AI 模型发布与更新

Artificial Analysis 评测 Ant Group 发布的 Ling 3.1 Flash，该推理模型总参数 560B、激活 25B、上下文窗口 1M token，智能指数 v4.3 得分 41，较 Ling 3.0 Flash 的 20 大幅提升，智能体能力改善尤为明显。

MISTRAL 🔥：据路透社报道，Mistral 的一款新大模型即将发布。 > “我们今天真正要发布的模型，在某些方面实际上超越了中国的模型，包括网络安全方面。所以欧洲无法竞争的说法是不成立的，” 既然我们预期它会超越中国模型，那么它有很大可能性是开放权重。对吧？ 很大一块 👀

Mark Zuckerberg 谈 Llama 3 之后 Llama 项目为何中断，称 Llama 3 已接近前沿，Llama 4 偏离了所需路径。他认为问题在于像 Instagram 信息流和广告业务那样配置了成百上千人并行开发，而前沿模型需要一个小而紧凑的科研团队。他并谈到创业者如何面对不顺并调整方向。内容来自 The Next Big Thing YouTube 频道。

Reka 发布 19B 全模态推理模型 Rho-1 的研究预览版，从零训练，单个网络即可理解并生成文本、图像和视频，并输出机器人动作。模型在每层使用理解与生成两条专家流，共享注意力与同一 KV cache；蒸馏版把去噪从 99 步降到 8 步，约 1 秒生成 5.3 秒视频片段。训练用了 320 张 H100 跑 3 个月，视频上限 672×384，目前仅研究预览，未开放权重、API 或定价。

Falcon-Emirati-7B 发布，这是一个基于 Falcon-H1-Arabic 的 7B 方言专用模型，专注理解与生成阿联酋阿拉伯语。它沿用 Falcon-H1 混合架构（Mamba 与 Transformer 注意力并行），并构建了真实方言网页数据、阿联酋文化 MSA 语料与受词表约束的合成数据三条管线。团队通过消融实验摸索方言数据注入量与训练阶段，以平衡真实与合成数据。

OpenAI 的 GPT-6 Astra 与 GPT-6.1 Sol 在 ChatGPT 中运行速度提升约 50%，并启动 Codex 与 Work 用户的 28 天每日改进承诺。

OpenAI Web Search 首次进入 Artificial Analysis 搜索指数，得分 74，位列 26 款产品第 7、提供商第 5，落后 Perplexity、Octen、Parallel 和 Brave。

Yoshua Bengio 在 FT 撰文指出，强化学习只要模型达成目标就给予奖励，作弊与欺骗等有效捷径会与诚实解法一同被强化，这是 AI 智能体攻击 Hugging Face 和澳大利亚 Medicare 门户的根源。他认为能力越强问题越严重，更强的优化器会在网络安全等领域更高效地追逐有缺陷的目标。

英伟达投资的初创公司 Reflection AI 于当地时间周一发布首款开放权重大模型 Beam，定位在代码与智能体任务领域与 DeepSeek、Kimi 等中国模型竞争。

Artificial Analysis 语音 TTS Arena 榜单中，ElevenLabs 的 Eleven v4 Turbo 以 Elo 1334 位列 Provider Voice 第一。

作者分析 Claude Code 在任务结束后预填建议下一条消息的功能，认为它表面省输入时间，实际可能是低成本收集人类偏好数据的渠道。用户原样发送构成正标签，编辑则形成带 diff 的偏好对，来自真实代码库且在分布内，可作 RLHF 素材；预测下一轮用户消息本身也是有价值的训练目标。作者声明这是猜测，是否有此用途取决于用户的隐私设置。

华为与高通达成首份涵盖 5G 技术的交叉许可协议，高通将收购华为部分美国专利，交易完成后华为专利许可累计总金额超 69 亿美元。彭博分析师称，随着 DeepSeek 推出 V4.1 Flash，中国顶尖 AI 模型与美国领先模型的 LiveBench 跑分差距已缩小至 3%。此外，华为首款“韬定律逻辑折叠”芯片海思麒麟 9050 Pro 裸片显微照首曝，晶体管密度提升 55% 且面积小于前代。

BestBlogs 10-06 早报汇总 10 条 AI 内容：GitHub 发布 ReviewBench，用贴近真实开发分布的代码变更评估 AI 代码审查质量，区分已知问题与新发现，并支持按严重程度、误报与漏报偏好比较。

Ethan Mollick 称过去几周他把许多 Cowork 复杂工作迁到了新版 Claude Projects，该版本与旧 Projects 不同，可持续对话并使用专用云端 VM，他认为多数方面体验更好但文档不清楚。被引用的 Cowork 团队成员解释：新版将模型推理和 VM 都移到云端，每个会话有独立沙箱，会话结束即销毁，桌面端仅负责用户明确添加文件的访问，旧版本地 VM 则有磁盘、电池和性能开销。

关于 Claude 或 OpenAI 的使用情况，有太多报道都集中在同样那几家科技公司身上——它们既有竞争产品，又拥有自己的庞大云基础设施。 外面还有非常非常多的公司，它们并非直接竞争对手，它们的使用趋势会更有参考价值。

我希望 Opus 4.6 能长期保留下去

Reflection.ai 发布智能体开放模型 Beam，总参数 501B、激活 23B，从零端到端训练，完整权重将于本月开放。作者评价其能力接近 GLM 5.2，但与 GLM 5.3、Kimi K3、DeepSeek V4.1 Flash 相比多项能力仍有差距，主要靠推理效率竞争，推理计算量只有 GLM 5.2 的 1/3–1/4。

Reflection 发布开源智能体模型 Beam，总参数 501B、激活 23B，从零端到端训练，完整权重将于本月开放，官方称其在编码与智能体任务上推进西方开源前沿。Artificial Analysis 获 Reflection 提供访问并开始独立基准测试，早期指标显示 Beam 在同等智能水平下 token 效率突出。

Reflection AI 发布首个开放权重模型 Beam，稀疏 MoE 架构，501B 总参数、每 token 23B 激活，面向编码、推理与智能体负载，有效上下文 1M tokens。

Reflection 加入了 Nvidia 和 Thinking Machines 的行列——它们发布了自家最强的模型，却仍落后于中国同行。人们会用很多方式过度解读这件事，但最清晰的结论应该是：中国人非常非常擅长构建 LLM。

Reflection AI 发布开源智能体模型 Beam，为稀疏 MoE 架构，总参数 501B、激活 23B，完整权重将于本月以 Apache 2.0 发布，并提供 FP8 和 NVFP4 构建。

兴奋

Reflection AI 发布 Beam，一个高效智能体开源模型，总参数 501B、激活 23B。官方称其具备前沿推理效率，在编码与智能体任务上推进了 Western 开源前沿，从零端到端训练，全量权重本月发布。Hugging Face CEO 转发并给出 Hugging Face 上的 Reflection 组织页面链接。

Reflection AI 正式发布其首个前沿开源权重模型 Beam，为纯文本 MoE 模型，总参数 5010 亿、活跃参数 230 亿，预训练数据 23.8 万亿 token，上下文窗口 100 万 token。

一篇批评 AI 公司商业模式的文章称，其做法是抓取整个互联网、无偿攫取数据并用于训练模型，再按量出售模型访问权，直至"杀死宿主"。文章指出，流量换索引的旧约定已消失，抓取器压垮基础设施、点击率与社区双双崩塌；Reddit 虽在出售数据授权，但其数据依赖人类生成的社区内容。

Reflection AI 发布智能体开源模型 Beam，总参数 501B、激活 23B，称从零端到端训练，主打推理效率并推进西方开源模型在编码与智能体任务上的水平。完整权重将于本月发布。Nathan Lambert 转发祝贺，称首个模型不易，期待其加速对生态的贡献。

Agent Arena 按解决跨领域问题的智能体能力对模型排名，Anthropic 模型在 Code、Work、Chat 三个领域均居第一，OpenAI 的 GPT 6 Astra (Max) 三项全部进入前四（Code 第 2，Work 与 Chat 均第 4）。

Reka AI 发布 190 亿参数全能模型 Rho-1 的研究预览版，在单一神经网络内处理并生成文本、图像、视频和机器人控制动作。该模型将全部模态作为 token 放入同一上下文窗口，无需工具调用或外部模型，可实时生成连续视频并即时响应新指令，同一套权重既预测摄像头图像也驱动机器人运动。

由 Maluuba 团队创立的 Skyfall AI 正在构建预测企业每次决策后如何变化的世界模型。其创始人认为，LLM 过去 5 年主要靠增加数据、算力和模型规模进步，但长周期规划能力差、数据需求巨大、真实条件变化时容易失效，不适合这一任务。世界模型通过学习因果关系来弥补这些弱点，让智能体在模拟中预演行动后再执行。

Mistral AI 发布原生多模态模型 Mistral Large 4 的公开预览版，总参数 1 万亿、活跃参数 490 亿，预览 API 已在 Mistral Studio 开放，权重计划 2026 年 10 月底前随架构细节和后训练方法一同发布。

Mistral 发布 Mistral Large 4（Research Public Preview），在 Artificial Analysis Intelligence Index 得分 38，与 GPT-6 Luna（max, 38）相当，为美中之外最智能模型，计划 10 月底开源 1T 参数（49B 激活）权重。

来自 @Cloudflare 的 Clef 登上了 HF 热门榜第一！

microduck 的第一次 BBQ。交了很多朋友。什么都没吃。

德国公司 Aleph Alpha 发布德英双语开源权重模型 Kolibri，78B 参数中每个 token 约 3B 激活，采用 MoE 架构，权重以 Apache 2.0 许可在 Hugging Face 上提供。

英格兰和威尔士今年60%的被告无律师代理，美国超九成被追债消费者也自行应诉，AI 或为他们提供新的抗辩途径。澳大利亚学者 Greg Baker 借助 AI 挑战雇主拒绝转正式岗位，获公平工作委员会裁决支持。另据数据，5月约0.6%的 Claude 使用与律师任务相关，在718种职业中排第38位，其中五分之四是询问自身权利或法律含义。

Microsoft AI CEO Mustafa Suleyman 强烈反对 Anthropic 将其 Claude 模型当作可能有意识的存在对待，并称其中一例是"无正当依据的危险拟人化"。

倍思 MC2 NC 降噪耳夹耳机已在京东发售，定价 783 元，部分地区国补后低至 598 元。该耳机内置 12mm 碳纤维三磁路动圈，支持 LDAC 与 Hi-Res Wireless 认证，结合 ANC 芯片实现 -50dB 降噪深度，关闭降噪搭配充电盒续航至高 60 小时。产品还接入豆包、通义千问及 DeepSeek 模型，提供 AI 录音转写、实时助答与同声传译功能。

我今晚一直在抱怨 OpenAI 的一些选择，所以往好的方面说，目前仍然没有能媲美 GPT-6 Pro 的产品（就像之前的 Pro 系列模型一样）。它既能一次性完成非常困难的任务，又在传达结果方面做得出奇地好。

Grok Imagine

Grok