135 条精选近 30 天 72条共收录 252条
更新Mistral AI 发布 Mistral Large 4（代号 Le Chonk），1T 参数、原生多模态、49B 激活，官方称其是欧美聚合基准上最好的开放权重模型。该模型在网络防御、制造和金融等关键负载上达到 SOTA，并在视觉 grounding 上超过闭源前沿模型；端到端在欧洲打造，可通过 Mistral Cloud 从欧洲部署，今日起 API 可用，开放权重版本将于 10 月底发布。
推荐理由：Mistral 官方给出 1T 参数、49B 激活的开放权重模型规格与欧洲本地部署路径，可据此判断开放权重阵营的规模与可用性。
Reflection AI 推出了 Beam，并将其描述为一款高效的智能体开放模型，拥有 501B 总参数和 23B 激活参数。该公司表示，Beam 在编码和智能体任务方面推动了西方开放模型前沿的发展，并且是从零开始端到端训练的，完整权重将于本月发布。Ollama 表示，更多美国模型即将登陆其平台。
推荐理由：Reflection AI 将 Beam 定位为一款高效的智能体开放模型，拥有 501B 总参数和 23B 激活参数，为读者比较开放权重的编码和智能体模型提供了一个具体参照。
Ai2 开源 AstaBrief 8B，一个把研究问题和检索到的文献片段转成带引用报告的模型，基于 Qwen3-8B 经 SFT 和 DPO 训练，已作为 Asta 的 Fast 模式上线。
推荐理由：原文给出 AstaBrief 的训练数据构造与引用过滤细节，可迁移到其他长文生成模型的落地。
Black Forest Labs 发布 Flux 3 模型家族中的图像模型 Flux 3 Image，官方称其支持多步编辑且不改动画面其他部分，覆盖文生图、图生图、文字渲染和写实生成。
推荐理由：Flux 3 Image 把多步编辑与 4K 输出、参考图上限放在一起，可对照同期 Ideogram 4.5 看图像编辑模型的竞争节奏。
微软 AI 即将推出 MAI-Transcribe-2-Streaming，Mustafa Suleyman 称其为全球最准确的实时转录模型。 他声称，该模型比 ElevenLabs 快 55%、便宜 60%，并邀请开发者在微软平台上构建智能体。 在引用的帖子中，Artificial Analysis 报告称，该模型在 AA-WER Streaming 的最终转录和首个部分转录准确率排名中均位列第一；语音结束后 0.13 秒，最终转录的 WER 为 2.5%，流式转录定价为每小时音频 0.54 美元。
推荐理由：引用的基准测试对比将转录准确率与延迟和定价放在一起，为读者在为智能体选择流式语音模型时提供了具体的权衡依据。
谷歌发布新一代旗舰模型 Gemini 4 Argon，在 DeepSWE v1.1 上以 77.9% 超过 Claude Opus 5.5 的 74.2% 和 GPT-6 Astra 的 74.1%，并以 1525 分位居 Text Arena 第一。
推荐理由：谷歌新旗舰在多项榜单登顶并给出成本与百万Token输出上限，读者可据此判断其与GPT、Opus的竞争位置。
Google DeepMind 发布 Gemini 4 Argon，面向编码、企业知识工作与网络防御，先在 Fairwind 计划的政府用户和可信网络安全人员中开放，之后才向开发者、企业和消费者开放。
推荐理由：汇总 Gemini 4 Argon 的基准、定价与第三方评测分歧，可对照其与 Astra、Opus 5.5 的实际差距。
Google 发布新前沿模型 Gemini 4 Argon，在多项基准上追平 OpenAI 与 Anthropic，但未取得明显领先。该模型先向 Fairwind 计划的“可信网络防御者”和 Google 内部团队开放，之后才面向开发者、企业和消费者，API 定价为每百万输入 token 2 美元、输出 token 10 美元（促销价）。
推荐理由：汇总第三方与人类偏好榜单，呈现 Gemini 4 Argon 与 OpenAI、Anthropic 的分数、token 消耗和价格对比。
Demis Hassabis 宣布推出新的前沿 AI 模型 Gemini 4 Argon，称其在多项关键能力上有大幅提升。该模型今天起通过 Fairwind Program 优先面向政府和可信网络安全防御方负责任地开放，随后将扩大可用范围。
推荐理由：Gemini 4 Argon 的发布信息给出了能力定位与分阶段开放路径，可据此判断前沿模型的落地节奏。
Google 发布新一代前沿模型 Gemini 4 Argon，称其在软件工程、法律金融等企业知识工作和网络安全防御等复杂工作流中具备前沿性能。该模型初期仅向一组可信网络安全方开放，Google 表示正参与美国政府的前沿模型预发布访问流程并逐步扩大范围，同时会在更大范围铺开前加强防范滥用、提示词注入和失准的保障措施。
推荐理由：Google 发布 Gemini 4 Argon 却先只开放给可信网络安全方，读者可据此观察前沿模型发布与安全审查的绑定趋势。
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，随后逐步扩展到开发者、企业和消费者，起价为每百万输入 token 2 美元、每百万输出 token 10 美元。
推荐理由：Gemini 4 Argon 把输出上限提到 1M token 并给出多项基准与内部落地数据，可据此判断长程工作流的能力边界。
Google 发布新前沿模型 Gemini 4 Argon，今日起先向网络安全防御人员开放，之后尽快扩大范围。该模型介绍期定价为输入 $2、输出 $10。
推荐理由：原文给出新模型名称、首发对象和定价，读者可据此判断其能力定位与使用成本。
AWS 宣布 Claude Sonnet 5.5 在 Amazon Bedrock 和 Claude Platform on AWS 上可用，定位为面向编码与知识工作的更高效 Sonnet 模型，多数任务单任务成本更低、速度更快。
推荐理由：原文交代了 Sonnet 5.5 在编码与文档任务上的改进，并给出与 Opus 5.5 的分工和 Bedrock 接入方式。
OpenAI 在 DevDay 上发布 GPT-6.1 Sol，称其在智能体编码、计算机使用和专业工作上接近 GPT-6 Astra 的智能水平，标准输入输出 token 价格仅为后者的五分之一。
推荐理由：OpenAI 在 DevDay 发布 GPT-6.1 Sol，价格降至五分之一，同时披露 GPT-6.1 Astra 因安全顾虑被搁置。
OpenAI 发布 GPT-6.1 Sol，称其以五分之一的价格提供接近 Astra 的智能水平，是当前同性能下最具成本效率的模型。
推荐理由：OpenAI 公布 GPT-6.1 Sol 的定价与性能定位，读者可据此判断其性价比在现有模型中的位置。
OpenAI 发布 GPT-6.1 Sol，称其在智能体编码、电脑操作和办公任务上接近因安全问题推迟发布的旗舰 GPT-6.1 Astra，成本约为后者的五分之一。
推荐理由：在旗舰 Astra 因安全问题推迟的背景下，读者可对比 Sol 与 Astra、Opus 5.5 的价格和基准差距。
NVIDIA 发布开源表格基础模型 Kumo Tabular，给定带标签的表格行即可单次前向传播预测新行标签，覆盖分类与回归，无需训练、调参和特征工程。模型提供 28M 到 215M 三种规模，完全在人工合成表格上预训练，采用 OpenMDW-1.1 许可可商用，并在 TabArena、BeyondArena、TALENT 和 ScoringBench 四个基准上排名第一。
推荐理由：原文给出模型规模、训练数据来源与四项基准排名，可据此判断表格基础模型的准确率与效率取舍。
OpenAI 发布 GPT-6.1 Sol，定位为面向编码、计算机操作和专业工作的接近 Astra 级别的智能，标准 API 输入与输出 token 价格仅为 Astra 的五分之一。
推荐理由：OpenAI 发布 GPT-6.1 Sol，给出接近 Astra 的能力定位与五分之一的 API 价格，读者可据此判断成本与能力取舍。
Anthropic 发布新 Sonnet 模型 Claude Sonnet 5.5，官方称其运行速度提升 30% 以上、多数任务成本最多降低 30%，定价与 Sonnet 5 相同但在各项基准上均优于前者。
推荐理由：作者实测了 Sonnet 5.5 的编码表现与免费层可用性，并给出与 Opus 5.5 的横向对比。
Mike Krieger 分享了 @claudeai 关于 Claude Sonnet 5.5 的公告。这是 Claude 5.5 系列的第二款模型。 它的运行速度比 Sonnet 5 快 30% 以上，大多数任务的成本最多可降低 30%。
推荐理由：与 Sonnet 5 的对比为读者提供了具体参照，帮助了解此次发布所报告的速度提升，以及大多数任务的成本降低。
