AI 模型发布与更新

Arena 评析 Reflection AI 的 Beam-1.0-501B-A23B，该模型以 -3.67% Net Improvement 位列 Agent Arena 开源模型第 12 名，是榜上排名最高的美国开源模型。

原来 le Chonk 还懂火箭科学。 Mistral Large 4 在 Ulam 的私有基准 STEMBench 的工程和天文学项目中得分不错：https://www.ulam.ai/stembench

Liquid AI 发布决策模型 d1-ultra，以 65 分登顶 Artificial Analysis Decision Index v1.0，领先 Jev 1.14 的 57 分。

ChinaTalk 发布对蚂蚁 Ling 大模型产品运营负责人 Richard Bian 的访谈，他谈到大模型时代类似 15 世纪大航海时代、AGI 不可避免，以及 Hugging Face 事件中开源模型可用于防御的价值。

谷歌联合创始人谢尔盖·布林在 Gemini 4 Argon 圆桌讨论中表示，AI 已开始参与打造下一代模型，Flash 系列已显现这一趋势，公司正踏上 RSI（递归自我改进）的跑步机。

开源多语言 ASR 模型 Hojo-ASR-Multi-V1 在 5 种语言上平均 WER 为 3.54，采用声学编码器加 Qwen3-4B 解码器的架构。该模型面向多语言对话语音识别，以 Apache 2.0 许可在 Hugging Face 公开，可通过 hojo-asr Python 包安装并支持本地推理，接受 WAV 路径、音频字节流和 SCP 输入。

Mistral CEO Arthur Mensch 撰文反驳欧洲应把前沿 AI 留给美中两国的观点，认为这是根本性错误，将使欧洲陷入前所未有的经济依附。他举例欧洲每年为美国云和软件支付超 2600 亿欧元、闭源模型控制方可单方面改价和限制用途，并称 Mistral 未来一年将把算力扩至六倍，继续筹资追赶。

Liquid AI 发布迄今最强的决策模型 d1-ultra，可读取文本、图像或两者，以概率形式回答有界问题，单次前向传播输出 0 个 token。

Philipp Schmid 宣布 Gemini 4 Argon 现已面向 Pro 订阅用户开放使用。

PrismML 于 10 月 15 日发布 Ternary Bonsai 2 系列模型，含 2B、4B、9B 三种规模，基于 Qwen 3.5 基座，采用 -1、0、+1 三元权重表示，存储占用分别约 0.43GB、0.95GB 和 2GB，目标在手机、PC 和可穿戴设备上本地运行智能体。

小米 MiMo 宣布 MiMo V2.6 Pro 在 Agent Arena 开源模型榜单排名第一，净提升 +3.8%；引用 @arena 数据显示，Pro（每任务 $0.11）和 Flash（每任务 $0.05）是仅有的两个位于性能成本 Pareto 前沿的开源模型，Pro 比 #2 DeepSeek V4.1 Flash 成本低 15%，Flash 比 Pro 便宜 55% 但低 1.3 个百分点。

蚂蚁 inclusionAI 在 HuggingFace 上线 ZwZ2-9B 模型，参数规模 9B，采用 BF16 张量类型并带 Chat template。该模型基于 qwen3_5，目前尚无模型卡，也未被任何 Inference Provider 部署。

微软宣布完成新一代 SOTA 基础模型 MAI-Base-2 的预训练，称其性能强于所有参测开源权重模型。该模型总参数 2.8T、活跃参数 80B，在 6,000 个 NVIDIA GB200 GPU 上训练 38 天，平均浮点算力利用率 21%、有效吞吐量 89%，预训练算力效率据称为 DeepSeek-V4-Pro-Base 的 4~12 倍。

这太疯狂了，我简直不敢相信这是真的

TypeSafe AI 于太平洋时间 10 月 14 日下午 1:14 发布 Jev 决策模型 1.14 预览版，支持图像输入、更长上下文和新的 "box" 类型。仅一天后，Liquid AI 推出号称“全球最佳”的决策模型 d1-ultra，在八类任务中表现均优于 Jev 1.14，整体表现也好于 vLLM Semantic Router d3 等竞品。

POV：用 Max 强度跑 Opus 5.5。

Meta Superintelligence Labs 发布 Muse Spark 模型的开源权重版本 Muse Spark Open，为 816B 总参数、每 token 激活 42B 的多模态 MoE 模型，支持文本、图像、视频和音频输入，上下文窗口 1M token。

小米发布开源空间音频理解大模型 MiDashengLM-Spatial，完整公开模型权重和推理代码，采用 Apache 2.0 许可证。模型以 MiDashengLM-7B 为基座，在保留基础音频理解能力的同时增加空间感知与推理能力，小米称其为业界首个开源的端到端空间音频理解大模型，将陆续应用于智能家居和汽车座舱场景。

感谢 @deepseek_ai 提供了出色的模型，感谢 RPent 团队提供的案例列表和排行榜，也感谢 CAP-X 和 ASPIRE 的作者们启发了我们的工具设计。

Artificial Analysis 在其 agentic 推理基准 AA-AgentPerf 上发布 NVIDIA Vera Rubin NVL72 的首批结果。

每个已解决案例的模型成本约为 $0.30–$0.35。 该估算使用 DeepSeek 的非高峰时段 API 费率，并包含在 RoboTwin、LIBERO 和 LIBERO-Pro 上的失败尝试。40 个展示回合平均每个 $0.13。

阶跃星辰 Step 5 Preview 在 DeepInfra 上线（day zero），采用开放权重。该模型为 600B MoE、27B 激活，支持 1M token 上下文和文本加视觉输入，FP8 定价为每 1M tokens 输入 $1.00、输出 $2.70、缓存 $0.05，面向 coding、frontend、finance 等长程 Agent 场景。

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 得 39 分，为美国开源权重模型第一。

可灵AI正式上线视频模型 Kling 4.0，9月底曾向部分黑金年卡及Ultra年订用户开放4.0 Flash尝鲜版。作者实测后认为提升集中在三方面：最长30秒一镜到底直出，城市追逐、马戏团等复杂场景中人物与纸箱接触的物理形变等细节表现更好；大范围动态和复杂打斗的动作衔接、镜头临场感相较前代明显提升；视频首尾帧改为最多10帧的多帧参考，全能参考可替换运镜、场景和人物。

Reflection 首个开源模型 Beam（reflectionai/Beam-1.0-501B-A23B）上线 Hugging Face，是 501B 参数、每 token 激活 23B 的 MoE 模型，支持 1M token 上下文，采用 Apache 2.0 许可，主打编码和智能体场景。

Meta 于 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。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，可凭两台搭载苹果 M5 Ultra 芯片（512 GB 内存）的 Mac Studio 在桌面端本地运行。

Ethan Mollick 引用 @arcprize 数据称，Gemini 4 Argon 在 ARC-AGI (Verified) 上 ARC-AGI-3 得分 97.5%（provider adapter harness，花费 $4.8K），标准 harness 下为 49.8%；ARC-AGI-2 得分 91.3%，ARC-AGI-1 得分 98.5%，Google DeepMind 是第二个在 ARC-AGI-3 上超过 95% 的前沿实验室。作者认为智能体框架加上…

蚂蚁百灵昨日宣布开源 Ling-3.1-flash 模型，总参数约 560B、每个 Token 激活约 25B，最高支持 1M 上下文。Artificial Analysis 公开评测中智能指数为 41、输出速度约每秒 210 Token。

从没见过像 @Grok @Bot 增长这么快的东西！ 而且没有免费版，这意味着人们获得的价值超过了他们付出的费用。 俗话说，一分钱一分货。

Grok @Bot 每天都在显著进步

Vercel Ship 🤝 SpaceXSI

Meta 在 Hugging Face 开源 816B 参数模型 Muse Spark Open，面向编码和智能体任务，Apple 为其 MLX 框架做了适配。

在我们为此任务生成的内部测试集上，与其他 Decisions 模型以及 Claude Code 使用 Sonnet 5 的情况相比，Jev 1.13 的准确率最高、成本最低。

我们要派一堆 Microducks 去评估 @AnthropicAI！ 开个玩笑，这事还没获批，但在我看来，让开源工程师和科学家参与这些重要工作以实现透明度非常重要。这也是 @Thom_Wolf 发起开放对齐倡议的重要原因之一。我们同舟共济！

Meta 在 Hugging Face 开源 816B 参数模型 Muse Spark Open 权重，面向编码和智能体任务，与闭源 Muse Spark 1.3 共享同一基座，仅额外做了抵御滥用的安全后训练，逆转其 4 月起的闭源权重策略。

IBM Granite 团队发布 Granite-Switch-4.1-8B 和 -30B 模型，将 Decision aLoRA、专用 Guardian aLoRA 和 Granite-Speech-5.0-Turbo-CTC（OpenASR 排行榜上最快的 ASR 模型）组合进单一托管端点，可在对话、通用与专用决策、语音转写之间快速切换，显存占用约等于基础模型本身。

Artificial Analysis 发布首批 AA-AgentPerf-Local 结果，测试 NVIDIA RTX Spark N1X 笔记本（128 GB 统一内存、Blackwell GPU）运行本地智能体工作负载。

建了个群聊，让所有订阅者能认识志同道合的有趣的人，交流想法，建立人脉。

Black Forest Labs 发布开源权重图像模型 FLUX 3 Image Klein，参数量 5.6B，可在单张消费级 GPU 上运行，支持原生 4K、bounding boxes 和像素级编辑。开发者可进行后训练和微调，官方提供低延迟版用于更快生成和自托管，以及 FP8、NVFP4、INT8 量化版本，原生 4K 蒸馏模型也将通过 BFL APIs 提供。

Meta 发布开放权重模型 Muse Spark Open，称其为美国最强开放权重模型，拥有 816B 参数和 1 million token 上下文窗口，原生多模态，面向复杂编码和智能体任务。