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
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。
推荐理由：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。
Meta 宣布推出 Muse Spark Open，称其为迄今能力最强的美国开放权重模型，并表示该模型专为编程和智能体工作打造。Meta 列出的参数量为总计 816B / 激活 42B，上下文窗口为 1M token，并原生支持文本、图像、视频和音频。 Ollama 对此次发布表示欢迎，并称该模型很快将在 Ollama 上提供。https://twitter.com/AIatMeta/status/2110779754274292212
推荐理由：所述参数量、上下文窗口和模态覆盖范围，为 Meta 将 Muse Spark Open 定位为适用于编程、智能体工作和长时程任务的模型提供了背景信息。
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。
推荐理由：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。
NVIDIA 发布了 Nemotron 3.5 Super VL，这是一款面向多模态智能体的开放式 1200 亿参数模型；还发布了 Nemotron 3.5 Bolt 74B-A9B 24GB，面向本地智能体工作负载。Bolt E4B 4GB 将于 10 月 23 日推出。Super VL 面向工具调用、业务工作流和视觉文档理解，并开放模型权重、数据集和训练方案。Bolt 74B-A9B 采用原生 2 位量化，可装入 24GB 内存；Bolt E4B 则面向物理智能体和对话智能体。
推荐理由：开放模型权重、数据集和训练方案，为组织提供了定制智能体以适配自身工作流的途径，同时满足本地部署和数据驻留要求。
Liquid AI 发布了 LFM2.5-24B-A2B，这是一款开放权重推理模型，总参数量为 24B，激活参数量为 2B，面向能够进行推理并调用工具的设备端智能体。其上下文窗口从 32K 扩展至 131K 个 token，推理版和 Base 版均已在 Hugging Face 上提供。Liquid AI 报告称，该模型在 Apple M5 Max 上的速度为 184 tokens/s，工具使用表现具有竞争力，同时也承认，在知识密集型和代码基准测试中，更大的模型仍有优势。
推荐理由：基准测试对比有助于区分适合本地部署的工作负载：该模型在工具使用和指令遵循方面表现出色，但在知识和代码方面不及某些更大的模型。
Meta 超级智能实验室发布了 Muse Wonder 和 Muse Wonder Full，这是其第二代模型系列，面向个人和专业场景中的智能体工作。Latent Space 报道称，Wonder 可通过 Meta Model API 和 Muse Code 使用，而 Full 仅限 Muse Code 订阅用户使用。Artificial Analysis 给出的 Wonder Full 和 Wonder Intelligence Index v4.3 得分分别为 56 和 52，而 Opus 5.5 为 58；Wonder 支持 1M 上下文窗口，可输入文本、图像、视频和音频，输出仅支持文本。
推荐理由：基准测试细分结果将 Wonder 各版本与竞争模型在智能体表现和 token 用量方面进行比较，展示它们在不同任务中的相对排名如何变化，而非给出单一排名。
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。
推荐理由：Artificial Analysis的比较展示了Muse Wonder Full相较Muse Spark 1.3在各项智能体评测中的提升幅度如何变化，同时，token用量和任务成本也为评估这些提升提供了背景信息。
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。
推荐理由：这项比较将持续的智能体任务和编码任务上的较强表现，与更广泛的智能水平排名区分开来，同时指出 Meta 内部基准测试的局限，以及对其他模型测试方式的限制。
AWS 宣布 Claude Haiku 5.5 在 Amazon Bedrock 和 Claude Platform on AWS 上线。
推荐理由：AWS 官方给出 Haiku 5.5 的定位、成本变化与调用方式，读者可据此判断它在多智能体分层中的位置。
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。
推荐理由：GPT-6 把 ChatGPT 输出从纯文本改为交互界面，并给出分版本与分层的开放节奏，可据此判断产品形态变化。
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。
Mistral 发布 Mistral Large 4 公开预览，这是一个 1 万亿参数、490 亿激活参数的 natively 多模态模型，权重将于本月底开放。
推荐理由：Mistral 官方给出 1 万亿参数多模态模型的开放权重时间表与自建欧洲算力背景，可对照其与主流开源模型的定位差异。
智谱（Z.ai）的 GLM 5.3 已在 Amazon Bedrock 上线，这是一个 753B 参数的 MoE 模型，面向编码和长程智能体任务，通过全托管 API 提供跨区域推理、提示词缓存和服务层级，目前面向符合条件的企业客户开放。
推荐理由：原文给出 GLM 5.3 在 Bedrock 上的接入方式与提示词缓存用法，读者可据此评估托管推理对编码与长程智能体工作流的成本影响。
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。
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。
OpenAI 于北京时间 9 月 4 日凌晨发布新一代旗舰模型 GPT-6 Astra，雷锋网汇总了首批拿到模型用户的实测案例。
推荐理由：汇总首批用户实测，呈现 GPT-6 Astra 在长任务中能自我检查却仍需人把关的能力边界。
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。
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。
Latent Space 的 AINews 汇总 9/24-9/25 动态，指出 Opus 5.5 本周发布后社区反馈积极，尤其在用代码生成讲解视频上表现突出。
推荐理由：汇总一周模型与 Agent 基础设施动态，可快速了解 Opus 5.5 在代码生成视频上的社区反馈与各家新模型定位。
