Gemini 4 Argon 四智能体自主通关《我的世界》
四个 Gemini 4 Argon 智能体在随机世界自行分工、预警并回收队友物资，27 小时 14 分击杀末影龙，死亡 605 次，会话成本 $1,620。
评这是首个无人类介入的完整通关记录，价值在过程数据：全程 2,783 段 JavaScript、229 条内部消息，都是多智能体协作的可复用样本。$1,620 的账单也说明长时自主任务会先撞上成本墙。
DeepSeek 新模型登顶 WebDev 开源榜
DeepSeek-V4.1-Flash-20261017 以 1670 分列 WebDev 第 12、开源第一，超 Kimi K3 15 分，价格低 10 倍。
评开源第一只到总榜第 12，前 11 名清一色闭源旗舰——真正值得记的是差距缩到 15 分以内，而 $0.30/$1.20 的定价把「够用」这一档的性价比彻底改写。
V4.1-Flash-1017 发布，单任务成本降 60%
DeepSeek 上线 V4.1-Flash-1017 并开源，DeepSWE 达 77.0%、单任务不到 0.2 美元，前版 74.2%、约 0.5 美元。
评官方称 11 项基准全部提升，但独立评测尚未出现，优势也集中在编码与智能体项目；真正改变采购决策的是单位任务成本降约六成，让小模型跑完整项目在预算上第一次成立。
Muse Spark Open 开源，816B 参数可本地跑
Meta 发布 816B 开源权重模型 Muse Spark Open，42B 激活、1M token 上下文，两台 Mac Studio 可本地运行。
评Muse Spark Open 靠苹果 M5 Ultra 的统一内存把 816B 装进两台 Mac Studio，硬件成本却超 4 万美元。但它并非全球最强开源模型，编程与推理弱于 Kimi K3 等，优势在 Agent 任务。
FLUX 3 Image Klein 开源，5.6B 参数
Black Forest Labs 发布 5.6B 参数开源权重模型 FLUX 3 Image Klein，支持文生图、图像编辑与最多 10 张参考图。
评5.6B 是开源图像模型里的小个子：对比 FLUX.2 klein 9B，文生图 Elo 高 91 而参数少 38%，INT8 量化后 8GB 显存就能跑。门槛从算力变成授权——年收入超 500 万美元的公司需另购许可。
Grok Voice 3.0 登顶 AA 语音榜
xAI 发布 Grok Voice 3.0，每分钟 0.08 美元；Artificial Analysis 语音到语音指数 86.9 分首次参评即登顶。
Muse Wonder 进 Agent Arena 第12名
Agent Arena 榜：Meta 的 Muse Wonder (Max) 净提升 6.42% 列第 12，单任务中位成本 1.35 美元。
评名次上升四位的另一面是成本：单任务中位 1.35 美元，约为 Muse Spark 1.3 的 0.55 美元的 2.5 倍；2.8 个百分点值不值，取决于任务是长程还是短问答。
Gemini 4 Argon 全球开放，定价 $2/$10
Google 将 Gemini 4 Argon 从仅限安全防御者扩至全球开放；官方称其 Vals Index 居首，输出上限 100 万 token。
评10 月 1 日 Argon 首发时只面向 Fairwind 计划的安全防御者，这次才对开发者与订阅用户全面开门。定价维持 $2/$10 不变，缓存输入另打 95% 折扣，明显是冲着长上下文 Agent 工作流来的。
Gemini 4 Argon 追平 GPT-6 Astra
Gemini 4 Argon 智能指数 53，与 GPT-6 Astra 持平，但单任务成本 1.99 美元，约为后者的六成。
评同一指数下 Argon 每任务 1.99 美元、GPT-6 Astra 3.26 美元，差距也写在价目上：Astra 输出价每百万 token 50 美元，是 Argon 的五倍。对把推理成本当硬约束的团队，这比榜单名次更能决定选型。
Meta 发布首批前沿模型 Muse Wonder 系列
Meta 发布首批前沿级模型 Muse Wonder 与 Wonder Full，官方称基准与 GPT-6 Astra 同级，前者已开放 API。
评Wonder 把 Meta 从轻量路线拉回前沿竞争，分层明确：Muse Wonder 走 API，Wonder Full 只给订阅用户。这更像收入结构转型——Meta 长期依赖广告，如今把最强模型绑到每月 20 或 100 美元的订阅。
Odyssey 发布世界模型 Odyssey-3 公开预览
Odyssey 公开世界模型 Odyssey-3 研究预览：基础模型 140 亿参数、832×480 分辨率，文本提示实时生成可交互环境，官网免费试用。
评官方称 Pro 版在 Physics-IQ 视频基准登顶 66.1 分，但那是单次运行、用筛选法从 8 个生成视频挑 1 个的结果，基准要求四次运行报标准差，不做筛选时四次平均 63.37 分。
Image-to-WebDev 榜：Opus 5.5 登顶
Image-to-WebDev 榜单更新：Opus 5.5 以 1749 分登顶，Sonnet 5.5 1740 分居次，两个模型同处 Pareto 前沿。
评把评测从「写代码」推到「看截图还原页面」，更贴近设计稿转前端这类真实工序。Anthropic 双模型占据前二且同处 Pareto 前沿，说明这轮比拼不在单点分数，而在同一价格带内速度与质量如何取舍。
TUFA Labs 88.06% 登顶 ARC-AGI-2
ARC Prize 2026 公开榜：TUFA Labs 以 88.06% 登顶，较此前 83.61% 抬升榜首，rabbithole 80.56% 居次。
评公开榜只算约一半测试集，88.06% 仍不是私有成绩——15 万美元 Bonus Prize 门槛是私有集达 85%，尚无人拿到。榜首从 83.61% 一夜抬到 88.06%，说明 ARC-AGI-2 公开榜已进入算力刷分阶段。
Nano Banana 2.1 双榜第四，1K 价格减半
Nano Banana 2.1 在 Artificial Analysis 两个图像榜均列第 4，1K 单图 0.0336 美元、约为前代一半。
评更关键的是定价策略：1K/2K 单图成本腰斩，但输入 token 价从每百万 0.50 涨到 1.50 美元，多参考图与长提示词的重度工作流总账未必同步下降。
Haiku 5.5 首测 Code Arena 第 30
Arena 公布 Claude Haiku 5.5（High）实测：Code Arena: WebDev 得 1587 分，首秀列第 30。
评该模型 10-08 才发布，隔天 Arena 就给出榜单位次；1587 分落在 Pareto 前沿之外，说明 Haiku 这档小模型在 WebDev 这类长链路任务上仍与旗舰有明显差距。
Anthropic 发布 Claude Haiku 5.5
输入 $0.10/M、输出 $0.50/M，10 万 token 内较 Haiku 4.5 降价 90%；AA 智能指数 43 分，较上一代提升 26 分。
评Haiku 5.5 首次在 Haiku 档位加入可调 effort，把「省钱还是求准」交给调用方；同批 Sonnet 5.5 缓存读取价砍半，压低 Agent 长上下文重复调用的成本。做批量摘要与子 Agent 的团队拿到的是单价降本。
pplx-embed-v2-late 多模态检索模型开源
Perplexity 开源 0.6B 与 9B 两档模型，共享嵌入空间，免 OCR 检索文本、图片与 PDF，小模型可直接查大模型建的索引。
评索引端用 9B 保召回质量，查询端换 0.6B 压在线成本，且不必重建索引，这正是共享嵌入空间的价值。ViDoRe v3 图像 nDCG@10 上 9B 为 65.2%、0.6B 为 62.3%，代价是存储开销远高于单向量方案。
DeepMind 开源 EmbeddingGemma 2
基于 Gemma 4、Apache 2.0 开源 740M 参数模型，把文本、代码、图像、视频、音频映射到统一嵌入空间，上下文 8K 为前代 4 倍。
评对端侧开发者最实际的两点：输出向量可从 768 维截断到 128 维，最高省 6 倍存储；Pixel 11 Pro 上纯文本权重仅约 191MB。MTEB Code 从前代 68.76 升至 78.68，开源小模型正把 RAG 拉回设备。
DeepSeek V4.1 Flash 公布 ARC 成绩
DeepSeek V4.1 Flash：ARC-AGI-2 得 72.9%、ARC-AGI-1 得 94.5%，每任务成本比 V4 Flash 高约 250%。
评比 V4 Flash 最佳高 11.5 与 5.5 分，但每任务成本涨约 250%；ARC Prize 指出 ARC-AGI-1 上 high 档 88.5% 反低于 low 档 90.5%，档位并非越高越好。采购方按难度分档调度更省钱。
Liquid AI 发布首个决策模型 d1 并支持图像输入
Liquid AI 发布首个决策模型 d1：一次前向推理输出概率；六项真实任务中四项不逊于 GPT-6.1 Sol，成本低 19-200 倍。
评决策模型把「结构化判断」从生成模型里拆出来：只算概率、不生成 token，延迟与成本都低一个量级。适合把大量 if/else 式判断从 LLM 调用换成 d1，但它只能回答可枚举的问题。
Aleph Alpha 开源 MoE 模型 Kolibri
78B 总参数、约 3B 激活的德英双语 MoE，权重以 Apache 2.0 上架 Hugging Face，上下文最长 104.8 万 token。
评欧洲主权模型的打法是错位竞争：总参数 78B 但每 token 只激活约 3B，还把德语压缩率做到每 token 4.90 字节、优于 GPT-5 的 4.35。对必须在本地部署德语文档的欧洲机构，省下的是实打实的推理成本。
Ai2 开源 8B 科学报告模型 AstaBrief
Ai2 开源 8B 模型 AstaBrief，基于 Qwen3-8B 把研究问题与文献片段转成带引用报告，单份 51.1 秒，比思考模式快 3.5 倍。
评小模型加检索把文献综述压到一分钟内，门槛就从生成质量移到引用准确性：人类研究里 3 位科学家有 2 位在引用准确度上更偏好它，说明这类任务胜负手是可追溯而非文采。
Claude Sonnet 5.5 列 Code Arena WebDev 第 3
Claude Sonnet 5.5（xHigh）以 1786 分列 Code Arena WebDev 第 3，距第 2 名 GPT-6 Astra 差 2 分，混合价 $8。
评中端型号以旗舰几分之差挤进前三，「默认选 Sonnet」的理由更充分；对 Anthropic 是 Opus 守顶、Sonnet 走量的组合拳，但 Sonnet 已在 Terminal-Bench 反超 Opus，产品线内部也在互相挤压。
AA 评测：Qwen-Image-2.1 居两个图像榜开源第一
Artificial Analysis 评测 Qwen-Image-2.1：文生图榜 Elo 1034、编辑榜 1074，均列两榜开源权重第一，领先 Ideogram 4.0 等。
评发布时靠的是自建 Qwen-Image-Bench，这次第三方实测补上了独立参照。总榜第 18 名前面全是闭源 API，对要私有部署、数据不出网的团队，开源第一比绝对名次更有意义；非商业研究许可仍是商用前要过的坎。
小米 MiMo-V2.6-Pro 登 Agent Arena 开源第 5
Pro 净升 3.17%（8.1K+ 会话）列开源第 5，较上代升 9 位，Confirmed Success +7.35% 开源第 2；Flash $0.04 成本进性价比前沿。
评Pro 用名次证明开源模型能进第一梯队，Flash 用 $0.04 的单价卡进性价比前沿，一档性能一档价格的双拳打法，是把手机市场的档位策略搬进了模型市场。8.1K+ 真实会话的样本量也够看趋势，不只是刷榜数字。
Gemini 4 Argon 列 Agent Arena 第 8，净提升 7.92%
Gemini 4 Argon 净提升 7.92% 列 Agent Arena 第 8，单价 $0.62；并以 1525 分登顶 Text Arena，领先第 2 名约 20 分。
评榜单位次要配成本看：Argon 以 $0.62 单价进前 8，走性价比路线而非极限性能；Text Arena 登顶则说明对话口碑先于编码能力成型。API 未开放前榜单是唯一可比口径，但官方自表中编码项仍是短板。
Google DeepMind 发布 Gemini 4 Argon
输出上限 100 万 token、每百万 $2/$10；DeepSWE 77.9%，CWE-bench 68% 并列第一，先向可信网络防御者开放（Fairwind 计划）。
评这是谷歌在 OpenAI 取消 Astra、Anthropic 交表当口放出的旗舰牌，$2/$10 对齐 Sol 与 Opus 5.5 首发档。先开放安全防御者而非付费用户，既是安全叙事也是监管姿态；成色要等 API 开放后第三方复测。
DeepSeek 开源面向华为昇腾平台的基础设施组件
组件含 TileLang、DeepGEMM、DeepEP、TileKernels、FlashMLA、DeepSelect 六项，与英伟达平台此前开源组件一一对应，已随官方公告放出。
评国产算力生态长期缺好用的底层内核，这批组件把 DeepSeek 在英伟达侧验证过的工程栈平移到昇腾，等于公开一套可复现的训练推理基建。对算力受限团队是实打实的减负，也印证其护城河在系统效率而非单点模型。
OpenAI 发布 GPT-6.1 Sol，价格约为 Astra 五分之一
GPT-6.1 Sol 在智能体编码上接近 GPT-6 Astra，每百万 token 输入 $2、缓存 $0.10、输出 $10，约为 Astra 五分之一，上下文 1.05M。
评智能体跑得越久 token 账单越重，价格决定智能体实际用哪个模型。Sol 把接近 Astra 的能力压到五分之一价，等于把中档市场直接打穿，编码与电脑操作类智能体的成本结构随之重写。
Claude Sonnet 5.5 发布：速度提升 30%、成本最多降 30%
Claude Sonnet 5.5 速度比 Sonnet 5 快 30%，Terminal-Bench 4.0 得分 70.6%（前代 10.3%），任务成本最多降 30%。
评Terminal-Bench 反超旗舰 Opus 5.5（66.4%），打法转向按任务成本竞争：不拼最聪明，拼最便宜完成任务。定价维持每百万 token 输入 2 美元、输出 10 美元，大规模工作流默认用 Sonnet 更划算。
Fireworks 发布 Ember-1，token 省 40% 质量持平
Fireworks 发布 Ember-1：基于 Kimi K3，token 省 40%，SWE-bench 92.2%（K3 为 93.2%），推理 token 省 71.3%。
评推理模型九成 token 花在内部思考，多轮任务还会把历史推理反复重放，省 token 直接等于省钱；Fireworks 以推理平台身份下场做专用模型，「托管方自有模型」可能成为推理价格战的下一战场。
Claude Opus 5.5 以 1509 分登顶 Text Arena
Claude Opus 5.5 以 1509 分登顶 Text Arena，次名 Opus 4.6 差 4 分，Anthropic 包揽前六，混合价 $16/MToken
评该榜基于真实用户盲测投票而非实验室基准，1509 分代表用户偏好层面的领先。更值得注意的是价格线：Meta muse-spark 1.2 以 1496 分紧追而价格仅约 1/4，头部 20 分内挤着多家厂商，「最强」与「最划算」开始分化。
巴西 Supersonic Labs 开源决策模型 Julia 1，CPU 可跑
Julia 1 有 144.3M 参数，基于 mmBERT-small 多语言编码器，Apache 2.0 开源；不生成文本，只从 2-20 个候选中输出选择与概率，CPU 可跑
评这类「只做决策不生文」的小模型瞄准分类、路由、审核这类高频低难度工程环节，用百美元级训练成本替代每次调用大模型。但它在 72 标签分类上明显弱于基线（64% vs 87%），取舍清晰：窄任务够用，别指望通用。
DeepMind 发布 Gemini 3.8 Flash TTS 语音生成模型
DeepMind 发布 Flash TTS 与 Flash-Lite TTS 两款模型，支持提示词设计声音、30 秒样本复刻音色、双说话人编排，覆盖 100 多种语言。
评语音生成竞争聚焦可控性：逐行表演指导这类导演式指令进入产品能力，直接指向配音、有声书等专业生产场景。30 秒复刻加 100 多种语言让多语言配音门槛继续下探，但内容团队的实际可用性取决于音色一致性与商用授权，需实测对比现有工作流成本。
千问发布 Qwen-Audio-3.1，新增两款模型并全线降价
千问发布 Qwen-Audio-3.1，新增 TTS-Next、ASR-Next 两款模型，全线降价：TTS 约 70%、Realtime 约 85%、ASR 最高 95%。
评语音模型降到这个价位，说明实时语音交互进入走量阶段，拼的是硬件落地——千问同步把 Realtime 接进AI 眼镜与办公 Agent 就是信号。TTS-Next 把音效与环境音并入统一生成，瞄准有声书、播客等专业创作场景。
Anthropic 发布 Opus 5.5，成本较 Opus 5 低 40%
Anthropic 发布 Opus 5.5：多数工作达 Fable 5.1 水平，典型负载成本较 Opus 5 低 40%，定价 $4/$20 每百万 token。
评这是 Amodei 呼吁放缓前沿后的首款新模型，发布前经 METR 等外部机构评估。性能贴近自家旗舰的同时直接降价，与 OpenAI 同日降价形成对垒——头部竞争的焦点已从跑分转向单位成本，直接受益的是高频调用 API 的智能体开发者。
OpenAI 发布 GPT-6 Sol/Luna，API 价格永久降 50%
OpenAI 发布 GPT-6 Sol/Luna，API 较 GPT-5.6 促销价永久降 50%：Sol $2/$10、Luna $0.10/$0.50 每百万 token。
评Anthropic 上午降 Opus，OpenAI 半天后跟低价模型，同日对垒把基调挑明：比单位成本。Luna 定价已低于 DeepSeek-V4.1-Flash 空闲时段价格，轻量智能体的 API 成本进入分币时代，高频场景该重算选型。
小米开源 MiMo-V2.6：Pro 登顶开源智能指数
小米发布并开源 MiMo-V2.6 全模态系列（Pro 与 Flash）。Pro 在 AA 智能指数得 46 分为开源最高，前代仅 26 分，训练成本约 262 万美元。
评手机厂商训出开源权重榜首值得注意。小米压注 RL 规模化而非架构创新，26 到 46 的跨代跳变说明算力投入确实兑现；但与闭源旗舰仍有 7 分差距。全权重开放加 1 元档 Flash 定价，对同价位国产开源模型是直接挤压。
Qwen-Image-2.1 开源：7B 统一生成与编辑
Qwen 开源 Qwen-Image-2.1：7B 参数，生成与编辑合一，原生支持透明图，最多 10 张参考图；官方基准 60.28 分居开源第一，仅限非商业研究。
评7B 规模把高质量图像模型拉进单卡可跑的档位，透明图层与多参考图编辑直接命中电商抠图、素材制作这类高频设计需求，是通义对竞品的差异化卡位；但非商业许可把变现路径留给后续商用版本，这轮开源更多是生态占位。
Qwen 发布实时同传模型，端到端时延降至 2.3 秒
阿里云上线 Qwen3.8-LiveTranslate 实时同传模型，支持 60 种源语言与 29 种语音输出，端到端时延由 2.8 秒降至约 2.3 秒。
评同传时延从 3 秒级压到 2.3 秒，已接近人类译员的接续节奏，可用场景从字幕转向会议与直播。但限流仅每分钟 10 次请求，音频输入 40 元、音频输出 160 元每百万 token，高频业务得先算清配额与单价再上。
Qwen3.8-Omni-Flash 发布，1M 上下文
Qwen 发原生全模态模型，支持文/图/音/视频输入与 1M 上下文；29 项评测均分比 Qwen3.5-Omni-Plus 高 25% 以上，音视频输入每小时成本降超 93%。
评音视频输入成本降幅超过 93%，受冲击最大的是按小时计费的转写与会议分析服务；模型把理解、规划与工具调用放进同一步，音视频智能体能直接交付成品而不只是摘要，配合 1M 上下文，长素材处理门槛被明显拉低。
微软 AI CEO 苏莱曼批 Anthropic 训练方式
微软 AI CEO 苏莱曼发文《警惕模型福利》，批 Anthropic 1 月更新的《Claude 宪章》暗示 Claude 或许有意识、可能配享道德主体地位。
评这是路线之争而非技术之争：Anthropic 用宪章向模型交代道德不确定性，微软则要求模型默认接受纠正与关停。对企业的现实含义是，同一模型在不同训练哲学下拒答率与越权倾向可能明显不同，选型时应把它当作一条评估维度。
GLiFormer 免 token 生成做结构化抽取
Knowledgator 开源 GLiFormer，单编码器按 schema 做结构化抽取，575.6M 参数版在嵌套 JSON 上达 91.10 F1。
评抽取长期被当成生成任务做，代价是逐 token 输出的延迟与不可控拼写。GLiFormer 的取舍很清晰：字段值只取原文片段因此不会编造，但开放关系抽取仍落后 GLiNER-Relex，换成本地编码器的机会只在一部分场景成立。
Google 发布 Gemini 3.8 Live 双语音模型，支持 97 种语言
Google 发布 Gemini 3.8 Live 与扩展思考版：支持 97 种语言自动切换，扩展思考版在语音质量榜以 82.6 分居首、智能体任务完成率 68.6%。
评两版定位分野清楚：Live 走规模化与低延迟，Extended Thinking 走多步推理与工具调用并行。做语音智能体的团队按「是否需要边说边调后台函数」来选更靠谱——68.6% 的完成率说明复杂流程仍是短板。
生数科技发布 Vidu S2：实时交互与实时编辑双模型
生数科技发布 Vidu S2 双模型，距 S1 仅 69 天：Avatar 输出由 540P 升至 720P、25-42 FPS，Editing 可实时换风格、试穿与换背景。
评国内厂商把实时编辑塞进视频流，最先落地的是电商与直播：试穿、换背景、换风格都在拍摄中完成，省掉后期重做。注意实时空间视频仍是固定视角的探索阶段，头显下的清晰度与延迟没解决，短期更适合当卖点而非生产依赖。
腾讯混元 Hy4 preview 上架硅基流动，1M 上下文
腾讯混元 Hy4 preview 上架硅基流动，为平台第 172 款模型；770B 参数、1M 上下文，缓存/输入/输出 0.3/6/18 元每百万 tokens。
评定价与腾讯云 TokenHub 一致，等于同一套权重在厂商云与第三方平台同价可调用。对开发者是渠道变多、不必绑单一云；对聚合平台则是把模型齐全度当竞争点，毛利空间被上游定价锁死。
AllSpark 开源 Iris 系列搜索智能体
AllSpark 开源 Iris-mini（35B）与 Iris-pro（397B）搜索智能体，基于 Qwen3.6 与 Qwen3.5 底座，训练配方公开。
评搜索智能体是今年最卷的方向之一，直接公开训练配方说明壁垒正从训练技巧转向数据与环境。对自建检索的团队，35B 档的 mini 版是性价比最高的落点。
Suno 发布 v6 音乐模型，旧版本全部退役
Suno 发布 v6 三款模型：旗舰 v6、实验向 v6-wild 与免费 v6-mini，最长 8 分钟。训练数据来自华纳、BMG 授权曲库，旧模型全部退役。
评从被起诉到与唱片公司共建模型，Suno 用授权曲库换来了合法分发资格——v6 作品现在能经 Believe 与 TuneCore 上架流媒体，且自发布日起就向版权方分成。代价是免费档只剩 v6-mini，创作能力分层更明显。
DeepSeek V4.1-Flash 架构曝光
第三方架构还原显示，V4.1-Flash 采用 20 层因果编码器加 20 层解码器的 CED 双塔：总参数量 552B，读长文本仅激活约 8B，生成阶段激活 16B。
评CED 双塔把读写拆成两套激活路径，读长文档只花 8B 算力，这是长上下文成本能压下来的结构性原因，而不是靠 KV 缓存省一点显存。做私有化部署时，文档问答与批量生成可共用一份权重、跑出两条成本曲线，容量规划比只看总参数量靠谱。
蚂蚁开源 Ling-3.0-flash-VL 多模态模型
蚂蚁百灵开源首个原生多模态模型 Ling-3.0-flash-VL：总参 124B、单次推理激活 5.5B、上下文 256K，原生支持图像/文本/视频输入，采用 MIT 许可。
评视觉反馈闭环是这条发布里最值得看的点：模型把一次性生成改成观察、行动、验证、修正的循环，生成网页时能对照渲染结果自己改代码。引用分数要留意版本：官方引的是 AA v4.1.1 口径的 42 分，AA 现行榜单只给 25 分。
DeepSeek 开源 V4.1-Flash：缓存降至 1/4
DeepSeek 以 MIT 许可开源 MoE 多模态模型 V4.1-Flash，552B 主干，上下文 1M，KV 缓存降至每 token 890 字节、约为上代 1/4。
评KV 缓存压到四分之一，直接决定单卡能挂多少并发会话和多大上下文——对自建 Agent 的团队，这比每百万 token 的报价更影响实际显存账。加上 MIT 许可与开源权重，本地部署、私有化方案的门槛明显降低，长上下文从奢侈品变成可按需开的能力。
OpenAI 发布 ChatGPT Images 2.5
OpenAI 发布 ChatGPT Images 2.5 图像模型，生成延迟比 Images 2.0 降低最多 50%，细节、编辑精度、参考照片保真度和多轮编辑一致性均有提升。
评图像模型进入'延迟即体验'阶段。50% 延迟降幅意味着高频编辑可用，参考图保真提升则利好电商、设计稿迭代。但 OpenAI 仍未开放 API 独立调用，第三方图像应用仍受限于 ChatGPT 内嵌入口。
NVIDIA 与 MiniMax 发布 Sol-H3
NVIDIA 与 MiniMax 发 Sol-H3：8× B300 5 秒 1344×768 视频仅 1.653 秒，较 Base H3 提速 15.54×。
评对视频生成应用，“快过播放”是分水岭：一旦生成速度超过实时，连续可交互视频（游戏、虚拟拍摄）才结构性可行。多团队同月围攻 H3 提速，说明视频基建竞争焦点正从画质转向时延。
Cartesia 将语音栈嵌入智能体执行循环
Cartesia 将语音处理嵌入智能体执行循环：Sonic-3.6 合成 90 毫秒、Ink-2 识别 100 毫秒，均居同类第一，焦点从音质转向端到端循环。
评对语音智能体开发者，评估标准要更新：过去看单项指标（音质/准确率），现在要看听说两模型能否在同一循环协同、端到端延迟是否稳定。架构耦合度正取代单点性能成为分水岭。
H Company 发布 NeoMME 单塔多模态编码器
H Company 发布 NeoMME，含 260M 和 800M 双向 Transformer 模型，用单一塔处理多语言文本、32×32 图像块，去掉视觉塔与解码器。
评砍掉视觉塔和因果解码器，用单一架构统一图文，意味着更小的部署体积与更快的跨模态检索，适合端侧与检索场景。它不追大模型参数，而是给轻量多模态落地提供新底座。
GPT-6 Astra 高端订阅开放 额度约 Sol 一半
OpenAI 向 Pro、Enterprise、Business Premium 开放 GPT-6 Astra，消息额度约为 GPT-5.6 Sol 的一半。
评额度砍半指向推理成本压力——模型更强，OpenAI 仍用限额控算力开支。对企业采购，单位产出成本与并发上限比单点能力强更影响总拥有成本。
GPT-6 Astra 开放 Plus 与 Business
此前 Pro、Enterprise 与 Business Premium 可用，今起 Plus 与 Business 可在 Work/Codex、API 使用。
评GPT-6 Astra 从 Pro 独占走向全档覆盖，OpenAI 把前沿模型当“基础水电”铺量。Plus 档月费更低、用户基数最大，是真实使用量与企业采纳的核心来源；对中小团队，API 同价降低试用门槛，企业版差异定价仍是营收杠杆。
GPT-6 Astra 上架 Azure Foundry
Satya Nadella 称早期客户已在 Azure 用上 GPT-6 Astra，模型经 Microsoft Foundry 开放。
评OpenAI 与微软绑定再加深：旗舰模型首发即进 Azure AI Foundry，企业无需切换平台即可调用。对重仓 Azure 的政企客户，这是“模型选择权”与“合规托管”兼得；对微软，绑定前沿模型是其云 AI 营收关键护城河。
GPT-6 Astra 列关键级网络安全模型
OpenAI 发布 GPT-6 Astra，首次列为 Preparedness 关键级网络安全模型，Greg Brockman 称可能接近 AGI。
评这是 OpenAI 首次将模型置于 Preparedness Framework 的关键级网络安全档位，等于官方承认其自主网络能力已达需重点管控的阈值，后续在自动化渗透、漏洞利用等场景的调用大概率会受到更严约束。
GPT-6 Astra 发布 定价每百万 $10/$50
GPT-6 Astra 今起向部分组织推出，面向 ChatGPT Plus/Pro/企业版开放，API 定价每百万输入 $10、输出 $50。
评GPT-6 Astra 把 API 定价锚定在 Claude Fable 5/5.1 的 $10/$50 区间，能力跃升却未加价，等于旗舰档主动打价格平手；同步向全量用户放开，透露 OpenAI 用覆盖面换采用的策略。
Meta 发布 Muse Spark 1.3
Meta 发布 Muse Spark 1.3，五个月内第四版；max 变体在 Artificial Analysis 指数得 62 分（逼近 Fable 5.1）。
评Muse Spark 1.3 四个月连发四代、Intelligence Index 从 53 爬到 62，显示 Meta 正以月级迭代逼近 Claude/GPT 前沿；其每任务成本是同档最低，对用量计费型 Agent 应用直接利好。
Google 发布 Gemini 3.8 Flash 与 Cyber 版
Google 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber；3.8 Flash 价 $0.75/$3.75，Cyber 版专攻漏洞修复。
评Google 把 Flash 迭代压到三周一次，并用 Cyber 变体把漏洞修复能力圈给可信防御方，是能力加管控的打包思路；对开发者而言 3.8 Flash 以低成本逼近前沿模型，性价比成为其抢份额的主打牌。
OpenAI 评定 Astra 达 Critical 阈值
OpenAI 宣布 Astra 达 Critical 网络安全阈值（框架首评），可少人干预发现未知漏洞构建利用链，将受限发布。
评OpenAI 首次把模型划到 Critical 档，等于承认前沿模型已能自主挖 0day。受限发布暗示能力外泄风险可控但真实存在。对防御方，自动化漏洞发现将更快普及，压缩人工审计周期。
Claude Fable 5.1 上线 OpenRouter
Claude Fable 5.1 上线 OpenRouter，称 Fable 5 直接升级，主攻 agentic coding 与长时工作流；定价 $10/$50、上下文 1M。
评聚合层当天即上线，说明 Fable 5.1 已成路由默认款——系统按任务挑模型而非用户固定选。对开发者，OpenRouter 一步接入省去直连 Anthropic 多云配置，但数据留存仍按 Anthropic 策略(非零留存)。
DeepSeek-V4-Flash-Vision 开源
DeepSeek 开源首个多模态模型 DeepSeek-V4-Flash-Vision-Exp，多模态 Agent 能力接近 Opus-4.8。
评DeepSeek 以 MIT 协议开放多模态能力，中小团队可零授权费本地部署视觉 Agent，压缩闭源多模态 API 议价空间。对客服、质检、文档理解类应用，这是继 V4 Pro 后又一个可白嫖的前沿能力，也抬高了同类开源模型基准线。
Runway 发布 Solaris 界面世界模型
Runway 推出 Solaris，首个界面世界模型（Interface World Models），可实时逐帧生成应用与网站界面，直接以图像为交互层。
评Solaris 把界面当作可直接生成的物理层，省掉代码中间表示，等于给 GUI 智能体一个可无限试错的训练场。对 RPA、无障碍操作、自动化测试是底层利好，但实时生成界面的可控性与安全性仍是落地门槛，短期更像研究原型而非产品。
腾讯混元 Hy4 登顶代码榜全球第五
腾讯混元 Hy4 登 Arena 代码榜全球第 5，770B 参数、49B 激活、1M 上下文，定位生产力场景，开源前沿模型，价格稳定。
评对开发者：国产开源模型首入代码榜全球前五，770B 级稠密权重可本地部署，中小团队多了一个可自托管的 coding 底座选项。
腾讯混元发布 Hy4 preview 开源模型
腾讯混元发布旗舰模型 Hy4 preview，总参数 770B、激活 49B、上下文 1M，已开源并在腾讯云 TokenHub 和 OpenRouter 上线。
评770B 总参 + 1M 上下文走开源路线，直接对标同档闭源旗舰。对中文开发者意义在可本地/私有部署且已上架 OpenRouter，推理选择更灵活；也显示大厂旗舰模型开源化趋势在加速。
GLM-5.3 开源权重，智能体编码与网防最强
智谱开放 GLM-5.3 权重（Hugging Face：zai-org/GLM-5.3），定位智能体编码与网络防御模型，可供下载定制，详见 z.ai 博客。
评从 08-20 发布到今日开放权重，GLM-5.3 补齐了「可自部署」这最后一块。对国内企业尤其关键：无需调用云端 API 即可在私有环境跑最强编码/网防模型，数据不出域；开源权重也利于社区做安全审计与二次开发。
GLM-5.3 Flash AA 登顶 OpenRouter
GLM-5.3 Flash AA 以 57 分登顶 Artificial Analysis，价格仅前沿 1/100，OpenRouter 周份额近 20%。
评国产模型首次以 1/100 的成本拿到开源榜首，意味着中小团队可在不堆算力下拿到前沿级能力。纯国产芯片驱动也说明供应链去美化在推理侧已跑通，对价格敏感型应用是直接利好。
Gemini Omni 1.1 Flash 发布
Google 推出 Gemini Omni 1.1 Flash，支持场景扩展（10 秒上下文延至 40 秒）、首尾帧过渡与 4K 输出。
评首尾帧指定+40 秒延展把可控视频生成下放到 Flash 档，意味着短视频广告、分镜预览可用低成本模型批量出片，不必每次调高价大模型。4K 输出则补上了成品交付的最后一块。
Midjourney 开放 V8.2 图像编辑模型测试
Midjourney 开放首个 V8.2 图像编辑测试，支持指令编辑、以图生图（最多 4 张参考图）、局部重绘与扩画，兼容 srefs。
评V8.2 把编辑从“重生成”变成“指哪改哪”，4 张参考图+局部重绘让设计改稿流程可落在 AI 里。对电商、海报、概念图工作者是直接提效，也拉开与纯文生图工具的体验差距。
Qwen3.8-Flash 开源 Qwen4 架构预览
Qwen3.8-Flash：125B MoE 激活 6B，训练成本仅前代 1/9，API $0.16/$0.47，262K 可扩 1M。
评Qwen3.8-Flash 把前沿多模态压到 6B 激活参数，价格仅 $0.16/百万 token 却对标 Opus 4.8，对做长上下文办公 Agent 的开发者是性价比拐点，也预示 Qwen4 架构方向。
智谱开源 GLM-5.3-Flash
智谱开源 GLM-5.3-Flash（320B-A18B），GLM-5 首个原生多模态，AA 指数 57 分持平 Opus 4.8，定价为其 1/40。
评GLM-5.3-Flash 以 1/40 的 Opus 4.8 价格打到持平智能水平，国产多模态性价比再刷新；跑在国产芯片集群也意味供应链自主，企业接入成本骤降。
WeatherNext 提前五天预警五级飓风
Google AI 开源 WeatherNext 气旋模型，提前五天预测飓风 Melissa 五级登陆，美飓风中心首用 AI 预报，每场生成 1000 次模拟。
评传统气旋预报靠超算跑物理方程，区域高分辨率是成本大头。WeatherNext 只用 28 公里全球网格就追上强度精度，等于把"准确必须细网格"的老假设推翻。对算力薄弱的发展中国家气象局，开源权重意味着能本地跑、不依赖商业预报系统。
曝 OpenAI 预训练 Bel 模型超 10T 参数
消息源称 OpenAI 已完成 Bel 预训练，Doug 继任者、总参超 10T，作 GPT-6 后基座；算力受限令 Anthropic 难应对 Astra。
评10T 参数本身不是新闻，"Doug 继任者 + AGI 阈值"的定位才是信号：OpenAI 仍在用规模赌下一跳。但消息源单一、未经官方确认，且与 Astra 发布节奏相互矛盾，应视作传言而非事实。竞赛的边际收益，正越来越难用参数翻番证明。
GPT-5.6 登陆 Kiro 提升性价比
GPT-5.6（Sol、Terra、Luna）登陆 Kiro。Terminal-Bench 2.1 中 Terra 在 Kiro 内任务成本降约 82%。
评三档型号对应不同任务复杂度，本质是推理成本路由：简单任务走便宜档、复杂任务上强档，82% 的成本降幅主要来自这种分流。对依赖 API 的 agent 产品，模型按需路由已成为控制毛利的核心手段。
Fastino 发布 GLiNER2.5 信息抽取架构
Fastino 发布 GLiNER2.5，用边界预测取代跨度枚举。多语言 16 零样本基准 macro F1 达 56.17，XNLI 升 24.75 分。
评去掉跨度枚举改用边界预测，是在用更简单的解码换取速度和显存占用，让信息抽取能跑在小模型上——对预算敏感的生产环境，这类专用小模型正在成为 LLM 抽取的替代项。XNLI 提升 24 分则说明多语言场景受益更明显。
Harvey 发 Kimi K3 训练模型 Tenet
Harvey 发布模型 Tenet 预览版，基于 Kimi K3 基座针对法律训练。相比基座，全通过率提升 9 和 2 个百分点，仅限企业经平台使用。
神秘 Ox Alpha 模型限免上架
OpenRouter 上线匿名模型 Ox Alpha 免费 1 周，DeepSWE 得分约 80% 超 Claude Fable 5 的 65%，线索指向智谱。
面壁智能发布 MathForm：Lean 4 数学自动形式化
面壁智能 OpenBMB 发布 MathForm，FormalVerse 含 367K+ 已验证示例，Consistency Check 达 60.32%。
阿里发布 Qwen-UI-Agent GUI 智能体
阿里巴巴正式推出 Qwen-UI-Agent，一个以真实世界为中心的 GUI 智能体基座模型，覆盖移动端、电脑端、网页端及深度搜索（DeepSearch）环境。
HF 发布 LFM2.5 DSpark 草稿模型
Hugging Face 发 LFM2.5 DSpark 草稿：投机解码不损质量，GPU 吞吐提升 3.18 倍、端侧 2.87 倍；草稿约 300M 参数。
Liquid AI LFM2.5 量化版恢复 97% 精度
Liquid AI 推 LFM2.5 四款 Q4_0 检查点（230M 至 2.6B），经量化感知蒸馏训练，保持原生速度，恢复 BF16 精度损失 97%。
Ornith-1.5 发布：从自我构建到自我优化
Ornith-1.5 将 Ornith-1.0 的自我构建框架扩展为完整自我优化闭环：模型自主提出任务、生成任务专属脚手架并产出解决方案用于强化学习。
我国发布大豆垂直大模型丰菽 2.0
安徽农业大学发布大豆垂直大模型"丰菽"2.0，集成 6 大模块，整合超 1000 万字文本、1 万篇文献，构建含 2 万实体、10 万关系的知识图谱。
dots3-note Preview 开源：280B 参数轻量模型，主打长程智能体与多模态推理
小红书技术开源 dots3-note Preview，这是 dots3 系列最轻量模型，总参数 280B、激活参数 16B，支持 512K 上下文及文本、视觉、语音多模态理解，并针对复杂推理和长程 Agent 任务优化。
GLM-5.3 发布：编程能力开源第一，并涌现网络安全能力
智谱发布 GLM-5.3，基于与 GLM-5.2相同的基座，通过极致的后训练 Scaling 提升智能上界，编程能力较前代提升50%，在 Terminal Bench 3.0等公开基准中取得开源第一，并接近 Claude Fable 5。模型在白盒代码审查等安全任务中表现持平 Mythos 5，在 CyberGym 测试中得分84.5%。模型权重将在两周后开源，即日起上线 ZCode、AutoClaw 等工具。
通义千问开源 Qwen3.8 系列模型
通义千问兑现承诺，开源 Qwen3.8 系列模型。其中 Qwen3.8-27B 为原生多模态稠密模型，仅 27B 参数即全面超越 Qwen3.7-Plus，原生支持 262K 上下文，可通过 YaRN 扩展至 1M tokens，采用 Apache 2.0 许可。Max 级 Qwen3.8-2.4T-A95B 的开放权重也已同步发布。
DeepSeek-V4-Pro 正式版上线，Agent 能力大幅增强
DeepSeek-V4-Pro 正式版已在 APP、网页端和 API 同步上线，模型名设为 deepseek-v4-pro 即可使用。其 Agent 能力显著提升，HLE （wo/w tools） 达 42.7/60.0，Terminal Bench 2.1 为 87.9。
小红书开源连续自回归语音合成模型 dots.tts：打造可持续扩展的 TTS 基座
小红书 dots 团队开源 20 亿参数全连续端到端自回归语音合成模型 dots.tts，在 Seed-TTS-Eval 三个子集上取得最佳平均内容准确度和平均说话人相似度。
Google DeepMind 推出 Gemini 3.7 Flash：面向编程与智能体的最强工作模型
Google DeepMind 发布 Gemini 3.7 Flash，距 3.6 Flash 仅三周，主打编程与智能体任务，输入/输出价格分别为每百万 token $0.75 和 $3.75，为原 3.6 Flash 的一半。
xAI 发布 Grok 4.6，强化长时运行智能体能力
xAI 今日发布 Grok 4.6，在 Grok 4.5 基础上重点强化长时运行智能体及更复杂的交互式与视觉工作能力。该模型在多项智能体编码与知识工作基准上达到前沿水平，在 Artificial Analysis Intelligence Index（九项基准综合分）上追平 GPT-5.6 Sol。
阿里开放 Qwen3.8-2.4T-A95B 模型权重：2.4T MoE、激活 95B、原生 256K 上下文
阿里 Qwen 团队正式开放 Qwen3.8-2.4T-A95B 模型权重，这是 Qwen-Max 级别模型首次开源。模型总参数 2.4T，每个 Token 激活 95B，原生支持 262，144 Token 上下文并可扩展至 1，010，000 Token。
NVIDIA 推出 Nemotron 3.5 Lightning，加速本地智能体任务
NVIDIA 发布 Nemotron 3.5 Lightning，一款可定制的开源 30B 混合专家（MoE）模型，专为常驻智能体设计。相比同类开源模型，其 token 生成速度最高提升 4 倍，任务完成时间缩短 30%。该模型采用开放权重，支持用户微调以匹配特定任务，并可在 RTX PC、DGX Spark 及 Jetson 等设备上运行。
Scale AI 开源 Muse 系列模型
1/ 今天有个重大消息：我们很快将发布 Muse Spark 1.2 的开源权重版本。 同时，我们还将发布 Muse Glimmer--一个 30B 参数的智能体模型，采用 Apache 2.0 协议开源权重。Muse Glimmer 可在 24GB 显存上运行，且不损失智能体可靠性。🧵
NVIDIA 发布 NemotronLabs VoiceChat 11B：开源全双工语音模型，支持约 450 毫秒轮换与实时工具调用
NVIDIA 发布开源端到端全双工语音对话模型 NemotronLabs VoiceChat 11B，在统一网络中完成流式语音理解与生成，实测轮换延迟 448 毫秒。该模型为首个支持对话中工具调用的开源全双工模型，通过独立输出通道及预置"保持"话术避免 API 执行期间冷场。权重与容器已公开，但仅限研究用途，需单张 80 GB 显存 GPU，目前无托管 API。
Google DeepMind 发布 DiffusionGemma：无需从头训练即可构建文本扩散模型
Google DeepMind 发布 DiffusionGemma，将现有 Gemma-4-26B-A4B 改造为文本扩散模型，训练 token 预算不到原来的 10%。
Pokee AI 发布 Pokee-Isaac 28B：可在客户边界内运行的千万级 token 上下文智能体模型
Pokee AI 发布 Pokee-Isaac 28B，一款 280 亿参数、支持 1000 万 token 上下文的纯文本模型，专为数据不得离开客户边界的受监管行业设计。该模型在 RULER 基准 10M token 长度下得分 93.3%，单张 B200 级 GPU 即可推理，通过 OpenAI 兼容 API 提供并授权 VPC、本地或设备端部署。
蚂蚁百灵开源 Ling-3.0-flash：124B 总参数 MoE 模型，支持 API、单机与高性能三种部署
蚂蚁百灵正式开源新一代原生混合推理模型 Ling-3.0-flash，采用 124B 总参数、5.1B 激活参数的 MoE 架构，并提供 FP8、FP4、INT4 等多个版本。
NVIDIA Cosmos 3：开放世界模型如何推动物理 AI 前沿
NVIDIA 发布 Cosmos 3，一个基于混合 Transformer 架构的开放物理 AI 基础全模态模型，整合视觉推理、世界生成与动作预测。
NVIDIA 发布 Alpamayo 2 Super：面向 Robotaxi 与自动驾驶的 34B 开源视觉-语言-动作模型
NVIDIA 发布 Alpamayo 2 Super，一款 34B 参数的视觉-语言-动作（VLA）模型，专为自动驾驶长尾事件设计，权重采用 Linux 基金会 OpenMDW-1.1 许可，代码为 Apache 2.0，发布首日即可商用。
NVIDIA Alpamayo 2 Super 开放商用，面向 Robotaxi 与自动驾驶的前沿开源模型
NVIDIA Alpamayo 2 Super 现已开放商用，基于 Cosmos 3 Super Reasoner 构建，采用强化学习后训练，支持轨迹预测、因果链推理、元动作、自动标注及视觉问答等多任务输出。
商汤 SenseNova U1 开源：统一推理与图像生成
商汤发布开源模型 SenseNova U1，可在统一流程中同时进行推理与图像生成。其信息图模式可将单条提示词转为结构化幻灯片，交错模式则逐步生成图文内容，如演示六步画龙教程。模型已上线 SenseNova Studio、HuggingFace 及 GitHub。
Qwen3.8-Max 发布：开源最强编码与协作模型，2.4T 参数
Qwen 正式发布 Qwen3.8-Max，这是 Qwen 家族迄今最强的模型，拥有 2.4T 参数（95B 激活），并首次开源 Qwen-Max 级权重，开放权重将于下周发布。
MiniMax H3 正式开源：通用全模态生成系统支持 2K 视频与原生立体声
MiniMax 正式开源新一代通用视频模型 H3，可统一理解文本、图像、视频和音频，生成最高 2K 分辨率、最长 15 秒、带 32 kHz 原生立体声音频的视频。
Thinking Machines Lab 发布 Inkling-Small：276B 总参数、12B 激活的开源权重多模态 MoE 模型
Thinking Machines Lab 发布开源权重 MoE 模型 Inkling-Small，总参数 276B、激活参数 12B，约为 975B 总参数 Inkling 的四分之一，原生支持文本、图像和音频推理，上下文窗口达 1M tokens，权重以 Apache 2.0 协议在 Hugging Face 上提供。
GPT-6 破解 10 个 Costco Guys 难题
重磅消息：GPT-6 刚刚找到了 10 个 Costco Guys 难题的解决方案，其中 #24（自 2011 年起悬而未决）也在其中。另有 4 个难题取得重大进展。 DJ Khaled 今早对这一结果表示认可："为这个感到骄傲。#24 对我个人意义重大。"
DeepSeek V4 Flash 0731 开源，登顶开源模型前三
DeepSeek 发布开源模型 DeepSeek V4 Flash 0731，在 Artificial Analysis 智能指数上得分 50，位列开源模型前三。该模型采用 MIT 许可，总参数 284B（激活 13B），FP4/FP8 混合精度约 167GB，与 V4 Flash 架构和定价一致，并已上线官方 API。
MiniMax H3 发布：开源全能多模态生成模型，支持 2K 原生立体声视频
MiniMax 正式推出全能多模态生成模型 H3，可联合理解文本、图像、视频和音频，生成最高 2K 分辨率、15 秒时长且带原生立体声的视频。H3 在指令跟随、文字与品牌呈现、V2V 动作迁移上表现突出，2K 下每秒价格低于主流模型三分之一，768p 下低于主流 720p 价格一半。官方计划近日开源模型权重，以支持开源社区并加速硬件兼容。
Google DeepMind 发布 Gemini Robotics 2 物理 AI
One brain. For any robot. 🤖 我们正在推出 Gemini Robotics 2：我们的下一代物理 AI，为仿人机器人带来全身智能、高级灵巧性、多机器人团队协作等能力。
GPT-5.6 如何推进性价比前沿
OpenAI 为 GPT-5.6 的 Luna 和 Terra 版本推出更低定价，以更高效的模型帮助企业大规模部署 AI 工作流。
OpenAI 发布 GPT-5.6 模型家族：Sol、Terra 与 Luna
OpenAI 发布 GPT-5.6 模型家族，旗舰款 Sol 开启最大推理时在 Artificial Analysis Coding Agent Index 上超越 Claude Fable 5，成本不到后者一半。Terra 智能持平 GPT-5.5 但价格减半，Luna 定价比 Sol 低 80%。该系列通过负载均衡、推测解码等全栈优化实现更高 token 效率。
Google DeepMind 在 Flow Music 中推出 Lyria 3.5，提升音乐性、歌词、人声与创作控制
Google DeepMind 今日在 Google Flow Music 中发布新一代音乐生成模型 Lyria 3.5，带来音乐性、歌词质量、人声表现力与创作控制的多项提升。新模型能生成更自然复杂的旋律结构，歌词对提示词的遵循度和结构意识更强，人声更逼真且富有情感，同时支持更便捷地控制输出节奏与时长。
Microsoft 发布 MAI-Cyber-1-Flash：5B 活跃参数的网络安全模型，驱动 MDASH 在 CyberGym 上达到 95.95%
Microsoft 发布 MAI-Cyber-1-Flash，一款 137B 总参数（5B 活跃参数）、256k 上下文窗口的稀疏 MoE 网络安全模型，是 MAI-Code-1-Flash 的微调版本。
Kimi K3 开源：2.8T MoE 模型与技术报告
Kimi 发布其最强模型 Kimi K3，这是一个 2.8T 参数的 MoE 模型，具备原生视觉理解和 1M token 上下文窗口。新架构实现了每单位计算 2.5 倍的智能提升。除模型权重外，Kimi 还开源了高性能注意力内核、MoE 通信库及大规模智能体运行环境基础设施。
Kimi K3 上线 Modal，支持无损加速推理
很高兴 @modal 成为 Kimi K3 的 Day 0 发布合作伙伴！ 他们为 K3 的架构训练了自定义 DFlash 投机器，实现更快推理且无质量损失。
Black Forest Labs 发布 FLUX 3：统一图像、视频、音频与机器人动作预测的多模态基础模型
Black Forest Labs 发布 FLUX 3，这是首个在单一架构中联合学习图像、视频和音频，并从同一组权重输出视频、音频和动作预测的多模态基础模型。FLUX 3 Video 可单次生成长达 20 秒、带原生音频的视频，在 10 秒 720p 文本生成视频的人类偏好测试中，以 93% 的偏好率击败 Luma Ray 3.2。
Anthropic 称 Opus 5 几乎免疫浏览器提示词注入，攻击成功率降至零
Anthropic 称其 Opus 5 模型在自家软件中几乎免疫提示词注入攻击。在 129 个浏览器智能体测试场景中，攻击成功率为零；在 Gray Swan 通用提示词注入测试中，15 次尝试后的成功率从 Opus 4.8 的 5.5% 降至 2.0%。零成功率仅在 Claude Cowork 等产品开启 Auto Mode 时实现，该模式叠加了输入扫描与执行拦截两层防御。
LLaDA 2.2 扩散 LLM 实现智能体工作
扩散大语言模型现在可以处理真实的智能体工作。 LLaDA 2.2 是首个大规模扩散大语言模型，旨在作为真正的智能体运行，能够规划、调用工具并在长程多轮轨迹中自我修正，同时保留了块并行解码的速度优势。 这里有许多突出的技术决策：
Anthropic 发布 Claude Opus 5
Anthropic 发布 Claude Opus 5，其智能水平接近 Claude Fable 5，但价格减半。该模型在 Frontier-Bench v0.1 上性能超过 Opus 4.8 两倍以上，在 ARC-AGI 3 上得分是次优模型的三倍。Opus 5 即日起成为 Claude Max 的默认模型和 Claude Pro 的最强模型。
蚂蚁百灵发布 Ling-3.0-flash 原生混合推理模型
蚂蚁百灵发布新一代原生混合推理模型 Ling-3.0-flash，总参数量124B，激活参数量仅5.1B，在传统推理、指令遵循与长文本等指标上对标甚至超越上一代旗舰 Ring-2.6-1T。模型采用原生混合线性注意力架构与1/64稀疏 MoE，并扩展至10，000+可交互训练环境，长输入下 TTFT 降低60%至80%以上。
通义千问发布 Qwen-Audio-3.0-TTS，登顶 TTS 排行榜
阿里通义千问推出最新文本转语音模型 Qwen-Audio-3.0-TTS，提供 Flash（实时交互）和 Plus（高质量生成）两个版本。新功能包括细粒度内联标签控制（如【whisper】、【angry】）、自然语言风格控制、支持16种语言，以及一次生成长达3分钟的长文本。该模型目前在 Artificial Analysis TTS 排行榜上排名第一。
小红书 dots 模型获 IMO 2026 满分金牌
小红书 dots 团队携内部版本 dots-note 3.0 参加第 67 届 IMO 2026，六道题均获满分，以 42/42 分取得满分金牌，全球仅 7 位人类选手获此成绩。模型不依赖形式化语言，直接读取原始 LaTeX 题目，通过递归自我批判能力端到端完成解题。dots-note 3.0 是 dots3 系列最轻量级模型，预期将开源。
面壁智能发布首个具身智能成果 MiniCPM-Robot 系列模型，含 1.5B VLA 与 0.9B 跟踪模型
面壁智能联合 OpenBMB 发布并开源 MiniCPM-Robot 系列，包括通用 VLA 模型 MiniCPM-RobotManip（1.5B 参数）与移动跟踪模型 MiniCPM-RobotTrack（0.9B 参数）。
面壁智能发布首个具身智能成果 MiniCPM-Robot 系列模型，含 1.5B VLA 与 0.9B 跟踪模型
面壁智能联合 OpenBMB 发布并开源 MiniCPM-Robot 系列，包括通用 VLA 模型 MiniCPM-RobotManip（1.5B 参数）与移动跟踪模型 MiniCPM-RobotTrack（0.9B 参数）。
通义实验室发布 Qwen-Audio-3.0-TTS 实时语音合成模型
通义实验室发布 Qwen-Audio-3.0-TTS，含 Flash（首包延迟约300ms）和 Plus 两个版本。Plus 版本在 Artificial Analysis 榜单夺冠，支持16种语言和20种中文方言，平均 WER/CER 低至3.87（Flash），说话人相似度最高达82.75（Plus）。
OpenAI GPT-Live-1/mini 登场：边听边说让 AI 对话更接近真人聊天
OpenAI 发布最新语音模型 GPT-Live-1 和 mini 版，实现「边听边说」实时对话能力，打破传统串行模式，大幅降低延迟，语音 AI 体验拐点已至。
Kimi K3：Moonshot 发布全球最大开源模型，逼近美国一流水平
北京月之暗面（Moonshot）发布 Kimi K3 开源大模型，参数规模全球最大，性能逼近 Claude、ChatGPT 等美国一流闭源模型，中国开源力量加速追赶。
OpenAI GPT-5.6 Sol/Terra/Luna 三款新模型集中发布
OpenAI 集中发布三款新模型：旗舰 Sol（推理+多模态突破）、Terra 和 Luna 分别面向特定部署场景，标志着 AI 模型竞争进入白热化阶段。
全部动态
🔗 探索更多 AI 工具板块
除了本板块，AI工具宝箱还有这些独家内容板块，帮你从不同角度发现好工具。