ThinkingCap 发布 Gemma-4-26B-A4B 优化模型,思考 token 平均减少 38.9%
ThinkingCap 发布基于 gemma-4-26B-A4B-it 的优化模型,在 12 项基准上思考 token 平均减少 38.9%、最多减少 69.1%,平均准确率下降 0.15pp。
ThinkingCap 发布基于 gemma-4-26B-A4B-it 的优化模型,在 12 项基准上思考 token 平均减少 38.9%、最多减少 69.1%,平均准确率下降 0.15pp。
Canva 发布首款自研图像生成模型 Canva Craft,所有用户均可通过 Dream Lab 和公开 API 使用。Canva 称,该模型主要基于数百万设计模板从零训练,先规划构图、比例和文字,再生成最高 2K 分辨率、支持超过 30 种宽高比的图像,可渲染 55 种语言的文字,结果可通过 Magic Layers 拆分为可编辑图层。
研究者发现,Fable 5.1 能在 SVG 图像中隐藏消息,新会话仅凭渲染后的截图、无需预先约定编码方案即可恢复 78% 的消息。测试包含 15 种语言的 50 条短消息,其中 33 张图像采用高度编码,解码模型通过 Python 工具测量视觉元素并推断规则。
MiniMax 宣布公开 M3.1 Flash 权重,该模型总参数为 428B,每 token 激活 23B。模型权重可通过 Hugging Face 和 ModelScope 下载。
MiniMax 开源 M3.1 Flash 模型权重,总参数 428B,激活参数 23B。上线 72 小时内,真实用户处理的 token 超过 100 万亿。
Canva 推出首款 AI 图像模型 Canva Craft,采用先规划设计、再生成图像的两阶段架构,现已向全球所有用户开放。模型支持最高 2K 分辨率和超过 30 种宽高比,Canva 称该架构可提升复杂图像中文字的可读性和物体放置的准确性。
推荐理由:Canva Craft 使用平台内容库中的人工模板训练,训练素材涵盖社交帖子、演示文稿、信息图和菜单等具体设计场景。
Canva 发布首个图像生成模型 Canva Craft,已向平台所有用户开放,可从 Dream Lab 标签页访问。模型先解析提示词并规划布局,再生成最高 2K、支持 30 种宽高比的图像;Canva 称其支持清晰文字和不改变其他部分的精确编辑。
ModelCompare 向 12 个文本模型各提问 3 次,35 条有效回答中有 29 条被人工归为同一观点,即人类将归属、地位或自身叙事置于真相和原则之上。
Recursive 发布首个语言模型 Flint,AI 系统 Eureka Machine 参与了几乎全部开发环节,模型在四个月内完成。
Recursive 发布可在笔记本电脑上运行的免费编码模型 Flint,称自动化研究系统 Eureka Machine 协助了几乎全部开发环节,小团队在不到 4 个月内从零完成模型。
Inception 发布扩散语言模型 Mercury 3,称其在多项基准上超过 GPT-6 Luna 和 Claude Haiku 5.5,运行速度快 4–8 倍。
NVIDIA 扩展开放模型组合,推出 Nemotron 3.5 Super VL、Kumo、Cosmos 3.5 等模型,支持组织用本地数据定制并部署到自主控制的基础设施上。
阿里将 DeepSeek V4 Flash 0731 的输出价格从每百万 tokens $0.40 上调至 $1.32,涨幅230%。Stork 自有价格目录记录显示,该模型输入价格也从每百万 tokens $0.20 升至 $0.44。
Terminal X 的 Eval Agent 基于 GPT-6.1 Sol,在 500 条评分判断中与资深人类评审的一致率达 88.6%,比次优模型高 220 个基点。该 Agent 按 54 项标准评分,对偏离基金投资授权范围的回答检出率提升约 25%,单次查询成本降低约 30%。一家私募股权客户借助自动化的尽职调查与投资备忘录流程,实现年化 240 万美元节省。
Elevenlabs 发布 Eleven Realtime v1 Max 和 v1 Mini 两款语音到语音模型,面向实时 AI 对话。v1 Max 在 Big Bench Audio 基准上得分为 98.8%,响应时间为 0.57 秒,面向客服等复杂任务;v1 Mini 主打低成本自然对话,能区分用户说完话与仅发出“嗯哼”等回应。
fal 发布与 Black Forest Labs 合作后训练的视频模型 FLUX 3 Max,在第三方独立人类偏好评测中获 1139 Elo,与 Seedance 2.5 并列图生视频质量第一梯队。该模型约 12 秒生成一段 10 秒 720/768p 视频。未来三周降价 75%,后续还将继续通过后训练改进。
Mistral AI 发布面向实时语音智能体的 Voxtral 3 模型家族,将听取、思考、工具调用与说话整合进单一流式管线。系统包含 Voxtral Small Transcribe 3、Voxtral Mini TTS 3 和基于 LiveKit 的语音智能体 SDK,转录覆盖超过 50 种语言,语音输出支持超过 35 种语言及 50 种方言,并支持情绪适配。
OpenAI 针对 COBOL、Fortran、Visual Basic 等低资源语言优化了最新模型,GPT-6 Astra 在 MultiLangBench 上对 20 种语言的平均测试通过率达 87.4%,GPT-5.6 Terra 约为 38%。
Mistral AI 发布 Voxtral 3 语音识别与语音生成模型系列,并推出整合听取、推理、工具调用和发声的实时语音智能体 SDK。转录支持 50+ 种语言,实时转录延迟低于 500ms;语音生成支持 35+ 种语言和 50+ 种方言,可按上下文调整情绪、语速和重音。
推荐理由:Mistral 将语音识别、推理、工具调用和语音生成整合为流式管线,各阶段模型可独立替换,减少更换语言或声音时重写智能体的需求。
Cohere 发布企业检索重排模型 Rerank 5 Pro 与 Rerank 5 Fast,分别面向重排质量优先和延迟、成本敏感的场景。
marcusbuffett 用 10 个月开发了 Chessbook-1,为 Chessbook 训练对局提供按棋手等级和时限模拟人类走法、失误及思考时间的模型。
Cloudflare 发布文档数据提取模型 Clairic,已在 Workers AI 开放预览,并计划很快开放权重。模型单次处理即可返回用户指定字段的值、格式和置信度,缺失值返回 null,也支持简单计算、估算和预测。
Latent Space 汇总 DeepSeek V4.1 Flash 1017、MiniMax M3.1 Flash 和 Mercury 3 的发布信息、定价与评测,并判断它们暂时不会得到广泛使用。
DeepSeek-V4.1-Flash-20261017 (Max) 成为 Agent Arena 排名第一的开源模型,总榜第 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。
fal 发布与 bfl_ai 合作的后训练视频模型 FLUX 3 Max,在第三方图生视频质量评测中并列第一。生成 10 秒 720/768p 视频约需 12 秒,未来三周提供 75% 折扣,并被标注为同质量级别最便宜的前沿视频模型。
可灵发布 Kling 4.0,支持单次生成最长 30 秒视频、双声道立体声音频及超过 10 种语言的口型同步,并推出轻量版 Kling 4.0 Flash。主模型支持最多 10 张关键帧图像、8,000 tokens 提示词及最多 15 个参考素材,可通过 MCP 和 CLI 接入自动化工作流;Flash 侧重更快、更低成本的生成,上限为 720p、20 秒。
MiniMax 发布推理模型 M3.1 Flash,Artificial Analysis Intelligence Index 从前代 M3 的 29 分升至 42 分,单任务成本降至不到一半、约 $0.22。
推荐理由:MiniMax M3.1 Flash 的单任务成本低于 DeepSeek,在高难度问答和事实准确率测试中领先,综合智能指数略低。
Inception 发布扩散式大语言模型 Mercury 3,宣称其在多项基准上超过 GPT-6 Luna 和 Claude Haiku 5.5,运行速度快4–8x。
推荐理由:Inception 将 Mercury 3 的参数规模扩大至 Mercury 1 的40倍以上,同时保持相近速度,为文本扩散模型提供了规模化比较。
Meta 的 Muse Wonder Full (Max) 首次进入 Code Arena: WebDev 榜单,以 1726 分排名第 6。这一成绩使 Meta 成为该榜单第 3 实验室,此前该位置由 Google 持有。
DeepSeek 发布 DeepSeek V4.1 Flash 1017,在 Artificial Analysis Intelligence Index 得分 45,较 DeepSeek V4.1 Flash 提高 6 分。该模型与 GLM-5.3 并列开源权重模型第二,仅次于 MiMo-V2.6-Pro。
Laminar 发布 flow-1,用 RL 训练模型查找智能体轨迹中的错误,并称其在自家基准上检测质量匹配 GPT-6-sol、成本低 23x。模型由小型开源模型微调并经数千次合成调查训练,在 Signals 中检索轨迹片段,按用户定义的 JSON 结构返回发现。
Nvidia 周四发布 Nemotron 3.5 Super VL 和两款轻量 Bolt 开放权重模型,分别面向企业智能体与本地电脑部署。Super VL 拥有 120-billion 参数,支持组织在自有数据上后训练并部署到自有基础设施;Nemotron 3.5 Bolt 74B-A9B 24GB 面向本地多步骤推理、工具调用和网页浏览,Bolt E4B 面向对话智能体。
蚂蚁 inclusionAI 开源 Ming-3.0-tts,提供 0.5b 稠密模型和基于 Ling V3 的 tiny MoE 模型,后者为 7.9B total · 1.3B active。
erikkannike 发布 qwen3-4b-deslop,以 Qwen3-4B-Instruct-2507 为基础在 MacBook Air 上微调,无需系统提示词即可减少破折号、三项列举等 AI 写作习惯。
MiniMax 发布 M3.1 Flash,称在线推理速度接近提升三倍,智能体任务整体用量成本较前代降低 70%。模型在 DeepSWE v1.1 上取得 73.7%,日常输出速度可达 200+ TPS,每 1M tokens 输入、输出和缓存输入价格分别为 $0.15、$0.60 和 $0.015。
推荐理由:MiniMax M3.1 Flash 将智能体任务用量成本较前代降低 70%,在复杂任务、编码与计算机操作基准上达到领先模型水平。
DeepSeek-V4.1-Flash-20261017 (Max) 成为 Code Arena: WebDev 榜单第一开源模型,超过 Kimi K3 (Max),成本低约 10 倍。
Google DeepMind 团队的四个 Gemini 4 Argon 智能体在无人干预下击败末影龙,完成 Minecraft 通关。团队将它们置于随机生成的世界,未指定角色、策略或游戏专用工具;智能体自行分工、互相警告威胁、回收死亡队友的物品,并在共享记忆中记录失误。
开发者用 Claude Opus 5.5 在 Claude 聊天界面分多次会话生成了 500 个时钟,全部打包进一个 6.3 MB 的自包含 HTML 文件。作者称这是其个人版的「自行车上的鹈鹕」测试,用于检验前沿模型生成自包含网页的能力,并特别称赞 Opus 5.5 所造时钟的多样性与质量。
深度求索发布 Deepseek-V4.1-Flash-1017,在自家多项编码与智能体基准中超越前代及部分更大竞品,已通过网站、应用和 API 提供,并开放模型权重。
推荐理由:深度求索在自家编码基准中将每任务成本从约 $0.50 降至不足 $0.20,同时取得高于前代的准确率。
DeepSeek V4.1 Flash 1017 是 2026 年 10 月 17 日的模型快照,由 DeepSeek 以 deepseek-flash API 模型名提供服务。
推荐理由:DeepSeek V4.1 Flash 将缓存内存压至上一代约四分之一,降低多步骤智能体任务的缓存开销。