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
Mistral Large 4（也称 Le Chonk）是一款多语言 MoE 模型，可接收文本和图像并生成文本，总参数量约为 1T，上下文窗口为 1M 个 token。Hugging Face 介绍了它的 FP8 和 NVFP4 变体、网络安全基准测试，以及发布当天即可使用的推理和微调支持。其权重采用 Mistral Ecosystem Open-Weight License，该许可证限制将模型作为服务提供。
部署示例将检查点格式与硬件要求和实测吞吐量联系起来，为团队选择模型服务方式提供了具体参考。
Mistral AI 发布了改进版 Mistral Large 4（Le Chonk）的开放权重。该多模态模型拥有 1 万亿参数，本月早些时候曾以预览版形式亮相。Mistral 报告称，该模型在 Artificial Analysis Coding Agent Index 上得分为 48%，每项任务的 token 数比 GLM-5.3 少 47%，并提供三种推理模式。Mistral Ecosystem Open-Weight 许可证允许使用、修改、微调和商业化，但运营模型即服务（Model-as-a-Service）业务的企业在商业使用前必须另行取得商业许可证。
报告的编程结果将基准测试得分与 token 用量结合起来，为比较该模型与其他开放权重模型的表现和推理效率提供了具体依据。
Google DeepMind 宣布推出 Gemini 4 Carbon，并报告称其在 Artificial Analysis Intelligence Index v5.0 上得分为 59；在网络安全基准测试中，SEC-bench Pro 得分为 88.2%，ExploitGym 为 54.8%，CWE-bench 为 71.0%，评测时未启用防护措施。本周起，一部分网络防御人员将获得使用权限，之后将通过 Fairwind Program 扩大开放范围，再面向更广泛用户推出。入门价格与 Argon 相同：每百万输入 token 收费 2 美元，每百万输出 token 收费 10 美元；缓存输入 token 可享受 95% 的折扣。
与 Argon 的比较为 Carbon 报告的工程性能提升提供了背景，而分阶段推出则区分了网络防御人员的初期使用权限与计划中的更广泛开放。
英伟达发布了 Nemotron 3.5 Transcribe，这是一款开源语音识别模型，可根据文本指令转录和翻译语音、识别说话人，并回答有关录音的问题。它支持转录 40 种语言，可处理时长最长一小时、最多包含八位说话人的录音，但不支持实时处理。此次发布还包括 Granary v2，其中包含约 844,000 小时、涵盖 48 种语言的语音数据，以及数据集构建工具和微调指南。
医疗领域的适配结果表明，针对特定任务进行微调可以提高专业转录的准确性，但也会带来权衡：通用语音识别准确度和品牌药物名称识别能力可能下降。
NVIDIA 发布了开放权重模型 Nemotron 3.5 Transcribe，支持转录 40 种语言的语音、将 31 种语言的语音译成英语或将英语译成这些语言，并可在 13 种语言中标注说话人；同时发布的还有 Granary v2 的多语言数据清单和可复用的数据整理流程。该模型面向录制音频，可处理最长一小时的录音，并标注最多八位说话人。一项配套的医疗领域适配案例研究报告称，与最佳提示词基线相比，在留出说话人上的词错误率（WER）相对降低了 45.8%。
这项医疗领域适配案例研究提供了一套可迁移的领域转录工作流程：通过在留出说话人上进行评估，并检查通用语音准确性，将提示词改进与微调带来的提升区分开来。
Liquid AI 发布 LFM3，包含 6 款参数规模约为 2B 的开放权重模型，基于共享骨干网络覆盖文本、视觉、音频、全模态处理和校准决策。公司表示，每款模型都支持单 GPU 微调；其中，文本模型提供 256K 上下文窗口，采用 4-bit 精度时约占 1 GB。所有模型今日均已在 Hugging Face 上线，并附有推理示例和微调笔记本。
共享骨干网络和单 GPU 微调示例，为针对文本、视觉、音频及组合输入的专业任务调整紧凑型模型提供了切实可行的方法。
Google DeepMind 已面向可信测试者发布 Genie 4 研究预览版，新增原生音频、互动对话以及实时自然语言引导功能，用于世界模拟。Gemini 3.8 Flash 通过观察场景、规划行动并检查进展来引导多步骤事件。该功能即将面向 Google AI Ultra 订阅用户在 Project Genie 中开放，并向 Gemini API 和 Google AI Studio 的早期访问合作伙伴开放；物体恒存性、物理交互和长期一致性仍是研究挑战。
Gemini 规划能力与 Genie 模拟的结合，展示了结构化推理如何引导不断演变的虚拟环境；文档中说明的一致性局限也明确了该研究预览版的范围。
Mustafa Suleyman@mustafasuleyman精选65Microsoft's MAI-Image-2.7-Preview takes #2 on AA-Image-Editing v2.1, close behind OpenAI's GPT Image 2.5 Sunburst (max) and a clear step up from MAI-Image-2.6 MAI-Image-2.7-Preview is Microsoft AI's newest image editing model, succeeding MAI-Image-2.6, released in August. In our testing, MAI-Image-2.7-Preview scores higher than MAI-Image-2.6 on all 7 editing actions we measure, and ranks #1 on 4 of them: Scene & Style Edit, Text or Symbol Edits, Reasoning-Based Edit, and Enhancement & Restoration. This new model improves on MAI-Image-2.6 with the biggest gains in Composition & Framing (+57 Elo), Text or Symbol Edits (+49) and Scene & Style Edit (+48). We see its best use cases to be in Live-Action Film, Consumer and Frontier edits, where it ranks #1. MAI-Image-2.7-Preview is available today in MAI Playground for image editing only, with text to image stated to be coming soon. Congratulations to @MicrosoftAI on the release! See below for our detailed analysis and example outputs of MAI-Image-2.7-Preview in the Artificial Analysis Image Arena 🧵
各项操作的结果显示了 MAI-Image-2.7-Preview 相较前代的提升之处，提供了比整体图像编辑排名更具体的比较。
OpenAI 发布了 GPT-6.1 Terra，其标准 API 价格为 GPT-5.6 Terra 的一半，可通过 ChatGPT Work、Codex 和 API 使用。OpenAI 表示，GPT-6.1 Terra 在 Agents’ Last Exam 上的表现与 GPT-6 Astra 相当，而每个 token 的价格仅为后者的十分之一；不过，对于最难的任务，OpenAI 仍建议使用 Sol 和 Astra。社区测试显示出不同的权衡：DesignArena 报告称，在一项渲染任务中，GPT-6.1 Terra 的完成时间接近四倍，但成本低 38%；Victor Nunez 则报告称，在一项初步测试中，Terra 完成表单的时间比 Sol 快 53.5 秒。
这些对比区分了 token 价格、任务成本和完成时间，展现了价格更低的模型可能耗时更长，但总体支出仍然更少。
Artificial Analysis@ArtificialAnlys精选88不同推理强度的对比有助于区分哪些设置在每项任务的成本所对应的智能水平方面具备竞争力，哪些则落后于测得的效率前沿。
OpenAI 推出 GPT-6.1 Terra，并称它将快速且强大的计算机使用能力带给所有人。
Mosi 与 OpenMOSS 发布了 MOSS-Image，这是一款开源图像生成模型，采用 5B 参数的 DiT 主干网络，据报道四天内下载量达 130 万次。它支持中英文文本渲染、带边界框的结构化 JSON Layout 输入，以及最长 4096 个 token 的文本条件输入。社区开发者已推出 8 步和 4 步加速版本、量化版本及 LoRA 模型；该模型也提供 API。
据报道的文本覆盖率指标和布局基准测试，为评估 MOSS-Image 在设计工作流中的表现提供了背景，同时明确区分了文本覆盖率与字符准确率。
Kimi K3.1 Pro 今日在 Kimi API 上线，Moonshot 承诺于 2026 年 11 月 4 日前提供完整模型权重。定价为每百万输入 token 2.00 美元、每百万输出 token 10 美元；Highspeed 版本的速度快 2–3 倍，价格则为两倍，但输入 token 缓存命中除外。Artificial Analysis 给它打了 55 分，低于 Claude Opus 5.5 的 58 分，高于另外三个模型的 53 分；Simon Willison 也测试了它在低、中和最高推理级别下生成 SVG 鹈鹕图像的表现。
定价和注明来源的基准比较为评估 Kimi K3.1 Pro 与竞品提供了背景，同时也区分了当前 API 已可用和承诺发布模型权重这两件事。
Moonshot AI 发布了 Kimi K3.1 Pro。该模型在 Artificial Analysis Intelligence Index 上得分为 55，比 K3 高 11 分，比 Claude Opus 5.5 低 3 分。用户可通过 Kimi.ai、Kimi Work、Kimi Code 和 Kimi API 使用该模型；Moonshot 还称，Highspeed 版本的运行速度是其两到三倍。Token 价格下调 33%；如果按计划于 2026 年 11 月 4 日前开放权重，且排名保持不变，它可能成为得分最高的开放权重模型。
基准测试对比显示，计划中的权重开放可能缩小开放模型与专有模型之间的差距，同时区分独立测量结果与公司报告的结果。
宝玉@dotey精选79Introducing Kimi K3.1 Pro: our most capable 3T-class open-weight model. 🔹 1M-token context, 2.8T total / 104B active params (MoE), Multimodal. 🔹 Full-project coding: games in Unreal, Unity & Godot. 🔹 Excels at parametric 3D modeling in Blender & CAD. 🔹 More reliable at https://t.co/klydcszv02
此次发布将通过 Kimi 产品和 API 即时使用，与稍后提供完整模型权重区分开来，为读者评估访问选项提供了明确的时间表。
Tibor Blaho@btibor91精选76Today, we’re introducing Ideogram's first vector model. Generate clean, editable SVGs with smooth gradients and sharp typography from a text prompt, or turn any image into a detailed, scalable vector. Live in Ideogram and the API: https://ideogram.ai/models/vector/
可编辑的SVG输出将提示词和图像生成与需要可缩放图形的设计工作流程衔接起来；徽标、印刷设计和插画是其列出的预期用途。
Canva 推出了 Canva Craft，这是一款采用两阶段架构的图像生成模型，会先规划设计，再生成图像。Canva 表示，这种架构提升了精确度、一致性和可控性。它支持最高 2K 分辨率和 30 多种宽高比；Canva 称，该模型基于数百万个人工制作的模板进行训练。Craft 现已通过 Dream Lab 面向全球所有用户开放。Canva 计划推出 Craft-fast、Craft-ultrafast，并支持通过 Model Context Protocol 使用。
Canva 使用人工制作的模板作为训练数据，这为其注重设计布局、文字清晰可读和对象精准摆放提供了背景。
OlmoEarth 团队发布了 OlmoEarth v1.3，提供预先计算的 10 米卫星嵌入数据，维度为 64 和 128，并推出无需账户或 GPU 即可使用的基于浏览器的 Embeddings Explorer。团队报告称，在与 AlphaEarth Foundations 和 Tessera v2 的 27 项评估中，其 128 维嵌入数据有 20 项表现领先。模型权重、预训练数据和代码均已开放；发布时，嵌入数据覆盖 2023–2025 年的全球范围，以及 2017–2022 年的部分国家。
预先计算的嵌入数据可让团队将卫星地图绘制转化为轻量级分类任务，减少为每种应用下载影像并运行 GPU 微调的需求。
Recursive发布了Flint，这是一款开放权重的MoE语言模型，面向本地智能体编程，由其Eureka Machine AI研究系统在四个月内开发完成。Flint总参数量为400亿，每个词元激活25亿个参数，权重以Apache 2.0许可在Hugging Face上提供。Recursive表示，该系统参与了架构设计、训练、量化和推理调优；其基准测试说法尚未经过独立验证，Flint也尚未展示递归式自我改进能力。
Flint提供了一个自动化模型研究的具体案例，涵盖架构设计、量化和推理调优；与此同时，文章将这些贡献与研究系统本身得到改进的证据区分开来。
NVIDIA 推出了 Kumo Relational，这是一款预训练基础模型，可直接从关系数据库进行预测，并将最多 10,000 个历史样例用作上下文，无需针对特定任务训练或进行特征工程。NVIDIA 报告称，在 15 个数据库上的 41 项任务中，该模型的表现优于监督学习方法；在 SAP SALT 上，其 MRR 比 AutoGluon 集成模型高出 8%。用户可通过开源的 structured-data-models 库或 NVIDIA NIM 使用该模型，也可选择进行微调。
这些基准测试对比为评估关系型上下文学习何时能够取代经过工程设计的预测流程提供了具体依据，而任务规模和关系结构界定了实际应用的限制。
