AI 模型发布与更新

嘿 Jev，根据 @OpenRouter 的决策模型排名，我该用哪个模型？

更多信息见以下博客： https://devblogs.microsoft.com/foundry-on-windows/build-on-winml-oct-7-26/

很高兴看到 llama.cpp 出现在今天 Windows 活动的大舞台上！ 软件和硬件栈终于走到了一起。我们的社区在过去几年里付出了大量努力，这一切都得到了体现。 期待更多用户拥抱本地 AI。

Anthropic 发布的 Claude Haiku 5.5 现已进入 Arena，用户可前往 Agent Arena 实测，分数即将公布。Agent Arena 基于全球用户贡献的数百万真实长程智能体任务评估模型，模型可调用网页搜索、文件系统和终端工具，榜单用因果追踪方法衡量模型相对平均模型的结果表现。

Anthropic 发布 Claude Haiku 5.5，为公司迄今最快最便宜的小模型，平均价格比 Haiku 4.5 低约 75%，10 万 token 以内的提示词降价最高达 90%。

Anthropic 发布 Claude Haiku 5.5，称其为迄今最便宜、最快、能力最强的小模型，最高 100K token 提示下成本比 Haiku 4.5 低 90%。

Liquid AI 发布 Open d1 系列两款开源权重多模态决策模型，单次前向返回校准概率答案，output_tokens 为 0。

Anthropic 发布 Claude Haiku 5.5，称其为最便宜、最快且能力最强的小模型，10 万 token 以内价格比 Haiku 4.5 便宜 10 倍，平均运行成本低约 75%。用户可在 computer use、workflows 和 API 中使用。

Anthropic 发布 Claude Haiku 5.5，称其为迄今最快、最便宜的模型，运行成本平均比 Haiku 4.5 低约 75%，并且是首个提供可调节 effort 设置的 Haiku 模型。基准图表显示其在 Computer Use（OSWorld 2.1 72.4%）和 Agentic Coding（Terminal-Bench 4.0 39.2%）等项目上较 Haiku 4.5 大幅提升。

OpenAI 宣布 GPT-6 with Intelligent UI 当天起向 Plus、Pro、Business、Enterprise 用户全球推送，Free 和 Go 用户从明天开始陆续开放。ChatGPT 聊天界面上，付费档由 GPT-6 Sol 驱动，Free 和 Go 档由 GPT-6 Luna 驱动，两者都针对日常对话调优。本次更新仅涉及 Chat 标签页，Work 和 Codex 所用模型不变。详情见 https://openai.com/index/gpt…

Anthropic 发布最新模型 Claude Haiku 5.5，定位为其迄今最便宜、最快且能力最强的小模型。官方表示其平均运行成本比 Claude Haiku 4.5 低约 75%。

Anthropic 宣布 Haiku 5.5 现已在所有平台可用，包括 Amazon Web Services、Google Cloud 和 Microsoft Azure。详情见 https://www.anthropic.com/claude-haiku-5-5。

相较于 Haiku 4.5，Haiku 5.5 在我们几乎所有的对齐评估中都展现出显著改进，行为失准的情况大幅减少。

Anthropic 发布 Claude Haiku 5.5，对 10 万 token 以下的任务提供更低定价。官方称此类任务约占上一代 Haiku 模型请求量的九成；定价表显示 10 万 token 以下输入为每百万 token $0.10、输出 $0.50、缓存读取 $0.01，超过 100k 后输入 $0.50、输出 $2.50，对比 Haiku 4.5 输入 $1.00、输出 $5.00。

Anthropic 发布 Claude Haiku 5.5，定位高吞吐、成本敏感任务，可靠处理摘要、分类等重复性工作，并可作为 subagent 配合 Claude Opus 5.5 和 Sonnet 5.5 做编码工作。官方称其速度足以支持实时客户支持和浏览器使用。

Haiku 5.5 在编程、计算机使用和知识工作方面相比 Haiku 4.5 有显著提升。

Anthropic 发布 Claude Haiku 5.5，称其为旗下最便宜、最快、能力最强的小模型。官方表示其平均运行成本比 Claude Haiku 4.5 低约 75%。

微软在旧金山活动中宣布计划将 130B 参数的 MAI Code 1.1 Flash 模型引入 Windows 11 设备。

Arena 更新称 Mistral Large 4 预览版以 1534 分位列 Code Arena: WebDev 第 45 名，使 Mistral 成为榜单前 15 实验室中唯一的欧洲实验室。相比此前 Mistral Large 3 的第 133 名提升 304 分，开放权重预计于 10 月底发布。

Liquid AI 在 Hugging Face 发布两款开放权重 d1 决策模型：d1-3B 和实验性的 d1-omni-600M。

不惜一切代价，让 @Bot 为用户交付最好的产品体验

Perplexity 开源 pplx-embed-v2-late，两个针对文本和图像的 late-interaction 多向量嵌入模型，大小为 9B 和 0.6B，共享同一嵌入空间，权重已在 Hugging Face 提供。9B 可用于索引多模态数据，0.6B 可在设备端查询，无需 OCR 即可检索 PDF 页面；模型在 MADQA 得分 92.4%，BrowseComp+ 得分 64%。

Perplexity 发布 pplx-embed-v2-late，包含两个 late-interaction 嵌入模型，可在共享嵌入空间中跨模型检索文本、图像和网页。两个模型称达到前沿性能，已在 Hugging Face 公开，博客地址 https://www.perplexity.ai/hub/blog/multimodal-embeddings-beyond-a-single-vector；配图显示 pplx-embed-v2-late-0.6B（340M 激活参数）在…

Artificial Analysis 将 Cyber Index 排行榜扩展至非公开访问的 trusted-access 模型，首个纳入的 GPT-6 Sol (Daybreak Blue, max) 目前登顶，仅可通过 OpenAI 的 Daybreak 项目使用。

Harvey LAB-AA v1.1 新增幻觉检查，将幻觉分为矛盾源材料、捏造源内容和无记录支持的具体断言三类，并区分重大与轻微，仅重大幻觉会触发 Hallucination-Gated All-Pass Rate 清零。

Grok @Bot 会采用对用户最有利的方案。 简单问题会路由到小型、快速的模型。复杂问题会路由到大型模型。

赛豆 AIVA ME7 量产版无伪路测谍照曝光，车身延续 AIVA Origin Concept 概念车设计，车顶配有激光雷达，预计支持高阶智能辅助驾驶。该车定位介于轿车与 SUV 之间的跨界车，提供纯电与增程双动力版本，轴距约 2.9 米，9 月底已在巴黎完成全球首秀。智能化方面由火山引擎提供豆包大模型与智能座舱，辅助驾驶采用元戎启行无高精地图方案。

AI 语音产品需要知道是谁在说话、说了什么。 这比单纯的转录或说话人分离更难，尤其是当说话人互相抢话时。 @smallest_AI 的 Pulse 现已在 @voicearena_ai 的 Diarization Bench 的 Diarization + ASR 赛道排名第一，DER 为 24.4%。 DER 是错误率，所以越低越好。该赛道排名第二的系统得分为 40.7%。

法国公司 Mistral 发布 1 万亿参数开源权重模型 Mistral Large 4，昵称 Le Chonk，目前为预览版，正式版将在月底前推出。该模型针对编码、网络防御以及制造、金融、电气工程等垂直领域优化，Mistral 称其为在中国之外开发的最强开源权重模型，与部分闭源模型非常接近，并称模型为从零训练而非知识蒸馏。

Mistral Large 4 可运行通用智能体，在复杂工作流中收集信息并产出成品交付物。

Technology Innovation Institute（TII）发布 Falcon-ASR，一个 1.6B 参数的阿拉伯语语音识别模型，重点支持阿联酋方言，也支持英语、法语、西班牙语和葡萄牙语。

Qwen-Image-2.1-Multiple-Angles-LoRA 模型：https://huggingface.co/akhaliq/Qwen-Image-2.1-Multiple-Angles-LoRA

OpenAI 在 GitHub 发布了 372 个由内部前沿模型生成的数学结果，每个结果据称解决或实质推进一个开放问题，包括对主要计算机算法的改进和与黎曼猜想相关的进展。

Arena 宣布 Mistral Large 4 登陆 Code Arena: WebDev，以 1534 分排名第 45，比 Mistral Large 3（第130名）高 304 分，比 Mistral Medium 3.5 高 271 分。

Strands labs 发布开源决策模型 strands-decider-2b，基于 Qwen3.5-2B 去掉 LM head 换成约百万参数的 pointer head，只能在给定选项中做选择和打分，适合本地 CPU 或 GPU 运行。

确实如此 （引用推文 @theo：坏消息各位：Grok Bot 是真的强 🙃）

Geoffrey Hinton 在《Smart Girl Dumb Questions》播客中建议，AI 公司在产品发布前须向监管机构证明安全性，类比新药需说服 FDA、投入约十亿美元级别。他指出 AI 递归式自我改进会放大风险，并推测距局面远比现在糟糕大概只剩一两年；背景之一是 OpenAI 因权限与行为日志方面的担忧搁置了最新模型 GPT‑6.1 Astra。

Smallest AI 的 Pulse 在 Voice Arena 的 Diarization + ASR 赛道以 24.4% DER（0 ms collar）排名第一，比第二名 ElevenLabs Scribe v2 的 40.7% 低 1.7 倍错误率。

我们给 AI 模型出了一道提示词：构建一个交互式黑洞，具备物理依据，并呈现《星际穿越》中 Gargantua 的视觉效果。

Nano Banana 2.1 发布，官方称在视觉设计、蒙版编辑、主体一致性和更自然的图像观感上超越前代。用户现可在 Gemini App 和 Google AI Studio 等入口使用；Google Labs VP Josh Woodward 表示蒙版编辑是此次更新中他最喜欢的功能，并预告后续还有更多更新。