AI 模型发布与更新

Microsoft 发布决策模型 Decision-1，用于分类、评估和路由决策，基于 Qwen3.5-9B，据称可引导智能体在复杂环境中行动。

Google 正在内部测试 Gemini 4 的 Argon、Barium、Carbon 三个变体，其中 Carbon 已在内部编程平台 Jetski 部署，编程任务表现优于 Argon，有员工将其与 Anthropic 最强编程模型 Opus 5.5 相提并论。

我觉得 Grok 的 agent 邮箱应该用 https://dot.com 这个域名 indigo@dot.com 看上去又简单又帅 😁 直接气死 Sam Altman 😜

半年前被质疑"个人 Agent 太宽泛"的赛道如今爆火：Instinct 9 月融资 10 亿美元、估值 100 亿美元，Meta 靠 Muse 带动股价，xAI 推出 Grok Bot，OpenAI 做了 Dot，Manus 做了 Cue。作者复盘了这半年在个人 Agent 方向上的探索与踩坑心得，以播客形式分享。

这周你用 @bot 完成了什么？

你这周都完成了什么 @bot？

Cloudflare 于 10 月 9 日发布开放权重决策模型 Clef-omni，在 Clef 系列基础上新增音频和完整视频输入，支持 wav、mp3、mp4 和 webm 格式，可单次 API 调用处理文本、图像、音频和视频，模型权重已在 Hugging Face 开放。

OPENAI 🔥：API 定价页上出现了一个新的 gpt-rosalind-discovery 模型。该模型迄今尚未公开发布。 该模型定价与 gpt-rosalind-research 相同，具体用途尚不清楚。 它会不会是专门用于药物发现的模型？ 那将是大新闻 👀

Azeem Azhar 在忘带笔记本电脑的一周里，仅靠手机上的 ChatGPT 语音完成日常工作，这得益于 OpenAI 7 月发布的 GPT-Live，它支持用语音指挥 AI 智能体。他认为，围绕电脑和打字建立起来的办公室工作模式这一"虚构"正在松动，并终将消失。

Nace AI 开源 9B 决策模型 Drex 1.5，读取状态和类型化问题后为每个选项输出概率，不生成文本。其在公开 Decision Index 0.3.1 上得分 58.08，与闭源模型 Jev 1.13.0（57.96）处于并列区间，权重已上架 Hugging Face，托管版在 OpenRouter 上按每 1M 输入 token 收费 $0.04、输出 $0。

蚂蚁百灵转发 DesignArena 对其新模型 Ling-3.1-flash 的评测视频并致谢，该评测盲测认为模型在详细 SVG、动画 SVG 和完整移动应用生成方面表现突出。作者宣布模型现可在 OR/Vercel 及 day0 合作伙伴渠道限时免费使用。

Underdog AI 发布 Saluki 27B 模型，这是 Qwen3.8-27B 的 2-bit 量化调优版本，仅保留文字 I/O 能力，文件大小 7.89 GB。

生数科技发布新一代视频生成旗舰模型预览版 Vidu Q4 Preview，支持图生视频和参考生视频。最多支持 3 段参考音频、15 张参考图与 2K、4K 输出，10bit 色深，单次最长生成 16 秒视频，提升动态运镜、切镜与复杂镜头衔接；首发优惠价 0.09 元/秒起，适合 AI 短剧、广告营销、社交互动和影视创作等场景。

Grok @Bot 可以为任何东西做模拟

既然已有 Notion、Outline、Auth0、Traefik 等，为什么还要自己造？为了我自己的知识积累、探索欲、对体验的完全掌控，以及构建能帮自己解决问题的应用。 Opus 5.5 让构建变得如此有趣。

微软发布 Microsoft-Decision-1 决策模型，专为结构化决策任务打造，现已上线 Microsoft Foundry 并接入 OpenRouter。该模型基于 Qwen3.5-9B 后训练，在 36 项基准测试中准确率最高，响应速度比 Quyet-1.0-Large 快 4.5 倍、比 GPT-6 Sol 快 35 倍。定价为每百万 Token 输入 0.042 美元，输出免费。

Google 在 Antigravity（隐藏项）中新增 Gemini 4 Argon 模型引用，支持 low、medium、high 三档推理强度；Gemini 网页端也已为所有模型显示这三档推理选项，统一了各工具的推理选择器。

HiDream-O1-Video-1.0 在 Artificial Analysis Video Arena 图生视频（含音频）榜排名第 6，紧随 Dreamina Seedance 2.0 720p，与 MiniMax H3、Vidu Q4 Preview、Gemini Omni Flash 处于接近梯队，领先 Wan 3.0。

Microsoft-Decision-1 上线 OpenRouter。官方称其在 36 项盲测基准（约 15 万题）中准确率最高，比第二名快 4.5 倍、比 GPT-6 Sol 快 35 倍，扰动输入下仅 1.3% 的决策翻转；基于 Qwen3.5-9B 后训练，定价 $0.042/M input、输出免费，32K 上下文。

我觉得 SWE 面试大概可以缩减成只留 2 轮技术面： • 系统设计（你能多好地表达自己的想法，你是否真的懂得如何工程化地构建东西） • 现场项目，用智能体构建一个真实的东西（你能把自己的意图转化为高质量的成果吗） 我们过去问的其他所有东西都不再必要了

相比 AI 模型取得重大突破、从而消除 LLM 所有已知弱点，我更认同 AI 会变得高效得多，而这是扩散模型的一大杠杆。 在旧金山度过精彩一周后，我很乐意花几个小时反思 RSI。

兄弟开了两个 claude code 终端窗口，每个都悬浮在桌面 40% 的区域上，一半还重叠着，剩下的屏幕全是死空间，我都不知道该怎么想了。

阿里千问发布 Qwen-Image-2.1-Turbo，将 Qwen-Image-2.1 的 40 步去噪缩减为 8 步，保持 7B 架构，支持 2K 生成、多参考图编辑和透明 RGBA 输出，文本编码器为 Qwen3-VL 8B。

微软在 Microsoft Foundry 上线 Microsoft-Decision-1，基于 Qwen3.5-9B 后训练，用于快速单次决策打分，后续计划迁移到 MAI 和 OpenAI 模型。

推出 Microsoft-Decision-1，我们用于快速决策的新模型。 它在结构化决策任务上表现顶尖，在延迟和质量上均优于 LLM 和其他决策模型。 我们已在微软内部测试它，应用范围涵盖事件响应、质量控制到科学发现。

当今的前沿语言模型能否零样本、无指导地控制真实机械臂？ AA-Robotics v0.1 即将发布。

HeyGen Voice 在 Artificial Analysis 受控语音 TTS 竞技场以 Elo 1,201 登顶，超过 Qwen-Audio-3.1-TTS-Plus（1,182）和 Eleven v4 Turbo（1,166）。其发音鲁棒性得分 83.1%，定价 $30/1M 字符，生成速度为每秒 40 字符。

Artificial Analysis 对 GPT Image 2.5 Sunburst、Ideogram 4.5、FLUX 3 和 Nano Banana 2.1 做了30步连续房地产布景编辑测试。

MIT CSAIL 的 Unitree 人形机器人（实际约 5 万美元）和 LLM 正让人习惯性拟人化对待，研究发现约 70% 的人对 AI 保持礼貌。MIT 的 Sherry Turkle 与 Pat Pataranutaporn 指出，这种倾向可能让人更信任聊天机器人，甚至引发 Character.AI 相关诉讼等极端风险，关键在于让 AI 守住自己的"车道"。

试试用 Grok Bot 编程吧！

Google 在 Gemini 4 之后面临的挑战将是他们如何用好一个优秀的模型。Anthropic 和 OpenAI 表明，我们正走向通过编排智能体以单一界面处理多种任务的方向。Gemini 3 时代充斥着面向众多市场的碎片化产品。这行不通了，对下一步而言。

François Chollet 转发 ARC Prize 消息称 Kaggle 上 ARC-AGI-2 分数已达到很高水平。ARC Prize 2026 榜单第一名为 tufa labs，得分 88.06%，第二名 Rabbithole 为 80.56%；超过 85% 的团队将分享在保底奖金之外的 15 万美元 Bonus Prize。

https://www.kaggle.com/competitions/arc-prize-2026-arc-agi-2/leaderboard

ARC Prize 公布 2026 赛季 ARC-AGI-2 高分榜，TUFA Labs 以 88.06% 排名第一。10 万美元之外另设的 15 万美元 Bonus Prize 将由所有得分超过 85% 的团队分享；榜单第 2 至第 5 名分别为 Rabbithole（80.56%）、Yi-Chia Chen（77.22%）、Nubanana（77.08%）和 _hans（67.64%）。

https://www.kaggle.com/competitions/arc-prize-2026-arc-agi-3/leaderboard

小米发布 MiMo-V2.5-Pro、MiMo-V2.5 下线通知，建议迁移至推理能力更强、性价比更高的 MiMo V2.6 系列，其中 mimo-v2.5-pro 替换为 mimo-v2.6-pro、mimo-v2.5 替换为 mimo-v2.6-flash。

Arena 发布本周榜单更新：Nano Banana 2.1 在三个 Image Arena 模式进入前六，其中 Multi-Image Edit 排第 4（1431 分）。

喜欢这种公开构建的做法！

编辑：

图片：