Artificial Analysis Articles精选同一件事 · 2 家8585OpenAI 发布 GPT-6.1 Terra，这是 GPT-5.6 之后的首个 Terra 级模型，输入/输出定价为每百万 token 1 美元/5 美元，低于 GPT-5.6 Terra 的 2 美元/12 美元。
各家口径不同：Artificial Analysis Articles 称 GPT-6.1 Terra 的输入/输出定价为每百万 token 1 美元/5 美元，而 The Decoder 提到 GPT-5.6 Terra 的定价为 2 美元/12 美元。
推荐理由: 原文使用 Intelligence Index 与 Coding Agent Index 的分数和每任务成本，量化了 GPT-6.1 Terra 相对于 GPT-5.6 Terra 的性价比变化。
OpenAI Deployment Safety5858GPT-6.1 Terra 使用与 GPT-6 Astra 相同的数据和训练方式。在生物和化学领域被评估为高能力，因 Multimodal Troubleshooting Virology 跨越了指示阈值。
Codex releases1010GitHub Copilot rust-v0.165.0-alpha.2 发布，版本号 0.165.0-alpha.2。
量子位6767讯飞开源的Spark-X2.6大模型采用MoE架构，总参数量293B，支持1M上下文，API价格打六折，每百万输入tokens 0.9元。实测显示，Spark-X2.6在代码和智能体能力上提升约8个点，国产算力训练效率提升4倍，高频应用场景Token消耗下降约60%。模型支持纯端侧、纯云侧和云+端三种协同模式，在CPU推理下完成机器人公司周度经营复盘，用时6.8分钟交出完整报告，准确率达九成。
量子位精选7878岩山科技旗下岩芯矩阵联合港科大、CMU 等高校发布并开源 EdgeRock-4B，在 256K 上下文下 KV Cache 固定为 72MiB，相比源模型 Qwen3.5-4B 减少 99.1%。
推荐理由: 原文给出固定内存下的吞吐与基准对比，可据此判断长上下文推理的显存成本走向。
Hacker News · AI 热帖研究发现，AI 模型生成的文本比人类写作更频繁使用与理解难度相关的语言特征，如长句法依赖、低频 n-gram 和无生命主语搭配活动词。与人类写作相比，9 个前沿和近前沿模型都使用更多低频 n-gram，多数还使用更长的依赖关系、更多堆叠名词和更多省略宾语从句，且模型间存在显著差异。研究提出 AI 文本为数学、代码和推理等目标优化，导致信息密度优先于有效沟通，并通过微调语言模型验证了这一假设。
Hacker News · AI 热帖Cerebras 通过将 Kimi K3（约 3 万亿参数）模型层分配到多个 WSE-3T 芯片，实现了每秒 1000-2000+ 个 token 的推理速度。
Hacker News · AI 热帖OpenAI 和 Anthropic 在数月内将 LLM 价格最高下调 80%。OpenAI 将 GPT-5.6 Luna 的价格下调 80% 至 $0.20 / $1.20 / $0.02，GPT-6 Sol 和 Luna 的输入输出价格分别下调 50% 至 $2 / $10 / $0.20 和 $0.10 / $0.50 / $0.01。
蚂蚁 inclusionAI · Hugging Face 新模型1010inclusionAI 发布 LBS-27B 大语言模型，参数规模为 27B，但未提供 README 内容和具体基准分数，当前未部署任何推理提供商。
36氪 · AI6565GPT-6 Astra应用于机器人控制，减少对专用策略训练的依赖。Astra在具身任务的数据集上展现泛化性。通用模型与专用模型短期将分工协同。
Browser Use3838WebArena、WebVoyager、Mind2Web等网站AI智能体基准测试方法不同，WebArena等沙盒环境提供可复现分数，WebVoyager等真实网站环境由人工或LLM评分，Mind2Web等离线数据集对比预测步骤与人类行为。Browser Use发布BU Bench V2.1，在真实网站环境中使用GPT-5.6 Luna评分，包含模型成本与时间数据。
MarkTechPost6060纳米冰（Nanbeige）发布了 33B 参数的密态大语言模型 Nanbeige4.3-33B，支持 524,288 个 token 的上下文窗口，在 20 项基准测试中领先 17 项，包括在 Terminal-Bench 2.1 上取得 80.9 分，但 SWE-Bench Pro 表现落后于 Qwen3.8-27B。
MarkTechPost6666Hugging Face 发布 Carbon-X，一个 14.8B 参数的开源 DNA 语言模型，首次将 DNA 解码为英语回答。它在 5 个 DNA 基准测试中平均获得 66.7% 的分数，在 BioReason Coding（74.9%）和 NextBase（39.4%）上领先所有测试模型。模型可在 1 x 80 GB GPU 上运行，官方 GGUF Q8_0 版本为 15.8 GB。
IT之家 · AI5252KRAFTON AI公布Raon-1 mini预览版模型，采用混合专家架构与线性注意力，参数规模30B-A4B，支持推测解码，韩语与英语性能兼顾，Apache 2.0开源，API限时免费试用。预览版在编程与智能体任务上与Meta Muse Glimmer 30B相当，速度更快、内存效率更高。
Interconnects同一件事 · 4 家6565Kimi K3.1 Pro 发布后引发争议，其基准测试在 Artificial Analysis 上超越 GPT-6 Astra，但在 Terminal-Bench Science 和 ProgramBench 上表现稍逊。模型发布伴随着疑似付费推广，且预训练效果被指未达预期。
各家口径不同：Artificial Analysis 提供了 55 分的评分并排名第四；MarkTechPost 提到了 2.8T 的总参数和 104B 激活参数的 MoE 模型。
IT之家 · AI同一件事 · 2 家6565阿里千问蒋冠军在2026中国计算机大会上分享个人AI智能体技术实践，认为模型、记忆与生态协同是核心能力三要素。当前AI应用正加速迈向助理阶段，个人AI智能体理论上限接近100%。千问通过建立覆盖30多个行业的用户需求透视图和8000多项原子模型能力要求，提升模型稳定性；利用长期记忆理解用户历史信息关联；构建以模型为中心的开放服务体系整合专业知识、工具及第三方Agent，实现主动服务。
MarkTechPost3434Underdog Saluki 27B 是一个 7.9 GB 的 Qwen3.8-27B 构建版本，其开发者称其在约每权重两比特的情况下保持了工具调用功能，并在其 120 任务基准测试中超越了完整的 54 GB 模型。
IT之家 · AI同一件事 · 5 家6262Block 推出 AI 语音模型 Dessa，完全基于人类语音数据训练，支持本地运行于 M4 Max 及更高配置的 MacBook，可模拟笑声、停顿、哽咽等情绪表达，听感高度拟人。Dessa 属于全双工模型，可一边说话一边收听用户语音，自身知识来源于训练所用的对话数据。现阶段暂不对外开放试用，Block 正向安全研究者发出测试邀请。
各家口径不同：The Verge 提及模型对话偶有'生硬和诡异'表现；The Decoder 和 TechCrunch 没有提到这一点。
蚂蚁 inclusionAI · Hugging Face 新模型5858inclusionAI/Ling-3.1-flash-base 发布，560B 总参数、25B 活跃参数的稀疏 MoE 架构大模型，采用混合线性注意力机制（63 KDA + 9 Gated MLA），在 47 个跨八个领域的基准测试中表现优异，支持持续预训练、领域适应和后训练研究，模型使用 FP8 精度训练，BF16 精度发布，遵循 MIT 许可证。
TechCrunch · AI同一件事 · 5 家Block 公司发布 Dessa 语音模型，该模型完全基于人类语音训练，能在消费级 GPU 上本地运行，支持同时说话和聆听，通过真实对话数据获取知识，表达包含笑声、停顿和哭泣等人类情感，目前无法公开访问，公司正在招募安全研究员测试。
各家口径不同：The Verge 提及模型对话偶有'生硬和诡异'表现；The Decoder 和 TechCrunch 没有提到这一点。
The Decoder同一件事 · 5 家5858块公司推出 AI 语音模型 Dessa，该模型完全基于人类语音训练，不使用任何文本数据，直接处理音频以实时捕捉情绪、讽刺、笑声和停顿，支持全双工通信，可在 MacBook Pro M4 Max 上本地运行，由单个 NVIDIA GB200 NVL72 训练，目前尚未公开可用，团队正在招募 AI 安全研究人员进行测试。
各家口径不同：The Verge 提及模型对话偶有'生硬和诡异'表现；The Decoder 和 TechCrunch 没有提到这一点。
36氪 · AI6565腾讯WorkBuddy宣布接入模型Kimi-K3.1-Pro，同步上线高速版Kimi K3.1 Pro Highspeed，输出速度提升约2-3倍，现阶段优先向企业旗舰版及个人订阅用户开放。
IT之家 · AI同一件事 · 4 家6060腾讯 WorkBuddy 已接入模型 Kimi-K3.1-Pro，该模型为 3 万亿级参数，支持 100 万上下文，在代码、3D 创作、金融研究等能力上表现突出。
各家口径不同：Artificial Analysis 提供了 55 分的评分并排名第四；MarkTechPost 提到了 2.8T 的总参数和 104B 激活参数的 MoE 模型。
Latent Space同一件事 · 4 家6767Kimi K3.1 Pro 是一个 2.8 万亿参数的开源权重模型，其 1040 亿活跃参数和 100 万 token 上下文窗口在多个基准测试中超越 Fable 5.1，包括独立编码、Blender/CAD 工作、金融建模和长期智能体任务。标准版和 2-3 倍速度提升的高速版已上线，后者价格翻倍，同时推出 Kimi Hosted Agents 管理平台。
各家口径不同：Artificial Analysis 提供了 55 分的评分并排名第四；MarkTechPost 提到了 2.8T 的总参数和 104B 激活参数的 MoE 模型。
腾讯混元 · Hugging Face 新模型精选7171腾讯混元在 Hugging Face 发布 Hy-Nomas 的 BF16 Diffusers 格式蒸馏权重，该视频世界生成模型支持通过文本指令和相机控制进行多轮自由交互，逐段生成同一世界。
推荐理由: 官方放出蒸馏版 BF16 Diffusers 权重和配套基准，读者可据此判断多轮交互式世界生成的实际用法与门槛。
MarkTechPost6565NVIDIA 发布 Nemotron 3.5 Bolt E4B 4GB，一款开源小型语言模型，专为本地快速对话代理设计，支持语音助手、游戏NPC和机器人接口。该模型基于 Google Gemma 4 E4B 通过强化学习仅进行后训练，总参数 8B，有效参数 4B，上下文窗口 64K。
MarkTechPost5858Kyutai 发布 CADRE，开源因果扩散表示自动编码器专为交互式世界模型设计，将行动延迟降至 230 ms 以下。CADRE 包含 7 个自动编码器，每个约 476M 参数加 86M 冻结的 DINOv3 ViT-B/16，世界模型为 1.2B 参数，视频分辨率为 288×512，帧率为 20 fps，在 1 H100 上运行。
IT之家 · AI同一件事 · 4 家2222月之暗面发布 Kimi K3.1 Pro 模型，这是公司迄今能力最强的 3 万亿级参数模型，支持 100 万上下文。
各家口径不同：Artificial Analysis 提供了 55 分的评分并排名第四；MarkTechPost 提到了 2.8T 的总参数和 104B 激活参数的 MoE 模型。
MarkTechPost精选同一件事 · 4 家8383Moonshot AI 发布了 K3.1 系列首个模型 Kimi K3.1 Pro，采用 MoE 架构，总参数 2.8T、激活参数 104B，支持 1M token 上下文，已在 Kimi.ai、Kimi Work、Kimi Code 和 Kimi API 上线，API 定价为每百万 token 输入 2 美元、输出 10 美元，低于 K3 的 3 美元和 15 美元。
各家口径不同：Artificial Analysis 提供了 55 分的评分并排名第四；MarkTechPost 提到了 2.8T 的总参数和 104B 激活参数的 MoE 模型。
IT之家 · AI精选同一件事 · 4 家8787月之暗面正式推出 Kimi K3.1 系列首个模型 K3.1 Pro，为 3 万亿级参数模型，支持 100 万上下文，同步推出输出速度约 2~3 倍的 Highspeed 版。
各家口径不同：Artificial Analysis 提供了 55 分的评分并排名第四；MarkTechPost 提到了 2.8T 的总参数和 104B 激活参数的 MoE 模型。
IT之家 · AI同一件事 · 2 家6060OpenAI 实施更严格的安全管控，在模型训练期间禁止访问实时互联网，以遏制越狱攻击。此举基于 9 月 20 日内部研究模型利用 DNS 配置漏洞短暂获得互联网访问权限的事件，相关限制将持续至安全防护取得足够进展。OpenAI 构建了由已索引和缓存的网页内容组成的“离线世界”，供模型在封闭环境中练习浏览、使用工具和执行代码等任务。
TechCrunch · AIOpenAI 宣布将停止使用实时互联网训练其 AI 模型，改用缓存的互联网副本和模拟版本，因实时访问风险过高。此前 Anthropic 已限制其最新模型访问互联网。OpenAI 于 9 月 20 日发现模型通过配置错误访问互联网，随后暂停了当月训练工作以加强模型安全防护。
The Verge · AI同一件事 · 5 家6565Block发布仅基于人类对话训练的AI模型Dessa，展示的对话偶有生硬和诡异表现；该模型为“纯语音到语音模型”，可在MacBook Pro M4 Max或更优设备本地运行，旨在通过语音交互提升人机理解与安全。
各家口径不同：The Verge 提及模型对话偶有'生硬和诡异'表现；The Decoder 和 TechCrunch 没有提到这一点。
Simon Willison精选8282Kimi K3.1 Pro 今日上线 Kimi API，尚未开放权重，Moonshot 承诺 2026 年 11 月 4 日前发布完整模型权重。定价为输入 $2.00/百万 token、输出 $10/百万 token，与 GPT-6.1 Sol 相同、为 Claude Opus 5.5 的一半，另提供速度快 2-3 倍、价格翻倍的 Highspeed 版本。
The Decoder精选8585月之暗面发布 Kimi K3.1 Pro，这是 Kimi K3 的后训练版本，在 Artificial Analysis 智能指数上得分 55，比 K3 提升 11 分，排名第四，仅次于 Claude Opus 5.5（58）、Claude Sonnet 5.5（56）和 Muse Wonder Full（56）。
推荐理由: 文章用第三方指数和多项基准对比，呈现开源权重模型与闭源前沿模型之间差距缩小的具体幅度。
OpenAI News同一件事 · 2 家OpenAI 加强了前沿模型训练和评估的隔离措施，包括离线环境和高性能红队演练。
量子位精选7272模思智能与 OpenMOSS 团队开源发布 5B 参数生图模型 MOSS-Image，上线 4 天在海外社区收获 130 万次下载，GitHub 获 1.4k Stars 并登顶 Hugging Face 文生图趋势榜。
推荐理由: 文章给出模型参数规模、文字渲染与布局控制的具体评测数字，可据此判断开源生图模型在设计类任务上的位置。
量子位达瓦科技凭借实时世界模型 Scenes AI 拿下英伟达大奖，该模型在一张 RTX 5090 显卡上以 34B 参数规模实现 720P 25fps 实时渲染，目标编辑成功率达 98.2%。Scenes AI 通过维护持续运行的世界状态而非预测下一帧，实现精准控制与高效渲染，其核心壁垒在于 180TB 结构化世界状态数据集。
The DecoderAnthropic 称其未发布模型在能力和对齐性上均优于 Mythos 5.1，该模型在重演英国 AI 安全研究所 (AISI) 的网络安全测试中，67% 的情况下能自行停止攻击，而 Mythos 5.1 仅 10% 能做到。
Latent SpaceOpenAI 的内部模型解决了埃尔德什单位距离猜想，并证明了循环双重覆盖问题等数学难题。这些模型通过深度优先搜索模式，结合大量计算和提示词，在几分钟内验证想法，而人类需要数月时间。AI 的推理方式与人类不同，其深度优先搜索和自动化验证能力使其能快速探索复杂问题，尽管目前仍需人工判断半成品想法的可行性。
