AI 模型发布与更新

Arena 宣布 OpenAI 的 GPT-6.1 Terra 已进入 Agent Arena，用户可前往测试，分数即将公布。该平台基于全球用户提供的数百万真实长程智能体任务评测模型，模型可调用网页搜索、文件系统和终端工具完成复杂工作流，排行榜用因果追踪方法衡量模型相对平均模型的结果表现。

OpenAI 员工 Vaibhav Srivastav 宣布 GPT-6.1 Terra 发布，主打更快、更实惠的智能体，可对图像进行推理并使用计算机。相比 5.6 Terra，在 Agents' Last Exam 上提升 15 分，成本约为三分之一；API 定价为 $1/M 输入、$0.05/M 缓存、$5/M 输出，正在 ChatGPT 和 Codex 的付费方案中推出。

Artificial Analysis 评测 OpenAI 新发布的 GPT-6.1 Terra，称其为 GPT-5.6 之后首个 Terra 级模型，智能更高而成本不到三分之一。

OpenAI 发布 GPT-6.1 Terra，主打以更低价格提供快速且强大的计算机操作能力。模型能理解屏幕内容、跨应用执行操作、自然写作，效率提升可承担更多日常工作量。

TestingCatalog 发现 API 出现新的 gpt-6.1-terra 模型标识，并出现在最新 Codex 更新日志中。

这种奇怪的 qwen 行为要火了，因为没人读过中端开源模型的 trace，没意识到它们几乎全都特别粗糙。

Grok @Bot 就像雇了一位能力极强的幕僚长

这周你打算用 grok bot 发布什么？

Grok @Bot 最需要改进的地方是什么？ 另外，请务必最近试用一下 Bot，因为每周都会发布 100 多项功能和修复！

Liquid AI 发布新一代 LFM3 模型家族，以 LFM3-1.7B-Base 为共享骨干，首批开放六个 2B 级模型（文本、视觉、音频、omni 及两个决策模型）的开放权重，可在 Hugging Face、Playground 和 Liquid AI API 获取。

Artificial Analysis 发布 Intelligence Index v5，引入 FrontierCode 2.0 和 Terminal-Bench-Science 两个新基准，并升级 HLE-Diamond、AA-Omniscience v1.1 和 CritPt v2，60% 的指数基于私有测试集或保留答案。

新 ARC Prize 2026 - ARC-AGI-3 最高分 71.48%，由 Yi-Chia Chen @ Fields Model 取得 Yi-Chia 从 67% > 71% 跃升，并重新夺回第一名 比赛还剩 1 周

腾讯混元发布并开源同声传译大模型 Hy-SimulMT，支持中英语音到语音实时翻译，响应时间实测约 3 秒，低于人类专业译员 4-5 秒的平均水平，并支持实时音色克隆。该模型在腾讯 Hy 翻译 App 首发免费体验；在长音频评测集 RealSI 上延迟最低且效果达开源模型最佳，团队还邀请 6 位持 CATTI 一二级证书的人类同传专家对比测评，称其在翻译质量上达到专家水平且时延更低。

来自 @NVIDIAAI 的 NVIDIA Nemotron 3.5 Super VL 在 ARC-AGI（Verified）上的成绩： - ARC-AGI-2：1.94%，$0.02/任务 - ARC-AGI-1：22.67%，$0.03/任务 Nemotron 3.5 Super VL 是我们评测的首个 NVIDIA 模型。

The Verge 分析 AI 能否解决 COBOL 遗留代码危机。OpenAI 于 10 月 19 日称其最新模型在老旧语言代码迁移上有重大改进，GPT-6.1 Sol 在高推理力度下实现 98% 的行为保持准确率，低推理力度下为 87%，对比 GPT-5.6 Sol 仅 5%；Anthropic 二月也发布代码现代化指南并推广 Claude Code。

腾讯混元宣布开源实时中英同声传译模型 Hy-SimulMT。官方称其延迟约 3 秒、准确率高、支持实时声音克隆，性能超过多数开源模型和商业 API。模型已在 Hugging Face、ModelScope 和 GitHub 提供，可下载试用和开发。

10 月 26 日，腾讯混元发布并开源同声传译大模型 Hy-SimulMT，支持中英语音到语音实时翻译，实测响应时间约 3 秒，低于人类专业译员平均的 4-5 秒。

邵猛以 Lovart 为例指出，其 PGC+UGC 社区形态下用户封面图从几 KB 到几十 MB 不等，非研发人员 Vibe Coding 时往往忽视性能问题。他认为 Claude Code / Codex 的 Skills 更关注代码架构性能，覆盖不到图像视频资源，专业前端也可能因沟通不畅或效果让步而略过。因此团队中能发现并推动解决工程问题的资深工程师在 AI 编程时代只会更重要。

智谱AI可能推出名为GLM-Omni的原生多模态AI。 通过将图像生成与文本训练相结合，该系统让AI在回答前先画出视觉推理步骤来查看。这使文本问答准确率从12.57%提升至41.14%。 基本上就是我在考试时涂鸦的样子。

Nanbeige（BOSS直聘研究团队）发布开源权重模型Nanbeige4.3-33B，Thomas Wolf 称其在多数 Agent 基准上超过 Qwen 27B。官方称其为约30B级开源模型中 Agent 性能最强，在 Agent 编码等基准表现突出，后续将作为教师模型蒸馏出 Nanbeige4.3-3B。

OpenAI 发布 GPT-6 Astra 系统卡增补，说明 GPT-6.1 Terra 沿用与 GPT-6 Astra 相同的数据与训练方式。该模型在生物与化学领域被定为 High 能力，Multimodal Troubleshooting Virology 越过指示性阈值。

我真的非常期待未来几年编程语言领域将会出现的所有创新

邵猛称自 X Subscription 大一统订阅推出后，此前赠送的 Cursor Ultra 一年订阅可能随时被强制升级。他这些天高频使用 Grok Bot，把生活、学习和工作内容都搬了上去，Cursor 和 Codex 基本处于保号状态、打开越来越少。他还向前同事推荐了 Grok Bot 和 Templates，并约定一周后看效果。

@ShoufaChen 以训练投毒事件直接受害者身份发布第一人称陈述，回顾 2024 年数月训练排查、对峙与质疑的经历。

inclusionAI 在 HuggingFace 上线 LBS-27B 模型，参数量为 27B。该模型目前没有接入任何 Inference Provider，暂不支持在线推理调用，页面也未提供模型说明内容。

仅剩的护城河就是 sybau 💔

软件的智能体时代已经到来。 要么适应，要么被甩在后面 🫪

很少有人知道这一点 @jack：没有护城河

看来我打破了自己的纪录

Nanbeige LLM Lab（BOSS 直聘旗下）在 Hugging Face 以 Apache 2.0 协议发布 33B 稠密模型 Nanbeige4.3-33B，主打智能体编程与办公协作任务，支持 524,288-token 上下文，同时开放 Base 版供自定义后训练。

周日 @bot 反馈帖。 Grok Bot 现在最让人烦的是什么？实话实说，越狠越好。

你的 @bot 里的 grok 现在在做什么？

等等，那是我的机器人

Nanbeige 发布 Nanbeige4.3-33B，这是约 30B 参数级别中新的 SOTA 开源模型。 > "Nanbeige4.3-33B 在大多数基准测试上领先，在智能体编程和协作任务中均表现出强劲性能。" > 该模型在大多数基准测试上优于 Qwen3.8-27B、Muse-Glimmer-30B 和 Gemma4-31B。 > 更小的模型 Nanbeige4.3-3B 也计划在未来推出。

Hugging Face 与中关村学院、TIGEM/那不勒斯费德里科二世大学发布开源 DNA 语言模型 Carbon-X，14.8B 参数、40,960 token 上下文，基于 Qwen3-14B，用混合 tokenizer 加入 5,515 个 DNA token，可直接读 DNA 并用英文回答突变致病性预测等任务，权重采用 Apache 2.0。

我很喜欢每次 @bot 发布新功能公告时，大家都会去标记它来设置好 🚀

Artificial Analysis 评测 OpenAI 发布的 GPT-6.1 Terra，称其在低中 effort 下达到智能与成本的 Pareto 前沿，价格为 GPT-5.6 Terra 的一半或更低（$1/$5 每百万输入/输出 token）。

Artificial Analysis 独立实现 HeyGen 的 Code2Video Bench，发布 Code2Video-AA 评测，让模型根据设计简报用 HTML 与 GSAP 编写代码生成短视频并按 Elo 排名。

试试 Grok @Bot

KRAFTON AI 公布从头训练的 Raon-1 mini 预览版，采用混合专家架构与线性注意力，体量 30B-A4B，以 Apache 2.0 许可开源并提供限时免费 API 试用。该模型聚焦韩语并兼顾英语，官方称其在编程与智能体任务上与 Meta 的 Muse Glimmer 30B 相当，且速度更快、内存效率更高。正式版及后续更大模型即将推出。