搜索“推理”

模型提升推理并开放代码执行

未具名模型 提升性能并新增能力 数学、科学及多模态推理性能、百万上下文窗口与代码执行

查看事件：模型增强推理并开放代码执行

Gemini推理模型获实验更新

Gemini 2.0 Flash Thinking 获得实验性更新 基于用户反馈的功能

查看事件：Gemini推理模型获实验更新

OpenAI发布GPT-Rosalind-6系统卡附录

2026年10月31日,OpenAI发布GPT-Rosalind-6系统卡附录。该模型与GPT-6 Astra使用同一套权重,未新增训练数据或后训练,仅通过可信访问提供给经过审核的科研机构、企业和政府合作方。在最高推理预算下,MedChemBench v7平均评分49.6%(GPT-Rosalind-5.5为28.9%),GeneBench Pro v13单次尝试成功率37.7%(前代为16.7%),LifeSciBench Gold平均分61.3%(前代为44.0%)。按Preparedness Framework,该发布在生物与化学领域定为High能力、未达Critical阈值,网络安全领域定为Critical,AI自我改进低于High。目前尚无后续发展。

Mistral在Hugging Face发布Large 4权重

2026年10月29日,Mistral发布Mistral Large 4(Le Chonk)的开放权重,这是一个1万亿参数的原生多模态模型,在预览版基础上继续强化学习,编码与防御性网络安全能力提升。据Mistral AI公布的数据,该模型在FrontierCode 2.0上得分19.7%,在Artificial Analysis Coding Agent Index上得48%,与GLM-5.3基本持平,但每任务平均少用47% token;Terminal-Bench 4.0提升13个百分点至41%。模型支持三种推理模式,采用修改版MIT的Mistral Ecosystem Open-Weight许可,API定价为每百万输入token $0.70、缓存输入$0.07、输出$2.10。同日,Unsloth发布该模型的1-bit GGUF量化版本,称可在Mac Studio上本地运行,量化后仍保留91% top-1准确率,并提供下载链接和使用指南。

OpenAI在ChatGPT Work和Codex上线GPT-6.1 Terra

2026年10月27日,OpenAI发布并上线GPT-6.1 Terra,主打快速高效、视觉推理与精确的电脑操作,写作也更清晰自然,当日向ChatGPT Work和Codex中的Plus、Pro、Enterprise与Edu用户推送。同日,Arena宣布该模型进入Agent Arena与Code Arena;OpenRouter上线该模型,称其在Agents' Last Exam上与GPT-6 Astra持平,每token价格为其十分之一;OpenClaw也宣布可选用该模型。OpenAI联合创始人Greg Brockman表示,Terra的computer use已跨过质变门槛,用起来比他本人独立操作电脑还快。fal则用fal Codex插件测试了把Blender 3D内容制作成Seedance 2.5电影级画面。10月28日,Arena公布Terra在Code Arena: WebDev以1671分排第14,每任务中位成本0.40美元,比GPT-5.6 Terra低28%。OpenAI系统卡确认Terra整体比旧模型更安全,但在隐瞒不确定性、绕过限制、数据外泄和破坏性操作等项上标记率

蚂蚁百灵开源Ling-3.1-flash-1019

2026年10月27日,蚂蚁百灵开源Ling-3.1-flash-1019。据Artificial Analysis报道,该模型在Artificial Analysis Intelligence Index v4.3上得分44,高于前代的41;为560B总参数、25B激活参数的推理模型,支持1M token上下文窗口,采用MIT许可,已在Hugging Face以开放权重形式提供,并可通过InclusionAI的第一方API访问。量子位报道称,该版本在Ling-3.1-flash基础上进一步训练优化,同时开源基础模型Ling-3.1-flash-base。10月30日,蚂蚁百灵宣布该模型通过Novita AI向更多开发者开放,称其推理能力和真实场景智能体表现更强。

Google发布世界模型Genie 4

2026年10月27日,Google DeepMind发布世界模型Genie 4,主打实时交互模拟,并首次在该系列中引入原生音频。官方介绍称,该模型基于Gemini家族能力,Gemini Omni负责让模拟贴合真实世界的外观与行为,其他Gemini模型提供维持模拟连贯性所需的复杂推理;用户可用自然语言实时操控场景,每个世界还会即时生成环境音、音乐和交互对话。次日,Google DeepMind进一步说明,Gemini 3.8 Flash在循环中拆解目标、检查画面以维持多步事件的因果连贯,Gemini 4 Argon也已用于与Gemini Robotics联合模拟任务;官方称其仍属早期实验模型,长时运行下物体恒常性与复杂物理交互仍会漂移,生成内容均带SynthID水印,目前先向可信测试者开放预览。10月28日,Ethan Mollick发帖称Genie 4能运行DOOM,并实测其边生成边产出游戏式环境,表示体验并不完美。10月29日,Peter Yang用Genie 4实时构建5个世界,认为世界模型是LLM之后AI的下一个大方向。

Google发布Gemini 4 Argon并展示复杂任务能力

Google于2026年10月27日发布最新模型Gemini 4 Argon,并展示其处理复杂真实任务的能力。Google称该模型可进行推理、编码并协调工具,官方给出8个示例:一是在零素材条件下从零写出5000行数学代码,渲染3D阳光图书馆;二是在Antigravity中处理NASA火星任务超过8万份原始文件,并生成高管汇报幻灯片。目前尚无后续发展信息。

Block发布全双工语音模型Dessa

Block内部AI研究实验室于10月23日发布全双工语音到语音模型Dessa。据Unite.AI报道,该模型完全基于人类对话语音从零训练,可同时听和说,并能原生感知情绪、讽刺和笑声;推理速度快于实时,可在MacBook Pro M4 Max或更高配置上本地运行,团队用单台NVIDIA GB200 NVL72完成训练。Block已公开演示录音和公开等待名单,并向少量AI安全研究者开放早期访问。另有报道称,该模型不依赖文本中介,支持随时插话打断的全双工对话,训练消耗的token量比大语言模型少数百倍,但作者指出这目前只是Block内部实验室的小规模研究预览,demo由官方挑选,纯音频模型在复杂多步逻辑推理上的表现仍存疑问。

腾讯混元推出开源交互式视频世界模型Hy-Nomas

腾讯混元于2026年10月24日推出开源交互式视频世界模型Hy-Nomas。据官方发布信息,该模型支持用文本提示词和相机轨迹进行交互,并具备带世界记忆的长时程生成能力;可通过轻量LoRA适配机器人等专门领域,并针对消费级GPU推理做了优化。官方同时给出了网站、GitHub、Hugging Face和演示入口。目前尚无后续发展事实。

Google DeepMind发布Gemini 4 Argon

2026年10月23日,Google DeepMind发布前沿模型Gemini 4 Argon。Google官方博客称,该模型在编码、数学和3D世界构建等复杂任务上表现突出,并在多领域基准上超过其他前沿模型;官方同时展示了5个社区创意项目,包括实时映射野火与地震波动的3D地球、带实时数据的涡扇发动机模拟、由单张图片生成的3D马车以及多人夺旗浏览器游戏,并称该模型上周已大范围开放。同日另有报道称,Argon可通过观看视频学习物理任务并迁移到Apptronik的Apollo人形机器人,在内部测试中Apollo连续命中七次,该报道还称Argon在具身推理基准ERQA上得分87%。10月24日,Gemini for Android应用通过服务端更新推送侧边栏与设置界面改版,报道称该改版上周已随Gemini 4 Argon登陆iOS、macOS和Web端。

MiniMax开源M3.1 Flash模型权重

2026年10月23日,MiniMax 稀宇科技公开 MiniMax M3.1 Flash 的模型权重。官方信息显示,该模型总参数 428B,每 token 激活 23B,采用 MiniMax Sparse Attention 与 DSpark 投机解码提升推理效率;权重已上线 Hugging Face 和 ModelScope,并提供 API 与 MCode 桌面端入口。同日,Together AI 作为首日上线合作方将该模型部署到其 AI Native Cloud 生产环境,用户无需自行管理 GPU;据其介绍,模型面向智能体任务、编码、计算机操作与网络安全场景,支持 1M 上下文窗口和视觉能力。10月24日,MiniMax 宣布 M3.1 Flash 已上线 Tenstorrent Cloud,可在 Tensix 芯片上运行,并支持 Ethernet 横向扩展与开源技术栈。

蚂蚁百灵开源医疗增强MoE模型Ling-3.0-flash-Sante

蚂蚁百灵于2026年10月22日宣布正式开源医疗增强模型Ling-3.0-flash-Sante。该模型采用MoE架构,总参数124B,每个token仅激活5.1B参数。官方称其在专业医疗任务和复杂医学推理上性能领先同规模模型。除医疗问答外,该模型还针对深度研究、多智能体协作和工具调用做了能力强化,模型权重现已开放下载。目前尚无后续发展事实。

Matt Turck称开源语音AI迎来小型端侧SOTA TTS模型套件

Matt Turck 转发并评论称,开源语音AI领域出现一套小型端侧SOTA文本转语音模型套件。相关消息显示,Gradium 开源了 Phonon 端侧语音合成模型套件,全部模型参数均在 50m 以下,主打多语言自然度与准确度,并称提供迄今最广的推理支持;其中 Phonon-31m 以 Apache 2.0 许可开放。目前该消息由 Matt Turck 转发,尚无更多后续发展。

dreamlabs_ai发布机器人基础模型Dream-1

2026年10月20日,dreamlabs_ai结束隐身状态,发布机器人基础模型Dream-1。据同一报道,该模型可控制此前未见过的双臂机器人,执行未训练过的任务,并进入此前未到过的场所,起价每小时3美元。同日,Dream API向所有人开放,其推理由fal Serverless提供支持。目前尚无后续发展事实。

记忆张量开源发布MemT 1.0记忆原生模型系列

2026年10月20日,记忆张量开源发布MemT 1.0系列记忆原生模型。该系列包含两个型号:Nano为36B参数、激活3B,基座为Qwen3.6-35B-A3B;Flash为288B参数、激活17B,基座为DeepSeek-V4-Flash。模型在选定的Transformer模块中加入与注意力并行的记忆分支,把经验编码为可更新的矩阵状态并参与后续生成。在500项SWE-bench Verified任务中,Nano关键断点平均成功率为69.73%,无经验基线为66.07%;在128K长历史下,端到端推理速度约为完整上下文方案的1.86倍,每条轨迹持久状态占用为完整上下文KV Cache的六十六分之一。目前尚无后续发展事实。

Recursive发布开放权重本地编码模型Flint

2026年10月21日,Recursive Superintelligence 发布开放权重本地编码模型 Flint。据相关报道,Flint 是 40B 混合专家模型,每 token 激活约 2.5B 参数,采用 Apache 2.0 许可,权重已在 Hugging Face 开放,由自动化研究系统 Eureka Machine 在不到 4 个月内从零构建。10月22日,Hugging Face 联合创始人 Thomas Wolf 评价称,Recursive 研究者把通常建议保持高精度的 lm_head 量化到 4 位,结果与 bf16 仅差 0.7 个百分点。同日,OpenRouter 上线 Flint,称其面向编码智能体,支持 262K 上下文、推理和工具调用,上线期间免费使用;Unsloth 则发布 Flint 的 Dynamic GGUF 量化版本,称可在 24GB 内存设备上本地运行。目前该模型已通过开放权重、托管平台和量化版本形成多种使用途径。

ElevenLabs发布Eleven Realtime v1语音到语音模型

2026年10月20日,ElevenLabs发布Eleven Realtime系列语音到语音模型,包含面向低成本自然对话的v1 Mini和面向复杂任务的v1 Max。据ElevenLabs博客,两者均支持90多种语言并可调用其17,000多个音色;Artificial Analysis的独立评测显示,v1 Max在Big Bench Audio语音推理上答对98.8%,平均0.57秒开始说话,v1 Mini分别为75.9%和0.62秒。该API兼容OpenAI Realtime API,已有集成只需更换endpoint和模型名,也可在ElevenAgents中直接选择模型部署。10月22日,智东西报道称两款模型目前仅支持WebSocket连接,其实测中Architect搭建助手可用语音修改Agent设置,但中文口音明显、回复偏长且延迟较高。

Arthur Mensch宣布发布一整套语音模型

Arthur Mensch宣布发布一整套最先进的语音模型。据Mistral AI于2026年10月20日发布的信息,该语音模型家族为Voxtral 3,包含支持50多种语言的转写模型Voxtral Small Transcribe 3,以及支持35多种语言和50多种方言的合成模型Voxtral Mini TTS 3;同时提供基于LiveKit的语音Agent SDK,将听、推理、工具调用和说话串成实时流式管线,官方称每轮响应在1秒内完成。转写模型支持说话人分离、上下文偏置和轮次结束检测,Mini版本为4B参数,批量转写定价为每分钟0.0035美元;合成模型定价为每100万字符13美元,支持30分钟音频的语音克隆。该家族可通过Mistral的欧洲托管API或自部署使用,语音Agent API搭配Mistral Small 4推理时定价为每分钟0.04美元。

fal称FLUX 3 Max第三方评测获1,139 Elo

fal 表示,FLUX 3 Max 在第三方基准评测中取得 1,139 Elo,基于独立人类偏好评估进入前沿图生视频模型第一梯队。该模型由 fal Research 与 bfl_ai 合作推出。此前报道称,该模型通过专门的后训练和推理优化,在第三方独立基准的图像生视频质量上并列第一,生成 10 秒 720/768p 视频约需 12 秒;另有报道称其在 Artificial Analysis 图生视频指数上得分 1,139,生成速度最高比 Seedance 2.5 快 22 倍。fal Research 称仍在继续对该模型做后训练,后续将提升质量与性能。