llm-anthropic 0.25.1 发布：支持 Claude Opus 4.8，默认输出长度不再卡 8192
Simon Willison 的 LLM 命令行工具更新了 Anthropic 插件，主要三件事：新增 Claude Opus 4.8 模型；给开通了 fast mode 的企业用户加了个 `-o fast 1` 参数，能更快出结果；默认 max_tokens 从固定的 8192 改成每个模型自己的最大输出长度——之前 8192 会截断长回复，现在不用...
OpenRouter 上线模型对比页，可视化 GPT-5.5 和 Claude Opus 4.7/4.8 表现
OpenRouter 推出了一个模型对比页面，能直接可视化 GPT-5.5、Claude Opus 4.7 和 Claude Opus 4.8 的性能差异。正文没披露具体用了哪些指标维度、怎么打分的，所以这个页面更像一个快速看板，帮你直观感受模型间的相对强弱，而不是严谨的评测报告。
#Benchmarking#OpenRouter#OpenAI#Anthropic
精选理由
OpenRouter 上线了一个模型对比页面，把 GPT-5.5、Claude Opus 4.7 和 4.8 放在一起可视化。但正文没交代用了什么指标、权重怎么设、分数怎么算，等于只给了个空壳。对从业者来说，知道有这个页面就够了，但别急着拿它做选型依据——信息不全，验证不了。
一句话点评
OpenRouter 搞了个模型对比页面，把 GPT-5.5、Claude Opus 4.7 和 4.8 放一起可视化。好处是直观，不用自己翻基准分。但正文没交代用了哪些指标、怎么打分的，所以更像快速看板而非严谨评测。短评：直观对比 GPT-5.5 和 Claude Opus 4.7/4.8，但评分方法未公开，当看板用就好。
Google 发布图像模型 Nano Banana Pro 和 Nano Banana 2 接入 Gemini API
Google AI 开发者账号官宣了两个图像模型：Nano Banana Pro（代号 gemini-3-pro-image）和 Nano Banana 2（代号 gemini-3.1-flash-image），现在就能通过 Gemini API 调用，直接上生产环境。帖子贴了一些社区示例展示效果，但正文没披露定价、跑分、并发限制这些关键信息，想评估成...
#Vision#Multimodal#Google AI Developers#Gemini
精选理由
Google 这次一口气发了两个图像模型，Nano Banana Pro 和 Nano Banana 2，都走 Gemini API，直接面向生产环境。标题和摘要只给了名字和可用性，没提性能对比、价格、安全机制，所以没法判断实际强不强。我会先打个折，不往 p1 放，但作为产品动态值得让关注图像生成和多模态的人知道。
一句话点评
Google 把两款新图像模型 Nano Banana Pro 和 Nano Banana 2 接入了 Gemini API，但正文没披露具体性能数据和对比基准。
锐评
Google 这次发布的是两个图像模型，名字叫 Nano Banana Pro 和 Nano Banana 2，已经可以通过 Gemini API 调用。从命名看，Pro 版大概率是性能更强的版本，2 代可能是迭代升级。但这条消息目前只有标题，正文是空的，所以没法判断具体强在哪、快多少、成本怎么算。我会先打个折：接入 API 意味着开发者能直接用了，这是好事，但没看到任何 benchmark 或延迟数据之前，别急着下结论说它比现有方案好。如果你在选图像模型，建议等官方放出技术细节或第三方评测再对比。
微软研究院开源了 Data Formulator，一个面向企业数据工作流的 AI 分析工具。它把原始数据导入一个 AI 就绪的工作空间，用户可以用 AI 智能体（相当于一个会干活的助手）来探索、分析和可视化数据，把表格变成可操作的洞察。正文没披露定价、部署方式以及数据如何连接到系统，所以实际落地成本和安全验证还不清楚。
商汤发布了升级版信息图生成模型 SenseNova-U1-8B-MoT-Infographic，参数规模8B。官方称在四个方向做了优化：文字准确性和可读性提升，减少重复和不当放大；布局更一致、背景更稳定；图表和示意图质量提高；新增学术内容渲染支持。推文附了 Hugging Face 模型页和演示链接。正文没披露训练数据量或推理速度，实际效果得跑过才知道。
Mistral AI 把数据喂入、检索和效果评估打包成一个开源框架，叫 Search Toolkit，现在开放公共预览。我会先打个折：这不算大新闻，但信息量够。它支持云端、本地和边缘部署，意味着你可以在自己机器上跑，不用被绑在某个云上。正文没披露具体性能对比和延迟数据，所以别太激动，但开源加评估环节这点对想自己搭资料库的团队挺实用。
Mistral 整合了 Emmi AI 团队，发布了一个面向工业工程的物理 AI 基础模型。它能根据几何结构、边界条件或测量数据，在单张 GPU 上用几秒钟预测出完整的物理场（比如温度、应力分布）。正文没披露具体架构、参数量、训练数据规模和实测误差范围，也没给出跟传统数值仿真在精度和速度上的量化对比，所以实际工程可用性还得看后续验证。
#Robotics#Inference-opt#Tools#Mistral AI
精选理由
Mistral 这次没发新聊天模型，而是直接拿下一个物理 AI 团队，做工业仿真。我会先打个折：正文没披露具体模型名、基准测试、定价和开放方式，所以没法判断它比现有求解器到底准不准、省多少。但方向本身值得关注——如果单 GPU 秒级出完整物理场是真的，对西门子能源这类重工业客户来说，仿真迭代速度会快很多，成本也可能降一截。这点先别太激动，等他们放出可复现的结果再说。
一句话点评
Mistral 开始做物理 AI 了，单卡几秒出温度、应力场，听着很省钱，但正文没给精度对比，先当 demo 看。
锐评
Mistral 收购 Emmi AI 后发了第一个物理 AI 模型，定位是给工业工程师用的基础模型。它能根据几何结构、边界条件或实测数据，在单张 GPU 上几秒钟预测出完整的物理场，比如温度分布和应力分布。这个速度对需要快速迭代的设计阶段确实有吸引力，相当于把传统仿真软件几小时甚至几天的活压缩到秒级。
但正文没披露最关键的东西：跟传统数值仿真比，误差到底多少。也没说模型参数量、训练数据规模和覆盖的物理场景范围。只提了跟西门子能源有合作，没给任何量化验证结果。工业场景对精度要求极高，差 5% 可能整个设计方案就废了，所以“快”不能替代“准”。
另外，模型是直接从几何和边界条件预测物理场，跳过了传统求解偏微分方程的过程。这种端到端思路在学术界有不少探索，但工程落地最大的坑是泛化能力——换个没见过的几何形状，预测会不会崩，正文完全没提。建议等他们放出 benchmark 或第三方评测再判断实际可用性。
Mistral 在 AI Now 峰会上公布工业 AI 路线图，Vibe 升级，并在巴黎郊区建推理数据中心
Mistral 在自家峰会上主要说了三件事。第一，他们和空客、宝马、ASML 合作搞工业 AI，让模型进到设计、制造这类业务流程里干活，但具体怎么落地、效果如何正文没细讲。第二，Vibe 这个能处理长周期任务的 AI 助手迎来升级，具体能力变化也没展开。第三，他们要在巴黎南边的 Les Ulis 建一个 10 兆瓦的推理数据中心，计划 2026 年第三...
#Agent#Reasoning#Inference-opt#Mistral AI
精选理由
我会先打个折：这次没发新模型能力，也没给定价细节，所以重要性卡在 featured 门槛上。但 Mistral 把数据中心规格（10 MW）和时间表（2026 Q3）都摊出来了，还绑定了空客、宝马、ASML 这些实打实的工业客户，比纯概念发布实在。正文没披露推理成本的具体数字，这点先别太激动。整体看，对做工业 AI 和关注欧洲算力布局的人值得扫一眼。
HKR 三项全中：DeepSeek 拿完约 500 亿美元融资就申请科创板 IPO，等于把中国大模型公司的身价直接摆到二级市场。消息来自参与本轮的一位基金经理，不是空穴来风，但正文没披露正式申请文件或更多交叉验证，所以可信度先打个折。这件事对行业的意义在于，它可能给国内 AI 公司的估值和退出路径提供一个真实参照，也会让中美 AI 竞争的讨论更具体。
可灵AI将在5月29日加州卡尔弗剧院举办的AI on the Lot社区日上，展示20部由Prompt Club创作者制作的原创AI短片，全部是原生4K分辨率。这算是AI视频生成领域少见的“真4K”展示——之前很多AI短片都是后期拉伸或超分上去的，原生4K意味着生成模型本身就能输出高分辨率画面，对算力和模型细节要求更高。不过正文没披露这些短片是纯AI生...
MuleRun 把自己包装成一个“全天候 AI 劳动力”，挂在阿里云市场上卖，个人版每月20美元起。能干的事包括研究、写报告、写代码、做设计。企业版加了 SSO 单点登录、RBAC 权限控制、私有网络、团队知识管理和集成。正文没披露模型基座、任务成功率或延迟数据，所以“劳动力”这个说法先打个折——更像是一个封装好的 AI 代理服务，适合小团队快速试用，...
MuleRun 在阿里云市场上架了一个“全天候 AI 劳动力”，个人版每月 20 美元起，号称能干研究、写报告、写代码、设计。企业版加了 SSO、RBAC、私有网络和团队知识管理。但正文没披露模型基座、任务成功率或延迟数据，所以“劳动力”这个说法先打个折——更像是一个封装好的 AI 代理服务，适合小团队快速试用，但离替代真人还差不少验证。
Lemonade 的安全负责人 Jonathan Jaffe 聊了聊当攻防双方都用上 AI 后，安全团队该怎么变。他提到一个终端上可能同时跑着 200 到 10000 个智能体，现在的身份和权限管理系统根本管不过来，必须给每个智能体一个独立身份，并在它执行动作时直接卡控策略。另外，AI 写的代码漏洞虽多，但修得也快，软件反而可能更皮实。安全团队本身也在...
#Agent#Code#Safety#Lemonade
精选理由
这篇是活动评论，不是产品发布或研究论文，但终端智能体数量和身份管控模型这两个信息点很实在，对正在头疼智能体安全的团队有参考价值，放在 featured 里合适。
一句话点评
Lemonade 安全负责人说，一个终端上可能同时跑着 200 到 10000 个 AI 智能体，现在的权限系统根本管不过来，得给每个智能体发独立身份证并在它动手时直接卡策略。
锐评
Jonathan Jaffe 的核心判断很直接：攻防双方都用上 AI 后，防守方反而可能占优，因为所有安全厂商都在同时给产品打补丁、做加固，漏洞窗口期在缩短。他举了个反直觉的例子——AI 写的代码漏洞多，但修得也快，软件整体反而可能更皮实。这个逻辑成立的前提是“修得比攻得快”，但正文没给出任何修复速度对比数据，这点先别太激动。
真正值得关注的是他对身份系统的警告。一个终端跑 200 到 10000 个智能体，每个都要独立身份并在执行动作时实时卡控策略，现在的 IAM 系统确实做不到。Lemonade 的做法是把安全团队全转成工程师，自建平台用智能体管智能体，比如一个智能体读威胁情报，另一个去查生产代码里是否真调用了漏洞方法。这思路务实，但正文没披露这套自研平台的误报率、延迟和覆盖范围，也没说清策略冲突时怎么仲裁。
还缺一块：攻击方用 AI 自动化后，攻击成本降到多低、频率提到多高，文章完全没提。没有攻方的数字，就很难判断防守方的“自动化”到底够不够用。