贝有科技

BEIYOO·AI 简报:微软一口气端出六款模型,编程账单要重算了

返回 AI 简报#4192026-11-18
BEIYOO·AI 简报:微软一口气端出六款模型,编程账单要重算了 封面图

Share

分享本期简报

手机端可调起系统分享;桌面端可复制链接或扫码后转发。

本期重点
  • 微软在Ignite推出六款自研模型,MAI Code 2将编程质量与价格放在同一张比较表上,优惠价格和测试范围需要一起看。
  • 商汤开放SenseNova-Loop-9B正式版权重,支持图文输入与512K上下文,用循环层结构提升参数利用率。
  • 可灵Image 4.0进入图像竞技榜并接入fal,原生8K和长文字排版面向海报与设计工作流。
  • 谷歌向六国合资格用户免费开放Gemini Tasks,长项目、定时任务及工具调用成为新的产品入口。
  • Perplexity推出统一推理API,Replit推出带预算和审批规则的Missions,交付过程越来越依赖编排与恢复。
  • SGLang及AMD生态公布推理优化进展,GitHub展示多模型编程成绩,软件编排和运行环境共同影响交付成本。

微软把编程、安全、图像和语音拆成专用模型,商汤用循环结构挖掘小模型能力,推理团队则继续优化内核与运行框架。这几条路线共同影响企业完成一项任务的成本。采购团队需要把促销价格、评测任务、推理配置和人工修改放进同一张表,再比较完整交付的费用。多智能体进一步增加工具调用与重试,预算、审批、验收和故障恢复也应进入试点范围。

Deep Read

今日深读

像安排维修班组,先按工种派活,再算验收后的账

办公室装修会分别安排电工、木工和验收人员。微软六款模型覆盖多个专门任务,体现了类似的分工思路。它公布的MAI Code 2价格性能比较来自指定编程基准,部分价格采用限时五折优惠,企业需要把这些条件与数字一起保留。

例如给客户系统增加导出按钮,可以把字段确认、代码修改、权限测试和发布验收拆开。不同模型承担适合的步骤,统一保留任务日志和测试结果。模型调用之外,还会产生工具运行、失败重试及人工检查费用,最终应统计一次通过验收的总成本。

今天的另两项变化让这套分工更容易运行。统一推理入口负责部署切换,多智能体平台负责规划和协作。企业仍需要明确哪些操作要审批、预算耗尽如何停机,以及中断任务怎样恢复,才能让模型价格优势转化为实际交付优势。

By The Numbers

数字看板

6款

微软本次推出的自研模型

覆盖编程、网络安全、图像和语音等方向

512K

商汤Loop正式版上下文

约9B参数,支持文本和图像输入

57个

Marin公开的预训练中间检查点

来自Mochi 535B-A23B训练,包含长上下文扩展阶段

Action Item

企业能抄的作业

用一项真实需求,重算编程模型的交付账单

  1. 1选一个小功能,写清输入、验收测试、权限要求和必须人工批准的操作。
  2. 2让候选模型处理同一份代码,固定工具与推理配置,标注价格优惠及其有效期。
  3. 3记录验收通过率、总时长、模型和工具费用、重试次数与人工修改时间,再决定任务分工。

News Briefing

今日快讯

采集窗口为北京时间11月17日08:00至11月18日08:00。RSS仅返回30条且未覆盖完整窗口,本期补充HuggingNews与官方发布,并与上一期#418去重。涉及既有模型的资讯聚焦本次正式版、平台接入或新测试结果。

头条动画

用“维修班组按工种派活”和“给系统增加导出按钮”的例子,解释微软专用模型与编程任务成本。配音使用豆包TTS,字幕白色居中。

下载本期动画 MP4 · 下载字幕

微软一口气推出六款自研模型,编程价格竞争升温

标签:微软 / 编程模型 / 任务成本

来源:微软MAI Code 2官方介绍 · HuggingNews发布汇总

微软在Ignite推出覆盖编程、网络安全、图像和语音等方向的六款自研模型,MAI Code 2与Flash分别面向复杂代码修改和高频日常开发。微软称,在四项指定编程基准的平均结果中,MAI Code 2达到GPT-6.1 Sol约98%的表现、成本约为40%,其中价格比较采用了限时五折促销条件。两款编程模型已进入GitHub Copilot,企业应固定任务和推理配置复测,并把返工与工具费用纳入比较。

商汤SenseNova-Loop-9B正式版开放权重,循环层支持更深计算

标签:商汤 / 中国模型 / 开放权重

来源:商汤官方模型卡

商汤在11月17日开放SenseNova-Loop-9B正式版权重和代码,延续预览版的循环架构,通过重复执行共享权重的中间层增加计算深度。模型约9B参数,支持图文输入、文本输出与512K上下文,项目采用Apache 2.0许可。官方同时列出复杂指令和长程智能体任务的稳定性限制,企业可优先用固定文档、代码和工具任务检查实际表现。

可灵Image 4.0进入图像竞技榜,原生8K服务接入fal

标签:快手 / 中国模型 / 图像生成

来源:HuggingNews可灵更新

可灵Image 4.0在本次图像竞技榜更新中位列编辑榜第13、生成榜第14,并通过fal提供调用。平台介绍其支持原生8K与最多约2000字符的文字排版,2K生成参考价格约0.063美元,具体费用应以调用时的页面为准。海报和长图团队可以重点测试中文准确率、品牌元素一致性和局部修改能力,榜单名次仍受样本与评测方式影响。

谷歌向六国合资格用户免费开放Gemini Tasks

标签:谷歌 / AI应用 / 定时任务

来源:Gemini官方发布 · HuggingNews功能说明

谷歌将Gemini Tasks向美国、日本、韩国、加拿大、澳大利亚和印度的合资格用户免费开放,由Gemini 4 Hydrogen支持较长项目和周期任务。美国还逐步上线代打电话与通过Google Pay完成付款等能力,具体地区和账户开放范围分别推进。对预约、询价和库存查询等应用,接入团队需核对工具权限、确认步骤与结果通知方式。

Perplexity推出Orchestrator API,统一接入模型与部署切换

标签:Perplexity / 推理API / 可靠性

来源:Perplexity官方技术说明 · HuggingNews模型目录概况

Perplexity发布Orchestrator API,以统一接口和账单接入45款以上开放权重及专有模型,兼容常用OpenAI与Anthropic请求格式。官方说明,同一模型的某个部署遇到错误、限流或超时后,可在其他可用部署重试,并对尝试设置时限。开发者需要分别配置模型选择与供应商故障恢复,接入时核对数据流向、重试行为和当前模型目录。

Replit推出Missions,智能体群按预算和审批规则开发软件

标签:Replit / 多智能体 / 软件开发

来源:HuggingNews产品发布

Replit推出Missions,让多个智能体围绕目标规划、构建、测试和迭代,用户可设置支出上限及需要批准的操作。预算耗尽时任务停止,公司用开源监控应用DataCat展示协作开发能力。试点时应先约定功能清单、测试样例和完成标准,厂商演示所展示的复制能力需要在自己的代码、数据与权限条件下验证。

Marin公开Mochi 535B预训练的57个中间检查点

标签:Marin / 开放研究 / 预训练

来源:HuggingNews训练资源发布

Marin公开Mochi 535B-A23B预训练的57个中间检查点,其中10个来自长上下文扩展阶段,总权重文件约61TB,对应18.2万亿Token训练过程。研究者可以比较不同训练阶段的能力、稳定性和后训练潜力,而不只观察最终模型。下载和实验需要较高存储与算力预算,使用前应核对各检查点的配置、许可和适配代码。

SGLang发布1.0,新增Trainium支持并扩展模型适配

标签:SGLang / 推理框架 / 多硬件

来源:HuggingNews版本发布

SGLang 1.0加入megakernel、以Rust重写的热路径以及AWS Trainium支持,发布信息列出对217个模型的适配与首日支持进展。团队同时介绍产业联盟与生产采用情况,并展示在相同8张GB300上将Muse Spark Open吞吐从517提升到1109 Token/秒的测试。部署团队应复现自己的并发、上下文和量化配置,按业务负载评估升级收益与兼容性。

AMD生态优化MiniMax M3.1 Flash,公布生产流量下的新速度

标签:MiniMax / 中国模型 / AMD推理

来源:HuggingNews性能更新

vLLM与Inferact针对AMD MI355X上的MiniMax M3.1 Flash继续优化,披露不到20天内性能提升约4倍,并在生产流量测试中记录P90输出速度1129 Token/秒。改进涉及使用FlyDSL编写的新内核,本条关注推理栈进展,模型本身此前已推出。该结果对应团队公布的具体负载,选型时仍需测量首字延迟、并发吞吐和输出质量。

GitHub Copilot Fusion Max登顶指定终端编程评测,多模型协作再进一程

标签:GitHub / 多模型 / 编程智能体

来源:GitHub官方发布 · HuggingNews成绩更新

GitHub公布Copilot Fusion Max在Terminal-Bench 4.1取得71.2%的任务解决率,位列该次榜单首位。系统通过智能体运行框架协调多个前沿模型,公司同时披露相对部分单模型方案的成本优势,并表示已进入Copilot产品体验。代码团队可重点验证模型之间如何分配任务,以及在自己的仓库中能否保持测试通过率、修改一致性和可追踪性。

Trellis Data发布220B参数Agentaus 1,强调澳大利亚本地托管

标签:Trellis Data / 主权AI / 数据地区

来源:HuggingNews模型发布

Trellis Data发布220B参数模型Agentaus 1,宣布服务部署在澳大利亚服务器,用户输入不用于训练,数据保留在当地。公司披露MMLU-Pro成绩84.4%,其产品重点还包括面向敏感数据的本地服务条件。受数据驻留要求约束的团队,可进一步核对日志、备份、运维访问与分包商条款,并用行业任务测试能力。

Sage S2.1 Flash更新OfficeQA Pro成绩,开放模型办公问答能力再进一程

标签:SageAI / 开放模型 / 办公问答评测

来源:HuggingNews评测更新

Sage S2.1 Flash在本次OfficeQA Pro成绩更新中取得72.2分,成为该次榜单得分最高的开放模型,与榜首Claude Fable 5.2的72.9分相差0.7分。本条收录新的办公问答评测进展,模型此前已发布,结果只对应这一基准及其配置。需要处理复杂材料问答的团队,可用自己的表格、报告和跨文档问题复测,并逐项核对答案依据、字段遗漏与计算错误。

有类似的场景想推进?

先把目标、边界和验收方式聊清楚,再决定怎么开始。