Mistral 发布 Mistral Large 4 预览版，这是一个 1 万亿参数、490 亿激活参数的模型，在自家 3,800 块 NVIDIA Grace Blackwell GPU 集群上训练，目前通过 API 提供。该模型在 Mistral API 中只支持 none 和 high 两档推理级别，官方承诺本月底放出开放权重版本。它在 Artificial Analysis 上得分 38，略低于 552B 的 DeepSeek 4.1 Flash，相比去年 12 月得分 9 的 Mistral Large 3 提升明显。
匹配字段摘要
估值 250 亿美元的 Reflection AI 发布首款开源权重模型 Beam，面向编码与智能体任务，公司称其以远低于中国实验室 Z.ai GLM-5.2 的算力达到相近的推理和编码成绩。Reflection 计划本月以 Apache 2.0 许可证放出 Beam 权重，允许企业自行定制和部署，并已在韩国测试由对冲基金或政府用自有芯片和私有数据运行 Beam 的 AI 工厂模式。在自家测试中 Beam 仍落后于 Moonshot 的 Kimi K3，但优于 Thinking Machines 的 Inkling 等美国开源系统。
匹配字段摘要
蚂蚁集团 AntLingAGI 发布 Ling 3.1 Flash，这是一款 560B 总参数、25B 激活参数、1M token 上下文窗口的推理模型，在 Artificial Analysis Intelligence Index v4.3 上得分 41，高于 8 月发布的 Ling 3.0 Flash 的 20。该模型智能体能力提升明显，GDPval-AA v2 Elo 为 1,622、AA-Briefcase Elo 为 1,400，AutomationBench-AA 达 62%、Terminal-Bench v4.0 达 33%；AA-Omniscience 得分 +2，较前代提升 22 分，准确率从 18% 升至 29%，幻觉率从 44% 降至 38%。定价为每 1M 输入/输出 token 0.30/0.90 美元，缓存输入 0.06 美元，目前可通过 Novita AI 访问，权重即将开放。
匹配字段摘要
Reflection AI 发布首款开源权重模型 Beam，采用稀疏 MoE 架构，总参数 501B、每 token 激活 23B，面向编码、推理与智能体工作负载。该模型预训练使用 23.8 万亿 token，在 6,144 块 NVIDIA GB300 NVL72 GPU 上不到 4 周完成，中训练将有效上下文扩展至 1M token；强化学习阶段用 10.5K 块 GB300 GPU 运行 4 周，生成超 1 亿次 rollout。Reflection 报告 Beam 在 SWE-bench Verified 得分 80.9、Terminal Bench v2.1 得分 80.1，目前处于最终红队测试阶段，通过 Reflection 平台候补名单提供早期访问，Apache 2.0 权重计划于本月晚些时候发布。
匹配字段摘要
Reflection AI 正式发布其首个前沿开源权重模型 Beam，称在高级推理基准上与中国领先开源模型持平，且推理算力消耗少 3-4 倍。Beam 为文本 MoE 模型，总参数 5010 亿、激活 230 亿，预训练 23.8 万亿 token，上下文窗口 100 万 token；对比 Z.ai 的 GLM-5.2 总参数约 7440 亿、激活 400 亿。公司称本月将公开权重与完整技术细节，并通过超大规模云厂商和 neocloud 分发，性能主张尚未经独立验证。
匹配字段摘要
Reflection 发布 Beam，这是一个高效的智能体开源模型，总参数 501B、激活参数 23B，强调前沿推理效率，并在编码与智能体任务上推进西方开源前沿，且从零开始端到端训练。完整权重将于本月发布。Hugging Face CEO Clément Delangue 转发了这条消息。
匹配字段摘要
中电信人工智能科技有限公司发布星辰大模型 Xing4.0-29B-A4B，总参数 29B、激活参数 4B，全流程训练在国产昇腾 910C 集群完成，并冲进 Hugging Face 趋势榜前四。该模型经 4-bit 量化后单卡显存占用约 15GB，可在 RTX 3090、4090 等 24GB 显卡本地运行，推理吞吐可达 30tokens/s。评测中 SWE-bench Verified 得 75.0 分，Terminal-Bench 2.1 得 57.5 分，Claw-Eval 得 76.55 分，并已在集团客服智能体场景完成私有化部署，同步上架 GitHub、HuggingFace、魔搭、Gitee、魔乐五大社区。
匹配字段摘要、正文
微软发布首款流式转写模型 MAI-Transcribe-2-Streaming，支持 60 种语言和自动连续语言检测，在 Artificial Analysis 的最终与部分转写准确率上均排名第一，收到音频后 100ms 出头即可给出首个部分结果，年内按每小时音频 0.54 美元计价。同时发布多语言文本转语音模型 MAI-Voice-2.1，支持 23 种语言和 26 个地区，单一音色可用各语言的原生口音，定价每 100 万字符 22 美元；以及面向高并发低延迟场景的 MAI-Voice-2.1-Flash，端到端延迟 150ms、可生成 45 秒音频，推理速度提升 55%，定价每 100 万字符 15 美元。三款模型可通过 Microsoft Foundry 等渠道使用，MAI-Voice-2.1 系列已上线 OpenRouter。
匹配字段摘要
OpenAI 新模型 GPT-5.3-Codex-Spark 由 Cerebras 提供算力，已进入研究预览，这是双方合作的首个发布。该模型基于 Cerebras Wafer-Scale Engine，运行速度超过 1,000 tokens/s，面向需要即时反馈的实时软件开发，是 Codex 为快速推理优化的小型版本，在 SWE-Bench Pro 和 Terminal-Bench 2.0 等基准上响应能力优于 GPT-5.1-Codex-mini 且耗时更短。它正面向 ChatGPT Pro 用户在 Codex app、CLI 和 VS Code 扩展中推出，API 访问将向部分设计合作伙伴开放。
匹配字段摘要
Perplexity Research 与 turbopuffer 发布 pplx-embed-v2-context-9b-preview，一个面向 RAG 管线的上下文嵌入模型，每个 chunk 在编码时都能看到完整文档。模型以 Perplexity 的 query-aware 上下文压缩模型作为教师，用逐 token 打分池化出的软目标替代单一 gold passage 标注，训练时随机采样切块策略，推理阶段不增加延迟或存储。权重已在 Hugging Face 以 MIT 许可开源，需 transformers>=5.4.0 并设置 trust_remote_code=True，暂未上线 Perplexity API，模型卡提示权重与接口可能不向后兼容。模型基于内部 9B ColBERT 检索模型，线性投影输出 2048 维，Matryoshka 训练支持 1024 维，量化感知训练支持原生 int8 嵌入，训练使用约 430 个数据集、覆盖 50 多种语言。
Perplexity Research 与 turbopuffer 发布 pplx-embed-v2-context-9b-preview，一个面向 RAG 管线的上下文嵌入模型，每个 chunk 在编码时都能看到完整文档。模型以 Perplexity 的 query-aware 上下文压缩模型作为教师，用逐 token 打分池化出的软目标替代单一 gold passage 标注，训练时随机采样切块策略，推理阶段不增加延迟或存储。权重已在 Hugging Face 以 MIT 许可开源，需 transformers =5.4.0 并设置 trust remote code=True，暂未上线 Perplexity API，模型卡提示权重与接口可能不向后兼容。模型基于内部 9B ColBERT 检索模型，线性投影输出 2048 维，Matryoshka 训练支持 1024 维，量化感知训练支持原生 int8 嵌入，训练使用约 430 个数据集、覆盖 50 多种语言。
匹配字段摘要
当地时间9月30日，谷歌推出新模型 Gemini 4 Argon，称能在复杂、长周期工作流中持续进行深度推理。该模型目前只向一批可信赖的网络安全防御人员开放，谷歌称需分阶段发布高水平模型能力，并自愿与美国政府协调沟通，逐步扩大适用范围，后续在完善安全防护后尽快向开发者、企业和消费者提供。
匹配字段摘要、正文
Google 发布新前沿模型 Gemini 4 Argon，面向复杂长周期工作流，主打深度推理，覆盖真实软件工程、法律金融等企业知识工作与网络安全防御场景。该模型输出 token 上限提升至 1M tokens，目前先向 Fairwind Program 中的可信网络防御者开放，后续将尽快扩大可用范围。
匹配字段摘要
Google DeepMind 发布 Gemini 4 Argon，这是其 7 个多月来首个 Flash 级别以上的专有模型，目前正向部分用户推送，尚未公开可用。高推理模式下它在 Artificial Analysis 智能指数上得分 53，追平 GPT-6 Astra（max，53），领先 GPT-6.1 Sol（max，52）1 分，比此前的 Gemini 3.1 Pro Preview（30）高 23 分。在 50% 折扣价下每任务成本 1.99 美元，为 GPT-6 Astra（max）的 60%，折扣结束后升至 3.98 美元；其幻觉率 15%，是智能指数 45 分以上模型中最低的。
匹配字段摘要
GPT-6.1 Sol 现已在 Amazon Bedrock 正式可用，作为 GPT-6 Sol 的重大升级，面向智能体编码、计算机使用和专业工作负载。据 OpenAI，它在 DeepSWE v1.1 上以约五分之一的单任务成本达到 GPT-6 Astra 的水平，并比 GPT-6 Sol 最佳成绩高 6.4 个百分点，且推理投入更低。Bedrock 侧提供 IAM 策略管控、CloudTrail 审计、VPC 端点与零操作员访问，推理数据不用于模型训练。
匹配字段摘要
Inception 发布旗舰扩散语言模型 Mercury 的升级版本，在编码、指令遵循、数学解题和知识召回上均有提升，并同步宣布完成由 Menlo Ventures 领投的 5000 万美元融资。新版本通过扩大参数与训练数据、升级去噪器架构、改进训练目标与推理算法并推出全新服务引擎来实现这些提升，现已上线其 API 平台及 OpenRouter、Models.dev 等合作渠道，价格维持每 100 万输入 token 0.25 美元、每 100 万输出 token 1.00 美元不变，新用户可获 1000 万免费 token。
匹配字段摘要
AWS 宣布 Claude Sonnet 5.5 在 Amazon Bedrock 和 Claude Platform on AWS 上线，定位为面向编码与知识工作的更高效 Sonnet 模型，多数任务单任务成本更低、速度更快。该模型适合持续或规模化负载，例如告警首次响应、智能体持续监控、SQL 生成、UI/UX 测试和 IDE 内编码智能体；需要判断力的工作如发布调试、多 PR 功能栈、大型 PR 安全审查则交给 Opus 5.5。用户可在 Bedrock 控制台 Playground 选择 Sonnet 5.5，或通过 Anthropic SDK、AWS CLI 和 AWS SDK 调用，目前通过 bedrock-runtime 的 Global CRIS 推理配置文件提供。
匹配字段摘要
ElevenLabs 发布 Eleven v4 及其低延迟版本 Eleven v4 Turbo，称其为目前最具情感表现力的文本转语音模型。Eleven v4 在 Artificial Analysis 排名第一，盲测中约 75% 听众更偏好它；Eleven v4 Turbo 面向智能体等低延迟场景，中位推理延迟约 100ms，中位首次发声时间约 150ms。两款模型支持 90 多种语言，可用 [laughs] 等内联标签控制语气与音效，Instant Voice Clones 仅需 10 秒音频，并新增 Professional Voice Clones 支持，现已在 ElevenAgents、ElevenCreative 和 ElevenAPI 上线。
匹配字段摘要
Fireworks AI 发布 Ember-1，这是 Fireworks Research 基于 Moonshot AI 开源权重模型 Kimi K3 后训练得到的专用模型，官方称在保持 Kimi K3 质量的同时减少约 40% 的 token 用量。该模型目前仅通过 Fireworks serverless API 以 Research Preview 形式提供，未公开权重、训练代码和具体训练算法，因此暂不支持自托管。Fireworks 称在 7 项基准和 2 家客户的生产流量中，K3 的推理过程被缩短 35% 至 50% 且未牺牲准确率；与 2 家客户的生产编码负载 A/B 测试中，每任务输出 token 从 49.3K 降至 29.9K，推理 token 下降 71.3%，总 token 下降 39%，任务得分 0.753 对 0.751 基本持平，其中一家客户已在生产环境使用。Ember-1 在 Fireworks 上每 token 价格与 Kimi K3 相同，为输入 $3.00、缓存输入 $0.30、输出 $15.00 每 1M tokens，节省完全来自生成更少的 token。
eworks AI 发布 Ember-1，这是 Fireworks Research 基于 Moonshot AI 开源权重模型 Kimi K3 后训练得到的专用模型，官方称在保持 Kimi K3 质量的同时减少约 40% 的 token 用量。该模型目前仅通过 Fireworks serverless API 以 Research Preview 形式提供，未公开权重、训练代码和具体训练算法，因此暂不支持自托管。Fireworks 称在 7 项基准和 2 家客户的生产流量中，K3 的推理过程被缩短 35% 至 50% 且未牺牲准确率；与 2 家客户的生产编码负载 A/B 测试中，每任务输出 token 从 49.3K 降至 29.9K，推理 token 下降 71.3%，总 token 下降 39%，任务得分 0.753 对 0.751 基本持平，其中一家客户已在生产环境使用。Ember-1 在 Fireworks 上每 token 价格与 Kimi K3 相同，为输入 $3.00、缓存输入 $0.30、输出 $15.00 每 1M tokens，节省完全来自生成更少的 token。
匹配字段摘要
Anthropic 发布 Claude Opus 5.5，在 Artificial Analysis 的 Intelligence Index v4.3 上以 58 分排名第一，比 Claude Opus 5 高 7 分，在 Vals AI 的 Vals Index 上以 69.69% 居首。该模型支持最高 100 万 token 输入、12.8 万 token 输出，推理默认开启并分五档，API 价格为每百万输入/缓存/输出 token 4/0.25/20 美元，且不保留用户数据 30 天。Anthropic 称 Claude Sonnet 5.5 和 Claude Haiku 5.5 将在数周内跟进。
匹配字段摘要
NVIDIA 发布 NV-Reason-CT，一个面向 3D CT 分析的视觉语言模型，将思维链推理扩展到全容积 CT，可生成结构化诊断报告并支持多轮追问。模型由 3D ViT 编码器与 Qwen3.5-4B 语言模型组成，在 CT-RATE 基准上取得 Macro-F1 0.614、Macro-AUROC 0.871，超过已发表的 3D 对比学习与 2D/3D 融合基线。权重和配置已在 Hugging Face 开放，训练配方与推理脚本发布在 NVIDIA-Medtech/NV-Reason-CT 仓库，定位为供研究者后训练的研究基础模型，而非获批的临床诊断产品。
匹配字段摘要