微软在 Foundry 上线 Microsoft-Decision-1，该决策模型基于阿里 Qwen3.5-9B 后训练而成，而非采用合作伙伴 OpenAI 的模型，定价为每百万输入 token 0.042 美元、输出免费。微软称其已在内部四个团队测试，用于整理超 1 万条 Xbox 玩家反馈、为 Copilot 打分、事故现场拉取上下文等场景，并称在 Xbox 场景下比 GPT-6 Sol 快 14 倍以上。该模型仅支持文本、上限 32,768 token 并返回 JSON，不支持图像，微软尚未公布开放权重。
匹配字段标题、摘要、正文
微软发布 Microsoft-Decision-1，一个基于阿里 Qwen3.5-9B 后训练的决策打分模型，对固定选项返回校准后的概率而非生成文本，现已上线 Microsoft Foundry 和 OpenRouter。它支持 32,768 token 上下文，在微软 36 项基准对比中平均准确率 83.5%，p50 延迟 85 ms，输入定价为每百万 token 0.042 美元、输出免费。模型仅提供托管 API，不开放权重，且所有基准均为厂商自测。
匹配字段标题、摘要、正文
Microsoft 于 2026 年 10 月 9 日发布决策专用模型 Microsoft-Decision-1，输入文本、问题与选项后按选项返回 JSON 格式概率，可用于分类、处理分流以及评估 AI 智能体的行动，已在 Microsoft Foundry 和 OpenRouter 提供。该模型基于 Alibaba 的 Qwen3.5-9B 追加训练，上下文窗口 32,768 token，不生成判断理由，也不适用于需要输入外知识的任务；Microsoft 称其响应时间中位数比 GPT-6 Sol 快约 35 倍，输入每 100 万 token 收费 0.042 美元、输出 token 不计费。
匹配字段标题、摘要、正文
微软发布新模型 Microsoft-Decision-1，面向快速决策场景，在结构化决策任务上表现领先，延迟和质量均优于 LLM 及其他决策模型。微软内部已在事件响应、质量控制和科学发现等场景中测试该模型。
匹配字段标题、摘要、正文
微软推出决策模型 Decision-1，基于 Qwen3.5-9B，面向分类、评估和路由决策，并称有潜力引导和控制智能体应对复杂环境。微软称其在覆盖 36 项基准、近 15 万个问题的测试中最准确，速度是第二名 H2O-Lightning-4B 的 2.5 倍。该模型已通过 Microsoft Foundry 和 OpenRouter 提供，输入 token 每百万 0.042 美元，输出 token 免费。
匹配字段摘要、正文
微软 AI 发布推理模型 MAI-Thinking-1，已在 Microsoft Foundry 开启公开预览。该模型为 35B 激活参数、约 1T 总参数的稀疏 MoE 架构，在 SWE-Bench Pro 上与 Claude Opus 4.6 持平，AIME 2025 得分 97.0%、AIME 2026 得分 94.5%，并在与 Claude Sonnet 4.6 的盲测人评中被更多用户偏好。模型支持 256k token 上下文窗口、函数调用和开发者指令，兼容 Chat Completions API，微软称其训练未使用第三方模型蒸馏，数据为可追溯的企业级数据。
匹配字段标题、摘要、正文
Microsoft 发布 MAI-Image-2.6，在 Arena 文生图排行榜上排名第二，整体较 MAI-Image-2.5 提升 79 Elo，文本渲染单项提升 91 Elo，官方称其成绩领先 Meta、Google 和 xAI 的模型。MAI-Image-2.6 与 MAI-Image-2.6-Flash 已在 Microsoft Foundry 开放 Public Preview，本周晚些时候上线 MAI Playground，并陆续接入 Microsoft Foundry 及其他产品。
匹配字段标题、摘要、正文
Microsoft 发布 MAI-Transcribe-1.5 多语言语音转写模型，语言覆盖从 25 种扩展到 43 种，在 FLEURS 基准上取得 43 种语言的最佳词错误率，Artificial Analysis 榜单 WER 为 2.4%、排名第 3。该模型一小时音频转写耗时不到 15 秒，长音频速度最高为 Gemini 3.1、Scribe v2、GPT-4o-Transcribe 的 5 倍，并新增关键词偏置功能，在 FLEURS 上可将 WER 最多降低 30%。模型已接入 Copilot、Teams、GitHub 和 Dynamics 365 Contact Centre，并在 Foundry 与 MAI Playground 提供。
匹配字段标题、摘要
微软发布图像编辑模型 MAI Image 2.7 Preview，已在 Arena 和 MAI Playground 上线。该模型在 Artificial Analysis 的 AA-Image-Editing v2.1 榜单排第 2，在 Image Editing Arena 排第 3，较 2.6 提升 45 分。同时 MAI-Image-2.6 和 MAI-Image-2.6-Flash 已在 Microsoft Foundry 正式可用。
匹配字段摘要、正文
Meta 发布 Muse Spark Open 的模型权重，这是一个 816B 参数的开源权重模型，激活参数 42B，上下文窗口为 100 万 token，面向编码、软件工程和多步推理。模型原生多模态并支持智能体工作流，可通过 Baseten、Fireworks AI、Groq、OpenRouter 等推理平台使用，权重可从 Hugging Face、Amazon SageMaker AI、Google Cloud Model Garden 和 Microsoft Foundry Models 下载。Meta 称其针对两台搭载 M5 Ultra 芯片的 Apple Mac Studio 做了本地运行优化，并展示了用 Muse Code 修 bug、加功能和构建 iOS 应用等端侧工作流。
匹配字段摘要、正文
Meta 发布 Muse Spark Open，称其为目前美国最强的开源权重模型，面向编码与智能体任务，擅长长周期任务、复杂软件工程和多步推理。模型规格为 816B 总参数、42B 激活参数，1M token 上下文窗口，原生支持文本、图像、视频和音频多模态。该模型可在两台搭载最新 MLX 框架的 Apple M5 Ultra Mac Studio 上运行，并支持 SGLang、vLLM、TensorRT-LLM、Hugging Face Transformers、llama.cpp 和 Unsloth 等推理引擎，权重以 Muse Model License 发布，可通过 Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter 和 Together AI 的 API 使用，并在 Amazon SageMaker AI、Google Cloud Model Garden、Hugging Face 和 Microsoft Foundry Models 下载。
匹配字段摘要
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
Meta 发布开源权重模型 Muse Spark Open，总参数 816B、激活参数 42B，支持 1M token 上下文窗口，原生支持文本、图像、视频和音频多模态，面向编码与智能体任务。该模型今日起在 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，有限商业条款允许许多开发者免费使用。模型还针对 MLX 框架在两台 Apple M5 Ultra Mac Studio 上运行做了优化，并支持 SGLang、vLLM、TensorRT-LLM、Hugging Face Transformers、llama.cpp 和 Unsloth 等推理引擎。
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。
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。
匹配字段摘要、正文
Meta 发布 Muse Spark Open，称其为迄今能力最强的美国开源权重模型，总参数 816B、激活参数 42B，上下文窗口 100 万 token，面向编码与智能体任务。该模型与 Apple 合作适配 Mac Studio，可在两台 512GB M5 Ultra Mac Studio 上通过 MLX 框架运行；512GB 版 Mac Studio 尚未发售，预计本月晚些时候推出。模型权重可从 Hugging Face、Amazon SageMaker AI、Google Cloud Model Garden 和 Microsoft Foundry Models 下载，也可通过 Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter 和 Together AI 的 API 使用，免费下载并采用允许有限商业用途的许可。
匹配字段摘要、正文
Meta 于当地时间 10 月 15 日发布开放权重 AI 模型 Muse Spark Open，官方宣称其为迄今能力最强的美国开放权重模型。该模型采用原生多模态架构，总参数量 816B（激活参数 42B），支持 1M token 上下文窗口，专为代码构建与智能体协作设计。模型权重已上线 Hugging Face、Amazon SageMaker AI、Google Cloud Model Garden 与 Microsoft Foundry Models，并适配 SGLang、vLLM、TensorRT-LLM 等推理引擎。
匹配字段摘要、正文
微软发布 Decision-1，这是一款对预设答案返回校准概率的 AI 模型，让应用直接使用其输出，而无需处理大语言模型的自由文本回复。该模型基于 Qwen3.5-9B 后训练，支持是非判断、预设选项选择、评分以及基于评分标准的评估，可用于分类请求、事件优先级排序和校验 AI 生成内容，已通过 Microsoft Foundry 和 OpenRouter 提供。微软称其在覆盖近 15 万个问题的 36 项基准对比中准确率最高，速度约为第二名的 2.5 倍、GPT-6 Sol 的 35 倍，定价为每百万输入 token 4.2 美分且输出 token 不收费，但上述结果与成本计算尚未经独立验证。分析师提醒该模型不提供决策理由，企业应关注校准测试、问题措辞控制、审计日志和高影响决策的人工复核。
匹配字段摘要、正文
微软于 10 月 9 日推出 Microsoft-Decision-1，它不生成文本，而是对预设答案选项做单次前向打分并返回每个选项的校准概率，用于路由、分类、优先级排序和验证。该模型基于阿里 Qwen3.5-9B 后训练，已在 Microsoft Foundry 公测并上线 OpenRouter，标识为 microsoft/microsoft-decision-1，权重不对外分发。微软称其在 36 个基准、约 15 万道留出题上取得 83.5% 准确率，并计划后续把底座迁移到 MAI 和 OpenAI 模型；OpenRouter 列表显示价格为每百万输入 token 0.042 美元、输出免费。
匹配字段摘要
Anthropic 发布 Claude Haiku 5.5，这是其目前最便宜最快的小模型，保持 1M token 上下文窗口和最高 128K 输出 token，100K token 以内提示的输入价格为每百万 token 0.10 美元、输出 0.50 美元，比 Claude Haiku 4.5 低 90%。该模型已通过 Claude API、Amazon Bedrock、Google Cloud、Microsoft Foundry 和 AWS 上的 Claude Platform 正式提供，是首个带可调 effort 设置的 Haiku 级模型，自适应思考默认开启、effort 默认 medium。Anthropic 自报的基准中，OSWorld 2.1 为 72.4%，Terminal-Bench 4.0 为 39.2%，Humanity's Last Exam 无工具 45.9%、带工具 57.4%。
匹配字段摘要、正文
Anthropic 于 10 月 7 日发布 Claude Haiku 5.5，在编码、计算机操作和知识工作上较 Haiku 4.5 提升，运行成本平均降低约 75%，已在 Claude Platform、Claude Code 以及 AWS、Google Cloud、Microsoft Azure 上线。该模型面向摘要、分类、对话历史压缩、数据库查询等高频低成本任务，也可作为 Opus 5.5 或 Sonnet 5.5 的子智能体使用；上下文窗口从 20 万扩至 100 万 token，最大输出从 6.4 万增至 12.8 万 token，并首次在 Haiku 系列支持 effort 设置，默认 medium。评测方面，Terminal-Bench 4.0 得 39.2%（Haiku 4.5 为 0.0%，Sonnet 5.5 为 70.6%），OSWorld 2.1 离线评测得 72.4%（Haiku 4.5 为 15.7%，Sonnet 5.5 为 83.9%）。
匹配字段摘要、正文