ข้ามไปที่เนื้อหา

ประเภทเนื้อหา

การเปิดตัวโมเดล ล่าสุด

โมเดลใหม่จากทุกค่าย: การอัปเดตเรือธง การเปิดน้ำหนักโมเดล และการเปลี่ยนแปลงด้านความสามารถกับราคา

33 รายการคัดสรร26 รายการใน 30 วันที่ผ่านมาเก็บไว้ 68 รายการ

อัปเดต 13 พฤศจิกายน 07:06

การเปิดตัวโมเดล

วันนี้13 พฤศจิกายนวันศุกร์รายการ 1–20 จากทั้งหมด 33
  1. Hacker News · AI88

    Edge0 เปิดซอร์สโมเดลออนดีไวซ์ Edge0-145B และ Edge0-120B พร้อมเฟรมเวิร์กอินเฟอเรนซ์

    Edge0 เปิดซอร์ส Edge0-145B และ Edge0-120B พร้อมเฟรมเวิร์กอินเฟอเรนซ์แบบรวมศูนย์และเครื่องมือสำหรับการดีพลอย โดยอ้างว่า Edge0-145B เป็นโมเดลออนดีไวซ์ขนาด 145B พารามิเตอร์ตัวแรกที่เปิดซอร์ส บริษัทรายงานว่ามีหน่วยความจำสูงสุด 29GB, พรีฟิลล์เกิน 1,100 โทเคน/วินาที, ดีโค้ดเกิน 80 โทเคน/วินาที และใช้พลังงานทั่วไปประมาณ 120W บนแล็ปท็อปที่รองรับ โดยมีคอนเท็กซ์ 128K–256K บริษัทอ้างคะแนนภายในที่ 64.6 บน DeepSWE 1.1, 86.52 บน Terminal-Bench 2.1, 90.4 บน GPQA-Diamond และ 80.6 บน IFBench และระบุว่าน้ำหนักโมเดลอยู่บน Hugging Face พร้อมรองรับ macOS, Windows และ Linux ตั้งแต่วันแรก

    ทำไมเรื่องนี้สำคัญ: Edge0 เปิดซอร์สโมเดลออนดีไวซ์ขนาด 145B ที่รายงานหน่วยความจำสูงสุด 29GB และดีโค้ดเกิน 80 โทเคน/วินาที ซึ่งเป็นข้อมูลเชิงประจักษ์ว่าการอินเฟอเรนซ์ในเครื่องสามารถขยายขนาดได้ไกลเพียงใด

  2. Hugging Face Blog69

    IBM เปิดตัวโมเดลพรีวิว LLMON ที่สร้างบน Granite 4.1 3B และ 8B

    IBM เปิดตัวโมเดลพรีวิวเชิงทดลองสองรุ่น คือ granite-4.1-3b-LLMON-preview และ granite-4.1-8b-LLMON-preview ซึ่งพัฒนามาจากเช็กพอยต์ฐาน Granite 4.1 และฝึกให้อ่านและสร้าง LLMON ซึ่งเป็นภาษามาร์กอัปที่ออกแบบมาเพื่อ LLM โดยเฉพาะ ใช้ตัวคั่นโทเคนพิเศษที่สงวนไว้สำหรับกำกับคำสั่ง ข้อมูล และข้อกำหนด บนเบนช์มาร์ก OPI โมเดลเหล่านี้หลีกเลี่ยงการโจมตีแบบ indirect prompt injection ได้มากกว่าโมเดล frontier ที่ดีที่สุดที่ทดสอบถึง 47% และมากกว่าโมเดลโอเพนซอร์สที่ดีที่สุดถึง 95% ขณะที่ประสิทธิภาพบนเบนช์มาร์กมาตรฐานอยู่ในระดับเดียวกับ Granite 4.1 Instruct การเปิดตัวครั้งนี้มาพร้อมชุดเครื่องมือบน GitHub ที่มีตัวแปลง JSON-to-LLMON แบบไม่สูญเสียข้อมูล และผู้เขียนระบุว่าพรีวิวนี้มีไว้เพื่อการสำรวจ ไม่ใช่สำหรับการใช้งานจริง

    ทำไมเรื่องนี้สำคัญ: IBM ฝึกโมเดลพรีวิวบน Granite 4.1 ที่สามารถอ่านและเขียนแท็ก LLMON ได้ โดยใช้การแยกคำสั่งและข้อมูลอย่างชัดเจนเพื่อลดอัตราความสำเร็จของการโจมตีแบบ indirect prompt injection บนเบนช์มาร์ก OPI ให้ใกล้ศูนย์ ขณะที่ยังคงความสามารถทั่วไปไว้ได้

  3. Google DeepMind90

    Google DeepMind เปิดตัว Gemini 4 Hydrogen โมเดล Gemini 4 ที่เร็วขึ้นสำหรับงานเขียนโค้ดและเวิร์กโฟลว์แบบเอเจนต์

    Google DeepMind เปิดตัว Gemini 4 Hydrogen โมเดล Gemini 4 ที่สร้างขึ้นสำหรับการเขียนโค้ดในชีวิตประจำวันอย่างรวดเร็วและการทำงานแบบเอเจนต์ มากกว่าการให้เหตุผลระยะยาวของ Gemini 4 Carbon และ Argon โดยได้คะแนน 51 บน Artificial Analysis Intelligence Index ที่ระดับการคิดสูงเริ่มต้น เทียบกับ 50 ของ Argon และสูงถึง 54 ที่การตั้งค่า xhigh ใหม่ โดยมีราคาคงที่ 1.50 ดอลลาร์ต่อล้านโทเค็นอินพุต และ 7.50 ดอลลาร์ต่อล้านโทเค็นเอาต์พุตตลอดหน้าต่างบริบท 1 ล้านโทเค็น Google ยังเปิดตัว Orchestrator ใน Google Antigravity ซึ่งสลับระหว่างโมเดลอย่าง Carbon และ Hydrogen ภายในเซสชันเดียว และทำอัตราความสำเร็จของงานใกล้เคียง Carbon บน Terminal-Bench 4.0 โดยใช้โควตาน้อยลง 24% และเสร็จเร็วขึ้น 19%

    ทำไมเรื่องนี้สำคัญ: Gemini 4 Hydrogen ของ Google มุ่งเป้าที่การเขียนโค้ดในชีวิตประจำวันอย่างรวดเร็วและงานแบบเอเจนต์ ด้วยราคาคงที่ 1.50/7.50 ดอลลาร์ต่อล้านโทเค็นตลอดหน้าต่างบริบท 1M และ Orchestrator ใหม่ที่สลับระหว่างโมเดล Gemini 4

11 พฤศจิกายนวันพุธ
  1. Google DeepMind72

    DeepMind releases AlphaGenome 2, a DNA model predicting variant effects in specific cell types

    Google DeepMind announced AlphaGenome 2, a next-generation DNA sequence model that predicts how DNA sequences and their variants affect specific human cell types. Trained on more than 107 million individual cell profiles across 68 tissues, the conditional model identified nearly twice as many expression-changing variants as the previous model, and on the TenK10K immune cell dataset it recovered 30% of causal variants versus 16% for the original AlphaGenome fine-tuned on single-cell data. It is available for non-commercial research via the AlphaGenome API and in private preview for commercial research.

    ทำไมเรื่องนี้สำคัญ: AlphaGenome 2 shifts from bulk-tissue averages to single-cell conditioning, roughly doubling causal variant recall on immune cell data, which matters for linking GWAS signals to specific cell types.

  2. MiniMax Blog75

    MiniMax releases H3-Image, an open-weight model generating 4K images in under 10 seconds

    MiniMax released H3-Image, an open-weight image generation model built on H3 that supports text-to-image, reference-based generation and image editing, and can produce a 4096 × 4096 image in under 10 seconds. The company says it handles up to 16 reference images, claims state-of-the-art prompt adherence among open-weight models, and reports speeds up to 5× mainstream alternatives. H3-Image is available via the MiniMax API Platform, MiniMax Code and Hailuo AI, priced at 50–70% of comparable offerings, with 50% off 4K-and-above requests during launch week.

    ทำไมเรื่องนี้สำคัญ: MiniMax releases open-weight H3-Image, claiming sub-10-second 4K generation and pricing at 50–70% of comparable mainstream offerings, giving developers a new open option for high-resolution image work.

  3. Google DeepMind88

    Google DeepMind releases Gemini 4 Carbon for agentic coding, cybersecurity and scientific reasoning

    Google DeepMind made Gemini 4 Carbon available to developers, enterprises, scientists and consumers, positioning it above Gemini 4 Argon for tasks that need deeper reasoning and more tokens. Carbon ranks #1 on CursorBench 4.0, Perplexity's WANDR and Zapier's AutomationBench at more than 2X lower cost per task than the next best external model, and is priced at $2 per million input tokens and $10 per million output tokens, the same introductory price as Argon. Google also previewed /swarm in Google Antigravity, which turns a single prompt into a coordinated team of agents, and reported that Carbon blocked 99% of attack trajectories in simulated cyberattack testing.

    ทำไมเรื่องนี้สำคัญ: Google's release notes detail how Gemini 4 Carbon trades higher token usage for deeper reasoning, ranking first on CursorBench 4.0, WANDR and AutomationBench at under half the per-task cost of the next external model.

10 พฤศจิกายนวันอังคาร
  1. Amazon Science62

    Amazon releases Mitra-v2 tabular foundation model with scaled synthetic pretraining

    Amazon introduced Mitra-v2, a second-generation tabular foundation model for classification and regression, released with fine-tuned models and inference and fine-tuning code under the Apache-2.0 license on Hugging Face. It is pretrained on synthetic tables with 10 times as many rows and roughly three times as many columns as Mitra-v1, using a new hybrid SCM prior and hybrid optimizer while keeping the Transformer architecture unchanged. On TabArena, a public benchmark of 51 real-world datasets, Mitra-v2 leads the single-model field, beats Mitra-v1 on 32 of the 33 datasets both run natively, and finishes all 51 within the one-hour budget; fine-tuned Mitra-v2 also ranks first on ScoringBench.

    ทำไมเรื่องนี้สำคัญ: Mitra-v2 shows that widening synthetic pretraining data, rather than deepening the network, lifts a tabular foundation model to the top of TabArena's single-model field.

  2. Latent Space85

    Anthropic releases Claude Fable 5.2 and Mythos 5.2, retaking the top LLM spot as its IPO roadshow begins

    Anthropic released Claude Fable 5.2 and Claude Mythos 5.2, which top most independent leaderboards, including Artificial Analysis Intelligence Index v5 at 65 and SemiAnalysis GDPx at 16.4%. Pricing drops 20% to $8/$40 per 1M input/output tokens, but SemiAnalysis reports cost per GDPx task rose from $67.16 to $88.15 because the model writes hundreds to thousands of test cases and spawns subagents to check its work. Multiple evals show the max effort level underperforming high, and Fable is capped at 50% of a weekly subscription limit.

    ทำไมเรื่องนี้สำคัญ: Anthropic releases Fable 5.2 and Mythos 5.2 with a 20% per-token price cut, yet independent evals show higher per-task cost and a max-effort setting that underperforms high.

  3. Google DeepMind78

    Google DeepMind releases Gemini Robotics 2.5 VLA model for real-world dexterity

    Google DeepMind introduced Gemini Robotics 2.5, its most capable vision-language-action model to date, which expands the range of skills a robot can learn and speeds up how fast it acquires them. Evaluated across 200 distinct tasks, the model achieves a 30% to 100% higher success rate than previous baselines while completing tasks 20% to 30% faster, and in a Mercedes-Benz production-line proof-of-concept, Apptronik's Apollo 2 humanoid picked and packed automotive parts with a 96% success rate. The release also adds inference-time reasoning guidance for physical safety, which raised safe task completion by 33% around obstacles and 43% around nearby people, plus ASIMOV-Jailbreak, an open-source benchmark on which Gemini 4 Argon reaches 99.5% jailbreak resistance.

    ทำไมเรื่องนี้สำคัญ: Gemini Robotics 2.5 improved its success rate on 200 tasks by 30% to 100%, and achieved a 96% pick-and-place success rate in a pilot on the Mercedes-Benz production line, providing reference data for evaluating the real-world deployment of VLA models.

  4. Claude YouTube78

    Anthropic releases Claude Fable 5.2 for ambitious technical work

    Anthropic released Claude Fable 5.2, a model designed for the most daunting technical challenges and ambitious open-ended projects, with improvements in coding, reasoning and vision. The company recommends starting with Opus 5.5 for most coding and knowledge tasks; Fable 5.2 is available today on Pro, Max, Team and Enterprise plans.

    ทำไมเรื่องนี้สำคัญ: Claude Fable 5.2 targets ambitious open-ended technical work, with stated gains in coding, reasoning and vision, while Opus 5.5 remains the recommended default for most coding and knowledge tasks.

9 พฤศจิกายนวันจันทร์
  1. Zyphra Research78

    Zyphra releases ZONOS3-Mini, an Apache 2.0 zero-shot voice-cloning TTS model that runs on-device

    Zyphra released ZONOS3-Mini, a sparse MoE text-to-speech model with 100M active and 800M total parameters under Apache 2.0, trained on 112 NVIDIA H100s in 2.5 days. It reaches under 570 ms time-to-first-audio in the browser on a Pixel 9 and under 150 ms on an M3 MacBook Air, with runtimes for WebGPU, SGLang, vLLM and GGML. The model adds control over identity, accent, quality, mood and delivery, including word-level steering, and Zyphra reports it ranks first among open models on its new ZTTS2-Eval benchmark.

    ทำไมเรื่องนี้สำคัญ: Zyphra's compact MoE TTS model pairs zero-shot voice cloning with word-level delivery control while running in real time on phones and laptops.

  2. Meta AI Research Blog78

    Meta releases Muse Ember, its smallest and most efficient model for agent tasks

    Meta released Muse Ember, its smallest and most efficient model, aimed at the repetitive work agents do all day such as tool calls, coding subtasks, routing, extraction and long document parsing. Meta says it matches Claude Haiku 5.5's best score at about a third of the cost and beats every GPT-6 Luna setting, at $0.10 per million input tokens and $0.50 per million output tokens. It ships with a 1M-token context window, up to 512K output tokens, native text, image, audio and video input, and is available today on Muse Code and the Meta Model API as muse-ember-1.0.

    ทำไมเรื่องนี้สำคัญ: Meta's smallest model targets the high-volume agent steps, and its cost-per-task comparison against Claude Haiku 5.5 and GPT-6 Luna shows where the efficiency claim comes from.

  3. Every78

    Every review: Fable 5.2 can build a full product with little steering

    Every reports that Fable 5.2, Anthropic's newest model, let Kieran Klaassen build a video editor combining Adobe Premiere, After Effects and Ableton-style features, with an AI agent running it, and Everycut went live three days after he started. The review says Fable 5.2 can take a whole product and keep building, testing and refining until it is usable daily, unlike Opus 5.5, which keeps the user checking its work, and Fable 5 and 5.1, which run large tasks for hours or days. Every calls it the first model it has tested that lets professionals build production-grade tools without reading the underlying code.

    ทำไมเรื่องนี้สำคัญ: Every's hands-on account of Fable 5.2 shows how far a single model can carry a product build with minimal steering, offering a concrete comparison against Opus 5.5 and Fable 5/5.1.

6 พฤศจิกายนวันศุกร์
  1. Google DeepMind78

    Google DeepMind releases Gemini Omni 1.2 Flash with 15-second clips and 30% lower price

    Google DeepMind rolled out Gemini Omni 1.2 Flash, now generally available across the Gemini API and Gemini for business, with native 15-second video generation, multi-turn conversational editing and stronger reference following. The price drops 30% from Gemini Omni 1.1 to $0.07 per second for 720p video, and users can draft at 360p or 720p before upscaling to 1080p or 4K. Clips can be set from 3 to 15 seconds in one-second increments, and outputs carry an imperceptible SynthID watermark.

    ทำไมเรื่องนี้สำคัญ: Gemini Omni 1.2 Flash raises native clip length to 15 seconds and cuts the price 30% to $0.07 per second of 720p video, with multi-turn conversational editing now generally available.

  2. Google Blog · AI80

    Google releases Gemini Omni 1.2 Flash with 15-second clips and a 30% price cut

    Google DeepMind rolled out Gemini Omni 1.2 Flash and made it generally available across the Gemini API and Gemini for business. The model generates and edits native clips up to 15 seconds, up from 10 seconds in Omni 1.1, supports multi-turn conversational editing, and holds character, product, and style references more consistently; 720p video now costs $0.07 per second, 30% less than Omni 1.1. Outputs carry a SynthID watermark, and the model is rolling out in Flow, Google Vids, the Gemini app, and Google Ads.

    ทำไมเรื่องนี้สำคัญ: Gemini Omni 1.2 Flash cuts the price 30% to $0.07 per second for 720p video while extending native clips to 15 seconds, giving teams producing video at scale a cheaper option to compare against prior versions.

  3. Meta AI Research Blog60

    Meta brings specialized Muse and Meta AI models with Active Memory and Active Focus

    Meta is rolling out specialized versions of its existing models, trained using Muse Wonder, to people who use Muse and Meta AI. The specialized models add Active Memory and Active Focus, and Meta reports the current Muse model scores 47% on its Personal Superintelligence Index versus 38% for the previous model, 90% versus 76% on the Active Memory eval, and a 67% improvement in completing everyday tasks where unexpected issues arise.

    ทำไมเรื่องนี้สำคัญ: Meta's specialized Muse and Meta AI models bring Active Memory and Active Focus to more users, with reported gains on memory and task-completion evals.

5 พฤศจิกายนวันพฤหัสบดี
  1. Preferred Networks News71

    PFN releases PLaMo 3 Translate open-weight translation LLM for edge devices

    Preferred Networks released PLaMo 3 Translate, a translation-specialized LLM used in its PLaMo Translation service, as an open-weight model on Hugging Face on November 5. 8B, 2B, 8B and 31B) and supports 53 languages including Japanese and English, running on smartphones, laptops and internal servers without a cloud connection.

    ทำไมเรื่องนี้สำคัญ: PFN releases a translation-specialized LLM in four sizes from 0.8B to 31B, letting companies and individuals run 53-language translation on-device without cloud access.

  2. Artificial Analysis Articles78

    Thinking Machines releases Inkling 2 Small, scoring 31 on the Artificial Analysis Intelligence Index

    Thinking Machines released Inkling 2 Small, a proprietary reasoning model that scores 31 on the Artificial Analysis Intelligence Index v5.0.1, 18 points above Inkling Small, with Apache 2.0 weights planned for a later, unconfirmed date. The 594B-parameter model (17B active) is available first through Tinker and Tinker Playground at $0.30/$1.00 per 1M input/output tokens, and it matches Gemini 3.8 Flash (high) while trailing Claude Sonnet 5.5 on coding and hallucination benchmarks. It averages about 150K output tokens per Intelligence Index task, roughly 4x Inkling Small, at $1.18 per task versus $0.20.

    ทำไมเรื่องนี้สำคัญ: Artificial Analysis's independent benchmark run shows where Inkling 2 Small gains over its predecessor and where it still trails Gemini 3.8 Flash and Claude Sonnet 5.5.

29 ตุลาคมวันพฤหัสบดี
  1. Mistral AI86

    Mistral releases open weights for Mistral Large 4 (Le Chonk), a 1-trillion-parameter multimodal model

    Mistral AI released the open weights of Mistral Large 4 (Le Chonk), a 1-trillion-parameter natively multimodal model that entered public preview earlier this month and was trained from scratch in Europe. The company says three additional weeks of reinforcement learning lifted it to the top of open-weight coding, with 41% on Terminal-Bench 4.0 and 48% on the Artificial Analysis Coding Agent Index while using 47% fewer tokens per task than GLM-5.3. It adds Low, Medium and High reasoning modes, scores 51% on the Artificial Analysis Cyber Index, and is priced at $0.70 input, $0.07 cached input and $2.10 output per million tokens under a modified MIT license.

    ทำไมเรื่องนี้สำคัญ: Mistral opens the weights of its 1-trillion-parameter flagship, pairing coding and defensive-security benchmark gains with three reasoning modes and per-token pricing.

  2. Google DeepMind82

    Google DeepMind announces Gemini 4 Carbon, a frontier model focused on cybersecurity and long-horizon tasks

    Google DeepMind announced Gemini 4 Carbon, its strongest model yet, with state-of-the-art cybersecurity and long-horizon capabilities, ranking #1 on the v5.0 Artificial Analysis Intelligence Index at 59. It scores 88.2% on SEC-bench Pro for finding vulnerabilities, 54.8% on ExploitGym for exploitation and 71.0% on CWE-bench for patching, and reaches #4 (1768) on WebDev Arena. Carbon launches at the same introductory price as Argon, $2 per million input tokens and $10 per million output tokens, and is first available to a subset of cyber defenders through the Fairwind Program before wider release.

    ทำไมเรื่องนี้สำคัญ: Gemini 4 Carbon's benchmark results in vulnerability discovery and patching show how frontier models are being positioned for cybersecurity defense work.