AI 模型发布与更新

图片：

通义千问发布 Qwen-Image-2.1-Turbo，基于同一 7B 视觉生成架构的加速 checkpoint，只需 8 个去噪步骤即可生成和编辑图像，权重已开放。

Step 5 Preview 现已登上 @OpenRouter 的 New & Trending 排行榜。 感谢每一位试用的人，也感谢我们的合作伙伴将它带入你们的工作流。

⚠️ 观众酌情观看：Microduck 遭受了一次微冒犯

在 iPhone Air 上跑到 37 tok/s，太猛了。🚀 这正是小而强的开源模型大放异彩的地方：无需云端 GPU 就能拥有强大的多模态智能。很高兴看到 MiniCPM5-2B 在移动端流畅运行。

Conway Research 旗下 Underdog 以 Apache 2.0 发布 Saluki 27B，一个 2-bit 混合精度 GGUF 量化版 Qwen3.8-27B，文件从 54 GB 压到 7.89 GB，可在原版 llama.cpp 运行。

马东锡 NLP 称，拜访谷歌前因 Gemini 表现不佳而看低这家公司，进入谷歌后则被其对员工的关爱打动，认为福利安排细致且不计成本，午餐水准很高，据称中国办公室甚至能吃到整只甲鱼。他因此建议"牛马"应去谷歌这类公司上班，而不是去其他公司接受 PUA，并调侃 AGI 是否实现与个人无关，活得长短才与自己相关。

好了 @bot 我要去睡了，盯着这个帖子，给回复里最好的 poteto 梗图排个名。早上 8 点把清单 slack 给我

Liquid AI 于 10 月 7 日发布博文，推出开放权重决策模型 d1-3B（31.2 亿参数，支持文本与图像输入）和 d1-omni-600M（5.87 亿参数，支持文本、图像及语音输入），已在 Hugging Face 公开，可下载、微调并部署。

JetBrains 发布编程 AI 模型 Mellum2.1，延续 Mellum2 的 12B 混合专家架构、2.5B 活跃参数，仍以 Apache 2.0 许可证开源，重点增强智能体编程能力。

在急诊场景中，已过时的 Gemini 2.5 Pro 和 Gemini 2.5 Flash（无法访问患者病历）给出的建议，被其他医生评为与医生质量相当。未发现安全问题。 此后模型已显著提升。

Arena 宣布 Mistral Large 4 进入 Agent Arena 前十五实验室，基于超 5000 个真实智能体会话，该预览版净改进分为 -6.6%，总排名第 43，比前代 Mistral Medium 3.5（-12.60%）高出 11 位。

用 Grok @Bot 就像花 peanuts 雇一个超级聪明、勤奋的人

给 Claude Code 做了这个数字鞭子的人，肯定会被以“虐待或残忍行为”为由终身封禁 Claude。

对细节的关注有点令人担忧。

要做的事很多 （注：主推文仅一句"a lot to do"，信息量极低；引用推文为他人对"要更有野心"的评论，非新闻主体，故按规则只翻译主推文。）

在物理方面，谁拥有最好的开源视频世界模型？💫 又是我，MiniMax H3。几乎与闭源 sota 持平。🍾

Artificial Analysis 评测 SpaceXAI 新发布的低价视频模型 Grok Imagine Video 1.5 Lite，其在 AA-Video-T2V v2.0 和 AA-Video-T2V-Silent v2.0 两个榜单均排第 17 名，价格约为 Veo 3.1 的三分之一并排在 Veo 3.1 之前。

而 Grok @Bot 只会从这里变得更好 🚀 🚀 你完全可以打造一家全部由 Grok Bot 组成的公司！

不到4年后，教皇、世界上最伟大的数学家们以及总统都在大量发帖，讨论这个模型的直接后继者及其对人类意味着什么。

Arena 公布 Anthropic Claude Haiku 5.5 (High) 的真实评测结果，在 Code Arena: WebDev 以 1587 分首秀排名第 30，略在 Pareto 前沿之外。

Artificial Analysis 网络指数新增可信访问模型类别，GPT-6 Sol（Daybreak Blue, max）以领先成绩登顶，并进入成本与能力帕累托前沿。该模型在整个指数测试中未触发任何安全拦截，总分较公开版 GPT-6 Sol（max）提升 32 分。其每任务成本为 $1.77，低于 Grok 4.7（xhigh）的 $11.67。

Mustafa Suleyman 以 🫠 表情转发 Anthropic 政策更新：自 2026 年 11 月 12 日起，对 Claude 的持续且无必要的虐待或残忍行为将违反 Anthropic 使用政策。截图列出的禁止行为还包括宣扬自残或饮食失调、非自愿私密影像（NCII）、骚扰羞辱、美化暴力，以及开发以造成情感伤害为目的的欺骗性产品或服务。

Grok @Bot 在手机上运行良好。只需从 Apple 或 Android 下载应用即可。 https://apps.apple.com/app/id6794501026

Grok @Bot 确实就是这么好用

Artificial Analysis 与 Harvey 合作发布 Harvey LAB-AA v1.1，新指标 Hallucination-Gated All-Pass Rate 要求交付物无重大幻觉。Grok 4.7 (xhigh) 以 9.4% 居首，领先 Muse Spark 1.3 (max) 的 8.9% 和 GPT-6 Astra (max) 的 8.6%；测试模型中超过 60% 的原通过结果含重大幻觉。Grok 4.7 每任务约 $9.50，GPT-6 As…

顺便说一句，成本只是 Astra 的 1.2 倍。

OpenAI 的 GPT-6.1 Sol Ultrafast 正在 ChatGPT Work、Codex 和 API 上推出。Ultrafast 模式定价为每百万输入 token $12、每百万输出 token $60，速度比 Sol Standard 快 8 倍。

OpenAI 宣布 GPT-6.1 Sol Ultrafast 开始推出，token 生成速度最高比 Sol Standard 快 8 倍。API 定价为每 100 万输入 token $12、每 100 万输出 token $60，该模型已在 API、Codex 和 ChatGPT Work 中推出。

Artificial Analysis 与 Harvey 联合发布 Harvey LAB-AA v1.1，为法律智能体基准 LAB 新增幻觉检查，要求正确回答不含重大错误陈述，并推出新指标 Hallucination-Gated All-Pass Rate。

Odyssey 发布基础世界模型 Odyssey-3，Pro 版报告了 Physics-IQ Verified video-to-video 最高分 66.1。

Odyssey 发布其最强世界基础模型 Odyssey-3，并向公众开放免费研究预览。模型可从提示词构建环境并实时预测随人物移动或事件触发的变化；Odyssey-3 Pro 在 Physics-IQ Verified video-to-video（best-of-8 采样）上得分 66.1，为已报告最高结果。

GEN-1.5 把一个瓶子装进盒子，再把另一个瓶子装进盒子，再一个瓶子，再一个，再一个…… 阅读更多关于 GEN-1.5 的内容，请见下方评论中的博客文章。

今天我们推出 Odyssey-3，迄今最强大的基础世界模型。 它在 Physics-IQ 上创下新的 SOTA，可驱动机器人、训练 AI，并生成交互式体验。真的很酷。 今天即可体验该模型，完全免费！

试试用 @Bot 来处理你最难的任务！

Artificial Analysis 评测 Google 于 10 月 6 日发布的图像模型 Nano Banana 2.1，在 AA-Image-T2I v2.0 和 AA-Image-Editing v2.0 两个榜单均排名第 4。

Perplexity Decider 在 DecisionBench 上排名第一（成本也是最低的）

对于低资源语言的 ASR（自动语音识别），更多训练数据往往比更大的模型更有效。 @voicearena_ai 的孟加拉语结果——基于其 ASR 语料库 Monsoon——证明了这一点。 在 Monsoon 上微调的 Whisper Medium，在孟加拉语 FLEURS 上的 LLM 词错误率从 85.27% 降至 7.65%。 Medium 是 769M 参数的 Whisper。足够小，可以低成本部署，在很多场景下也足够小，可以靠近用户运行。

Claude 官方频道发布与 Shopify CTO Mikhail Parakhin 的对谈，介绍 Shopify 如何使用 Claude：为所有工程师提供不限量 token、始终使用最大模型，并构建了公司数字孪生来预测商家增长。他讲述了一个做了七年的问题如何被解决，管理工程团队中 AI 的用法，并向 CTO 们推荐获取 Claude 最大价值的杠铃 token 策略。

JetBrains 发布面向编码 Agent 的开源思考模型 Mellum2.1（checkpoint 为 Mellum2.1-12B-A2.5B-Thinking），总参数 12B、每 token 激活 2.5B，以 Apache 2.0 协议上架 Hugging Face。