Kimi K3.1 Pro 发布,智能指数距 Claude Opus 5.5 仅差3点
月之暗面发布推理模型 Kimi K3.1 Pro,在 Artificial Analysis Intelligence Index 获得55点、排名第四,比 Kimi K3 提高11点,距 Claude Opus 5.5 差3点。
推荐理由:月之暗面的 Kimi K3.1 Pro 在同等模型规模下将智能指数提高11点,每项测试任务成本从$2.00降至$1.98。
文本之外的能力:视觉理解、图文混合、音视频输入输出的模型与产品进展。
月之暗面发布推理模型 Kimi K3.1 Pro,在 Artificial Analysis Intelligence Index 获得55点、排名第四,比 Kimi K3 提高11点,距 Claude Opus 5.5 差3点。
推荐理由:月之暗面的 Kimi K3.1 Pro 在同等模型规模下将智能指数提高11点,每项测试任务成本从$2.00降至$1.98。
Kimi 在 Kimi Code 全面开放 K3.1 Pro,并发布能力相同、输出速度约为其 2–3× 的 K3.1 Pro Highspeed。K3.1 Pro 具有 3T 参数和 1M 上下文窗口,支持图像、视频输入,仅支持思考模式;官方称其编码、3D 创作及金融研究与建模能力显著提升。
推荐理由:Kimi 发布能力相同的 K3.1 Pro 高速版本,以约 2 倍配额消耗换取约 2–3× 模型输出速度,工具调用和脚本执行不随之加速。
OpenAI 于周四向所有客户开放 Decisions API,并为公开版本新增语音和视觉模态支持。该服务由 ChatGPT Luna 重新配置而来,通过加速推理和降低成本处理决策任务,OpenAI 称响应时间从一至三秒缩短至 100、120、180 毫秒。语言辅导产品 Speak 使用该 API 后,将动作间隔从 1.4 秒缩短至 .13 秒。
推荐理由:OpenAI 将 Luna 改造为低延迟决策服务,Speak 用它替换原有 LLM 后缩短了动作间隔和交互等待时间。
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。
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。
SGLang 为 Muse Spark Open 提供 Day-0 支持,加入序列并行、NVFP4 MegaMoE、多模态处理优化及 DFlash V2 推测解码。
推荐理由:SGLang 将序列并行与 MegaMoE 联用于长提示词预填充,在七档并发测试中将 p90 首 token 延迟降低 28.3–41.9%。
Meta 发布 Muse Spark Open,拥有 816B 总参数、42B 激活参数和 1M tokens 上下文窗口,权重以 Muse Model License 在 Hugging Face 提供。
推荐理由:Meta 为 Muse Spark Open 配套可自动调优的跨硬件内核与后训练支持,降低专用内核的开发维护成本。
Meta 的开放权重模型 Muse Spark Open 今日上线 Together AI,面向长时间运行的智能体编码工作流。模型提供 1M-token 上下文窗口,支持子智能体协作、工具调用、电脑操作与网页浏览,并接受文本、图像、音频和音视频输入。
推荐理由:Together AI 在发布当天提供 Muse Spark Open 服务并公布分项价格,让长任务模型的接入方式与调用成本有了明确依据。
Meta 发布 Muse Spark Open 权重,Modal Auto Endpoints 已提供按 token 计费的共享端点。该模型面向智能体编码和长周期任务,具备原生多模态理解与 1M-token 上下文窗口,支持代码编写与调试、多步规划、顺序工具调用和长流程中的失败恢复。
推荐理由:Meta 为 Muse Spark Open 的两项基准成绩列出智能体、测试框架与推理强度,成绩比较需结合这些评测条件。
Meta 发布 Muse Spark Open 权重,Baseten 在发布当天通过 Model APIs 和 Dedicated Inference 提供服务,支持编码智能体工作流。
推荐理由:Baseten 用 NVFP4 部署 Muse Spark Open,将权重体积从约 1.6 TB 降至 540 GB,为并发智能体会话释放显存。
Meta 发布 Muse Spark Open 并开放权重,与 Apple 合作使其能通过最新 MLX 框架在两台 Apple M5 Ultra Mac Studios 上运行。Meta 称该模型原生支持多模态,总参数量为 816 billion,擅长长周期任务、复杂软件工程和多步推理。双方已合作数月,Apple 也发布了涉及 MLX、Muse Spark Open 和另外两个开放模型的技术文章。
推荐理由:Meta 与 Apple 将持续数月的合作落实到模型与框架适配,让大规模开放权重模型能在两台桌面设备上运行。
vLLM 与 Meta Superintelligence Labs 合作,为 Muse Spark Open 提供发布首日推理和 LoRA RL 支持。该开放权重 MoE 模型面向长周期智能体编码工作流,拥有 816B 总参数、每个 token 激活 42B 参数及 1M 上下文窗口,支持图像、视频和音频感知。
推荐理由:vLLM 将 Muse Spark Open 接入多种硬件平台并提供预构建镜像,部署方无需等待常规安装包合并即可启动模型服务。
Meta 推出开放权重模型 Muse Spark Open,面向编码和智能体任务,拥有 816 billion 参数、42 billion 激活参数,支持最多 100 万 token 上下文及文本、图像、视频和音频。
推荐理由:Meta 称 Muse Spark Open 在智能体、知识推理和多模态评测中领先部分开放模型,编码评测则落后于部分竞争者。
Meta 发布开放权重模型 Muse Spark Open,现已可在 OpenRouter 使用,定位为面向编码与智能体工作的美国最强开放权重模型。模型总参数 816B、激活参数 42B,支持 1M token 上下文窗口与原生多模态,可输入图像、视频、音频和 PDF。OpenRouter 定价为输入 $1.25/M、输出 $4.25/M。
推荐理由:Meta 将开放权重模型 Muse Spark Open 接入 OpenRouter,为编码与智能体工作提供按 token 付费的使用入口。
Meta 发布 Muse Spark Open 模型权重,原生支持多模态,拥有 816B 总参数、42B 活跃参数和 1M-token 上下文窗口,面向编码与智能体任务。
推荐理由:Meta 开放 Muse Spark Open 权重并支持双台 Mac Studio 本地运行,让编码与多模态智能体工作流能在桌面端执行。
NVIDIA 发布 Nemotron 3.5 Super VL 和两款 Bolt 边缘模型,覆盖企业服务器到本地设备的智能体部署。Super VL 为 120-billion-parameter 多模态模型,开放权重、数据集和训练配方,支持理解图像、网页及 PDF,并可用组织自有数据进行后训练。
推荐理由:NVIDIA 为服务器和边缘设备推出开放模型,组织能按硬件条件选择部署层级,并用自有数据定制智能体任务。
Google DeepMind 的 Gemini 4 Argon 今日全球开放,面向编码、金融、法律、网络安全和科学领域的复杂多步骤任务,通过 API、Google Antigravity、Gemini app 和搜索 AI Mode 等入口提供访问。
推荐理由:Google 用 Gemini 4 Argon 将 Chrome 跨数百个文件的架构重构从数月缩短至数周,加快复杂代码库的工程改造。
Google DeepMind 介绍 Gemini 4 Argon 在机器人控制、Real2Sim、物理理解和自我改进中的应用,称其纯推理 ERQA 得分为87%。
推荐理由:Google DeepMind 用 Argon 从实景重建仿真并生成训练数据,将示例中的机器人任务成功率从56%提升至75%。
Google 今日全球开放 Gemini 4 Argon,面向复杂编码、金融、法律、网络安全和科学任务,提供 API 及订阅用户入口。Gemini API 支持 1M 输入输出统一 token 上限,初始定价为每百万输入 tokens $2、每百万输出 tokens $10,缓存输入 tokens 优惠 95%。
推荐理由:Google 用 Gemini 4 Argon 完成跨数百个文件的 Chrome 架构重构,将原需数月的工程工作缩短至数周。
Meta Superintelligence Labs 发布第二代模型系列 Muse Wonder 和 Muse Wonder Full,分别定位为快速前沿模型与完整版。
推荐理由:Meta 新模型在独立评测中的主要增益集中于智能体任务,两款模型每项评测任务的输出 token 用量均较前代下降约 10%。