通义千问重回国内前三，知乎直答成黑马

新浪发布仅3B参数的VibeThinker-3B，在AIME26等数学编程基准上持平DeepSeek V3.2等大200-333倍的模型，LiveCodeBench超越所有20B以下模型，LeetCode竞赛解决123/128题超过GPT-5.2、Kimi K2.5等。但知识密集型GPQA-Diamond大幅落后。模型基于阿里Qwen2.5-Coder-3B，经SFT、强化学习、自蒸馏等多阶段后训练。研究提出"参数压缩-覆盖假说"：逻辑推理依赖少数可压缩模式，而广泛世界知识…

FireRedTeam 发布 FireRed-OCR-2B 权重，基于 Qwen3-VL-2B-Instruct，在 OmniDocBench v1.5 上取得 92.94 的总成绩，高于 DeepSeek-OCR 2 的 91.09、PaddleOCR-VL 的 92.86 等模型。

比亚迪 9 月 17 日宣布全尺寸闪充旗舰 SUV 大唐上线"迪迪虾"AI 超级智能体，首搭于腾势 N8L 纯电版。该智能体提供 AI 空间、人设、技能、记忆等功能，支持自然语言点外卖、订酒店、导航与车控，并已接入千问大模型、豆包大模型、飞猪旅行、高德地图、支付宝等生态合作伙伴智能体。

彭博亿万富豪指数显示，43 岁的字节跳动创始人张一鸣身家超 1，050 亿美元，首次成为亚洲首富，超过印度富豪高塔姆·阿达尼。努比亚 NaviX Ultra 发布，宣称是"全球首款 AI 智能体手机"，由豆包手机助手主导 AI 体验，5999 元起。DeepSeek v4.1 主 Attention 算子负责人刘胜与发文《我不得不把才华埋葬在昨天》引发热议，回应称不代表公司立场。

NVIDIA Vera Rubin NVL72 首次提交 MLPerf Inference v6.1 preview 结果，Qwen3-VL 上吞吐最高达 GB300 NVL72 的 3.7 倍，DeepSeek-R1 上最高 2.5 倍。

IFM 发布 7B Dense 小模型 K2-Horizon-7B，AA Bench 得 21 分，接近 Qwen3.6-27B 的 22 分，作者称其在 BrowseComp 测试中超过 GPT-5 与 DeepSeek-V4，SWE-bench Verified 和 Terminal Bench 分数也很亮眼。

DeepSeek-V4.1-Flash 现已上线阿里云 Token Plan。专为智能体工作负载打造，具备 1M token 上下文、快速推理和高吞吐量。每月 $6 起，了解如何优化 Credits 并三步快速上手。阅读博客：https://click.alibabacloud.com/m/20000003342/ 更多 API 访问方式：• Qwen Cloud：https://click.qwencloud.com/m/20000003358/ • Model Stud…

该项目用 10 个 SVG 生成提示词（如"章鱼演奏管风琴""火烈鸟修望远镜"）实测 6 款 2026 模型与 10 款 2025 模型的耗时和费用。DeepSeek V4 Pro 多数任务费用最低（$0.04-$0.10），Qwen3.8 Max 最慢（最长 14 分 56 秒），GPT-6 Astra 在"章鱼演奏管风琴"上以 2 分 19 秒、$0.37 完成。

一位开发者吐槽 Claude 总是违背明确指令：即使在 CLAUDE.md 写明"不要写反语句"，它仍到处加入对比式表达，成为识别 Claude 生成内容的标志。作者列举：要求不加代码注释仍会添加、遵循 AGENTS.md 的概率仅五五开、要求沿用现有代码模式反而引入新模式，并指出 OpenAI、DeepSeek、Qwen 更倾向道歉或撤销修改，建议用户尝试其他模型。

DeepSeek R1 长思考表现从 71.0% 飙升至 86.7%，并将 R1 生成的长思维链蒸馏到 Qwen-1.5B、7B、14B 小模型，运行时给足思考预算后解题能力随思考长度正相关暴涨。作者借此回顾去年 ollama 将 deepseek-r1-distilled-qwen-7b 当作 deepseek 装到用户电脑上的事件。