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
MiniMax 发布了 M3.1 Flash，这款推理模型在 Artificial Analysis Intelligence Index 上得分为 42，高于 M3 的 29，单项任务成本不到后者的一半。它支持文本和图像，上下文长度最高可达 100 万个 token；API 定价为每百万个输入 token 0.15 美元、每百万个输出 token 0.60 美元。Artificial Analysis 报告称，该模型的幻觉率为 93%，因为面对不确定的问题时，它会作答而不是拒绝回答；计划于 10 月 23 日开放权重。
这项比较显示，即使基准测试的领先情况不一，减少输出 token 也能降低任务成本；MiniMax 和 Deepseek 分别在不同指标上领先。
智谱发布了 GLM-Legal，这是一款开源法律模型。据称，它在 Harvey LAB 和 LegalBench 上领先开源权重模型，任务通过率分别为 19.2%，准确率为 86.23%。该模型基于 GLM-5.3-Flash 构建，结合了法律领域的中期训练，以及在数万个法律任务环境中进行的强化学习。官方演示涵盖合同审查、证据分析和跨境隐私合规；智谱邀请法律专业人士申请参与 Beta 测试，并计划将相关能力集成到 AutoClaw 中。
Harvey LAB 要求满足所有评分条件，这有助于理解 GLM-Legal 据称领先的背景，因为其 19.2% 的通过率也表明，大多数任务未能满足全部要求。
DeepSeek已在其网站、应用和API上发布DeepSeek-V4.1-Flash-1017，据称该模型在编程和智能体基准测试中有所提升，同时任务运行时间更短、输出更精简。据报道，训练中特别针对DeepSeek Harness对模型进行了优化，要充分使用这些改进，需要使用0.2.1-rc.1或更高版本。DeepSeek还开放了Search和Fetch API，用于查找网页并以Markdown格式获取网页内容；价格为每1,000次成功请求5元，暂时免费至11月1日。
据称任务运行时间和输出长度有所减少，同时基准测试结果有所提升，这为开发者评估智能体运行成本提供了与上一版本进行具体比较的依据。
Deepseek 通过其网站、应用和 API 发布了 Deepseek-V4.1-Flash-1017，并在 Hugging Face 和 ModelScope 上提供开源权重。在 Deepseek 自行公布的 DeepSWE 测试结果中，该模型得分为 77.0%，每项任务成本略低于 0.20 美元；其前代模型得分为 74.2%，每项任务成本约为 0.50 美元。目前尚无独立基准测试结果。Deepseek 还向开发者开放了其内部开发的搜索引擎，提供 Search & Fetch API，每个接口的定价为每 1,000 次调用 0.75 美元。
Deepseek 报告的任务成本与基准测试得分并列呈现，为比较编程效率提供了具体依据，同时文章清楚区分了公司公布的结果和独立评估。
DeepSeek@deepseek_ai精选69与上一版本的对比将基准测试的提升与任务完成时间和输出长度联系起来，为此次发布所称的性能和成本改进提供了背景。
The Verge 的三位评测人员花了一周测试五款 Nvidia RTX Spark 笔记本电脑，发现它们图形性能出色，Windows on Arm 应用总体上也能正常使用，但价格高昂，CPU 性能弱于 Apple 的竞品，而且运行本地 AI 工作负载要求很高。Sean Hollister 的 Asus ProArt P16 在日常工作中续航约 5 小时至 5 小时 40 分钟。他们进行本地 AI 实验时遇到了明显的电量消耗、发热、响应缓慢和结果不稳定等问题，尽管这些配置提供了最高 128GB 的统一内存。
这些实测对比展示了大容量统一内存和出色图形性能在本地 AI 工作负载、电池续航和软件兼容性方面带来的日常取舍。
Google DeepMind 的 Gemini 4 Argon 使用 Provider Adapter Harness 得分 97.5%，完成 ARC-AGI-3 测试，成本为 4,800 美元，低于 GPT-6 Astra 的 99.9%。在 Standard Harness 的低推理设置下，其得分降至 49.8%；由于 API 问题，测试未能完成所有游戏。Epoch AI 给 Argon 评定了 165 个 ECI 积分，与 Opus 5.5 和 GPT-6 Astra 相近，不过早期估算将其列为数学能力第八、软件工程能力第六。
这一比较显示，测试环境会如何改变基准排名，有助于理解 Argon 与领先模型的接近程度，同时也能看到它在数学和软件工程方面较弱的表现。
Aravind Srinivas@AravSrinivas精选70Gemini 4 Argon sets a new record on WANDR. It is now available in Perplexity for Pro and Max subscribers. https://t.co/n1TyI9RhBX
该帖称快速搜索和 Computer 模式均可使用，但其更广泛的开放范围说法，与被引用公告中仅限 Pro 和 Max 订阅用户的说法不同。
Reflection在Hugging Face上发布了Beam。这是一款501B的MoE模型，每个token激活23B参数，支持100万token的上下文窗口，并采用Apache 2.0许可证。这款纯文本模型面向编程和智能体工作，提供BF16、FP8和NVFP4检查点，并在发布首日支持transformers、vLLM和SGLang。Hugging Face还提供部署和后训练方案，以及自有的任务评测和演示。
部署指南区分了活跃计算量与权重总内存用量，帮助团队评估运行和适配一款具有长上下文窗口的稀疏模型所需的硬件配置。
NVIDIA AI@NVIDIAAI精选77Beam is now available across platforms, with open weights under the Apache 2.0 license - in collaboration with an ecosystem of 40+ partners. We're releasing: - Weights, tokenizer, and reference implementation - BF16, FP8 and NVFP4 weights and a DFlash2 drafter - The open source harness we built and trained Beam on: Mirror CLI Weights and model card on Hugging Face: https://huggingface.co/reflection
Apache 2.0 许可证、多种权重格式以及已发布的训练工具包，为开发者评估 Beam 是否适合其部署工作流提供了具体信息。
Kling AI 于 10 月 15 日推出 Kling 4.0，新增最长 30 秒的原生视频生成、10-bit HDR 输出，并称其在快速运动和复杂镜头运动方面有所改进。该模型最多支持 15 个组合参考素材、最多 10 个关键帧输入，以及最长 8000 个 token 的提示词。对 4K、1080p 和 21:9 输出的支持、累计最长 2 分钟的多次视频扩展，以及 API 访问均被描述为即将推出。
参考输入、关键帧控制和 HDR 输出为评估 Kling 4.0 如何融入专业视频制作工作流程提供了具体依据。
Artificial Analysis@ArtificialAnlys精选79这一比较显示，Muse Spark Open 在同一智能指数上的得分比 Muse Glimmer 高 22 分，为 Meta 开放权重模型之间所报告的能力差距提供了具体参照。
IBM 发布了 Granite-Switch-4.1-8B 和 -30B，通过一个托管端点整合了聊天、通用决策 aLoRA、专用 Guardian aLoRA，以及 Granite-Speech-5.0-Turbo-CTC 转录功能。IBM 表示，组合模型使用的 GPU VRAM 与基础模型大致相同，因为适配器会复用基础模型的 KV 缓存。用户还可以使用 Granite Libraries 适配器组合自定义 Switch 模型；IBM 计划推出用于在 Mellea 中训练适配器的 Adapter SDK。
共享 KV 缓存和模块化适配器提供了一种切实可行的方法，可将通用决策、专用决策与转录功能结合起来，同时让 GPU 内存用量接近基础模型。
Meta 的 Muse Spark Open 是一款开放权重的混合专家模型，约有 8160 亿个参数，每个 token 激活约 420 亿个参数，上下文窗口最长可达 100 万个 token。该模型经过智能体编程训练，可接收文本、图像、音频和视频，并生成文本。Hugging Face 提供推理和部署方案，报告了其自身的量化测试结果，并演示了使用 TRL 对注意力层进行 LoRA 微调，同时冻结专家网络。
这些部署方案阐明了稀疏专家激活如何在保留大量内存需求的同时减少每个 token 的计算量，帮助开发者根据不同检查点格式和服务框架评估硬件需求。
Black Forest Labs 已发布 FLUX 3 Image Klein，这是一款拥有 56 亿参数的开放权重模型，可用于文生图、图像编辑以及使用最多十张参考图进行生成。它支持原生 4K 输出，其 INT8 版本可在配备 8 GB 显存的 NVIDIA GPU 上运行，在 RTX 4070 上生成一张图像不到 9 秒。年收入低于 500 万美元的公司可依据 FLUX Kommunity License 免费用于商业用途。
硬件要求和商业许可门槛为评估本地生成图像是否适合团队现有 GPU 配置及业务规模提供了具体依据。
Mustafa Suleyman@mustafasuleyman精选72这项公告将 MAI 所报告的进展定位于预训练阶段，并表示后训练结果尚待公布，为理解其关于最先进基础模型的说法提供了背景。
英伟达发布了 Nemotron 3.5 Super VL，这是一款拥有 1200 亿参数、每个 token 激活 120 亿参数的开放式多模态模型，面向持续运行的企业智能体。英伟达表示，在指定的智能体任务上，该模型的准确率接近 Nemotron 3 Ultra，但参数量约为其五分之一；英伟达还将开放模型权重、数据集和训练方案。配套的 Nemotron 3.5 Bolt 74B-A9B 24GB 面向本地智能体，而 Bolt E4B 4GB 计划于本月晚些时候推出。
部署细节说明了量化、缓存和硬件要求如何影响在企业自有基础设施上运行持续工作的智能体时所面临的实际权衡。
Mistral AI 发布了四种规格的 Timestral，参数量从 5M 到 209M，支持使用仅包含过去数据的协变量和已知未来协变量进行概率性多变量预测。Mistral 表示，在 GIFT-Eval、TIME 和 fev-bench 的五项指标上，其 209M 模型在预训练零样本模型中排名第一，且使用单个检查点、不进行集成。所有规格均支持 CPU 推理。Mistral 发布了一个 GitHub 仓库，供用户在自己的数据上运行 Timestral；用户还可通过 Mistral Forge 进行领域适配和微调。
不同模型规格之间的比较以及 CPU 推理延迟，为评估生产部署中预测准确度与计算需求之间的关系提供了具体依据。
英伟达推出了 Nemotron 3.5 Super VL，这是一款拥有 1200 亿参数的开放权重模型，面向企业智能体；同时还推出了轻量级 Bolt 模型，供 AI PC 和工作站本地使用。英伟达表示，组织可以使用自有数据对 Super VL 进行后训练，并将其部署在自有基础设施上；Bolt 模型则支持在本地运行智能体。Super VL 和 Nemotron 3.5 Bolt 74B-A9B 24GB 现已推出；更小型的对话模型 Bolt E4B 预计于本月晚些时候推出。
这套面向企业和 PC 的模型产品展示了部署位置如何影响智能体产品的形态：在企业基础设施上进行定制和本地处理，分别满足对数据和工作负载控制的不同需求。
NVIDIA AI@NVIDIAAI精选76Step 5 Preview is now open weights. BF16 and FP8 weights are live on Hugging Face and ModelScope, together with our technical blog. • Sparse MoE: 600B total, 27B active per token • 1M-token context window • Native text and vision input • Built for long-horizon agentic https://t.co/KNmllYjwdC
报告的吞吐量将 Step 5 Preview 与特定 GPU 和精度格式联系起来，为读者了解其长时间运行的智能体工作负载提供了具体的部署背景。
