Inception 发布扩散语言模型 Mercury 3，官方称在 NVIDIA GPU 上达到 1068 tokens/s，上下文窗口为 1M token，参数量未披露但超过 Mercury 1 的 40 倍。在 Inception 自报的 12 项基准中，Mercury 3 在 8 项上领先 GPT-6 Luna 和 Claude Haiku 5.5，其中 SWE-Bench Atlas 为 51.08、IFBench 为 76.84，但在 DeepSWE v1 和 MRCR v2 上落后于 Haiku 5.5。模型已上线 Inception API Platform、OpenRouter、Baseten 和 Vercel，API 兼容 OpenAI，模型名为 mercury-3，发布价为每百万 token 输入 0.10 美元、输出 0.35 美元，之后恢复为 0.20 美元和 0.70 美元。
匹配字段摘要、正文
Inception 于 2026 年 10 月 19 日发布扩散架构大模型 Mercury 3，称其在多项基准上超过 GPT-6 Luna 和 Claude Haiku 5.5，在 NVIDIA GPU 上速度达 1068 tokens/s，上下文窗口从 Mercury 2.5 的 26 万提升到 100 万 tokens。发布价每百万输入 tokens 0.10 美元、输出 0.35 美元，正式价为 0.20 和 0.70 美元，缓存输入为 0.02 美元。Mercury 3 可通过 Inception API、OpenRouter、Baseten 和 Vercel 调用，兼容 OpenAI API；Mercury 2 和 2.5 已停止向新用户开放，老客户可用至 2026 年 11 月 15 日。
匹配字段摘要、正文
微软在官方博客中称已完成自研大模型 MAI-Base-2 的预训练，总参数 2.8 万亿、激活参数 800 亿，全部层采用 MoE 架构。该模型在 8 月至 9 月用 16000 块 Nvidia GB200 GPU 训练 38 天，数据集含 50 万亿 token，视觉语言数据约占 18%。微软称其预训练算力效率达到 DeepSeek-V4-Pro-Base 的 4.2 至 12.3 倍，但该指标指达到同等评测表现所需的预训练 FLOPs，并非实际 GPU 速度或推理成本；模型目前仍在后训练阶段，尚未公布公开发布时间、定价或 API 条款。
匹配字段摘要、正文
Inception Labs 发布扩散语言模型 Mercury 3，称在多项基准上超过 GPT-6 Luna 和 Claude Haiku 5.5，在 NVIDIA GPU 上达到 1,068 tokens/s，速度是后两者的 4–8 倍。Mercury 3 参数量比 Mercury 1 大 40 倍以上，上下文窗口从 Mercury 2.5 的 260K 提升到 1M，官方称从 Mercury 1（mini）到 Mercury 3 的基准智能水平提升 3 倍。该模型已在 Inception API Platform 及 OpenRouter、Baseten、Vercel 上线，兼容 OpenAI API，早期合作伙伴已将其用于语音与客服、实时辅导、数据工程和网页导航。
匹配字段摘要、正文
微软 AI 研究团队公布基座模型 MAI-Base-2，采用全 MoE 架构，总参数 2 万亿、每次提示激活 800 亿。微软称其在科学、编程和数学的内部基准上超过 DeepSeek-V4-Pro-Base，部分指标上硬件效率最高提升 12 倍。该模型用 16000 块 NVIDIA GB200 训练 38 天，数据集为 50 万亿 token，其中约五分之一用于训练集成的计算机视觉模块；权重将通过 Azure 以授权方式提供给可信合作伙伴。
匹配字段摘要、正文
Reflection 发布首个模型 Beam，在 Artificial Analysis 智能指数上得分 30，位列美国开源权重模型第二，仅次于 Meta 的 Muse Spark Open（39），高于前一天发布的 NVIDIA Nemotron 3.5 Super VL（26）。Beam 为开源权重模型，总参数 501B、激活参数 23B，已在 Hugging Face 发布，上下文窗口 1M tokens，仅支持文本。其每个智能指数任务约消耗 26k 输出 token，约为 K2 Horizon（52k）的一半；AutomationBench-AA 得分 48.5%，但 Terminal-Bench 4.0 仅 3.0%，AA-Omniscience 正确率 33%、幻觉率 47%。
匹配字段摘要、正文
Reflection 发布首个模型 Beam，这是一个 501B 总参数、23B 激活参数的开源权重模型，在 Artificial Analysis 智能指数上得分 30，位列美国开源权重模型第二，仅次于 Meta 的 Muse Spark Open（39），高于 NVIDIA 的 Nemotron 3.5 Super VL（26）。Beam 每个智能指数任务约消耗 26k 输出 token，其中约 19k 用于推理、7k 用于回答；在 AutomationBench-AA 上得分 48.5%，但 Terminal-Bench 4.0 仅 3.0%。在 AA-Omniscience 上答对 33% 的问题，幻觉率为 47%，净指数得分 1.5。
匹配字段摘要、正文
Meta 发布开源权重模型 Muse Spark Open，面向编码与智能体任务，总参数 816B、激活参数 42B，上下文窗口 1M token，原生支持文本、图像、视频和音频。该模型已针对双 Apple M5 Ultra Mac Studio 与最新 MLX 框架优化，同时支持 SGLang、vLLM、TensorRT-LLM、Hugging Face Transformers、llama.cpp 和 Unsloth 等推理引擎，并针对 AMD、Apple、Intel 和 NVIDIA 芯片优化。模型今日起在 Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter 和 Together AI 等 API 平台上线，权重可在 Amazon SageMaker AI、Google Cloud Model Garden、Hugging Face 和 Microsoft Foundry Models 下载，采用 Muse Model License 发布，开发者可用 PyTorch 及 TorchTitan 进一步微调。
匹配字段摘要、正文
Meta 发布开源权重模型 Muse Spark Open，总参数 816B、激活 42B（MoE），在 Artificial Analysis Intelligence Index 上得分 39，成为该榜单上得分最高的美国开源权重模型。它比 Meta 今年 8 月的 30B 稠密开源模型 Muse Glimmer（high，17）高 22 分，也领先同日发布的 NVIDIA Nemotron 3.5 Super VL（26）。该模型上下文窗口 1M tokens，支持文本、图像、视频和音频输入，权重以 BF16 和 NVFP4 格式发布在 Hugging Face，API 可通过 Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter 和 Together AI 获取。
匹配字段摘要、正文
Meta 发布 Muse Spark Open 的开放权重，该模型自 4 月首发以来一直闭源，此次面向编码和长时间运行的智能体任务开放。模型总参数 816B，每个 token 仅激活 42B，提示词可混合文本、图像、音频或视频，上下文窗口最高 100 万 token。在 Meta 自己的基准表中，Muse Spark Open 在 JobBench 智能体测试得 61.8 分，高于 Thinking Machines Lab 的 Inkling（31.1）和 Nvidia Nemotron 3 Ultra（27.2）；编码测试 Terminal-Bench 2.1 得 76.4，低于 Kimi K3 的 85、GLM 5.3 和 Qwen3.8；工具调用 MCP-Atlas 得 89.2，高于 Meta 列出的所有对手。权重采用新的 Muse Model License，开发者适配或内置到自有软件中不收费，但将其作为托管服务出售且 12 个月总收入超过 2000 万美元的公司需另签协议，产品需标注 Built with Muse Spark Open，禁止军事和关键基础设施用途。发布时有 7 家推理服务商提供托管访问，权重可从 Hugging Face 及 AWS、Google、Microsoft 的模型目录下载。
码和长时间运行的智能体任务开放。模型总参数 816B，每个 token 仅激活 42B，提示词可混合文本、图像、音频或视频，上下文窗口最高 100 万 token。在 Meta 自己的基准表中，Muse Spark Open 在 JobBench 智能体测试得 61.8 分，高于 Thinking Machines Lab 的 Inkling（31.1）和 Nvidia Nemotron 3 Ultra（27.2）；编码测试 Terminal-Bench 2.1 得 76.4，低于 Kimi K3 的 85、GLM 5.3 和 Qwen3.8；工具调用 MCP-Atlas 得 89.2，高于 Meta 列出的所有对手。权重采用新的 Muse Model License，开发者适配或内置到自有软件中不收费，但将其作为托管服务出售且 12 个月总收入超过 2000 万美元的公司需另签协议，产品需标注 Built with Muse Spark Open，禁止军事和关键基础设施用途。发布时有 7 家推理服务商提供托管访问，权重可从 Hugging Face 及 AWS、Google、Micr
匹配字段摘要、正文
Black Forest Labs 发布 FLUX 3 Image Klein，这是一个 5.6B 参数的开源权重模型，支持文生图、图像编辑以及最多十张参考图生成，原生支持 4K 输出和像素级编辑。官方称其内部测试 Elo 评分在所有开源模型中最高，超过 Ideogram V4.5 和自家 FLUX.2 [pro]，比 9B 的 FLUX.2 [klein] 提升 91 Elo 且参数少 38%。INT8 版本可在仅 8 GB 显存的 NVIDIA GPU 上运行，RTX 4070 上生成一张图不到 9 秒；权重采用 FLUX Kommunity License，年营收低于 500 万美元的公司可免费商用，同时通过 BFL API、Playground、Hugging Face Spaces 以及 ComfyUI 和 Diffusers 本地使用。
匹配字段摘要、正文
Meta 发布编码优化的 816B MoE 模型 Muse Spark Open，每 token 激活 42B 参数，通过 256 个专家中 top-8 路由，支持 1M token 上下文窗口。该模型在 NVIDIA GB300 NVL72 Blackwell Ultra 上训练，面向智能体编码工作流，具备工具调用、子智能体协调与计算机使用能力，并通过 1.8B 感知编码器原生处理交错的文本、图像、视频帧和音频。Meta 生成的 NVFP4 检查点已针对 Blackwell Ultra 优化，权重可从 Hugging Face 下载，NVIDIA 同时提供 NIM 部署方案。
匹配字段摘要、正文
Meta 发布 Muse Spark Open 的开放权重，采用 Muse Model License 在 Hugging Face 上线，为 816B 总参数、42B 激活参数、1M token 上下文窗口的模型，原生多模态并面向编码与智能体任务。该版本在 Muse Spark 基础上增加安全后训练，可在 SGLang 和 vLLM 上运行，并针对 NVIDIA、AMD、Intel 优化。PyTorch 侧集成 Helion 内核，在 NVIDIA GB300 上相比 CUDA、CuTe DSL 自定义内核取得 1.03–3.95x 加速，AMD Mi350 端到端吞吐提升 3%；TorchTitan 已支持其 SFT、LoRA 与 TitanRL 微调。
匹配字段摘要、正文
阶跃星辰将 Step 5 Preview 开放权重，BF16 和 FP8 权重已上线 Hugging Face 与 ModelScope，并同步发布技术博客。该模型采用稀疏 MoE 架构，总参数 600B、每 token 激活 27B，支持 1M token 上下文窗口和原生文本与视觉输入，面向编码、软件工程、专业知识工作与金融等长周期智能体任务。部署方面支持用 vLLM 或 SGLang 提供 OpenAI 兼容 API、用 Transformers 离线推理，并获得 NVIDIA 的 Day-0 支持，可在 Blackwell 上运行，同时上线 Fireworks AI、Together Compute、Modal、DeepInfra 和 Featherless AI。
匹配字段摘要、正文
昆仑万维发布 Matrix-Game 4.0，称其为第一款运行在单张消费级显卡上的视频大模型游戏，并同步开源代码、权重与白模。该游戏在单张 NVIDIA RTX 5090 上以 480p、60 FPS 运行，端到端延迟低于 150 毫秒，显存峰值 18.5 GiB。方案由游戏引擎维护世界状态与交互规则、编程智能体将自然语言需求转为游戏代码、视频模型负责实时渲染画面。
匹配字段摘要、正文
Meta 发布开源权重前沿多模态 MoE 模型 Muse Spark Open，总参数 816B，每个 token 激活约 42B 参数，面向编码与智能体任务，支持文本、图像、视频和音频输入，上下文窗口 1M token。模型提供 BF16 与 NVFP4 两种 checkpoint，NVFP4 面向 NVIDIA Blackwell GPU，并已集成 transformers、llama.cpp、vLLM、SGLang 和 MLX，官方还给出在 64 张 H100 上用 TRL 训练 LoRA 适配器的微调配方。
匹配字段摘要、正文
Black Forest Labs 发布 FLUX 3 Image Klein，一个 5.6B 参数的开放权重模型，支持文生图、图像编辑和最多 10 张参考图的多参考生成，具备原生 4K 生成、像素级编辑和边界框控制能力。官方内部评测称其在文生图、多参考生成和图像编辑上排名第一，超过更大的开放权重模型以及 Ideogram V4.5 和 FLUX.2 [pro]；相比 FLUX.2 [klein] 9B，文生图提升 91 Elo、图像编辑提升 70 Elo，参数少 38%。模型以 FLUX Kommunity License 发布，含基础模型、步数蒸馏模型以及 FP8、INT8、NVFP4 版本，INT8 版本可在 8GB 显存的 NVIDIA GeForce RTX GPU 上通过 ComfyUI 或 Diffusers 运行，蒸馏模型加 INT8 在 RTX 5090 上约 4 秒生成 1MP 图像，RTX 4070 上不到 9 秒；API 定价每 1K 图像 0.009 美元起。
匹配字段摘要、正文
Fish Audio 本周发布 Drama 3，一个 35B 参数的混合专家（MoE）文本转语音模型，每 token 约 3B 参数激活，权重已上传 Hugging Face 并同步上线 Fish Audio API。模型支持 83 种语言，可用方括号内的自然语言表演指令控制语气，单次请求最多支持 16 个说话人。在 Artificial Analysis 发音鲁棒性评测中整体得分 93.2%，其中品牌、地名与技术术语 95.9%，代码、路径、邮箱等精确序列为 86.3%；自托管需至少 48 GB 显存的 NVIDIA GPU 并以 FP8 运行，API 标价每 100 万字符 50 美元，11 月 12 日前为 10 美元。
匹配字段摘要、正文
Neura Robotics 发布多模态基础模型 Neuron AI，面向物理 AI，融合 3D 视觉、触觉与力、音频、机器人状态和语言，并加入记忆功能，让机器人在物体离开视野后仍保留上下文。其 Perception-Language-Action 架构把多感官信息对齐到同一空间并转化为动作，训练数据来自真实机器人数据、仿真放大数据和人类演示数据三类来源。该模型在德国 Metzingen 内部开发训练，将在 Nvidia GTC Berlin 2026 上由人形机器人 4NE1 演示十一分钟的洗衣处理流程。
匹配字段摘要、正文
Liquid AI 发布 LFM2.5-24B-A2B，总参数 24B、每 token 仅激活 2B，是 LFM2.5 家族中最大也是最后一款模型，基础版与后训练版均已在 Hugging Face 和 Playground 开放权重。该模型在八项智能体与工具调用基准中的五项领先或持平 Qwen3.6-35B-A3B，AutomationBench 得分为 27.69 对 8.72，LiveClaw 为 48.09 对 38.19。它采用显式思维链的纯推理模式，上下文窗口从 32,768 扩展到 131,072 tokens，词表从 65K 扩至 128K，预训练数据从 17T 扩至 33T tokens，在 Apple M5 Max 上解码 184 tokens/s，单张 NVIDIA B300 GPU 高并发下输出超过 21K tokens/s。
匹配字段摘要、正文