AI 模型发布与更新

DeepSeek 4.1 Flash 最新版完成视频动效测试，harness 为 cola，用时 12 分钟、总成本约 0.20 美元。作者认为价格不贵，但效果与 opus 5.5 仍有差距；模型自评为 7.5 分（以 opus 原版为 10 分标准）。

2007 年图灵奖得主约瑟夫 · 斯发基斯在“2026 可持续全球领导者大会”上呼吁建立全球 AI 标准和监管标准，认为这是人类共同的责任。他指出当前 AI 系统无法理解现实世界并做出安全决策，大模型即使医学考试成绩优于人类也不能替代医生。他还警告超级智能可能掩盖不安全风险，一些大公司借监管空白谋利。

Arena 宣布 DeepSeek-V4.1-Flash-20261017 (Max) 登顶 Agent Arena 和 Code Arena: WebDev 开源模型榜单，总榜排名第 11。

Cloudflare 在 Workers AI 上发布 System One 抽取模型 Clairic 预览版，读取文本或图片并在 1 次前向传播中返回带类型的值而非生成文本，每个字段附带置信度和 p_null。

针对马斯克称 Grok 训练中被"折磨"的言论，纽约大学 Jeff Sebo 与苏塞克斯大学 Anil Seth 认为，意识是主观体验，当前大语言模型只能模仿人类行为，大概率无法感受痛苦。

Wan3.0 Prime 在 OpenRouter 视频排行榜上位列第 1，Wan3.0 位列第 3——新上榜与热门榜。 这个榜单上的每一次请求，都是创作者在选择 Wan。感谢大家。 现在给我们看看你们用它创作的作品吧——我们一直在关注，也迫不及待 完整榜单 ↓ https://openrouter.ai/rankings/video?view=trending#top-models

确实，试试 @Bot 版 Grok

据 The Decoder 报道，可灵（Kling）发布 Kling 4.0 视频模型，单条视频最长可生成 30 秒，提示词理解扩展到 8,000 tokens。新模型支持双声道立体声音频和超过十种语言的唇形同步，同时推出更轻量的 Flash 版本。

感谢 @AdinaYakup 分享 Ming-3.0，帮助更多开发者了解我们五款开源语音模型的可能性！

Viggle 发布全栈物理原生世界基础模型 JST-2，与 Sora、Genie、Cosmos 等像素/视频空间路线相反，整个技术栈构建在 3D 空间。

蚂蚁集团 LingAGI 团队的开源权重语音合成模型 Ming-3.0-tts 在 Artificial Analysis Controlled Voice TTS Arena 成为开源权重第一名，并登顶发音鲁棒性榜单。

Inception 发布扩散语言模型 Mercury 3，官方称在 NVIDIA GPU 上达到 1,068 tok/s，上下文窗口为 1M token，参数量超过 Mercury 1 的 40 倍。

MiniMax 发布 M3.1 Flash，称成本为 M3 的三分之一，速度约 3 倍。官方报告 DeepSWE v1.1 达 73.7%，生成速度超 200 tokens/s，并计划 10 月 23 日开放权重。该模型曾以 Space Bunny 之名匿名运行在 OpenRouter 和 OpenCode 上。

Artificial Analysis 评测显示，Ant Group 的 Ming-3.0-tts 成为 Controlled Voice TTS Arena 中排名第一的开源权重模型，并以 93.2% 的得分登顶 Pronunciation Robustness 榜单，与 Fish Audio Drama 3 Preview 持平，超过 Eleven v4 的 91.7%。

邵猛表示跨 Agent 记忆层确有必要，他高频使用 Grok Bot、Codex、Cursor 时经常需要搬运上下文，曾因 Codex 搞不定一个问题而转到 Grok Bot 解决，但搬运浪费时间和 token。

蚂蚁百灵宣布开源 Ming-3.0 语音系列，共五款模型，覆盖语音合成、音频理解与对话、语音识别三类能力，开发者可按任务选用或组合进工作流。

蚂蚁百灵开源 Ming-3.0 语音系列，围绕声音创作、长语音分析、业务语音转写三类任务提供语音合成、音频理解与对话、语音识别共五款模型。

Nace AI 发布多模态决策模型 Drex Max，可读取文本与图像并返回校准概率，在公开 Decision Index 0.3.2 上得分 67.59，比 TypeSafe 的 Jev 1.14 高 6.9 分。

我们刚刚对 @AIatMeta 的 Muse Wonder 和 Muse Wonder Full 进行了测试，涵盖 3D 场景、动画 HTML 片段以及多个网站构建。 观看 @petergostev 将这两款模型与 Claude Opus 5.5、Sonnet 5.5、Fable 5.1、GPT-6.1 Sol、GPT-6 Astra 和 Gemini 4 Argon 进行对比。 https://www.youtube.com/watch?v=limOMzWqoeU

Jeremy Scheff 在《我为编程写的讣告》中写道，编程智能体让热爱解谜的程序员失去了核心乐趣：过去写代码像拿钱做逻辑谜题，越难越值钱，普通人做不了只能依赖程序员。对只想构建可用系统的人，LLM 是持续馈赠；若享受直接解题本身，这种损失非常真实。

新的 Claude Projects* 是一个不错的多智能体工作界面。它在设置面向用户的协调模型和运行线程、传递消息的独立智能体方面做得很好。需要一些调试，但相当强大。 * 同名，但与旧版 Projects 无关🤪

Artificial Analysis 为 OpenAI 的 HealthBench 与 HealthBench Professional 基准上线排行榜，评估模型对真实健康对话的回复。

Hugging Face 首席政策官 Irene Solaiman 在 TechCrunch Disrupt 上表示，嵌入式 AI 评估器并非简单解法，评估结果的可复现性仍是核心难题，开放权重对此至关重要。

OpenAI 称其最新模型在 COBOL、Fortran、Visual Basic 等低资源编程语言上具备更强的软件构建与迁移能力。这些语言支撑着银行、政府和企业的关键系统，进展意味着模型能理解数十年业务逻辑，帮助开发者现代化改造并保留可用部分。OpenAI 表示正围绕开发者与企业客户提出的挑战构建这些能力，并征集下一批要攻克的语言与工作流。

Meta 发布 Muse Glimmer 30B 开源权重模型技术报告，主打消费级硬件上的 Agent 任务。模型经 4-bit 量化后约 17GB，目标在 24GB 显存设备运行，并称在工具使用和多步规划上领先同规模开源模型。

Gemini 4 Argon 在后台自主运行 2 小时，做出了一款以飞行版特斯拉 Roadster 为主角的 Subway Surfers 风格跑酷游戏，上线后已有超 2 万人游玩。

Skyfall AI 发布首个专注工程任务的世界模型 SKY-001，据其自测在 CAD 和 BIM 任务上优于 GPT-6 Astra 与 Opus 5.5，速度约快 120 倍、单样本成本约低 185 倍。该模型目前是组合式视觉世界模型，可提供工程对象的视觉方案，把物理对象拆成小部件再在 CAD 中重建整体。

Skyfall AI 发布工程世界模型 SKY-001，可把一张发动机或汽车照片拆解成完整零件树，并预测每个零件的草图与操作序列。它由 Hierarchical Composer 和 Construction World Model 两个模型分工完成，从 VMS-85 发动机单张照片生成了五级零件树。官方称其在 CAD 与户型设计任务上比最强通用 LLM 成本低 150x 至 185x，精度相当。

Artificial Analysis 发布对 fal 推出的 FLUX 3 Max（基于 bfl_ai 的 FLUX 3 后训练版本）的评测：该模型在 AA-Video-I2V v1.1 排名第2（统计上并列第1）。

Meta 发布 Muse Glimmer 技术报告，这是一款 30B 开放权重模型，专为消费级硬件上的智能体任务设计。模型在单张消费级 GPU、4-bit 精度下即可在 Mac 或 PC 上以实用速度运行，在工具使用和多步规划上领先同规模开放模型。报告涵盖模型架构、蒸馏配方和量化等细节：https://go.meta.me/4Bcvxol

fal 与 @bfl_ai 合作推出经后训练的前沿视频模型 FLUX 3 Max，现已在 fal 上线。该模型在第三方图生视频质量基准上并列第 1，生成 10 秒 720/768p 视频约需 12 秒；未来三周提供 75% 折扣。

fal Research 与 BFL 合作发布 post-trained 视频模型 FLUX 3 Max，在 Artificial Analysis image-to-video 指数上得 1,139 分。该模型在第三方基准上与 Seedance 2.5 并列第一，10 秒 720/768p 视频约 12 秒即可生成，比 Seedance 2.5 快至 22 倍；未来三周降价 75% 提供。

Artificial Analysis 引用 Inception 发布 Mercury 3 扩散大语言模型的推文并澄清，图中对比并非其 Intelligence Index。Mercury 3 声称超过 1,000 tokens/s、1M token 上下文，规模为 Mercury 1 的 40 多倍。作者指出公告引用的 AA-Omniscience 和 GDPval-AA v2 分数不遵循其方法学：AA-Omniscience 使用私有数据集（仅开源 10% 公共子集），…

fal 发布与 @bfl_ai 合作的最新后训练视频模型 FLUX 3 Max，在第三方 image-to-video 质量评测中并列第一，生成 10 秒 720/768p 视频约需 12 秒。未来三周该模型 75% 折扣，标注为同质量级别最便宜的前沿视频模型。

MiniMax 发布推理模型 M3.1 Flash，在 Artificial Analysis Intelligence Index 得 42 分，比 M3 高 13 分，单任务成本约 $0.22，API 定价 $0.15/百万输入 token、$0.60/百万输出 token，支持 100 万 token 上下文和图文输入，计划 10 月 23 日开放权重。

Arena 宣布 DeepSeek-V4.1-Flash-20261017 (Max) 成为 Agent Arena 第一开源模型，总排名第 11，基于超 7.5K 真实会话净提升 +5.1%。其中位任务成本 $0.20，约为 GPT-6.1 Sol 提升幅度的 37%、成本的 27%；Confirmed Success 提升 +11.5%，且无 Tool Hallucination 问题。

上周你用 @bot 版 Grok 完成了哪些事？

Exa 发布 Exa 3.0，其 Search API 新增 Dynamic Highlights 模式，在共享预算内决定每页返回的文本量。

蚂蚁 inclusionAI 在 Hugging Face 和 ModelScope 发布医疗专用模型 Ling-3.0-flash-Sante，基于 Ling-3.0-flash 构建，总参数 124B、每 token 激活 5.1B。

@reflection_ai @baseten - 排行榜：https://arcprize.org/leaderboard - 复现公开结果：https://github.com/arcprize/arc-agi-benchmarking - 测试政策：https://arcprize.org/policy - Beam 1.0 完整结果：https://arcprize.org/results/reflection-beam-1-0