今天最值得读的 AI 新闻，来自正在塑造 AI 的实验室、创业公司和研究者。
Hacker News · AI 热帖精选8686Edge0 开源 Edge0-145B 和 Edge0-120B 两个端侧模型，并同时发布统一推理框架与部署工具。官方称 145B 模型可在兼容笔记本上本地运行，峰值内存 29GB、解码速度 80+ tokens/s、预填充 1100+ tokens/s，支持 128K–256K 上下文。
推荐理由: 原文给出端侧 145B 模型的实测内存、速度与多项基准对比，可据此判断本地运行前沿级模型的现实边界。
The Verge · AI精选8282Google 发布 Gemini 4 Hydrogen 模型，称其能更好地回答包含多个部分、拼写错误或高度具体需求的复杂问题，并会拆解问题逐项回应。
推荐理由: 原文列出了 Gemini 4 Hydrogen 在搜索与 Gemini 应用中的默认位置和可用入口，读者可据此判断它对现有搜索问答流程的影响。
Google DeepMind精选同一件事 · 4 家8787Google DeepMind 发布 Gemini 4 Hydrogen，面向日常编码与智能体工作流，在默认 high 思考档位下 Artificial Analysis 智能指数为 51，高于 Argon 的 50，xhigh 档位可达 54
推荐理由: 官方给出Hydrogen与Carbon、Argon的分工定位，以及多模型编排在成本与速度上的实测差异。
The Decoder精选7878Google DeepMind 推出 Gemini Decisions API，面向是/否、多选和量表评分等封闭式判断，底层模型 Gemini Decision 1 单次可处理最多 1000 个独立问题，覆盖文本、图像、音频、视频和 PDF。
推荐理由: Gemini Decision 1 把封闭式判断做成独立 API，并给出延迟、价格与基准表现，便于对照近期同类决策模型。
Claude · YouTube精选6868Claude Mythos 5.2 预测出完整的 AAV 衣壳结构，该衣壳由 60 条相同的蛋白链组成。它编写代码让开源折叠模型处理相邻五链的重叠分组，再利用衣壳对称性把 60 条链拼接起来。在 AAV2 上，其预测与实验结构的偏差约为一个原子的宽度。
推荐理由: 原文给出了模型在真实科研任务中的具体做法与精度，读者可据此判断它在结构预测类工作里的可用边界。
Claude · YouTube精选同一件事 · 3 家7575Anthropic 发布 Claude Fable 5.2，面向最艰巨的技术挑战，在编码、推理和视觉方面有所提升，适合最具野心的开放式技术工作。官方建议多数编码与知识任务优先使用 Opus 5.5，Fable 5.2 已在 Pro、Max、Team 和 Enterprise 套餐上线。
各家口径不同：TechCrunch指出Fable的输入价格降至每百万token 8美元；其他报道没有提及价格。
推荐理由: 官方说明了 Fable 5.2 的定位与适用场景，并给出与 Opus 5.5 的选择建议，便于判断该用哪个模型。
Artificial Analysis Articles精选同一件事 · 2 家7272Thinking Machines 发布 Inkling 2 Small，在 Artificial Analysis Intelligence Index v5.0.1 上得分 31，比 Inkling Small 高 18 分，与 Gemini 3.8 Flash (high) 持平。
推荐理由: 第三方评测给出 Inkling 2 Small 与 Gemini、Claude 等模型在智能指数、编码和幻觉率上的逐项对比，可据此判断其定位。
IT之家 · AI精选7878蚂蚁百灵官方团队发布原生多模态模型 Ling-3.2-flash，拥有 560B 总参数、25B 激活参数和 1M 上下文窗口，支持图像、文本与视频输入。
推荐理由: 原文给出三项基准对比与 API 定价，读者可据此判断这款多模态模型的能力位置与调用成本。
量子位精选同一件事 · 3 家7272百度于11月5日正式开源基座模型文心5.5 Flash Base（ERNIE 5.5 Flash Base），采用 MoE 架构，总参数量2800亿，每个 Token 激活140亿参数，预训练使用33.5万亿 Token，预训练上下文最高128K，微调与推理阶段支持最长100万 Token 上下文。
推荐理由: 原文给出文心5.5 Flash Base 的架构与训练细节，读者可据此了解其效率优化思路与同尺寸对比位置。
IT之家 · AI精选7474开发者 Divyansh Agrawal 于 10 月 22 日发布实验性模型 Qwenputer，基于阿里 Qwen3.5-4B 构建，在神经网络内部实现 32 位 RISC-V CPU 与内存功能，无需调用 Python 等外部工具即可执行程序和精确计算。
推荐理由: 开发者将 RISC-V 指令集编译进 Qwen3.5-4B 权重，用具体基准数字展示了模型内计算的精度提升与体积、速度代价。
Hugging Face Blog精选8585Mistral 发布多模态 MoE 模型 Mistral Large 4（Le Chonk），约 1T 总参数、49B 激活参数，上下文窗口 1M tokens，提供 FP8 与 NVFP4 两个官方版本，另有 Unsloth 和 llama.cpp 团队制作的 GGUF。
推荐理由: 原文给出 1T 总参数、49B 激活的 MoE 多模态模型在网络安全与编码基准上的具体分数，并附本地与端点部署实测吞吐。
36氪 · AI精选7272法国 Mistral AI 发布 Large 4 模型（ML4），具备编程和网络防御能力，企业可部署在自有计算机和服务器上运行。该模型在欧洲数据中心训练，使用 3800 颗英伟达 Grace Blackwell GPU，总参数量 1.05 万亿，每次执行任务实际激活约 520 亿参数。
推荐理由: 原文给出了模型规模、训练算力和可本地部署的定位，读者可据此判断企业私有化部署的选项。
Google DeepMind精选同一件事 · 3 家8787Google DeepMind 面向开发者、企业、科学家和消费者开放 Gemini 4 Carbon，称其在网络安全能力和长程智能体工作流上达到前沿水平。
推荐理由: 官方给出 Carbon 与 Argon 的定位分工、多项基准排名和每任务成本对比，便于判断何时该用更重的模型。
量子位精选8080OpenAI发布GPT-6.1 Terra，标准API输入1美元/百万Token、缓存输入0.05美元/百万Token、输出5美元/百万Token，价格约为GPT-5.6 Terra的一半。
推荐理由: 原文给出GPT-6.1 Terra的官方基准、API定价与网友实测成本对比，可据此判断低价电脑操作模型的性价比边界。
MarkTechPost精选7171百度开源 Unlimited OCR 2，一个 3.34B 参数的 OCR 视觉语言模型，可在单次请求中解析数百页书籍、财报和报告，权重以 MIT 协议发布，代码在 GitHub。
推荐理由: 原文给出 SR-SWA 的稀疏注意力机制与百页文档基准对比，可看长文档 OCR 的上下文成本如何被压平。
IT之家 · AI精选同一件事 · 2 家8686OpenAI 发布新模型 GPT-6.1 Terra，主打以更低成本完成需要视觉推理和操作桌面软件的复杂任务，于 10 月 27 日向 Plus、Pro、Enterprise 和 Edu 用户开放，可在 ChatGPT Work 和 Codex 中使用，API 模型标识为 gpt-6.1-terra。
推荐理由: 原文给出多项基准与每任务成本对比，读者可据此判断低成本模型在桌面自动化上的取舍。
Artificial Analysis Articles精选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。
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。
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。
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。
Artificial Analysis Articles精选同一件事 · 3 家8787月之暗面发布推理模型 Kimi K3.1 Pro，在 Artificial Analysis 智能指数上得分 55，排名第四，比 Kimi K3 的 44 分提升 11 分，仅次于 Claude Opus 5.5（58）、Claude Sonnet 5.5（56）和 Muse Wonder Full（56）。
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。
推荐理由: 第三方评测给出 Kimi K3.1 Pro 在智能指数与智能体任务上的具体分数和排名，可与前代及闭源模型直接对照。
