OpenAI 推出新模型 GPT-6.1 Terra，主打视觉推理、电脑操作和写作能力，标准 API 价格为每百万输入 token 1 美元、每百万输出 token 5 美元，较 GPT-5.6 Terra 和 GPT-6.1 Sol 低 50%。在 Agents' Last Exam 中等推理强度下，其电脑操作得分较 GPT-5.6 Terra 提高 15 个百分点，表现与 GPT-6 Astra 相当，每 token 价格仅为后者的十分之一。该模型已面向 ChatGPT Work 和 Codex 的 Plus、Pro、Enterprise 及 Edu 用户开放，但最复杂的编程任务仍建议使用 GPT-6.1 Sol 和 GPT-6 Astra。
匹配字段摘要、正文
OpenAI 发布 GPT-6.1 Terra，替代 GPT-5.6 Terra，API 定价为每百万输入 token 1 美元、输出 5 美元，是 GPT-6.1 Sol 的一半。该模型支持 1.05M token 上下文和 128K 最大输出，面向视觉推理、电脑操作与写作，仅通过 OpenAI 托管的 API、ChatGPT Work 和 Codex 提供。在 Agents' Last Exam v1 上最高努力档得分 60.0%、每任务 1.01 美元，MMMU-Pro 视觉得分 85.5%，但 Terminal-Bench 4.0 仅 50.3%，落后于 GPT-6.1 Sol 和 Claude Sonnet 5.5。
匹配字段摘要、正文
OpenAI 推出新模型 GPT-6.1 Terra，重点提升视觉理解与电脑操作能力，标准 API 价格较 GPT-5.6 Terra 和 GPT-6.1 Sol 均降低 50%。在 Agents' Last Exam 中等推理强度下，其得分比 GPT-5.6 Terra 高 15 个百分点，成本约为后者三分之一；Terminal-Bench 4.0 最高推理强度下完成 50.3% 任务。该模型即日起面向 ChatGPT Work 和 Codex 的 Plus、Pro、Enterprise 及 Edu 用户开放，API 模型名为 gpt-6.1-terra，输入每百万 token 1 美元、输出每百万 token 5 美元。
匹配字段摘要、正文
OpenAI 发布 GPT-6.1 Terra，主打计算机操作、视觉推理、编码和日常办公，API 价格为每百万输入 token 1 美元、每百万输出 token 5 美元，比 GPT-5.6 Terra 和 GPT-6.1 Sol 低 50%。在 Agents' Last Exam 上，中等推理强度下得分比 GPT-5.6 Terra 高 15 个百分点，成本约为其三分之一，完成任务速度超过 GPT-6 Astra 和 GPT-6.1 Sol 的 3 倍。内部基准显示低推理强度错误率从 53.6% 降至 16.7%，Terminal-Bench 4.0 最高推理强度得分 50.3%，GPT-5.6 Terra 为 21.5%。该模型已向 Plus、Pro、Enterprise 和 Edu 用户开放于 ChatGPT Work 与 Codex，API 型号为 gpt-6.1-terra。
匹配字段摘要
OpenAI 的 GPT-6.1 Terra 已在 OpenRouter 上线，在 Agents' Last Exam 上与 GPT-6 Astra 持平，每 token 价格为其十分之一。该模型平均完成任务速度比 Astra 和 GPT-6.1 Sol 快 3 倍以上，定价为输入 $1/M、输出 $5/M，上下文窗口 1.05M。
匹配字段摘要、正文
OpenAI 发布 GPT-6.1 Terra，主打视觉理解、跨应用电脑操作和自然语言写作，标准 API 价格较 GPT-5.6 Terra 下调 50%，每百万输入 Token 1 美元、输出 Token 5 美元。OpenAI 称其在 Agents' Last Exam 中等推理强度下较 GPT-5.6 Terra 提高 15 个百分点，最高推理强度下 Token 效率为 Claude Opus 5.5 的三倍以上、每 Token 价格为其四分之一。模型于 10 月 26 日起向 ChatGPT Work 和 Codex 的 Plus、Pro、Enterprise 及 Edu 用户开放，API 模型名为 gpt-6.1-terra。
匹配字段摘要、正文
GPT-6.1 Terra 发布，主打构建更快、更便宜的智能体，可对图像进行推理并操作计算机。在 Agents' Last Exam 上比 5.6 Terra 高 15 分，成本约为后者的三分之一。API 定价为输入 $1/M、缓存 $0.05/M、输出 $5/M，正在 ChatGPT 和 Codex 的付费套餐中逐步推出。
匹配字段摘要、正文
OpenAI 发布 GPT-6.1 Terra，输入/输出价格为每百万 token 1 美元/5 美元，低于 GPT-5.6 Terra 的 2 美元/12 美元，缓存写入降至 1.25 美元、缓存输入降至 0.05 美元。Artificial Analysis 测得该模型在最大 effort 下智能指数比 GPT-5.6 Terra 高 6 分，单任务成本 0.40 美元对 1.40 美元，低 effort 档提升 7 至 13 分。在 AA-Omniscience 中，模型遇到不知道答案的问题时猜测比例为 38%，此前为 88%，同时准确率提高 2 分；Coding Agent Index v2.0 得分 48，Terminal-Bench 4.0 提升约 20 分。
匹配字段摘要、正文
OpenAI 发布 GPT-6.1 Terra，输入/输出价格为每百万 token 1 美元/5 美元，低于 GPT-5.6 Terra 的 2 美元/12 美元。在 Artificial Analysis 智能指数中，最高 effort 下比 GPT-5.6 Terra 高 6 分，单任务成本 0.40 美元对 1.40 美元；低、中 effort 档位处于智能与成本的前沿。在 AA-Omniscience 基准上，模型不知道答案时的猜测率从 88% 降至 38%，准确率同时提高 2 分；Terminal-Bench 4.0 提升约 20 分，Coding Agent Index v2.0 得分 48。
匹配字段摘要、正文
10 月 24 日凌晨，月之暗面（Kimi）正式推出 Kimi K3.1 Pro，称这是其迄今能力最强的 3 万亿级参数模型，支持 100 万上下文，在代码、3D 创作、金融研究和长程 Agent 能力上提升明显。Kimi K3.1 Pro 是 Kimi K3 的后训练版本，通过增强后训练算力和技术优化，在所有领域获得大规模 RL 带来的全面提升。这是 Kimi 首次在模型版本中推出 Pro 模型，也是 K3.1 系列的第一个模型，为后续性价比模型留出空间。
匹配字段摘要、正文
月之暗面发布新一代开源大模型 Kimi K3.1 Pro，参数规模达 3 万亿级，支持 100 万 Token 上下文窗口，蝉联全球参数规模最大的开源模型。该模型是 Kimi K3 的后训练版本，后训练算力大幅增加，在代码、3D 创作、金融研究和长程 Agent 能力上提升显著，多项国际评测中综合智能水平已接近全球领先的闭源模型。报道还提到，OpenRouter 统计显示 10 月 12 日至 18 日全球 AI 大模型总调用量为 164 万亿 Token，中国大模型周调用量连续 25 周超过美国。
匹配字段摘要、正文
MiniMax 已在 Hugging Face 公开 MiniMax M3.1 Flash 权重，该模型总参数 428B，每 token 激活 23B。官方称其在智能体任务、编码和网络安全上有代际提升，BankerToolBench 得分 76.2、DeepSWE v1.1 为 73.7%、OSWorld V2 为 61.7、Agents' Last Exam 为 29.6、CyberGym 为 82.2。该模型即 OpenRouter 上的 stealth 模型 Space Bunny，10 月 19 日发布，现已在 MiniMax 平台和 API 上线。
匹配字段摘要
MiniMax M3.1 Flash 权重已公开，总参数 428B，每 token 激活 23B。官方称其在智能体任务、编码和网络安全上大幅提升，BankerToolBench 76.2、DeepSWE v1.1 73.7%、OSWorld V2 61.7、Agents' Last Exam 29.6、CyberGym 82.2。模型采用 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。
匹配字段摘要、正文
Recursive 发布首个模型 Flint，总参数 400 亿、每 Token 激活 25 亿参数的 MoE，面向本地 Agent 编程，权重以 Apache 2.0 开源。短上下文下在 M4 Pro MacBook Pro 上每秒超过 125 个 Token，64GB RTX Spark 上超过 150 个，支持 llama.cpp、Ollama、LM Studio、vLLM、SGLang、Unsloth。其研发几乎各环节由自动化研究系统 Eureka Machine 参与，包括架构搜索、把输出层量化到 4 bit 并做离线蒸馏、以及为 M4/M5 融合 Metal 内核。
匹配字段摘要、正文
Kling 4.0 已在 fal 平台上线，这是一款新一代原生多模态视频模型，提升了复杂运动的稳定性、角色与场景的参考一致性，以及对电影化叙事的控制精度。目前仅通过 fal UX 和 fal Agent 提供，API 访问即将开放。
匹配字段摘要、正文
ElevenLabs 发布 Eleven Realtime Max 和 Mini 两款语音到语音模型。Eleven Realtime v1 Max 在 Big Bench Audio 上得分 98.8%，开口响应时间为 0.57 秒；Eleven Realtime v1 mini 面向低成本的自然对话场景优化。两款模型均已在 ElevenAgents 平台和 API 上线。
匹配字段摘要、正文
Arena 宣布 DeepSeek-V4.1-Flash-20261017 (Max) 进入 Arena，在 Agent Arena 和 Code Arena: WebDev 两个榜单中均位列开源模型第一。Arena 同时提到可在相关帖子中查看该模型生成的 3D 世界，以及更详细的排名信息。
匹配字段摘要、正文
ElevenLabs 发布两款语音到语音模型 Eleven Realtime，其中 v1 Max 在 Big Bench Audio 上得分 98.8%，响应时间 0.57 秒。较小的 v1 Mini 面向低成本自然对话，能判断对方是说完还是只说“mm-hmm”，v1 Max 则面向客服等更复杂任务。两款模型可通过 ElevenAgents 平台和兼容 OpenAI 的 Realtime API 使用，按分钟加 token 计费，v1 Max 价格高于 v1 Mini。
匹配字段摘要、正文
MiniMax 正式发布 M3.1 Flash，即此前在 OpenRouter 上匿名屠榜的 Space Bunny（玉兔）。该模型在 Agents' Last Exam 上得分 29.6%，位列国产模型第一，AA 榜单得分 43；DeepSWE v1.1 拿下 73.7%，CyberGym 82.2 分，BankerToolBench 76.2 分与 Claude Opus 5 并列第一，OSWorld V2 为 61.7 分。模型采用稀疏注意力架构，输出最快 200+ TPS、中位数 170+ TPS，输入每百万 Token 1 元、输出 4 元、缓存读取 0.1 元，综合使用成本相比前代 M3 下降 70%。
匹配字段摘要、正文
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，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。
匹配字段摘要、正文