2026年10月20日,Fireworks在发布当天上线了Meta的开放权重模型Muse Spark Open,用户可通过其无服务器API使用。该模型为816B参数的MoE模型,每token激活42B参数,上下文窗口为1M token,面向长程编码与智能体任务。Fireworks称,该模型在Vals AI的Harvey法律智能体基准上以25.4%在75个模型中排名第一,约为Claude Opus 5(6.7%)的近4倍;在Rogo Big Finance Bench上各难度级别均超过Claude Opus 5.5。Fireworks还表示,用自家生产栈验证该权重,AIME26得91.1%、GPQA Diamond 89.7%、SWE-bench Verified 84.3%,并以SGLang复跑得到一致结果。该模型在Fireworks上默认启用零数据保留,仅使用美国境内算力且不额外加价,并支持用无服务器LoRA进行微调。
匹配字段摘要
LMSYS于2026年10月16日宣布,SGLang已原生支持Reflection的Beam模型,并用于支撑其生产API。Beam是501B参数、每token激活23B的MoE模型,原生1M token上下文窗口,计划以Apache 2.0发布;SGLang为其提供BF16、NVFP4和动态FP8支持、DFlash2投机解码与混合注意力前缀缓存。在4张NVIDIA GB300 GPU上以NVFP4运行OpenHands多轮智能体编码回放,并发32时达到每GPU 127.6K tokens/sec、每用户185.87 tokens/sec(p50)。同日,Reflection发布Beam模型权重,Ollama作为day-zero合作方限时免费提供并采用零数据保留;Beam总参数量约5010亿、每token激活约230亿,上下文窗口100万token,以Apache 2.0许可发布。后续AWS方面信息称,Beam权重已在Hugging Face发布,提供BF16、FP8和NVFP4三种checkpoint,并已在Amazon SageMaker JumpStart上线,也可通过SageMa
匹配字段摘要
2026年10月15日,Meta发布开放权重模型Muse Spark Open,权重当天在Hugging Face上线,采用Muse Model License。据PyTorch Blog,该模型为816B总参数、42B激活参数、1M token上下文窗口,原生多模态并面向编码与智能体任务,在Muse Spark基础上增加安全后训练,可在SGLang和vLLM上运行。10月16日,该模型上线Amazon SageMaker JumpStart,提供BF16与NVFP4两个变体;同日进入Arena的Agent Arena实测,并上线Code Arena的WebDev等项目。10月17日,Arena公布Muse Spark Open (Max)以1511分成为Code Arena WebDev排名第一的美国开源模型,在全部开源模型中排第13。
匹配字段摘要
Meta 于 2026 年 10 月 13 日发布 Muse Wonder 系列,包含 Muse Wonder 和 Muse Wonder Full 两款模型,称其为目前能力最强的模型,在个人与专业智能体任务上达到 SOTA,覆盖法律、金融、健康等专业领域及前沿编码能力。两款模型具备 Active Memory 与 Active Focus,按 Meta Superintelligence Scaling Framework 训练、评估和发布。Artificial Analysis 数据显示,两款模型在 Intelligence Index v4.3 最高推理强度下分别得 52 和 56,高于 Muse Spark 1.3(max)的 48;Muse Wonder 已在 Meta 一方 API 和 Muse Code 上线,Muse Wonder Full 仅面向 Muse Code 用户。同日,Arena 将两款模型纳入 Agent Arena 测试,Simon Willison 发布 llm-meta-ai 0.2 插件支持新模型。10 月 14 日,Arena 公布 Muse W
匹配字段摘要
2026年10月13日,Gemini 4 Argon 在 Gemini 应用中上线。据 Google Blog 介绍,该模型主打前沿推理和复杂任务性能提升,回答更直接、少重复、少套话,长任务中会更频繁地同步进度;编码能力也有明显改进,Google Antigravity 的智能体编码界面已直接进入 Gemini macOS 应用,主聊天窗口新增 chat 到 tasks 的切换开关,任务模式下 Gemini 可在用户离开电脑时继续工作。Gemini 目前接入超过 40 个应用,包括 Instacart、OpenTable、Adobe 和 Shopify。10月14日,Gemini 宣布 Gemini 4 Argon 能把视频或摄像头画面重新想象成可演奏的合成器,用户可在 Canvas 中快速搭建交互式音频应用,设定氛围后把摄像头当作乐器来演奏。
匹配字段摘要
2026 年 9 月 30 日,韩国 AI 实验室 Upstage 发布专有推理模型 Solar Mini 4。官方称其 35B 总参数、3B 激活参数,在 3B 激活以下模型中创下 Intelligence Index 与激活参数的新帕累托最优点,比上一代旗舰 Solar Pro 3 高 16 分,价格降至每 1M 输入/输出 token 0.10/0.40 美元。Artificial Analysis 测得它在 AA-LCR v1.1 上得 83%,与 MiniMax-M3、GPT-6 Luna (max) 持平;但智能体编码较弱,Terminal-Bench 4.0 仅 1%、AutomationBench-AA 22%。该模型为专有模型、权重未公开,仅支持文本输入输出,知识截止 2026 年 2 月。目前尚无后续发展事实。
匹配字段摘要
2026年10月14日,Artificial Analysis 发布 AA-Robotics v0.1 研究预览,让语言模型在编码智能体框架中直接控制一台 6 轴机械臂(5 个关节加一个夹爪),完成 8 项桌面任务。据其公布结果,GPT-6 Astra 以 69 分居首,其后为 GPT-6.1 Sol、Gemini 4 Argon、Claude Opus 5.5 和 Claude Fable 5.1。模型平均每项任务耗时约 30 分钟,比人类基线慢约 100 倍;GPT-6 Astra 平均每项任务耗时 30 分钟、花费 16.36 美元,GPT-6.1 Sol 最便宜为 1.93 美元。10月15日的后续报道同样称模型通过 HTTP API 控制机械臂,在四路摄像头画面下编写并运行代码完成任务,并给出 GPT-6 Astra 69 分、GPT-6.1 Sol 65 分、Gemini 4 Argon 55 分、Claude Opus 5.5 49 分、Claude Fable 5.1 46 分,单任务成本从 1.93 美元到 16.36 美元不等,相比人类基线约慢 100 倍、贵 10
匹配字段摘要
2026年10月14日,Meta首席执行官马克·扎克伯格重申拒绝协调式AI减速(pacing the frontier)。据Fortune AI报道,Meta本周发布Muse Wonder和Muse Wonder Full两款新模型,扎克伯格对《金融时报》称其已达到AI前沿水平。Meta自测基准显示,这两款模型在编码和记忆等关键领域超过OpenAI的GPT-6与Anthropic的Claude Fable 5.1;Artificial Analysis称其相较Meta此前模型有实质性的智能跃升,Vals则发现Wonder在网络安全任务上排名第一。新模型将用于驱动Muse助手的后续升级,Meta计划通过订阅变现,能力更强的版本定价为每月20美元或100美元。目前尚无进一步有证据的发展。
匹配字段摘要
2026年10月6日,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。官方称该模型在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;本月将以Apache 2.0协议发布权重、技术报告和模型卡。早先报道称Beam自报SWE-bench Verified得分80.9,观察者认为其大致处于GLM-5.2水平,部分基准低于DeepSeek V4 Flash。10月7日,Yuchen Jin评论称Beam与Mistral Large 4在过去两天都达到大致GLM-5.2水平,并由此提出西方与中国开源模型差距或在蒸馏能力的疑问。
匹配字段摘要
月之暗面开源了Kimi Vendor Verifier(KVV)项目,用于帮助开源模型用户校验推理实现的准确性。据官方博客,KVV包含六项基准测试,覆盖API参数约束预校验、OCRBench、MMMU Pro、AIME2025、K2VV ToolCall与SWE-Bench,其中SWE-Bench因依赖沙箱未开源。官方称在Two NVIDIA H20 8-GPU服务器上完成全流程验证,顺序执行约需15小时,并已针对流式推理、自动重试和断点续跑优化脚本。该开源动作与Kimi K2.6模型发布同期进行,K2.6主打长程编码与Agent Swarm能力,已上线Kimi.com、Kimi App、API和Kimi Code。目前尚无后续独立发展事实。
匹配字段摘要
2026年10月10日,Moonshot AI(月之暗面)推出Kimi Agent Swarm,可并行调度最多100个子智能体。据官方发布信息,该功能依托开源模型Kimi K2.5,在K2基础上用约15T混合视觉与文本token继续预训练,原生多模态,主打编码与视觉能力。K2.5可自主编排最多100个子智能体、执行最多1500次工具调用,相比单智能体设置最多缩短4.5倍执行时间,且无需预定义子智能体或工作流。官方称其针对单智能体顺序执行在长任务上的上下文与时间瓶颈,适用于大规模检索、批量文档处理、多视角分析等可并行场景。模型已上线Kimi.com、Kimi App、API和Kimi Code,Kimi.com与App提供K2.5 Instant、Thinking、Agent和Agent Swarm(Beta)四种模式,Agent Swarm在Kimi.com处于beta,高层级付费用户可获免费额度。该功能目前为早期研究预览,后续将加入子智能体直接通信与并行宽度动态控制。
匹配字段摘要
月之暗面(Moonshot AI)开源发布Kimi K2模型,包含基础版Kimi-K2-Base与后训练版Kimi-K2-Instruct。据其官方博客介绍,该模型为总参数1万亿、激活参数320亿的MoE架构,在非思考类模型的前沿知识、数学和编码任务上达到SOTA,并针对智能体任务优化,可自动调用工具完成多步任务。训练方面采用MuonClip优化器,在15.5T token上预训练且无训练尖峰。Kimi网页端和移动端用户即日起可免费选用,API兼容OpenAI/Anthropic接口,暂不支持视觉功能。目前尚无后续发展事实。
匹配字段摘要
2026年10月8日,AWS与Anthropic推出Claude Haiku 5.5,在Amazon Bedrock和Claude Platform on AWS上线。据Anthropic称,这是Claude 5.5系列中速度最快、效率最高的模型,面向子智能体和高并发、成本敏感的任务,多数任务成本比Claude Haiku 4.5低约75%。它是首个带effort controls的Haiku模型,可针对单个任务调节成本与智能的取舍,并支持智能体编码、多步工具调用和高分辨率图像。该模型可与Claude Opus 5.5搭配,由Opus 5.5负责规划与判断,Haiku 5.5承担路由、分类、摘要和跨文件小改动等高频子智能体任务。目前尚无后续发展事实。
匹配字段摘要
2026年10月8日,微软发布Windows端侧智能更新,涵盖端侧模型、Copilot与安全Agent能力。据早先报道,微软为Windows引入本地智能体能力,发布137B参数、256K上下文窗口的编码模型MAI-Code-1.1 Flash,并推出Hybrid Intelligence让Copilot直接在PC上执行操作、敏感数据保留在本地,Windows与Agent 365结合提供MXC本地沙箱。后续报道称,微软于10月7日宣布AI智能体策略驱动容器Microsoft Execution Containers(MXC)正式可用,支持在Windows、Linux、macOS上以沙箱方式运行模型输出、插件、工具等不可信代码,已在GitHub以MIT许可开源,GitHub Copilot、OpenAI Codex等已支持。此后,HuggingFace CEO Clément Delangue发表评论,称微软Windows发布展示了本地AI及llama.cpp的令人兴奋之处。
匹配字段摘要
2026年10月2日,Cloudflare发布其Workers AI团队训练的首批模型Clef和Clef-flash。二者是决策模型而非聊天机器人,读取输入状态和类型化问题schema后为每个允许答案返回概率,不输出自由文本。两个模型以Apache 2.0开源权重发布,兼容TypeSafe AI的Jev API,已在Workers AI上线,权重托管于Hugging Face供自托管。Clef由Qwen3.8-27B后训练而来,Clef-flash基于Qwen3.5-9B,均保留原骨干的视觉编码器。在Cloudflare的Decision Index 0.2.1十项基准中,Clef在其中7项得分最高,但Jev在GPQA Diamond、MMLU-Pro和BBH等知识密集型测试上仍领先,所有数字均为厂商自报,尚无独立复现。10月5日,Clef登上Hugging Face趋势榜热门第一。
匹配字段摘要
2026年10月1日,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。该模型以 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。目前尚无后续发展事实。
2026年10月1日,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。该模型以 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。目前尚无后续发展事实。
匹配字段摘要
2026年9月30日,AWS 与 OpenAI 宣布 GPT-6.1 Sol 在 Amazon Bedrock 正式可用。据 AWS Machine Learning 发布的信息,该模型是 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,GPT-6.1 Sol 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。目前尚无后续发展事实。
匹配字段摘要
2026年9月29日,Inception Labs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方面均有提升。据Inception Labs Blog介绍,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实现上述提升,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。Inception同步宣布完成由Menlo Ventures领投的5000万美元融资。目前尚无后续发展事实。
匹配字段摘要
2026年9月29日,Inception Labs发布扩散式推理语言模型Mercury 2,称其为全球最快的推理语言模型。该模型采用扩散式并行精炼而非自回归逐 token 解码,官方称生成速度提升超过5倍,在NVIDIA Blackwell GPU上达到1,009 tokens/sec。定价为每百万输入token 0.25美元、每百万输出token 0.75美元,支持可调推理、128K上下文、原生工具调用和schema对齐的JSON输出,并兼容OpenAI API,面向编码补全、智能体循环、实时语音和搜索RAG等延迟敏感场景,现已可用。同日,Inception Labs宣布Mercury 2上线Azure AI Foundry,目前在美国和加拿大区域提供。
匹配字段摘要
JetBrains 发布 12B MoE开源编码模型Mellum2.1
English translation is being prepared.
匹配字段摘要