AI 模型发布与更新

Tavus 发布 Griffin，称其为首个通过视频图灵测试的 Human Interaction Model，48% 与其实时对话的人以为对方是真人，此前系统通过率低于 3%。作者获早期访问体验，称该视频到视频模型可边看边听、打断和被打断并反应房间内发生的事；在 NVIDIA Video Full-Duplex Benchmark 上生成得分 3.83/5，真人为 3.92。

MICROSOFT 🔥：MAI-Transcribe-2-Streaming、MAI-Voice-2.1 和 MAI-Voice-2.1-Flash 模型即将登陆 MAI Playground 和 API！ > "MAI-Transcribe 和 MAI-Voice 模型：准确、快速、低成本，在音频理解与生成方面名列前茅，助你构建最佳的对话式语音智能体。" MAI Playground 还新增了 "Chatter" 演示语音体验。 测试时间 👀

Tavus 发布 Griffin，称其为首个通过视频图灵测试的人类交互模型（HIM），48% 与之实时对话的人认为它是真人，此前系统通过率低于 3%。Griffin 在 NVIDIA 全双工 AI 视频基准上得 3.83 分（真人为 3.92），次优系统为 2.80 分；它将听、想、说和面部动画整合在单一系统中，可在对话者仍在说话时读取表情、语气并实时反应。

今天我们推出 PROWL-2，智能体及其世界模型通过递归学习实现共同提升。 智能体暴露想象中存在的错误，修复这些错误又能促成进一步的学习。 我们相信，这种开放式学习是迈向超级智能的关键一步。

Ideogram 发布图像编辑模型 Ideogram 4.5，声称只修改用户指定的局部区域，避免多次编辑后出现瑕疵。模型提供 0.8 到 22 美分每图的四个质量档位，均为原生 2K 分辨率，现已在 Ideogram 平台和 API 上线，合作方包括 Picsart、Runway、Pika 和 Leonardo AI，开放权重版本即将推出。

Cloudflare 发布两款决策模型 Clef 和 Clef-flash，托管在 Workers AI 上，并以 Apache 2.0 许可证在 Hugging Face 完全开源。

Cohere 发布 Embed 5 嵌入模型家族，分 Pro 和 Fast 两档，均支持文本、图像及图文融合输入、100+ 语言和 128K token 上下文，两档共享同一向量空间，可用 Pro 建索引、Fast 查询。

Arena 宣布 Claude Sonnet 5.5（xHigh）进入 Code Arena: WebDev 榜单，以 1786 分排名第 3，距第 2 名 GPT-6 Astra 的 1788 分仅差 2 分。

AWS 开源高速低成本决策模型 Strands Decider 2B，可在预设选项间排序并输出置信度，完全开源且可本地运行。

Microsoft AI 发布流式语音转写模型 MAI-Transcribe-2-Streaming，Mustafa Suleyman 称其为全球最准确的实时转写模型，比 ElevenLabs 快 55%、便宜 60%。引用的 Artificial Analysis 数据显示，该模型以 2.5% WER、语音结束后 0.13 秒出稿在 AA-WER Streaming 38 个模型中排名第一，超过此前第一的 Grok Voice Transcribe 2.0（2.7%、0.…

Microsoft AI 发布流式语音转写模型 MAI-Transcribe-2-Streaming，在 AA-WER Streaming 评测的 38 个模型中以 2.5% WER、语音结束后 0.13 秒返回最终转写，登顶 Final Transcript 和 First Partial Transcript 准确率。

Microsoft AI 发布流式转录模型 MAI-Transcribe-2-Streaming，在 Artificial Analysis 准确率榜排名第一，支持 60 种语言实时转录，收到音频约 100ms 即产出初步结果，内部评测显示字幕出现速度比最接近的竞品快 2 倍，介绍价 $0.54 每小时音频。

✨ Viggle Turbo v0.3 来了！ 全新的 9-step 模式带来更干净的画面、更精细的细节，以及更好的小字渲染。 现在在 ComfyUI 中更易使用——提供 LoRA 或单文件 int8/fp8/GGUF 模型。

在我们的探索器中对比各模型的 ECI：https://epoch.ai/eci?view=graph&tab=scatter&eciPreset=software

Epoch AI 发布的 Epoch Capabilities Index（ECI）榜单中，Claude Opus 5.5 以 167 分登顶，略高于 GPT-6 Astra。Claude Sonnet 5.5 大致追平 Claude Fable 5.1（165 分）。

1/ 来自 @theunbiasedco 的 Pareto 26.10 Preview 现已在 OpenRouter 上线，输入 $0.80/M、输出 $3.20/M，而当前 Pareto 为 $2.50/$7.50。 一款面向研究、编程和智能体工作流的多模态复合模型，具备 1M 上下文、文本和图像输入，以及工具调用能力。

开源项目 OpenDLSS 用 Vulkan 重新实现了 NVIDIA DLSS 5 的神经渲染网络，与原版 DLSS-NR build 310.8.0 比特级一致，75 个 block 边界的中间结果逐字节匹配。

Ai2 发布 Olmo-core 3，这是支持大规模混合专家（MoE）训练的开源框架，已验证可扩展至万亿参数级别。在 8 张 NVIDIA B300 GPU 上，47B 参数 MoE 吞吐达 52,000 tokens/秒/GPU，约为旧 FSDP 实现的 2.7 倍；专家池从 8 扩至 128 而训练吞吐下降不足 5%。

NVIDIA 发布 Kumo Tabular 表格基础模型系列，用于分类和回归，以标注行为上下文、单次前向传播预测新行，无需训练、调参或特征工程。

Google DeepMind 发布 Gemini 4 Argon，主打编码、企业知识工作与网络防御，称在 19 项基准中 13 项第一。

DeepSeek 开源六个 Huawei Ascend 项目，矩阵内核速度达到芯片峰值的 99.8%。

Perplexity Research 与 turbopuffer 发布上下文嵌入模型 pplx-embed-v2-context-9b-preview，权重以 MIT 许可托管在 Hugging Face，可自托管部署，尚未上线 Perplexity API。

Artificial Analysis 发布对 GPT-6.1 Sol 的评测，称其推进了 OpenAI 模型的成本效率前沿。max effort 下每 Intelligence Index 任务成本 $0.72，不到 GPT-6 Astra（$3.26）的四分之一，比 GPT-6 Sol（$1.04）低 31%、比 GPT-5.6 Sol（$1.99）低 64%。

据彭博社报道，谷歌开始向小批网络安全合作伙伴逐步推出旗舰模型 Gemini 4 Argon，后续将优先面向付费订阅用户扩大开放。谷歌称该模型在多项基准测试中取得靠前成绩，安全测试成绩超过 OpenAI 的 Astra；但知情人士称其部分代码任务表现不佳、不擅前端设计，谷歌否认这一说法，DeepMind 负责人卡武库奥卢表示对性能感到鼓舞。

韩国 AI 公司 Upstage 发布专有推理模型 Solar Mini 4，在 Artificial Analysis 智能指数得分 24，报告总参数 35B、激活 3B，价格降至每 1M 输入/输出 token $0.10/$0.40，但因每任务消耗约 88k 输出 token，单任务成本约为 GPT-6 Luna (max) 的 5 倍。

Artificial Analysis 数据显示，GPT-6.1 Sol 的 Cost per Task 约 $0.72，比 GPT-6 Sol（$1.05）低约 30%，后者已约为 GPT-5.6 Sol（$1.99）的一半。

来自 @GoogleDeepMind 的 Gemini 4 Argon 刚刚在一系列生成任务中与顶级前沿模型正面交锋。 每任务成本比 GPT-6.1 Sol 低 33%，比 Claude Opus 5.5 低 70%，来看 @petergostev 对 Gemini 4 Argon 对比表现的第一印象。 https://www.youtube.com/watch?v=h5EL5zThKaI

Google 母公司 Alphabet 发布新模型 Gemini 4 Argon，主打网络安全能力，可自主发现、验证并修复关键软件漏洞，目前仅通过 Fairwind 安全计划向部分网络安全合作伙伴开放。

谷歌于 9 月 30 日发布 Gemini 4 Argon，称其为迄今最先进的 AI 模型，主打长流程软件工程、企业知识工作和网络安全防御，单次输出上限约 100 万 tokens。

Hidream-O1-Video-1.0 以 1456 分进入 Image-to-Video Arena 排行榜第 7 名，可通过 @vivago_ai 使用。该模型与 gemini-omni-flash 仅差 8 分，与 dreamina-seedance-2.0 和 2.5 的分差在 20 分以内。

Google 发布新旗舰模型 Gemini 4 Argon，是继 Gemini 3.1 Pro 之后七个多月来的首款前沿模型。

非常激动地宣布 Gemini 4 Argon，我们的全新前沿 AI 模型，在多项关键能力上迈出了一大步。我们专注于负责任地推出它，今天起通过我们的 Fairwind Program 率先面向政府和可信网络防御者开放，随后不久将更广泛地提供。

Arena 公布 Gemini 4 Argon (High) 在 Agent Arena 排名第 8，净提升分 +7.92%，每任务成本 $0.62。

Gemini 4 在 PostTrainBench 上达到 45.3%，是 Gemini 3.1 Pro 的 21.99% 的两倍多，并击败了 GPT-6 Astra 🔥

Google DeepMind 发布 Gemini 4 系列首个前沿模型 Gemini 4 Argon，单次响应输出上限从 64K 提升到 1M tokens，面向长周期软件工程、法律金融企业知识工作和网络防御。

美国 Austin 的 webAI 发布 3.66B 本地模型 TwIL-LM3-Pro，将 IBM Granite 的形式逻辑得分提升 28%，在形式逻辑上比 VibeThinker-3B 高约 35%、比 Qwen3.5-4B 高 24%、比 Liquid AI 的 LFM2.5-8B-A1B 高 47%。

OpenAI 发布 GPT-6.1 Sol，定价为每百万 token 2 美元输入、10 美元输出、0.10 美元缓存输入，为 GPT-6 Astra 标准价格约五分之一。

Rohan Paul 转引 Google 发布信息称，Gemini 4 Argon 单次响应可输出最多 1M tokens，约为 GPT-6 Astra、Opus 5.5 和 Fable 5.1 的 128K 上限的近 8 倍，此前上限为 64K。作者评价这意义重大，并指出长输出空间让模型能在单次轨迹中深度推理解决复杂问题。

Artificial Analysis 发布 Gemini 4 Argon (High) 的智能、性能与价格分析，其 Intelligence Index 采用 v4.3.2 版本，涵盖 AA-Briefcase v1.1、GDPval-AA v2.1、Terminal-Bench 4.0、Humanity's Last Exam 等 10 项评测。

Google 推出旗舰模型 Gemini 4 Argon，在多数基准上超过 GPT-6 Astra 和 Claude Opus 5.5，其中 Harvey's Legal Agent Benchmark 得分 19.6%，明显高于对比模型的 6.7% 等成绩。