AI 模型发布与更新

Zyphra 发布 ZONOS3-Mini，一个 Apache 2.0 开源的零样本语音克隆 TTS 模型，采用稀疏 MoE 架构，总参数 8 亿、活跃参数 1 亿，在 Pixel 9 浏览器端 Time To First Audio 低于 570 ms，在 M3 MacBook Air 上低于 150 ms。

Preferred Networks 以开放权重形式在 Hugging Face 发布金融特化小语言模型 PLaMo 3.0 Fin，采用 PLaMo 社区许可证，年收入或销售额低于 10 亿日元的企业及个人可免费商用。

Artificial Analysis 推出 Endpoint Accuracy Index v1.1，将 AA-LCR-25 每题重复次数从 10 提升至 25，使该评测平均 95% 置信区间从 ±4.7 收窄至 ±2.6 分。

Artificial Analysis 评测 Meta 最新高效档模型 Muse Ember，其在 Intelligence Index 得 36 分，是达到该分数中最便宜的模型，每任务 $0.14，与 Claude Haiku 5.5 (max) 同分但成本约三分之一。

字节 Seed 发布新一代图像创作模型 Seedream 5.5，带来三项升级：非编辑区域像素级保持、支持围绕同一作品多达 100 轮连续编辑；新增原生 RGBA 透明素材生成，直接输出带 Alpha 通道的图像，省去抠图；改善光照材质与皮肤纹理表现，并显著提升文字渲染能力。

Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2，两者为同一底层模型，Mythos 需通过 Cyber 或 Life Sciences Verification Program 申请访问。

Mistral CEO Arthur Mensch 发文反对法国 Darcos 法案，称其以单一线索触发使用推定、倒置举证责任，训练前沿模型时证明未使用作品需暴露商业秘密，法律风险将影响 Mistral 在法国 Essonne 建数据中心和开展研究的决策。

Nous Research 发布 Arete-27B，这是对 Qwen3.8-27B 的纯监督微调，在其 803 条提示的自建评测中，含宣传内容的回答从 22% 降至 0.9%，事实得分从 2.32 升至 2.98。

作者提出把大模型推理看作在 token 空间中从提示 x 到正确答案集合的路径搜索，推导出 RL with verifiable reward 的 REINFORCE 梯度正是以成功率加权的拒绝采样微调。

Cerebras 发布了一段视频，展示 Kimi K3.1 在其晶圆级引擎上以每秒 2000+ tokens 的速度运行。 --- （完整视频见 Cerebras 的 YouTube 频道，链接在评论中。）

Artificial Analysis 发布 Decision Index v2，45% 的指数改由私有数据集构成（v1 为 25%），并采用同时奖励正确率与置信度校准的新指标 Decision Score。

Nous Research 对阿里巴巴 Qwen3.8-27B 进行约 5300 万 token 的监督微调，发布开源权重模型 Arete-27B，宣传性回答占比从 22% 降至 0.9%，事实得分从 2.32 升至 2.98。

Artificial Analysis 对 OpenAI 于 11 月 4 日发布的 GPT Image 2.6 进行了基准测试，两款模型在 AA-Image-T2I v2.1 和 AA-Image-Editing v2.1 上分列第一、二名。

Arena 发布本周榜单更新。

在 Code Arena: WebDev 中，@thinkymachines 的 Inkling 2 Small 位列数据与分析类第 5 名！ 在所有开源模型中，它在该类别将排名第 1。相比其前代 Inkling-Small（第 92 名），该类别提升了 +220 分。 总体而言，Inkling 2 Small 在 Code Arena: WebDev 中相比 Inkling-Small 提升了 +240 分。它在所有类别中都展现出大幅进步。 再次祝贺 @thinkymac…

科学家主要用 Claude 分析数据和写作。数据分析约占 Claude 会话的三分之一，在 Claude Code 上则占近一半。 尽管受访科学家将想法生成和数据收集评为重要任务，但这些用途的使用率较低。

Artificial Analysis 测得 DeepSeek V4.1 Flash 在 GB300 NVL72 上的 AA-AgentPerf 速度一个月内提升最高 1.5 倍 tok/s/agent，单 agent 从 596 tok/s 升至 848 tok/s（1.42x）。

7/ 在任务排行榜上，按 token 计，DeepSeek V4.1 Flash 在多数编程和智能体任务中领先。按花费计，Claude Opus 5.5 在榜单多数项目中领先。 Jev 1.13 和 GLM 5.3 Flash 在数据提取和数据转换方面表现强劲。

Arena 公布 thinkymachines 的 Inkling 2 Small 进入 Code Arena: WebDev 榜单，以 1648 分在实验室中排名第 8，权重发布后将成为美国开源模型第 1。该模型现已在 Tinker 上开放微调和推理，完整权重即将发布；此前引用帖中 1654 分版本显示其领先第 2 名 Meta Muse Spark Open 128 分，全球开源模型中排第 4。

AI 芯片设计公司 Ricursive Intelligence 发布开源模型 Ripple-65B Preview，预训练使用 12 万亿 token，在 TerminalBench 2.1 上得 80.52 分，称其为美国开源模型中最佳。

ARC Prize 对比 Thinky Machines 的 Inkling 2 Small 与 7 月 30 日发布的初代 Inkling Small 在 ARC-AGI-2 上的表现，semi-private 得分从 40.14% 翻倍以上至 81.67%。图表还显示 public 得分从 39.31% 升至 84.17%。

@thinkymachines - 排行榜：https://arcprize.org/leaderboard - 复现公开结果：https://github.com/arcprize/arc-agi-benchmarking - 测试政策：https://arcprize.org/policy - Inkling 2 Small 完整结果：https://arcprize.org/results/thinky-inkling-2-small

ARC Prize 公布 Thinking Machines 的 Inkling 2 Small 在 ARC-AGI (Verified) 的成绩：ARC-AGI-2 得分 81.7%，每任务成本 $0.27；ARC-AGI-1 得分 96.5%，每任务成本 $0.08。据称其在其评估过的所有开源权重模型中 ARC-AGI-1 和 ARC-AGI-2 表现均为最好，Thinking Machines 计划下周发布完整权重。

Artificial Analysis 上线 VIALS-AA 榜单，评测 Handshake AI 的 VIALS 生命科学视觉推理论文基准，161 项任务覆盖八个领域，需解读凝胶印迹、流式细胞图、质粒图谱和系统发育树等图像。

The Verge 记者走访旧金山约会场景，发现 AI 立场正在成为择偶标准，有人在 Hinge 资料中写明拒绝与 AI 从业者约会。AI safety 从业者因担忧失业式未来而难以规划生育和长期生活，也有软件工程师用 Claude Code 打造 AI 智能体全自动刷 Hinge、发消息和约日期，自称平均每周促成两次约会且对方并不知情。

The Decoder 分析了 27 家主要由 OpenAI、Google DeepMind、Meta 等大厂离任核心研究员创办的 AI 实验室（neolabs），指出尽管 Jensen Huang 和 Greg Brockman 在 GPT-6 Astra 发布后宣称 AGI 已至，许多模型缔造者却选择另立门户。

Nace AI 发布 Drex 开源决策模型技术报告，作者评价其用 27B 模型只做选择不做生成，专攻 Agent 中的大量小决策。Drex Max 在 Decision Bench v4 上与 GPT-6 Sol 统计持平，单次前向传播即输出各选项概率；成本 $0.06/1K 决策、延迟 183 ms，对比 Claude Opus 5.5 的 $10.17 和约 3.5 秒。

Mira Murati 创立的 Thinking Machines 发布第二代模型 Inkling 2 Small，总参数 594B、激活 17B 的 MoE 模型。

Underdog 发布仅 32MB、3100 万参数的语音生成模型 Woof，并推出一个复古科技主题的浏览器游戏演示，可在无网络连接的多数设备上运行，模型开放下载。创始人 Sigil Wen 表示目标是训练开源、美国制造且支持数据私有的模型，此前公司还推出过 167MB 的语音转文本模型 Bark 和一个可跑在笔记本上的 270 亿参数模型。

设计基准 👇

蚂蚁百灵发布原生多模态模型 Ling-3.2-flash，总参数 560B、单步激活 25B，支持 1M 原生长上下文，重点强化视觉反馈自检与异常自适应恢复能力。

Latent Space 汇总多家信源报道 Thinking Machines 发布 Inkling 2 Small，594B 总参、17B 激活的多模态 MoE。

#1 open-weights model on APEX-Agents 🙌

荣耀 CEO 李健在 2026 移动网络大会提出，AI 入口之争并非存量零和博弈，行业应让入口主权回归用户。荣耀将携手中国移动及生态伙伴，由 YOYO 联动灵犀、千问、豆包、Gemini 等搭建智能体网络，并在荣耀 Magic9 系列定制机上首发 Token 套餐。

webAI 开源了基于 IBM Granite-4.2-8B 的 TwIL-8B 推理模型，针对数学、代码和指令跟踪优化，采用非商业许可。该模型在 MATH-500、AIME 2025 两项数学基准上取得参比模型最佳成绩，强于尺寸数倍的 Gemma 4 31B，LiveCodeBench 同为同组最佳，IFBench 与 Gemma 4 12B 持平。

Thinking Machines Lab 发布第二代 Inkling 首款模型 Inkling 2 Small，为 594B 总参数、17B 激活的稀疏 MoE，支持文本与图像输入、1M token 上下文和可变推理强度。

感谢 @arena！🎉 很高兴看到 Hy4 成为 Agent Arena 上排名第一的中国模型。

搜狐创始人张朝阳在 2026 世界互联网大会乌镇峰会上承认自己“错过移动互联网”，并称大模型需要拼资源、搜狐做不起，因此对 AI 投资显得冷静。他表示不要全被 AI 带跑，赚钱的机会恰恰在不被注意的地方，产品设计上也没有追逐算法推荐。

淘宝 MNN 团队发布并开源面向手机应用的轻量模型 MNN-Pocket-0.3B，约 3 亿参数，在 iPhone 18 Pro 上通过 MNN 引擎完全离线运行，平均解码速度约 350 token/s。

Ricursive Intelligence 发布开放权重模型 Ripple-65B Preview，宣称在美国开放权重模型中智能体编程表现最佳，在 TerminalBench 2.1 上优于 Meta Muse Spark Open 816B、NVIDIA Nemotron 3 Ultra 550B 等更大规模模型。