谷歌发布旗舰模型 Gemini 4 Carbon，专为持续运行的 Agentic 工作流构建，重点提升编程、智能体、科学任务与全栈 Web 开发能力。该模型在 Artificial Analysis Intelligence Index v5.0 上以 59 分排名第一，超过 Claude Opus 5.5、GPT-6 Astra 和 GPT-6.1 Sol；首发优惠价为每百万输入 Token 2 美元、每百万输出 Token 10 美元，缓存输入 Token 可享 95% 减免。Carbon 采取分阶段开放策略，先向部分网络安全防御人员开放，再通过 Fairwind 计划扩大可信合作伙伴范围，之后向开发者、企业和消费者开放。
匹配字段标题、摘要、正文
谷歌在 Gemini 4 Argon 亮相两周后发布新一代前沿模型 Gemini 4 Carbon，称其在网络安全与长周期任务上达到当前最高水平，并针对编程、Agent 工作流与网络防御做了强化。该模型在漏洞发现基准 SEC-bench Pro 上得分 88.2%，漏洞利用基准 Exploit Gym 为 54.8%，补丁应用基准 CWE-bench 为 71.0%。Carbon 本周先向部分网络安全防御者开放，随后扩展至更多受信任合作伙伴，之后才向开发者、企业和消费者推出；试用期沿用 Argon 价格，每百万输入 token 2 美元、输出 token 10 美元，试用期后调整为 4 美元和 20 美元。
匹配字段标题、摘要、正文
月之暗面发布 Kimi K3.1 Pro，在 Artificial Analysis 智能指数上以 55 分位列全球第四，较前代提升 11 分。在 Terminal-Bench 4.0 上它从 13% 升至 65.7%，与 Opus 5.5 差距不到 1%。该模型为 3 万亿级参数、支持 100 万上下文，基于 K3 做后训练并加大强化学习算力，同时推出输出速度提升 3 倍的 Highspeed 版本，kimi.com 与 Kimi app 已上线 3D Make 功能。
匹配字段标题、正文
月之暗面发布 Kimi K3.1 Pro，称其为最强的 3T 级开源权重模型，具备 1M token 上下文与多模态能力，同步推出速度约 2–3 倍的 Highspeed 版，完整权重计划 2026-11-04 前开源。该模型在 Terminal-Bench 4.0 上得 65.7%，高于 GPT-6 Astra 的 58.2%、略低于 Claude Opus 5.5 的 66.4%；BenchCAD 带工具得 92.7%，OfficeQA Pro v2 得 64.4。开源权重版从 mid-training 与 RL 两侧剔除 cyber 相关数据，xdev-bench-hard 得分从 90.5% 降至 81.0%。
匹配字段标题、正文
Mistral 发布 Voxtral 3 语音模型家族，包含支持 50+ 语言的转写模型 Voxtral Small Transcribe 3、支持 35+ 语言和 50+ 方言的合成模型 Voxtral Mini TTS 3，以及基于 LiveKit 的语音 Agent SDK，把听、推理、工具调用和说话串成一条实时流式管线，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 $0.0035/min；合成模型定价 $13/1M 字符，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 $0.04/min。
匹配字段标题、摘要、正文
MiniMax 正式发布 M3.1 Flash，即此前在 OpenRouter 匿名屠榜的 Space Bunny（玉兔），Agents' Last Exam 得分 29.6%，位列国产模型第一。该模型在 DeepSWE v1.1 拿到 73.7%、CyberGym 82.2 分、OSWorld V2 61.7 分，输出速度最快 200+ TPS，P50 维持 170+ TPS。定价为输入每百万 Token 1 元、输出 4 元、缓存读取 0.1 元。
匹配字段标题、摘要、正文
Reflection AI 的 Beam-1.0-501B-A23B 进入 Agent Arena，使 Reflection AI 跻身该榜单前 15 实验室，该模型在美国实验室中排第 6、总榜第 13。在 Agent Arena 开源权重模型中它排第 12，Net Improvement 为 -3.67%，误差范围较宽（±3.84%）；在 Code Arena: WebDev 开源模型中排第 22，得分 1438，并以 Apache 2.0 协议完全开源。
匹配字段标题、摘要、正文
Reflection AI 发布开源模型 Beam-1.0-501B-A23B，采用 Apache 2.0 许可，在 Agent Arena 开源权重模型中排第 12，Net Improvement 为 -3.67%，在 Code Arena: WebDev 开源榜排第 22，得分 1438 分。在 Agent Arena 榜单上它是排名最高的美国开源模型，领先 Hy3、MiMo V2.5 Pro 和 MiniMax M3，但 Net Improvement 误差区间达 ±3.84%，统计上与上方两个 Qwen3.8 模型更接近。Code Arena: WebDev 开源前 25 名中有 24 个来自中国实验室，Beam 1.0 是唯一例外，也是该榜排名最高的美国开源模型，略高于 Kimi K2.5 Thinking 和 GLM-5。
匹配字段标题、摘要、正文
蚂蚁百灵于 9 月 30 日发布、今天正式开源 Ling-3.1-flash，总参数量约 560B，每 Token 激活约 25B，上下文窗口上限 1M，面向日常办公、长周期软件研发和复杂 Agent 任务。在 Artificial Analysis 测试中，其智能指数为 41，输出速度约每秒 210 Token，混合调用价格约每百万 Token 0.19 美元。智东西围绕财报分析、工作助理、3D 场景和移动端新闻 App 原型展开实测，模型均能完成从资料检索到可运行应用的交付。
匹配字段标题、摘要、正文
xAI 于 10 月 14 日发布 Grok Voice 3.0 语音到语音模型，已在 Voice Agent API 上线，定价每分钟 0.08 美元，与上一代相同。xAI 引用 Artificial Analysis 10 月 13 日的独立测试称，该模型以 86.9 分位列 Speech-to-Speech Index 第一，高于 GPT-Live-1（Astra, Medium）的 83.2 和 Gemini 3.8 Live 的 82.6，延迟低于一秒。xAI 还称其在 ServiceNow 的 EVA-Bench 上取得 74% 的最高准确率，并已在 Tesla 车辆和 Starlink 呼叫中心部署，后者每天处理 2 万通客户来电。
匹配字段标题、摘要、正文
Gemini 4 Argon 已开始推送，并已在 GCP 的 Agent Studio 上线，用户现在就可以在该平台测试该模型。Google AI Studio 和 Gemini 应用预计随后跟进。
匹配字段标题、摘要、正文
Meta 发布 Muse Wonder 系列前沿模型，定位面向个人与专业场景的 Agent 旗舰模型，而非通用聊天模型。该系列围绕领域专业知识、主动记忆、主动专注和前沿编程四大能力构建，并配套 FocusBench 与 SWE-Marathon 两个自建基准。Meta 还以 Muse Spark 1.3 与 Muse Wonder Full 的 ID 与 OOD 表现对比，论证基座越强、后训练提升越能迁移到陌生任务。
匹配字段标题、摘要、正文
月之暗面开源最新模型 Kimi K2.6，具备编码、长程执行和 Agent Swarm 能力，已上线 Kimi.com、Kimi App、API 和 Kimi Code。官方称其在长程编码任务上较 K2.5 明显提升，例如在 Mac 上用 Zig 实现并优化 Qwen3.5-0.8B 推理，经 4000+ 次工具调用、超 12 小时连续执行和 14 轮迭代，吞吐从约 15 tokens/sec 提升到约 193 tokens/sec。Agent Swarm 架构从 K2.5 的 100 个子智能体和 1500 步扩展到 300 个子智能体、4000 步并发执行，并新增 Claw Groups 研究预览。
匹配字段标题、摘要、正文
月之暗面发布开源模型 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。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。
匹配字段标题、摘要、正文
Mistral AI 的 Mistral Large 4 已进入 Arena，可在 Agent Arena 中实测，用户投票将影响其评估结果，分数稍后公布。Agent Arena 用数百万个真实长周期智能体任务评测模型，模型可调用网页搜索、文件系统和终端工具完成复杂工作流，排行榜以因果追踪方法衡量模型相对平均模型的结果表现。Mistral Large 4 同时上线 Code Arena 的 WebDev、Text 和 Vision 三个方向。
匹配字段标题、摘要、正文
中电信人工智能科技有限公司发布星辰大模型 Xing4.0-29B-A4B，总参数 29B、激活参数 4B，全流程训练在国产昇腾 910C 集群完成，并冲进 Hugging Face 趋势榜前四。该模型经 4-bit 量化后单卡显存占用约 15GB，可在 RTX 3090、4090 等 24GB 显卡本地运行，推理吞吐可达 30tokens/s。评测中 SWE-bench Verified 得 75.0 分，Terminal-Bench 2.1 得 57.5 分，Claw-Eval 得 76.55 分，并已在集团客服智能体场景完成私有化部署，同步上架 GitHub、HuggingFace、魔搭、Gitee、魔乐五大社区。
匹配字段标题、正文
GPT-6 Astra 已发布，可构建和测试软件、跨电脑应用操作，并协助探索开放科学问题。其 Computer Use 相比 Operator 有所改进，同时增强智能体对齐、透明思考和监督响应能力，监控机制可阻止潜在的未授权操作。团队强调，对齐仍远未解决。
匹配字段标题、摘要、正文
Gemini 3.8 Flash 正式 GA，这是 6 周内第三次 Flash 发布，官方称其在所有领域普遍优于 3.7 Flash，价格保持每 1M token 输入 0.75 美元、输出 3.75 美元不变。该模型会采取更小的步骤并更频繁地验证工作，可能带来更高的 token 用量，但这些额外 token 被用于运行测试和验证改动，从而在复杂和长时间运行的目标上给出更高质量的结果。它已成为 antigravity 和 Managed Agents 的默认模型，并已在 Google AI Studio、Gemini API 和 Gemini App 中可用。
匹配字段标题、摘要、正文
V4-Flash-Vision-Exp 可在多种智能体框架中顺畅运行，将视觉理解与广泛的工具结合，以支持更多实用工作流。
匹配字段标题、摘要、正文
Nemotron 3.5 Lightning 面向持续运行和长时智能体。该模型被描述为智能、快速、高效且开放。
匹配字段标题、摘要、正文