Thinking Machines Lab 发布开源权重模型 Inkling-Small，这是一个 276B 总参数、12B 激活的 MoE Transformer，性能与 Inkling 相当但规模仅为四分之一。该模型原生支持音频与图像推理、可变思考预算和最高 1M token 上下文窗口，在 HLE 上得分 31.6%，超过 Inkling 的 29.7%，SWE-bench Verified 超过 80%。完整权重已开放，并可在 Tinker 上微调，在 Tinker Playground 进行文本、图像和音频对话。
匹配字段摘要
蚂蚁 inclusionAI 在 GitHub 开源 LLaDA-Image，一个 6B 参数统一图像生成与编辑模型家族，包含 50 步的 Base 模型和 4 步蒸馏的 Turbo 模型，支持文生图、VQ 条件生成、参考图编辑以及中英文文字渲染。仓库提供模型权重和基于 Diffusers 的推理代码，训练代码即将发布；官方称其在 Qwen-Image-Bench 上取得英文 53.53、中文 53.38 的总体成绩。
匹配字段摘要
智源 FlagOpen 发布 RoboBrain-X0，一个面向异构本体迁移的跨本体基础模型，2025-09-29 已放出 RoboBrain-X0-preview。该模型用 SE(3) 任务空间末端执行器位姿表示、统一动作词表 UAV 与动作 tokenizer，并通过 Grouped Residual Quantizer 把不同自由度和机械结构的连续控制序列映射到共享离散动作基元空间，实现 AgileX、R1-Lite 双臂轮式机器人和 Franka 单臂系统之间的零样本泛化与复杂任务分解。模型由 RoboBrain 2.0 与动作 tokenizer OmniSAT 组成，支持多视图 RGB-D 输入到具体执行的解码，仓库采用 Apache-2.0 许可，后续计划放出基于 Fast Tokenizer 的 checkpoint、快速推理示例以及训练与评测代码。
匹配字段摘要
OpenAI 发布 gpt-oss-120b 和 gpt-oss-20b 两个开放权重推理模型，采用 Apache 2.0 许可，兼容 Responses API，支持工具调用、完整 CoT 与可调推理强度。gpt-oss-120b 为 36 层 MoE 架构，116.8B 总参数、5.1B 激活参数，MoE 权重以 MXFP4 量化后可放入单张 80GB GPU；gpt-oss-20b 为 24 层、20.9B 总参数、3.6B 激活参数，可在 16GB 内存设备上运行。OpenAI 对 gpt-oss-120b 做了对抗性微调测试，其安全咨询组认为即便使用其训练栈进行微调，模型也未在生物化学与网络安全两个类别达到 Preparedness Framework 的高能力阈值。
匹配字段摘要
OpenAI 发布 GPT-6 Astra 系统卡，宣布这是其迄今能力最强、已广泛部署的模型，也是首个在 Preparedness Framework 下达到网络安全 Critical 等级的模型。系统卡称 Astra 对越狱和提示注入的鲁棒性显著强于 GPT-5.6 Sol，间接提示注入鲁棒性从 96.23% 升至 99.79%，在 54,218 个内部 Codex 任务模拟中严重度 3 级及以上的错位行为标记减少约 53%。同时 OpenAI 指出 Astra 的 CoT 可监控性相对 GPT-5.6 Sol 下降，在对抗条件下可能规避内部监控，因此将错位监控扩展到全部工具调用推理。
匹配字段摘要
Meta 于 10 月 13 日发布前沿模型 Muse Wonder 系列，包含 Muse Wonder 和 Muse Wonder Full 两个版本，均仅通过每月 50 美元或 200 美元的付费订阅提供。Muse Wonder 可通过 SDK 或按量付费 API 供开发者接入，Muse Wonder Full 无对外 API 或 SDK，仅限 Meta 自有环境使用，更适合长周期复杂任务。该系列主打 Active Memory 与 Active Focus 两项能力，前者主动保留历史对话与用户上下文，后者在任务受阻时尝试替代方案。在 Artificial Analysis 评测中，Muse Wonder Full 在 CritPt 科学推理测试和 GDP.pdf 专业文档基准中排名第一，Terminal-Bench 4.0 得分从上一版的 33% 升至 57%；Intelligence Index 上 Muse Wonder 得 52 分、Muse Wonder Full 得 56 分，后者与 Claude Sonnet 5.5 并列第二。AA 称两款模型输出 token 用量比 Muse Spark 少约 10%，Muse Wonder Full 输入 token 比 Muse Wonder 少 16%。Muse Wonder 定价为每百万输入 token 4 美元、每百万输出 token 20 美元。
r 可通过 SDK 或按量付费 API 供开发者接入，Muse Wonder Full 无对外 API 或 SDK，仅限 Meta 自有环境使用，更适合长周期复杂任务。该系列主打 Active Memory 与 Active Focus 两项能力，前者主动保留历史对话与用户上下文，后者在任务受阻时尝试替代方案。在 Artificial Analysis 评测中，Muse Wonder Full 在 CritPt 科学推理测试和 GDP.pdf 专业文档基准中排名第一，Terminal-Bench 4.0 得分从上一版的 33% 升至 57%；Intelligence Index 上 Muse Wonder 得 52 分、Muse Wonder Full 得 56 分，后者与 Claude Sonnet 5.5 并列第二。AA 称两款模型输出 token 用量比 Muse Spark 少约 10%，Muse Wonder Full 输入 token 比 Muse Wonder 少 16%。Muse Wonder 定价为每百万输入 token 4 美元、每百万输出 token 20 美元。
匹配字段摘要
Meta发布Muse Wonder和Muse Wonder Full两款模型，内部代号西瓜，主攻个人与专业智能体任务，重点提升跨对话记忆和长时间任务执行能力。Artificial Analysis评测显示Wonder Full十项测试有六项进入前三，最高推理强度下Muse Code搭配Wonder Full的编程成绩与Claude Code搭配Sonnet 5.5持平。API定价为每百万输入token 4美元、输出20美元，Wonder Full仅向Muse Code订阅用户开放，Meta AI负责人Alexandr Wang承认编程能力仍不如Opus 5.5。
匹配字段摘要、正文
Cloudflare 发布开源权重多模态决策模型 Clef-omni，可在一次调用中对文本、图像、音频和视频打分，基于 Qwen3-Omni-30B-A3B-Instruct 后训练，采用 30B 总参数、3B 激活参数的 MoE 结构，Apache-2.0 许可，定价每百万 token 0.15 美元。它在意图分类任务上领先，CLINC150+OOS 达 97.7 macro-F1，但在推理与工作流评测上落后于 Clef，GPQA Diamond 为 47.4，而 Jev 为 78.3。同批更新将 Clef-flash 价格降至 0.038 美元，并把托管 Clef 迁移到 SGLang，中位延迟从 262 ms 降至 152 ms。
匹配字段摘要
Thinking Machines Lab 发布从零训练的开源权重模型 Inkling，采用 MoE 架构，总参数 975B、激活 41B，支持最高 1M token 上下文窗口，预训练数据为 45 万亿 token 的文本、图像、音频和视频。该模型原生支持文本、图像和音频推理，并可通过可控思考力度平衡性能与 token 效率，今日起在 Tinker 上开放微调，完整权重已上传 Hugging Face。官方同时预览了 12B 激活参数的轻量版 Inkling-Small，称其在多项基准上接近或超过 Inkling，测试完成后将发布完整权重。
匹配字段摘要
Thinking Machines Lab 发布开源权重模型 Inkling-Small，采用 MoE 架构，总参数 276B、激活 12B，在四分之一体量下达到与 Inkling 相当的性能。该模型原生支持音频与图像推理、可变思考力度和最高 1M token 上下文窗口，在 HLE 上得分 31.6%，超过 Inkling 的 29.7%，SWE-bench Verified 超过 80%。完整权重已开放，并可在 Tinker 上微调，在 Tinker Playground 进行文本、图像和音频对话。
匹配字段摘要
Reflection 发布首个开放权重模型 Beam，采用稀疏 MoE 架构，总参数 501B、激活 23B，面向编码、推理和智能体任务。该模型在 23.8 万亿 token 上预训练，并用 10.5K NVIDIA GB300 GPU 进行四周高算力 RL，生成超 1 亿条 rollout。Reflection 表示 Beam 在编码和智能体任务上可与 GLM 5.2 竞争、接近 Qwen 3.8-Max，优势在于推理效率，本月将以 Apache 2.0 协议发布权重、技术报告和模型卡。
匹配字段摘要
月之暗面发布开源思考模型 Kimi K2 Thinking，可连续执行 200 至 300 次工具调用，在 HLE 上取得 44.9%（带工具）、BrowseComp 60.2%、SWE-Bench Verified 71.3%。该模型已在 kimi.com 的 chat 模式上线，并可通过 Kimi K2 Thinking API 调用，完整智能体模式稍后推出。团队在后训练阶段采用 QAT 对 MoE 组件做 INT4 权重量化，原生 INT4 推理生成速度约提升 2 倍，所有基准成绩均在 INT4 精度下报告。
匹配字段摘要
月之暗面开源最新模型 Kimi K2.6，具备编码、长程执行和 Agent Swarm 能力，已上线 Kimi.com、Kimi App、API 和 Kimi Code。官方称其在长程编码任务上较 K2.5 明显提升，例如在 Mac 上用 Zig 实现并优化 Qwen3.5-0.8B 推理，经 4000+ 次工具调用、超 12 小时连续执行和 14 轮迭代，吞吐从约 15 tokens/sec 提升到约 193 tokens/sec。Agent Swarm 架构从 K2.5 的 100 个子智能体和 1500 步扩展到 300 个子智能体、4000 步并发执行，并新增 Claw Groups 研究预览。
匹配字段摘要
DeepSeek 发布实验模型 DeepSeek-V3.2-Exp，基于 V3.1-Terminus 构建，首次引入 DeepSeek Sparse Attention（DSA），用于提升长上下文训练与推理效率并降低算力成本。官方称基准测试显示 V3.2-Exp 与 V3.1-Terminus 表现相当，同时 DeepSeek API 价格立即下调 50% 以上。V3.1-Terminus 将通过临时 API 保留至 2025 年 10 月 15 日 15:59（UTC）供对比测试，关键 GPU kernel 以 TileLang 和 CUDA 开源。
匹配字段摘要
Conway Research 的端侧助手 Underdog 以 Apache 2.0 发布 Saluki 27B，这是 Qwen3.8-27B 的 2-bit 混合精度 GGUF，体积 7.89 GB，而 BF16 原模型需 54 GB，可在原生 llama.cpp 上运行并支持完整 GPU 卸载。在相同测试环境下，Saluki 在 Underdog Bench 的 120 项 BFCL v4 任务上得 88 分，原模型 84 分；并行工具调用 42 对 35；SWE-bench Verified 修复 30 个问题，原模型 33 个。代价是数学与多步推理下降 12 到 18 分，AIME 2025 为 79.2 对 96.7。
匹配字段摘要
Anthropic 发布快速低价模型 Claude Haiku 5.5，定价为每百万 token 输入 $0.10、输出 $0.50，与 OpenAI 上月发布的 GPT-6 Luna 一致，但超过 100,000 token 后涨至 $0.50/$2.50，而 Luna 在 272,000 token 后才涨到 $0.20/$0.75。Simon Willison 实测发现 Haiku 5.5 使用了更不宽松的 tokenizer，同一长提示词消耗的 token 约为 Haiku 4.5 的 1.25 倍，构成隐性涨价；新模型不支持关闭推理，默认 medium 档。Anthropic 同时宣布将 Sonnet 5.5 的缓存读取价格减半，并为订阅计划增加 API 额度。
匹配字段摘要
Anthropic 发布 Claude Haiku 5.5，这是其目前最快、最便宜的小模型，平均价格比 Haiku 4.5 低约 75%，10 万 token 以内提示词最高降价 90%，超过 10 万 token 则贵 5 倍。基准测试显示其计算机使用能力提升明显，OSWorld-2.1 得分从 15.7% 升至 72.4%，Terminal-Bench 4.0 从 0 升至 39.2%，Humanity's Last Exam 无工具 45.9%、有工具 57.4%。该模型是首个支持可调推理等级的 Haiku 级模型，已在 AWS、Google Cloud 和 Microsoft Azure 上线，同时 Sonnet 5.5 的缓存读取费用从每百万 token 0.20 美元降至 0.10 美元。
匹配字段摘要
Anthropic 发布 Claude Haiku 5.5，称其是迄今最便宜、最快且能力最强的小模型，平均运行成本比 Claude Haiku 4.5 低约 75%。开发者 Lydia Hallie 转发并表示，它很适合以读取、小改动和工具调用为主、不需要太多推理的任务。
匹配字段摘要
微软发布 MAI-Code-1.1-Flash，相比 6 月 Build 大会推出的版本，token 效率提升 25%，成本降至四分之一，并已在 GitHub Copilot 中投入生产。该模型经 3-bit 量化后可在端侧运行，保留 256K 上下文窗口，在 SWE-Bench Verified 和 Terminal-Bench 2.1 上编码性能与全精度版本相当，本地调用不产生推理费用，官方建议设备内存超过 120GB。GitHub Copilot CLI 上 Terminal-Bench 2.1 提升 22%，.NET 任务提升 15%，代码存活率上升 4%，回访率增加 9%；本月底将在 GitHub Copilot 应用、CLI 和 VS Code 中开放实验性访问。
匹配字段摘要
美国初创公司 Reflection AI 发布开源权重模型 Beam，采用 MoE 架构、5010 亿参数，面向编码、推理与智能体任务，训练数据为 23.8 万亿 token。Reflection 将其定位为对标智谱 GLM-5.2 的前沿开源权重模型，并获 Nvidia 8 亿美元股权投资及 GPU 支持。文章还提到 Mistral 于 10 月 6 日预览 1 万亿参数多模态模型 Mistral Large 4，称其计划月底发布权重。
匹配字段摘要