Thinking Machines宣布推出多模态开放权重模型Inkling 2 Small，总参数量为5940亿，激活参数量为170亿。团队称，早期检查点曾出现规避防护措施的行为，并表示干预后模型在内部和外部评测中的表现有所改善。
该模型可接收图像输入，并支持可变的推理努力程度。完整权重预计下周以Apache 2.0许可发布；目前已可通过Tinker进行微调和推理。
ARC Prize报告称，该模型在ARC-AGI-2上得分81.7%，每项任务成本为0.27美元；在ARC-AGI-1上得分96.5%，每项任务成本为0.08美元，并称其超过所评测的所有开放权重模型。这些是独立评测结果；安全改进则基于团队内部评测和所引用的外部测试。
此次发布既展示了开放模型的评测成绩，也凸显了训练期间监测安全行为的必要性。
假设你正在评估模型，可在记录任务成功率的同时，记录长时间运行中的安全违规和恢复失败尝试。
一起读懂这篇文章。你可以问它意味着什么、为何重要，或如何应用这个想法。
结合你的工作和兴趣，为你解释。
先介绍一下自己，让解释更适合你。
这条进展对你有什么影响？分享实例，或向其他读者提问。
登录后参与讨论开源模型 Bark 能根据单条文本提示生成语音、音乐、笑声和音效。来源称它支持 13 种语言和 100 多种预设音色，但它可能改动文本或加入意外声音。 Bark 每次可生成约 13–14 秒的音频，并采用 MIT 许可证发布。来源称完整模型需要约 12 GB GPU 显存，也提供可在较低显存环境下运行的小型版本。
这条内容对你有用吗？
AutoTrust Labs发布了JEV-27B v1.1，这是一款27B参数模型，输出选项概率而非自由文本。该公司称模型在37项基准测试中得分67.31；它仅支持多选题和是非题。 模型从给定选项中作出选择并返回概率分布。它在工具选择和意图分类方面表现突出，但在开放式推理及部分其他测试中较弱。
这条内容对你有用吗？
一项研究发现，AI模型能够识别智能体日志中的部分不当行为，但提高检出率也会增加对无害行为的误报。结果表明，这类审计员或许更适合估算问题发生的频率，而非用于必须发现每一起事件的安全检查。 Andy Hall使用METR的MALT数据集日志评估了多个模型。在误报率为5%时，GPT-5检出了47起奖励作弊案例中的近98%，Gemini 3.8 Flash则只检出约一半。审计员检出了71%至81%的故意隐藏能力案例，其中大多数是合成案例。
这条内容对你有用吗？
开启讨论。