蚂蚁百灵发布首个金融增强模型 Ling-3.0-flash-Fin，延续 Ling-3.0-flash 架构，保持 124B 总参数、5.1B 激活参数，通过金融语料持续预训练、领域后训练和工具使用优化强化年报、财务工作簿等复杂金融内容处理。模型在 FinFIRST、FinSearchComp Verified、Finance Agent、APEX-Agents、SpreadsheetBench、τ³-Banking 等基准上测试，AA Intelligence Index v4.1.1 得分由 38 提升至 41。模型将在 OpenRouter 开启为期一个月的限时免费 API 调用，权重于下周开源。
匹配字段摘要、正文
Google DeepMind 发布 Gemini Omni 1.1 Flash，面向开发者提供更强的生成视频控制能力，可通过 Google AI Studio 或 Gemini Enterprise Agent Platform 调用。新版本支持场景延长，可分析最多 10 秒前序上下文，以 10 秒为单位延长至累计 40 秒；还支持指定首尾帧生成过渡画面、1080p 与 4K 输出，以及 360p 轻量预览，官方称其生成速度最高快 60%、成本为 720p 的三分之一。
匹配字段摘要、正文
Google DeepMind 发布 Gemini 3.5 Transcribe，一款面向实时转写的语音转文本模型，已在 Gemini API、Google AI Studio 和 Gemini Enterprise Agent Platform 向开发者开放。相比此前的 Chirp 3，其最终转写时间据 Artificial Analysis 测量提升 70%，在 FLEURS 基准上流式模式 WER 为 5.50%、非流式模式为 5.04%，并支持多说话人区分、词级时间戳和实时语言切换。该模型同时接入 Gboard、Antigravity、Gemini app 和 Chrome 等产品，LangChain、LiveKit、Vercel 等平台通过 Gemini Live API 提供支持。
匹配字段摘要、正文
匿名模型 Ox Alpha 免费登陆 OpenRouter，支持 1M-token 上下文和多模态输入，面向编程与持续智能体任务。其 DeepSWE 子集完整测试得分为 63%，接近 Fable 5 且每项任务消耗的 Token 更少；早期线索指向智谱 AI，但开发者身份尚未揭晓。
匿名模型 Ox Alpha 免费登陆 OpenRouter，支持 1M-token 上下文和多模态输入，面向编程与持续智能体任务。其 DeepSWE 子集完整测试得分为 63%，接近 Fable 5 且每项任务消耗的 Token 更少；早期线索指向智谱 AI，但开发者身份尚未揭晓。 · The anonymous Ox Alpha model launched free on OpenRouter with a 1M-token context window and multimodal input for coding and sustained agentic work. It scored 63% in full testing on a DeepSWE subset, approaching Fable 5 while using fewer tokens per task; early clues point to Zhipu AI, but its developer remains unconfirmed.
匹配字段摘要、正文
DeepSeek 在 API Platform 上线实验性多模态模型 DeepSeek-V4-Flash-Vision-Exp，其文本能力与 DeepSeek-V4-Flash 相当，涵盖智能体、推理和世界知识。该模型在多模态智能体评测中较 V4-Flash 显著提升，表现接近 Opus-4.8；DeepSeek Harness 0.1.1 已提供开箱即用的支持。
-Flash-Vision-Exp，其文本能力与 DeepSeek-V4-Flash 相当，涵盖智能体、推理和世界知识。该模型在多模态智能体评测中较 V4-Flash 显著提升，表现接近 Opus-4.8；DeepSeek Harness 0.1.1 已提供开箱即用的支持。 · DeepSeek has made the experimental multimodal model DeepSeek-V4-Flash-Vision-Exp available on its API Platform, with text capabilities matching DeepSeek-V4-Flash across agents, reasoning, and world knowledge. It significantly improves on V4-Flash in multimodal agent benchmarks, approaching Opus-4.8, and DeepSeek Harness 0.1.1 provides out-of-the-box support.
匹配字段摘要、正文
DeepSeek 发布 DeepSeek-V4-Pro，重点升级 Agent 能力，并为 V4-Pro 与 V4-Flash 提供 low、high 和 max 三档推理强度。该模型原生支持 OpenAI Responses API，并针对 Codex 优化；现已通过 app/web 的“Expert Mode”和 API 提供，模型名称保持不变。
DeepSeek 发布 DeepSeek-V4-Pro，重点升级 Agent 能力，并为 V4-Pro 与 V4-Flash 提供 low、high 和 max 三档推理强度。该模型原生支持 OpenAI Responses API，并针对 Codex 优化；现已通过 app/web 的“Expert Mode”和 API 提供，模型名称保持不变。 · DeepSeek launched DeepSeek-V4-Pro with major Agent upgrades and low, high, and max reasoning-effort settings for V4-Pro and V4-Flash. The model natively supports the OpenAI Responses API and is optimized for Codex; it is now available through “Expert Mode” on the app and web, as well as via API, with model names unchange
匹配字段摘要、正文
蚂蚁百灵正式开源 Ling-3.0-tiny，这是一款总参数 7.9B、推理时仅激活 1.3B 参数的原生混合推理模型，同步提供 BF16、FP8 和 INT4 三个版本。官方称其在 Artificial Analysis Intelligence Index 获 25 分，Agentic Index 达 16 分，输出速度超过 160 tokens/s。模型可在单台 NVIDIA DGX Spark 上完成 FP8 推理，权重约 7.85GB，并已完成 Apple Silicon 的 MacBook 与 Mac mini 本地运行适配。
匹配字段摘要、正文
Liquid AI 发布 LFM2.5-2.6B，一款完全在设备端运行的智能体模型，基础版与后训练版已在 Hugging Face 上线。该模型为 2.6B 参数、预训练约 34T tokens，词表扩展至 128K 并包含 128K 上下文扩展阶段，后训练经 SFT、教师专精、MOPD 蒸馏与 Agentic RL 四阶段。推理方面在 M5 Max 上解码 220 tokens/s、Ryzen AI Max+ 395 上 113 tokens/s，占用低于 2.5 GB，手机端保持 30 tokens/s，并首日支持 llama.cpp、MLX、vLLM、SGLang 和 ONNX。
匹配字段摘要、正文
DeepSeek-V4-Flash 官方 API 已开放公测，智能体能力评测成绩大幅超过 V4-Pro-Preview。该版本原生支持 Responses API 格式，并已适配 Codex，配置详情可查阅官方 API 文档。
DeepSeek-V4-Flash 官方 API 已开放公测，智能体能力评测成绩大幅超过 V4-Pro-Preview。该版本原生支持 Responses API 格式，并已适配 Codex，配置详情可查阅官方 API 文档。 · The official DeepSeek-V4-Flash API is now available in public beta, with Agent capability benchmark scores far surpassing V4-Pro-Preview. The release natively supports the Responses API format and is adapted for Codex, with configuration details available in the official API documentation.
匹配字段摘要、正文
Google DeepMind 发布 Gemini Robotics ER 2，定位为机器人的高层大脑，支持实时空间推理、多步任务规划和多机器人协作，可通过 Gemini API、Google AI Studio 或 Gemini Enterprise Agent Platform 调用。相比 ER 1.6，新模型能通过连续视频流跟踪任务进度并实时纠错，在进度分类任务上达到 57.4% 准确率，在 moment-finding 任务上达到 91.3% 准确率和 0.96s 平均绝对距离。官方还展示了其编排 Boston Dynamics Spot 的导航与机械臂 API 完成取物，并支持 Apptronik Apollo 2 与 Franka F3 Duo 协作，代码已在 GitHub 开源。
匹配字段摘要、正文
Poolside 发布 Laguna S 2.1，这是一个可在终端或开发环境中自主规划、改文件、跑代码并持续数小时的智能体编码模型，采用 MoE 架构，1180 亿参数、每 token 约 80 亿激活，支持最多 100 万 token 上下文，量化后可跑在单台 NVIDIA DGX Spark 上。在 Poolside 自家 harness 中，开启思考模式的 Laguna S 2.1 在 Terminal-Bench 2.1 上得分 70.2%，权重以 OpenMDW-1.1 许可发布在 Hugging Face，最终评测轨迹（含失败案例）也已公开。公司同时上线 macOS 桌面应用 Poolside Desktop Assistant，基于 Agent Client Protocol，可在同一窗口运行 Claude Code、Codex、Gemini 等智能体，本地模型通过 MLX 离线运行。
匹配字段摘要、正文
Google DeepMind 推出 Gemma 4 12B，将智能体式多模态能力带到笔记本电脑，并首次在其中型模型中支持原生音频输入。该模型在标准评测中的表现接近 26B MoE，内存占用不到后者一半，可在配备 16GB RAM 的消费级笔记本上本地运行。其无编码器架构可直接整合音频与视觉输入，以减少延迟和内存用量。
智能体式多模态能力带到笔记本电脑，并首次在其中型模型中支持原生音频输入。该模型在标准评测中的表现接近 26B MoE，内存占用不到后者一半，可在配备 16GB RAM 的消费级笔记本上本地运行。其无编码器架构可直接整合音频与视觉输入，以减少延迟和内存用量。 · Google DeepMind introduced Gemma 4 12B, bringing agentic multimodal capabilities to laptops and adding native audio input to one of its mid-sized models for the first time. It approaches the 26B MoE model’s performance on standard benchmarks with less than half the total memory footprint and can run locally on consumer laptops with 16GB of RAM. Its encoder-free archi
匹配字段摘要、正文
Google DeepMind 推出面向复杂智能体工作流的 Gemini 3.5 系列，率先发布 3.5 Flash，并计划下月推出 3.5 Pro。3.5 Flash 在 Terminal-Bench 2.1 获得 76.2%，输出速度为其他前沿模型的 4 倍。该模型已全面开放，并成为 Gemini 应用和全球搜索 AI Mode 的默认模型。
Flash，并计划下月推出 3.5 Pro。3.5 Flash 在 Terminal-Bench 2.1 获得 76.2%，输出速度为其他前沿模型的 4 倍。该模型已全面开放，并成为 Gemini 应用和全球搜索 AI Mode 的默认模型。 · Google DeepMind introduced the Gemini 3.5 family for complex agentic workflows, beginning with 3.5 Flash, while 3.5 Pro is planned for next month. Gemini 3.5 Flash scores 76.2% on Terminal-Bench 2.1 and produces output tokens four times faster than other frontier models. It is generally available and is now the default model in the Gemini app and AI Mode in Search globally.
匹配字段摘要、正文
蚂蚁百灵发布 Instruct 模型 Ling-2.6-flash，总参数量 104B、激活参数 7.4B，围绕推理效率、Token 效率与 Agent 场景做系统优化。官方称其在 4 卡 H20 下推理速度最快达 340 tokens/s，Prefill 吞吐为 Nemotron-3-Super 的 2.2 倍；Artificial Analysis 完整评测中仅消耗 15M tokens，约为 Nemotron-3-Super 等模型的 1/10。模型在 BFCL-V4、TAU2-bench、SWE-bench Verified、Claw-Eval、PinchBench 等评测中取得同尺寸 SOTA 水平，并已在 OpenRouter 与官方平台提供一周免费 API 调用，BF16、FP8、INT4 版本将于近期开源。
匹配字段摘要、正文
MiniMax 发布 M2.7，官方称其在真实软件工程任务中表现突出，SWE-Pro 得分 56.22%，接近 Opus 的最佳水平，VIBE-Pro 为 55.6%，Terminal Bench 2 为 57.0%。在专业办公软件领域，M2.7 的 GDPval-AA ELO 得分为 1495，为开源模型中最高，并提升了 Excel、PPT、Word 的复杂编辑与多轮修订能力。该模型在与 40 多个、每个超过 2000 tokens 的复杂技能协作时保持 97% 的技能遵循率，官方还展示了用于模型自进化的 agent、多智能体协作演示及 WildGuard 网页生成案例。
匹配字段摘要、正文
MiniMax 发布 MiniMax-M2.1，重点提升真实复杂任务表现，系统增强 Rust、Java、Golang、C++、Kotlin、Objective-C、TypeScript、JavaScript 等语言能力，并加强 Android 与 iOS 原生开发。相比 M2，M2.1 回复与思维链更简洁，响应更快、token 消耗明显下降，在多语言场景超过 Claude Sonnet 4.5 并接近 Claude Opus 4.5，在自建 VIBE 全栈基准上平均得分 88.6。模型权重已开源，可从 HuggingFace 下载，支持 SGLang、vLLM、Transformers、Ktransformers 本地部署，API 已在 MiniMax 开放平台上线，MiniMax Agent 也已基于该模型公开可用。
匹配字段摘要、正文
Mistral AI 推出 Devstral 2 编程模型家族及开源命令行智能体 Mistral Vibe CLI，可执行跨文件代码修改与工程任务。123B 和 24B 模型均支持 256K 上下文，在 SWE-bench Verified 上分别获得 72.2% 和 68.0%；小模型支持消费级硬件本地部署。Devstral 2 目前可免费调用 API，免费期后输入与输出每百万 Token 分别为 $0.40 和 $2.00。
消费级硬件本地部署。Devstral 2 目前可免费调用 API，免费期后输入与输出每百万 Token 分别为 $0.40 和 $2.00。 · Mistral AI introduced the Devstral 2 coding model family and Mistral Vibe CLI, an open-source command-line agent for multi-file code changes and software engineering tasks. The 123B and 24B models both support a 256K context window and score 72.2% and 68.0% on SWE-bench Verified, respectively, with the smaller model deployable locally on consumer hardware. Devstral 2 is currently free via the API; after the free period, inp
匹配字段摘要、正文
Cognition 发布面向软件工程的 SWE-1.5 模型，参数量达数千亿，在 SWE-Bench Pro 上接近前沿水平，并已上线 Windsurf。该模型与 Cerebras 合作部署，推理速度最高 950 tok/s，比 Haiku 4.5 快 6 倍、比 Sonnet 4.5 快 13 倍。Cognition 称其基于数千块 GB200 NVL72 芯片训练，并在自建 Cascade agent harness 与高质量编码环境中做端到端强化学习。
匹配字段摘要、正文
2026年10月16日,Artificial Analysis公布Reflection首个模型Beam的评测结果:Beam在Artificial Analysis Intelligence Index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)。该模型为501B总参数、23B激活参数的开源权重模型,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;AutomationBench-AA得分48.5%,Terminal-Bench 4.0仅3.0%;AA-Omniscience正确率33%、幻觉率47%。10月17日,Arena.ai宣布Beam-1.0-501B-A23B进入Agent Arena,在开源权重模型中排第12,Net Improvement为-3.67%,误差区间±3.84%;在Code Arena: WebDev开源榜排第22,得分1438。
匹配字段标题
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。
English translation is being prepared.
匹配字段标题