新模型、模型版本、权重开放、模型能力与价格变化的发布与评测结果
Meta发布了Muse Wonder和Muse Wonder Full，在Artificial Analysis Intelligence Index v4.3中分别获得52分和56分，而Muse Spark 1.3为48分。两款模型均支持一百万Token的上下文窗口，以及文本、图像、视频和音频输入；编程和智能体表现更强，但事实知识弱于领先竞品。Muse Wonder可通过Meta的API和Muse Code使用，价格高于前代产品；Muse Wonder Full目前仅限Muse Code用户使用。
同一新闻，精选展示《Meta releases frontier models Muse Wonder and Muse Wonder Full》
很高兴看到 Fin 团队基于 NVIDIA Nemotron 打造的成果 🙌 他们针对全新的 Fin Apex 客户服务模型，对 Nemotron 3 Super 和 Nano 进行了微调。 祝贺你们发布新产品！ https://t.co/XxVuc3TzqJ
祝贺 Meta 训练出前沿级模型！在 WANDR 评测中，Watermelon 的表现优于 Fable 5.1。https://twitter.com/alexandr_wang/status/2109689491300794551
🍉 MUSE WONDER 🍉 @LexnLin 表示，Muse Wonder 已发布，并根据 Artificial Analysis 的排名位居全球第二，得分为 56，而 Opus 5.5 得分为 58。Alexandr Wang 的帖子写道：“🍉 MUSE WONDER 🍉”
Baoyu报道，Meta于10月12日发布了Muse Wonder和Muse Wonder Full。Muse Wonder今日通过Meta Model API和Muse Code开放，Full则仅限Muse Code订阅用户使用。Meta的博客称，面向消费者的开放即将到来，而扎克伯格表示订阅用户今天就能使用。模型支持100万token的上下文窗口，可接收多模态输入并输出文本。Meta称，模型在持续的智能体任务、编程和记忆方面表现出色，但其对比包含内部基准测试，以及可能未经过最佳配置的竞品测试。
同一新闻，精选展示《Meta releases frontier models Muse Wonder and Muse Wonder Full》
据 Alexandr Wang 引述的帖子，Meta 已发布 Muse Wonder 和 Muse Wonder Full。在最高推理力度下，它们在 Artificial Analysis Intelligence Index v4.3 上的得分分别为 52 和 56，而 Muse Spark 1.3 的得分为 48；两次发布间隔 6 周。Muse Wonder 可通过 Meta 的第一方 API 和 Muse Code 使用，而 Muse Wonder Full 仅向 Muse Code 用户开放；两者的上下文窗口均为 1M 个 token。
推荐理由：Artificial Analysis 的对比凸显了一个权衡：与 Muse Spark 1.3 相比，Muse Wonder 的基准测试表现有所提升，但每项任务的成本更高，尽管其输出 token 用量更低。
Meta的超级智能实验室于周一发布了 Muse Wonder 和 Muse Wonder Full。这两款更大的模型据称比 Muse Spark 能力更强。Meta称，它们的基准测试得分与 Fable 5.1 和 GPT-6 Astra 相当，并强调通过“主动记忆”保留信息。通过 Meta Model API 使用 Wonder 的价格为每百万输入 token 4.00 美元、每百万输出 token 20.00 美元；Wonder Full 仅向 Muse Code 订阅用户开放。这两款模型都将为 Muse 智能体提供支持。
推荐理由：Wonder 可通过 API 使用，而 Wonder Full 仅向订阅用户开放，这种区别为开发者比较 Meta 全新模型系列中的集成选项提供了具体依据。
据宝玉对这则公告的介绍，Meta 于 10 月 12 日发布了 Muse Wonder 和 Muse Wonder Full。开发者可以通过 Meta Model API 或 Muse Code 使用 Muse Wonder；Full 则面向 Muse Code 订阅用户开放。Meta 的博客与扎克伯格在 X 上的帖子对消费者何时可以使用这两款模型说法不一。这些模型支持 1 million Token 上下文窗口，可接收多模态输入并输出文本；Meta 公布的基准测试显示，它们在持续的智能体任务和编码任务上表现较强，但在其他方面表现较弱。
同一新闻，精选展示《Meta releases frontier models Muse Wonder and Muse Wonder Full》
Meta已发布Muse Wonder和Muse Wonder Full。Artificial Analysis报告称，在最高推理力度下，这两款模型在其Intelligence Index v4.3中的得分分别为52和56，而Muse Spark 1.3（最高推理力度）为48。Muse Wonder Full在全部十项评测中均有提升，其中智能体评测的提升最大。发布时，Muse Wonder可通过Meta第一方API和Muse Code使用，而Muse Wonder Full仅面向Muse Code用户；Muse Wonder每项Intelligence Index任务收费4.52美元。
同一新闻，精选展示《Meta releases Muse Wonder and Muse Wonder Full with higher benchmark scores》
MUSE WONDER 🍉 这个模型专为打造个人智能体而开发。三大亮点： - 主动记忆：跨越数天、数周、数月的最佳记忆能力 - 主动专注：帮你完成任务 - 领域专长：金融和法律领域达到最先进水平，健康领域实力强劲
Meta发布了Muse Wonder和Muse Wonder Full，Muse Code订阅用户从今天起即可使用；Wonder也可通过Meta Model API调用。Meta称，内部基准测试显示，这些模型可与OpenAI的GPT-6 Astra以及Anthropic的Claude Opus 5.5和Claude Fable 5.1相媲美。该公司计划使用Wonder为其Muse AI智能体提供支持，首先面向订阅用户，但尚未提供时间表。
介绍 Muse Wonder 我们的全新前沿模型。在个人智能体和专业智能体领域处于最先进水平。 迄今规模最大、能力最强的模型——足以与那些大牌选手一较高下
MUSE WONDER 这是 MSL 一年多研究与基础设施工作的成果。 自 4 月最初发布 Muse Spark 以来，我们持续扩大模型在预训练和 RL 方面的规模，如今已达到前沿水平 🏆 查看我们的模型在 Artificial Analysis 指数上的提升：
Meta推出Muse Wonder和Muse Wonder Full，并称它们是迄今最强大的模型，也是面向个人和专业智能体任务打造的前沿模型。 Muse Wonder 今日起可通过 Meta Model API 和 Muse Code 使用。Muse Wonder Full 今日起向 Muse Code 订阅用户开放。 Muse Wonder 也将很快为 Meta 的个人智能体产品 Muse 提供支持，首先向订阅用户推出。
同一新闻，精选展示《Meta releases frontier models Muse Wonder and Muse Wonder Full》
Le Chonk 在视觉定位任务上表现出色。 能精确指出图像中物体的位置。 在 Dense 200 上得分 42%，甚至超过了前沿闭源模型。
微软将推出 Maia 300。Satya Nadella 表示，与领先的基于 GPU 的系统相比，Maia 300 每瓦可处理的 token 数量提高了 40%。 从明年起，微软将把 Maia 系列扩展至多吉瓦级部署，使其成为自家产品和服务的主要推理系统。 微软已在美国、欧洲和澳大利亚部署 Maia 200，在 Teams 和 Copilot 的各项体验中，每瓦可处理的 token 数量最高提升至原来的 1.7 倍。微软的目标是在持续将生态系统创新引入其计算集群的同时，进一步发挥全栈效率提升的优势。
推荐理由：将 Maia 打造成微软自家产品和服务的主要推理系统，为其宣称的效率提升提供了具体的部署背景。
智谱已将 GLM-5.3-Highspeed 模型加入 Zcode，目前正随机向订阅用户逐步开放。一名用户报告称，该模型的生成速度达到每秒 490 个 token；文章称，该模型目前可在 Zcode 3.15.1 中测试。该速度尚未得到独立确认，作者表示自己无法访问该模型。
微软发布了 Microsoft-Decision-1，这是一款基于 Qwen3.5-9B 进行后训练的决策模型。微软称，在结构化决策任务中，该模型在延迟和准确性方面优于包括 Jev 1.13.0 在内的大语言模型和决策模型。微软 Xbox 研究团队已用它处理了超过 10,000 条玩家反馈；首席执行官萨提亚·纳德拉则表示，微软正在测试该模型在多个领域的应用，包括事件响应、质量控制和科学发现。报道将决策模型描述为更小、更快的模型，它们输出预测、概率和置信度分数，而非自然语言。
vLLM 祝贺 vllm-sr 团队发布 Decision 3.0，称其为最先进的多模态 Jev 模型，其权重现已在 Hugging Face 上开源。Xunzhuo Liu 的公告引述称，该开源模型系列涵盖 0.6B 至 27B，在其评估中于两个 Jev Decision Index 榜单上均排名第一，处于新的帕累托前沿。
Odyssey 已推出 Odyssey-3 的免费公开研究预览，这是一个世界模型，可根据文本提示生成交互式环境，并在自回归扩散 Transformer 上实时运行。基础模型有 140 亿参数，输出 832 × 480 视频，而 Odyssey-3 Pro 支持 1280 × 720。其报告的 66.1 分 Physics-IQ Verified 分数来自使用选择方法的单次运行，低于该基准要求的四次运行。
谷歌发布了Nano Banana 2.1，这是一款升级版图像生成模型，支持4K输出、基于蒙版的编辑以及改进的主体一致性。据Arena称，它在文生图、多图编辑和单图编辑方面平均提升了约61.7分，谷歌将1K和2K图像的API价格减半，同时将4K价格下调约25%。该模型已在Gemini应用和Google AI Studio中上线，每天提供50个免费额度。
推荐理由：这篇文章汇总了Arena排名提升、API降价以及Nano Banana 2.1的早期用户测试，包括据报道的水印和重复编辑问题。
微软发布了 Decision-1，这是一个用于分类、评估和路由决策的决策模型，基于 Qwen3.5-9B 构建。微软表示，该模型在涵盖近 150,000 个问题的 36 项基准测试中位居榜首，准确率达 83.5%，延迟为 85 毫秒，比排名第二的 H2O-Lightning-4B 快 2.5 倍。该模型可通过 Microsoft Foundry 和 OpenRouter 使用，价格为每百万输入 token 0.042 美元，输出 token 免费。
StepFun 的旗舰基础模型 Step 5 Preview 登上 OpenRouter 趋势榜榜首，并在其日榜中位列第二，官方开源发布定于 10 月 15 日。该稀疏 MoE 模型总参数量为 6000 亿，每 token 激活约 270 亿参数，Artificial Analysis 给出的综合智能指数为 44，位列全球开源前三。
HiDream 的新视频模型 HiDream-O1-Video-1.0 首次登上 Artificial Analysis 图像转视频（含音频）排行榜第 6 名，仅次于 Dreamina Seedance 2.0 720p。HiDream 将其定位为一款原生全模态模型，旨在实现物理一致性，可生成时长为 5 至 20 秒的 1080p 视频，并原生同步音频，时长取决于场景。该模型可通过 vivago R1 Studio 和 HiHarness API 使用，1080p 带音频视频的费用为每分钟 $5.80，约合每秒 $0.10。
介绍 Microsoft-Decision-1，这是我们面向快速决策的新模型。 它在结构化决策任务中表现出色，在延迟和质量方面均优于大型语言模型和其他决策模型。 我们已在微软内部测试该模型，应用场景涵盖事件响应、质量控制和科学发现等。
HeyGen Voice 在 Artificial Analysis 的 Controlled Voice TTS Arena 排行榜中排名第 1。该排行榜使用相同的 8 种克隆语音，对美式和英式英语进行评估。 它在 1,468 次竞技场参评中的 Elo 评分为 1,201，高于 Qwen-Audio-3.1-TTS-Plus 的 1,182 和 Eleven v4 Turbo 的 1,166。 HeyGen Voice 的发音稳健性得分为 83.1%，在 29 个模型中排名第 10；费用为每 100 万字符 30 美元，生成速度为每秒 40 个字符。
Qwen 发布 Qwen-Image-2.1-Turbo，基于 Qwen-Image-2.1 的同一 7B 视觉生成架构，仅需 8 个去噪步骤即可生成和编辑图像，权重已在 ModelScope 和 Hugging Face 开放。
推荐理由：Qwen 图像模型新增 Turbo 加速版本，8 步采样与开放权重给出了可直接接入的生成与编辑路径。
vLLM Semantic Router 团队在 Decision 2.0 上取得了出色成果。 针对一个输入提出多个问题，在单次前向传递中作答，并给出各选项的概率。适用于路由与分类。 @XunzhuoLiu 的转发帖：适用于各种规模。 Decision 2.0：六款开放决策模型，参数规模从 0.6B 到 27B。在 #Jev Decision Index 0.3 上，每款模型都超过了我们拿来对比的同规模开放模型。 #Hugging Face 上的热门合集 🤗 Decision 2.0：https://huggingface.co/collections/vllm-sr/decision-20 Vela 2.0：https://huggingface.co/collections/vllm-sr/vela-20
Artificial Analysis 报告称，Grok Imagine Video 1.5 Lite 在 AA-Video-T2V v2.0 和 AA-Video-T2V-Silent v2.0 中均排名第 17，领先于 Google 的 Veo 3.1，价格约为其三分之一。 生成一段 10 秒 1080p 视频的中位耗时为 60.5 秒，使其位于质量与速度的帕累托前沿。 SpaceXAI 对 1080p 输出的定价为每秒 0.14 美元（每分钟 8.40 美元）；可通过 SpaceXAI API、同价的 fal 以及 Vercel AI Gateway 使用。
Epoch AI 报告称，与 GPT-6 Sol 相比，OpenAI 将 GPT-6.1 Sol 的缓存输入价格减半。其测量结果还显示，新模型处理长提示词的速度更快。该帖子认为，这些发现指向 GPT-6.1 Sol 采用了新架构。
Anthropic 发布 Claude Haiku 5.5，OSWorld 2.1 成绩从上一代 15.7% 提升到 72.4%，平均运行成本下降约 75%，并首次在 Haiku 系列引入自适应推理和 100 万 Token 上下文。
Aravind Srinivas 表示，Perplexity Decider 在 DecisionBench 上排名第一，成本也最低。 https://twitter.com/rohanatlan/status/2108233674538041588 @rohanatlan 发布的引用帖称，Decider V1.1 在 949 个共享文本案例中的准确率达到 93.9%，中位延迟为 534 毫秒，每 1,000 次决策成本为 0.016 美元，并表示他们计划在自己的产品使用场景中试用它。 最新结果：https://decisionbench.ai
阿布扎比技术创新研究院（TII）发布 1.6B 参数的语音识别模型 Falcon-ASR，主打阿拉伯语及阿联酋方言，同时支持英语、法语、西班牙语和葡萄牙语。在六个阿拉伯语测试集上平均 WER 为 20.92%，比所用榜单快照中最佳公开结果 23.17% 低 2.25 个百分点；内部阿联酋方言评测 WER 22.73%、CER 10.19%，优于 Qwen3-Omni。
Anthropic 发布 Claude Haiku 5.5，这是 Haiku 系列约一年来的首次更新，定价与 OpenAI 的 GPT-6 Luna 持平，同日还下调了 Sonnet 5.5 与订阅计划价格。
推荐理由：汇总了 Haiku 5.5 的定价、独立评测与 token 消耗数据，便于判断小模型在智能体工作流中的成本取舍。
Anthropic 发布 Claude Haiku 5.5，官方跑分逐项超过 GPT-6 Luna，并取代 DeepSeek V4.1 Flash 和 GLM-5.3-Flash 成为新的小模型守门员。
推荐理由：原文给出 Haiku 5.5 的跑分、分档定价与迁移改动清单，读者可据此判断它适合承接哪类执行层任务。
OpenAI宣布GPT-6开始向ChatGPT免费和Go用户推送，用GPT-6 Luna替换此前的GPT-5.6 Luna，Plus、Pro等付费用户则使用GPT-6 Sol。
Anthropic 发布快速低价模型 Claude Haiku 5.5，定价为每百万输入 0.10 美元、输出 0.50 美元，与 OpenAI 上月发布的 GPT-6 Luna 完全一致，但超过 100,000 tokens 后涨至 0.50/2.50 美元，而 Luna 在 272,000 tokens 才涨到 0.20/0.75 美元。
推荐理由：作者实测了 Haiku 5.5 的定价、tokenizer 变化与不同推理档位的成本耗时，可据此判断它与 GPT-6 Luna 的取舍。
Anthropic 发布 Claude Haiku 5.5，这是其目前最快、最便宜的小模型，平均价格比 Haiku 4.5 低约 75%；对 10 万 token 以内的提示词，价格最高下降 90%，超过 10 万 token 则贵 5 倍。
推荐理由：原文给出 Haiku 5.5 的定价表与多项基准对比，读者可据此判断小模型在成本敏感任务上的取舍。
OpenAI 面向所有 ChatGPT 用户推出 GPT-6，并带来名为 Intelligent UI 的新功能，模型不再以纯文本作答，而是根据问题自动生成图形、按钮、图表和表单等交互界面，对比内容并排展示，解释可转为交互图表，用户还能在对话内直接构建储蓄计算器或小游戏等小工具。
作为参考，Haiku 4.5 于 2025 年 10 月 15 日发布，因此这两代产品相隔不到一年。 哦，对了，Haiku 5.5 也快得多，而且价格低 75%…… https://twitter.com/claudeai/status/2107894042235166750
