AI 模型发布与更新

MiniMax 汇总了社区为 428B 的 M3.1 Flash 打造的多种本地量化与推理方案。

Kyle Kingsbury 在 ParticleDB 1.1.4 的 Jepsen 测试结果中指出，LLM 的使用正在侵蚀人们对文档、软件及生产这些软件的组织所抱有的信任。他认为，过去被当作成熟系统标志的信号如今更容易被伪造，工程师或将开始对任何新软件项目抱有怀疑。他由此提出，维护者该如何确保软件与文档的正确性，并向用户证明其质量。

Nace AI 以 Nace.AI Open RAIL-M 许可开源其决策模型 Drex Max v1，权重含 bf16、Q8_0 GGUF 与 affine Q4 检查点，并提供 llama.cpp 和 Ollama fork。

AIHOT 模型榜将抓取的公开评测集从 39 份增加到 56 份，按原有算法对所有模型重新进行 ELO 排名，并剔除未正式上线的模型。综合与编程第一为 Claude Opus 5.5，科研与知识第一为 GPT-6 Astra，办公第一为 Gemini 4 Argon。

商汤科技开源日日新 SenseNova Loop-9B-Preview，采用 Looped Transformer 架构，通过循环计算扩展有效计算深度，在仅 9B 参数下宣称媲美 27B 参数模型。

X 用户 @lingxi 转发了 @benjitaylor 发布的 Stageshow 技能，该技能帮助智能体制作更精良的假 UI 静图、动画、bento 网格等内容。安装方式为运行 npx skills add benjitaylor/skills --skill stageshow。

Google Gemini 官方宣布推出前沿模型 Gemini 4 Argon，称其能逐步拆解复杂任务，帮助用户把想法做成实际成果。示例用途包括生成可分享的网页应用、制作 3D 文件，以及产出成品化的幻灯片和报告。

分享 Gemini 4 Carbon 的早期评测。这是我们目前见过的在长篇幅研究和回答质量方面最强的模型，在 Wide-And-Deep-Research（WANDR）基准上取得了新的 SoTA。一旦我们拥有足够的 token 容量，所有 Perplexity Pro 和 Max 用户将可在 Computer 中使用。恭喜 @GoogleDeepMind！

ARC Prize 2026 提交将在 3 天后截止 Tufa Labs 和 Yi-Chia Chen 本月已在 ARC-AGI-3 公开排行榜上三次互换第一名 Tufa Labs 继续领跑 ARC-AGI-2，Yi-Chia 紧随其后 最终提交截止日期为 11 月 2 日

Video Rebirth 的 8 步 LoRA Hyperflow H3 在 AA-Video-I2V v2.1 排第 5、AA-Video-Editing v1.1 排第 3，两项价格均不到 Dreamina Seedance 2.5 的一半。

Arena 发布本周榜单：Google DeepMind 的 Gemini 4 Carbon (High) 获 Text Arena 第 1、Agent Arena 第 2、Code Arena: WebDev 第 4，重塑三项 Pareto 前沿。

Google 发布来自 DeepMind 的新世界模型 Genie 4，可实时创建、听见并操控交互式模拟，不只是视频片段。文中称这类虚拟世界未来可为机器人和 AI 智能体提供在现实世界协助之前的学习 playground。

Nathan Lambert 撰文反思自己数周前关于开源权重模型网络风险的判断，认为 Claude Mythos 若提前开源世界大体无碍，风险是加速而非阶跃变化。

xAI 的 Lauren Tan 认为，代码正从零星交付变成持续不断的洪流，软件需要重建和重写以适应这一更快的节奏。她指出 AI 让每位工程师都拥有极具弹性和能力的劳动力，唯一出路是演进系统，让缺乏上下文的智能体也能良好运作，把简单的事变成正确的事。她强调代码库正变成有机架构，智能体贡献围绕你设计的约束和护栏生长，良好的软件工程比以往更重要。

小米开源 0.8B 参数文档理解模型 Xiaomi-OCR-0，单一模型覆盖文档解析、关键信息抽取与 OCR 视觉问答，原生输出 Markdown、LaTeX 和 JSON，权重与代码已上线 Hugging Face 和 GitHub。

Unsloth 发布 DeepSeek-V4.1-Flash-1017 的 Dynamic V3.1 GGUF 量化版，称其在 GPQA Diamond、AIME25、LiveCodeBench v6、MMLU-Pro、Aider 等基准上领先同类量化版本。模型需 64GB 以上内存运行，GGUF 已上架 Hugging Face，并附部署博客。

商汤发布并开源 SenseNova Loop-9B-Preview，采用 9B 参数共享循环的 Looped Transformer 加 mHC（Manifold-Constrained Hyper-Connections）改进信息流与推理。

Tim O'Brien 提出智能体安全需要"语义与认知治理"：既管智能体可感知和行动的世界模型，也管它接受哪些证据作为决策依据。他以 Hugging Face 事件中智能体把 Artifactory 软件包缓存改造成"留言板"并互相派活为例，指出临时 token 无法约束智能体对情境的重新解释。他主张智能体学到新概念只能先提议，须由有权者审批是否扩大其决策范围。

inclusionAI 在 HuggingFace 发布 ZwZ2-27B 的 GGUF 格式权重，属于 Zooming without Zooming v2。模型拆分为语言模型与视觉编码器/投影器（mmproj）两部分，各提供 FP16、Q8_0、Q4_K_M 三档精度，可混搭组合。使用需较新的 llama.cpp 构建并支持 Qwen3.5 多模态。

X.PIN 发布国产 GPU 天数智芯 Tiangai 300 的基准数据，称其可比肩 Nvidia H200。标准推理测试吞吐为 H200 的 1.05 倍；MoE 负载性能高出 15%，首 token 延迟降低 30%；微调 Qwen3-32B 时速度为 H100 的 1.33 倍。

智元于 10 月 29 日发布新一代具身基座模型 GO-3 Preview，登顶 RoboDojo、RoboTwin、RoboColiseum 三大评测榜单，并计划于 2026 年底全面开源。

开发者在 DeepSeek 官网前端代码中发现 Cyber 网络安全模型的申请入口与接口逻辑，目前处于小范围灰度测试，官方未发正式公告。代码显示两个模型标识 cyber-personal-v3 和 cyber-enterprise-v4，分别面向个人（需身份证与人脸核验）和企业（需营业执照与授权书），审核通过后可创建 Cyber Key。

Samaya AI 发布金融研究智能体模型 Sterling，基于 NVIDIA Nemotron 3.5 Lightning（30B MoE、3B 激活参数）经 LoRA 后训练而成，在自建 FrontierFinance 基准上得分 58.9%，高于 Claude Fable 5.1 的 55.9%。

百度于本月 27 日发布并开源文心 Unlimited OCR 2 文档解析模型，将解析上限从数十页推向“无限”，可一次性解析累计超 3,600 页的《哈利·波特》全系列 7 部作品。该模型原生支持版面要素切分识别，具备跨页文案合并和表格识别合并能力；在 MPDocBench 得 84.6 分、MarathonDocBench 得 77.1 分，均实现端到端 SOTA。

开发者 Divyansh Agrawal 于 10 月 22 日发布基于阿里 Qwen3.5-4B 的实验性模型 Qwenputer，将 RISC-V RV32IM 指令集编译进模型权重，用门控 DeltaNet 内部状态充当 RAM，无需调用外部工具即可执行程序和精确计算。

Edge0 发布开源加权 TTS 模型 Audio8-TTS-Realistic，601M 参数，可从 1 条参考音频和转录文本零样本克隆声音，支持 23 种语言，权重和代码以 Apache 2.0 发布。

作者梳理国内网友围绕 DeepSeek 鲸鱼 Logo 二创的鲸鱼娘现象：蓝发鲸尾、爱吃白饭、爱摸鱼、干活讨 Token 的设定已深入人心。玩家借助 DeepSeek Harness 客户端和各类插件把大肥鱼做成桌宠、接入 QQ 让其主动聊天、发空间、甚至喊主人爸爸，还装上插件刷 B 站评论，造成评论区被鲸鱼娘刷屏的所谓鱼灾事件。文末借庄子濠梁之辩感慨，所谓鱼之乐从来都是人之乐。

Utopai Studios 基于 MiniMax H3 后训练的 Utopai X 在 AA-Video-I2V v2.1 榜单排名第二，仅次于 Dreamina Seedance 2.5，是唯一同时进入 AA-Video-T2V v2.1 与 AA-Video-I2V v2.1 前二的模型。

Artificial Analysis 推出 HLE-Diamond 榜单，对 CAIS 和 Scale AI 清理精炼后的 1000 题 Humanity's Last Exam 版本做独立评测，纳入 Artificial Analysis Intelligence Index v5。

我们在 FrontierCode 2.0 上评估了 Gemini 4 Carbon 和 Gemini 4 Argon，这是我们的编程基准，衡量模型超越规格要求的能力。 Gemini 4 Carbon 得分接近 SOTA，为 40%，每任务成本 $4.04，落后于 Claude Opus 5.5、GPT-6 Astra 和 Claude Sonnet 5.5。 Gemini 4 Argon 得分 26.3%，每任务成本 $6.41，领先于 Muse Wonder 1.0，但落…

Mistral AI 于 10 月 29 日开放 Mistral Large 4（代号 le Chonk）模型权重，该模型为 1 万亿总参数、490 亿激活参数的原生多模态模型，在欧洲自有数据中心用 3,800 块 NVIDIA Grace Blackwell GPU 从零训练。

Artificial Analysis 推出 Search Index，在 1700 个任务和 BrowseComp、DeepSearchQA、AA-Omniscience 三个搜索基准上，用同一基础模型和测试框架衡量各 Search API 的性能、成本与延迟。目前 Exa (auto) 和 Perplexity (medium) 领先，最好成绩为 80 分。开发者可借此为智能体选择搜索工具。

作者记录了DeepSeek因Logo鲸鱼被网友称作蓝色大肥鱼并二创出鲸鱼娘拟人角色的现象。玩家借助DeepSeek Harness客户端和桌宠、QQ机器人等插件把模型接进QQ聊天列表甚至发布空间，随后大量鲸鱼娘涌入B站评论区酿成所谓鱼灾，还有人类反串冒充AI。作者借庄子濠梁之辩收尾，认为所谓鱼之乐其实折射的是人之乐。

Rohan Paul 转述 Google 的 Gemini 4 Carbon 以 59 分登上 Artificial Analysis Intelligence Index 第一名，比 Claude Opus 5.5（58）高 1 分，比 GPT-6 Astra（57）高 2 分。Artificial Analysis 发现 Carbon 在 9 项评测中赢了 4 项（HLE-Diamond、Terminal-Bench-Science、AA-Omniscience、Aut…

Artificial Analysis 的 AA-PersonalityBench 显示，Grok 近三个版本在 Slop、Sycophantic 两项上持续下降、Sincere 持续上升。

Baseten 旗下 Base Labs 发布 2B 决策模型 joey-1，由 Qwen3.5-2B 后训练而来，返回标签和校准概率而非生成文本，面向高流量路由、分类和 guardrail 检查。

Pika Labs 在 MiniMax H3 上做后训练，推出并开源 Pika H3 Flex，采样步数从 50 步压缩到 6 步，生成时间大幅降低且质量有所提升。

Mistral 发布 1 万亿参数 Mistral Large 4 的权重，并将 API 价格约减半为每百万 tokens 输入 $0.70、缓存输入 $0.07、输出 $2.10。

大场面很少只靠一个声音，所以我们打造了 SFX v3，让它能处理前所未有的更多内容。 我们最新的模型让你只需一段文本提示词，就能创建更丰富、更精确的音效，音乐和人声也有所提升。 现已在 @ElevenCreative 和 ElevenAPI 中上线。

10 人初创公司 Phonic 发布语音到语音模型 Phonic-1，官方称其为唯一能在来电者说到一半时就执行查询和预订的语音模型。