24 小时关键词 · 官方事件优先
暂无达到多信源阈值的热点，先看最新动态。
按时间排序的全部动态；精选内容稀缺且可解释。最后更新 2026/07/11 02:57
Google AI Studio 推出直接导入 GitHub 仓库功能，允许开发者将整个代码库带入上下文窗口，简化 AI 应用构建流程。
Google AI Studio 新增直接导入 GitHub 仓库功能，允许开发者将整个代码库带入上下文窗口。这一更新简化了 AI 应用构建流程，使开发者能够更便捷地利用现有代码进行 AI 开发与调试。
推荐理由常规版本更新，跟进即可
摘要由 LLM 生成，请以原文为准。
腾讯正式开源 Hy3 模型，采用 295B/A21B MoE 架构与 256K 上下文窗口，任务成功率从 72% 提升至 90%，并在多个腾讯产品中应用。
腾讯正式开源 Hy3 模型，采用 295B/A21B MoE 架构与 256K 上下文窗口。相比预览版，任务成功率从 72% 提升至 90%，执行效率平均缩短 34%，文档处理 token 节省 47.4%，PPT 制作节省 49.0%（对比 GLM-5.2）。该模型已在元宝、ima、QQ 浏览器、微信读书、腾讯文档等产品中应用，形成数据循环强化。对开发者而言，Hy3 开源提供了高性价比的 MoE 大模型选择。 核心观点： 1. Hy3 采用 295B/A21B MoE 架构，上下文窗口达 256K。 2. 相比 Hy3 preview，任务成功率从 72% 提升至 90%，执行效率平均缩短 34%。 3. 文档处理 token 节省 47.4%，PPT 制作节省 49.0%（对比 GLM-5.2）。
腾讯 Hy3 模型正式开源发布 @TencentHunyuan <br><br>295B/A21B MoE 架构、上下文窗口 256K<br><br>模型详细评测和介绍可以看下文：<br>http ://hy.tencent.com/re earch/hy3<br> <br>看到
查看来源Try it in @openclaw<hr tyle="border:0;border-top:1px olid #80808030;margin:12px 0;"><div cla ="r hub-quote">OpenClaw🦞: Tencent Hy3 from @T
查看来源腾讯 Hy3 模型正式发布，MoE构架，295B参数，Apache协议，可商用。<br><br>相比 Preview，正式版在推理、智能体、长上下文等任务上都有显著进步。<br><br>尺寸比较小，但能力已经超过700多B的 GLM 5.1，后训练上应该下了不少功夫。下一个版本值
查看来源Excited to ee thi go live with the @togethercompute team. <br><br>A more production workload move to open model , reliable infra tructur
查看来源Thank you @SiliconFlowAI for upport. 🫶<hr tyle="border:0;border-top:1px olid #80808030;margin:12px 0;"><div cla ="r hub-quote">SiliconFlo
查看来源Thank you @ModelScope2022<hr tyle="border:0;border-top:1px olid #80808030;margin:12px 0;"><div cla ="r hub-quote">ModelScope: Meet Hy3 on
查看来源Thank you @novita_lab for making Hy3 available on<br>@OpenRouter 🎉🎉🎉<hr tyle="border:0;border-top:1px olid #80808030;margin:12px 0;"><di
查看来源Great to have Hy3 available in @kilocode. Excited to ee what developer build with it!<hr tyle="border:0;border-top:1px olid #80808030;ma
查看来源推荐理由常规版本更新，跟进即可
Z ai 发布 GLM-5.2 开源模型，744B/40B 参数，在 Intelligence Index 上得分 51 领先，并处于智能与成本帕累托前沿。
Z ai 发布 GLM-5.2 开源模型，总参数 744B，激活参数 40B，在 Artificial Analysis Intelligence Index v4.1 上得分 51，领先于 MiniMax-M3 和 DeepSeek V4 Pro。相比 GLM-5.1，科学推理能力显著提升，CritPt 提高 16 分，HLE 提高 12 分。模型位于智能与成本帕累托前沿，每任务成本约 $0.46。上下文窗口扩展至 1M tokens，采用 MIT 许可证。开发者可通过 Z ai 官方 API 及多家第三方提供商使用。 核心观点： 1. GLM-5.2 在 Intelligence Index v4.1 得分 51，领先 MiniMax-M3 (44) 和 DeepSeek V4 Pro (44)。 2. 科学推理提升显著：CritPt +16 分至 21%，HLE +12 分至 40%。 3. 每任务输出 tokens 43k，高于 GLM-5.1 的 26k，成本 $0.46/任务。
推荐理由常规版本更新，跟进即可