写到 “Noeri raises $110 million to advance the future of plural intelligence.” 产品部分把能力概括为:在生产环境中改进你正在运行的 AI、构建你需要的 AI,并让它自我改进;它会从结果中学习、升级工具与模型,并寻找收益与机会。官网还写到,系统几乎不需要额外标注数据,就能从任务、失败和纠正中学习;不仅会改提示词,还会改进技能、工具与编排,并在现有工具不够用时创建新工具;它不只是挑选模型,还会在你的工作上训练自己的模型。质量与成本按企业自己的流量和指标衡量,而不是公开基准。联系邮箱为 [email protected]。 BusinessWire 通稿 日期为 2026 年 11 月 16 日,标题为 “Noeri, Founded by Leading Stanford AI Professors, Launches with $110 Million to Empower Companies to Build and Own Their AI”。通稿写到,Noeri 由斯坦福计算机科学教授 Yejin Choi 与 Carlos Guestrin 创立,使命是让“复数的智能”与人类共同演化;本轮 1.10 亿美元融资由 Menlo Ventures 领投,参与方包括 Madrona Venture Group、Kindred Ventures、Wing Venture Capital 和 NEA,战略投资方包括 Cisco Investments、NVIDIA 和 Snowflake。通稿称,今天的模型在训练结束后就被冻结,而 Noeri 要把 AI 做成会在岗位上自我组织、自我改进的活系统。它会研究企业自身的数据与工作流,然后改进围绕某项任务的整套系统:harness、技能、指令、工具、每一步由哪个模型处理,并在划算时改进模型及其底层参数;每一次改动都会附带说明并交给人审批,类似代码审查。系统可与闭源和开放权重模型一起工作,客户在适用的第三方模型许可前提下保留其数据和自己开发的工作流与模型。公司总部位于帕洛阿尔托,并在苏黎世设有办公室,招聘见 noeri.ai/careers。 要点: 官方介绍帖:https://x.com/rajammanabrolu/status/2122376192762478979 ;官网:https://noeri.ai ;通稿:https://www.businesswire.com/news/home/20261116056631/en/Noeri-Founded-by-Leading-Stanford-AI-Professors-Launches-with-%24110-Million-to-Empower-Companies-to-Build-and-Own-Their-AI ; 这是 一个新出现的实验室/品牌名,不要把它写成已有的通用大模型实验室,或只做一次微调的企业定制服务。估值未披露,本页也不把融资额写成对产品能力的保证。

x+web

Nolla Visual Medicine Benchmark

0.86

Nolla Visual Medicine Benchmark 是 Nolla Health 在 2026 年 11 月 16 日正式公开的视觉医学基准,用来评估模型如何解读临床影像、通过对话收集信息,并把两者结合起来做出诊断。Sean Geiger(@sean_geiger)于 2026-11-16T16:47:19Z(北京时间 2026 年 11 月 17 日 00:47:19)发帖:“Today, we’re introducing the Nolla Visual Medicine Benchmark. We’ve been using it internally for the past year to evaluate models for patient care. Over that year, we’ve seen frontier models make rapid progress. Now we’re sharing the results comparing frontier model performance”。 官方博客 nollahealth.com/blog/visual-medicine-benchmark 日期为 November 16, 2026,标题为 “Introducing the Nolla Visual Medicine Benchmark”。文中写到,医生看病不只是提问,还会观察皮疹形态、眼睛颜色或肿胀位置,再据此调整追问和判断;该基准就是为了评估这种“看见—询问—综合”的关系。基准包含两项相关任务:在仅图像任务中,模型或医生只看一张临床照片,写出排序鉴别诊断,不能询问病史;在访谈任务中,从一张照片和模拟患者的初始消息开始,经过多轮追问后给出排序鉴别诊断和结构化病历。模拟患者带有职业、处境、顾虑和性情等行为人设,有的焦虑或尴尬,有的会淡化症状。 维护中的影像库覆盖 11 个专科、49 个疾病组。皮肤科约占 45.4%(451 例),其余包括儿科、急诊、老年医学、骨科、内科、耳鼻喉、眼科、内分泌、妇科和精神病学等。疾病组例子包括皮肤癌和癌前病变、湿疹、痤疮、真菌感染、烧伤、关节病、眼病,以及肢端肥大症、库欣综合征等全身疾病的可见表现。比较研究注册号为 NCT07470463,入组 23 名医生(11 名董事会认证医生、10 名住院医师、2 名研究员),中位临床经验 5 年;影像分析纳入 10 人,访谈分析纳入 21 人。官方写到,只有 16.5% 的影像审阅和 21.9% 的访谈与医生自身专科匹配,因此结果描述的是大多在专科之外工作的混合队列,而不是专科对专科的比较;并补充,在较小的未发表试验中,董事会认证医生在自己专科内仍稳定优于前沿模型。 在研究的 Level 3 首位诊断一致性(与参考诊断相符,或被判定为意味着临床上等效处理;由自动语言模型评判)上,官方表格列出:Gemini 4 Argon 仅图像 46.5%、模拟访谈 83.2%;Claude Fable 5.2 为 43.1% / 86.4%(访谈最高);Gemini 3.8 Flash 为 40.4% / 78.4%;Gemini 3.1 Pro 为 39.6% / 72.8%;Claude Opus 5.5 为 39.1% / 77.6%;GPT-6 Astra 为 35.5% / 80.0%;GPT-5.4 为 27.5% / 77.6%;Claude Sonnet 4.6 为 23.2% / 53.6%;全部合格医生平均为 30.2% / 56.0%;董事会认证亚组为 34.1% / 78.8%。较新的模型按官方说法使用相同提示、相同模拟患者和相同自动评判,每例只计一次得分输出。 要点: 官方介绍帖:https://x.com/sean_geiger/status/2122370944899686902 ;官方博客:https://www.nollahealth.com/blog/visual-medicine-benchmark ; 这是 一个具体的新基准名,不要和 Nolla 已有的 NollaMD 模型,或一般的医学视觉问答测试写成同一个名字。表格中的分数是公司在该研究设定下的结果,本页不作独立复现。

x+web

d1.2 / d1.2-ultra

0.95

d1.2 和 d1.2-ultra 是 Liquid AI 在 2026 年 11 月 16 日正式发布的决策模型新版本,在已有的 d1-ultra 和更早的 d1 系列之上,增加了音频输入和五项新任务。@liquidai 于 2026-11-16T15:08:30Z(北京时间 23:08:30)发出介绍帖,开头为 “Today, we release d1.2 and d1.2-ultra, the state-of-the-art omnimodal decision models.”,并写到两款模型均可处理文本、图像和音频,同时具备新的输出能力。帖中还提到 d1.2-ultra 在 @ArtificialAnlys 的 Decision Index 上得到 75 分、位列第一。 官方博客 liquid.ai/blog/d1-2 标题为 “d1.2: State-of-the-Art Omnimodal Decision Models”,写到这是其决策模型的新版本,现支持音频输入和五项新任务。五项任务分别是:从输入中读取一个值(文本、数字或日期,例如从发票中读取应付金额,并返回读到的字符;若发票上没有该值则回答 “not found” 而不是猜);找出文本中某一类的全部片段(spans,例如找出一份笔记里的全部个人数据及其位置);在图片中定位目标(单框,或多实例时返回每个框和计数);估计一个数量并给出区间;以及勾选所有适用选项(把 choice 的 multiple 设为 true)。音频既可以是被询问的对象(例如背景里有没有警笛、说话人是哪种语言),也可以是用录音提出的问题本身。 官方称,d1.2-ultra 在 Artificial Analysis Decision Index v2.1 上得到 75 分,在决策模型中排名第一,比此前最佳决策模型高 2 分;该指数覆盖简历、收据和研究论文上的决策与抽取、工具调用以及较难的知识问题,并且会把模型给每个答案的概率一并计分,因此“很有把握但答错”会比犹豫的错误更亏。官方还写到,两款模型也给出了各自价位上的最佳分数:没有模型能以更低价格超过 d1.2 的分数,也没有模型能在任何价格上超过 d1.2-ultra。在校准方面,官方称在 13 项基准、22,505 道由全部五个对照模型作答的题目上,d1.2-ultra 的校准误差为 0.8 个百分点,d1.2 为 1.2,对照 Jev 1.14 为 2.7、Perplexity 的 Decider v1.3 为 3.7、GPT-6 Luna 的 Decisions API 为 7.2。内部测试表还列出了收据取值、文档个人数据、RefCOCO 定位、COCO 计数和多选,以及 ESC-50 / FLEURS 音频题上的准确率,这些都是公司在自建留出集上的结果。 两款模型即日起可在 Liquid API 上以 d1.2 和 d1.2-ultra 调用,密钥在 console.liquid.ai 申请;定价为每百万输入 token:d1.2 为 0.02 美元、d1.2-ultra 为 0.042 美元,只按输入计费。官方举例:一张 1024×1024 的图按 32×32 像素块、每块 1.5 个 token 计,约为 1,536 个 token;一次请求的文本和图片只计一次,后续每个额外问题只加上它自己的文本。官方写到即将登陆 OpenRouter 和 Vercel,但没有给出确定日期。 要点: 官方介绍帖:https://x.com/liquidai/status/2122346077231923698 ;官方博客:https://www.liquid.ai/blog/d1-2 ; 这是 Liquid AI 决策模型线的具体新型号名,不要和 2026 年 10 月 17 日已入库的 d1-ultra,或更早的 LiquidAI d1-3B 混淆。OpenRouter 与 Vercel 上线按官方说法仍为即将到来,不要写成已经放出。

x+web