推理与多模态能力再升级
OpenAI 推出 GPT-5.1,在复杂推理、代码生成与图像理解方面显著提升,调用接口 延迟与成本进一步优化,企业级可用性增强
每周更新大模型排名、能力对比与实测数据。追踪 GPT、Claude、Gemini 及国产大模型最新动态。
OpenAI 推出 GPT-5.1,在复杂推理、代码生成与图像理解方面显著提升,调用接口 延迟与成本进一步优化,企业级可用性增强
Anthropic 发布 Claude 4 系列,支持超大一次能记住多少内容与更强的 agent 能力,在代码重构和长文档分析场景表现突出
Google 推出 Gemini 3,强化原生能看图、听声音、懂文字的综合能力与长视频理解能力,并面向开发者开放更细粒度的视频分析 调用接口
Pika Labs 在 MiniMax H3 上做后训练,推出并代码公开可免费使用 Pika H3 Flex,采样步数从 50 步压缩到 6 步,生成时间大幅降低且质量有所提升
Hugging Face 发布 Mistral Large 4(Le Chonk)的上线博客,模型为能看图、听声音、懂文字的综合能力多语言 多位专家协作的模式 架构,总参数约 1T、激活 49B、一次能记住多少内容 1M token
Sundar Pichai 宣布 Google 推出 Gemini 4 Carbon,称其在更新后的 Artificial Analysis Intelligence Index v5.0 以 59 分排名第一
Google DeepMind 发布 Gemini 4 Carbon,定位为最强前沿模型,主打网络安全与长程能自动完成任务的AI助手能力,在 SEC-bench Pro 88.2%、ExploitGym 54.8%、CWE-bench 71.0% 取得领先,并以 59 分登顶 Artificial Analysis Intelligence Index v5.0
OpenMOSS 发布开放权重图像生成模型 MOSS-Image,采用 5B 参数单流 DiT 从零基础学习阶段,支持最长 4K token 提示词、中英文很长的文章内容渲染和可编辑的 JSON Layout
面壁智能发布并代码公开可免费使用 MiniCPM-OCR 系列。MiniCPM-OCR 1.0(1.3B)在 Real5-OmniDocBench 取得 93.68 分、OCRBench v2 取得 54.7 分的 SOTA,经 DSpark 加速后吞吐达 1.217 页/秒,端到端效率提升 55%
Google 发布下一代世界模型 Genie 4,相比 Genie 3 在照片级真实感、物体碰撞等物理模拟上有明显进步。用户可用 WASD 和双摇杆实时控制角色或镜头,运行中可用自然语言修改天气和加入物体,模型还能同步生成环境音与人物实时对话
Google DeepMind 发布世���模型 Genie 4,主打实时交互模拟、更强照片级真实感,并首次在实时世界模型中原生生成音频,包括环境声和可实时交互的人物对话
OpenAI 于 10 月 27 日宣布其 AI 模型在数学、计算机科学和物理学领域取得三项研究突破。数学上给出了所有维度下局部光滑猜想的证明,从而解决挂谷猜想与斯坦因限制猜想;计算机科学上给出推翻指数时间假设(ETH)的证明,暗示相关计算任务可能有更快算法;物理学上提出量子色动力学及标准模型一种统一完备化的严格存在性证明,涉及杨–米尔斯千禧年难题的一部分
作者宣布 GPT-6.1 Terra 回归,称这是其首个在写作、个性和细致理解请求上显著更好的模型。该模型擅长电脑操作,可理解屏幕内容并跨应用执行操作,在 调用接口 和订阅中提供的用量是 6.1 Sol 的 2 倍,价格更低
Liquid AI 发布新一代 Liquid Foundation Models 家族 LFM3,首个版本包含六款约 2B 参数的模型,覆盖文本、视觉、音频、omni 和决策模态,全部基于 LFM3-1.7B-Base,基础学习阶段使用 22T tokens
OpenAI 发布 GPT-6.1 Terra,定位快速高效的计算机使用与视觉推理模型,标准 调用接口 定价比 GPT-5.6 Terra 和 GPT-6.1 Sol 低 50%,为每百万输入 token $1、缓存输入 $0.05、输出 $5
Artificial Analysis 评测 OpenAI 发布的 GPT-6.1 Terra,称其在低中 effort 下达到智能与成本的 Pareto 前沿,价格为 GPT-5.6 Terra 的一半或更低($1/$5 每百万输入/输出 token)
月之暗面发布旗舰模型 Kimi K3.1 Pro,参数 2.8T,支持 100 万 文字处理单位 上下文,完整模型权重预计 11 月 4 日前开放。调用接口 输入每百万 文字处理单位 13 元、输出 68 元,相比 K3 基本砍半,并同步推出输出速度约 2 到 3 倍、价格翻倍的 Highspeed 版本
月之暗面发布 Kimi K3.1 系列首个模型 Kimi K3.1 Pro,为 3T 级开放权重模型,一次能记住多少内容 100 万 token,并同步推出速度快 2-3 倍的 Kimi K3.1 Pro Highspeed
MiniMax 宣布 M3.1 Flash 权重公开,总参数 428B、每 token 激活 23B,提供 Hugging Face 和 ModelScope 下载
Moonshot 发布 Kimi K3.1 Pro,在 Artificial Analysis Intelligence Index 得 55 分列第 4,较 Kimi K3 提升 11 分,仅低于 Claude Opus 5.5、Claude Sonnet 5.5 和 Muse Wonder Full
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%,后续还将继续后训练改进
Cohere 发布 Rerank 5 Pro 与 Fast 两款企业检索重排模型
Arena 宣布 DeepSeek-V4.1-Flash-20261017 (Max) 成为 能自动完成任务的AI助手 Arena 第一代码公开可免费使用模型,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
DeepSeek 发布 DeepSeek V4.1 Flash 1017,在 Artificial Analysis Intelligence Index 得分 45,比 DeepSeek V4.1 Flash 提高 6 分,与 GLM-5.3 并列代码公开可免费使用权重模型第二,仅次于 MiMo-V2.6-Pro
Arena 宣布 Meta 的 Muse Wonder Full (Max) 首次进入 Code Arena: WebDev 榜单,以 1726 分排名第 6,使 Meta 成为第 3 实验室,此前该位置由 Google 持有
OpenAI 宣布最新模型在 COBOL、Fortran、Visual Basic 等低资源编程语言上能力显著提升,并推出两项自建评测
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
Arena 宣布 DeepSeek-V4.1-Flash-20261017 (Max) 成为 Code Arena: WebDev 榜单第一代码公开可免费使用模型,超过 Kimi K3 (Max),成本低约 10 倍
Arena 公布 Meta 发布的 Muse Spark Open (Max) 在 Code Arena: WebDev 以 1511 分位居美国代码公开可免费使用模型第一、代码公开可免费使用模型总榜第 13
DeepSeek 将 V4.1 Flash 升级至 DeepSeek-V4.1-Flash-1017,网页端与 APP 同步更新,调用接口 调用方式与价格不变,仍用 deepseek-flash 访问
可灵AI正式上线视频模型 Kling 4.0,9月底曾向部分黑金年卡及Ultra年订用户开放4.0 Flash尝鲜版。作者实测后认为提升集中在三方面:最长30秒一镜到底直出,城市追逐、马戏团等复杂场景中人物与纸箱接触的物理形变等细节表现更好;大范围动态和复杂打斗的动作衔接、镜头临场感相较前代明显提升;视频首尾帧改为最多10帧的多帧参考,全能参考可替换运镜、场景和人物
Arena 宣布 Meta 的 Muse Spark Open 已进入 能自动完成任务的AI助手 Arena,用户可实测,评分即将公布。该模型为 816B 总参数、42B 激活参数,1M token 一次能记住多少内容,原生能看图、听声音、懂文字的综合能力
Meta 发布代码公开可免费使用权重模型 Muse Spark Open,已在 Hugging Face 以 Muse Model License 提供。模型总参数 816B、激活 42B,一次能记住多少内容 1M token,面向编码与能自动完成任务的AI助手工作流,原生能看图、听声音、懂文字的综合能力(图像、音频、文档),并相比 8 月发布的 Muse Spark 增加了安全后训练
ARC Prize 公布 Gemini 4 Argon 在 ARC-AGI (Verified) 的评测成绩。ARC-AGI-3 上,provider adapter harness 得分 97.5%、成本 $4.8K,标准 harness 得分 49.8%、成本 $5.8K;ARC-AGI-2 得分 91.3%、$0.32/task;ARC-AGI-1 得分 98.5%、$0.16/task。Google DeepMind 是第二家在 ARC-AGI-3 上得分超过 95% 的前沿 AI 实验室
Microsoft AI 宣布完成 MAI-Base-2 基础学习阶段,这是一个 800 亿激活、2.8T 总参数的 多位专家协作的模式 基础模型,在 held-out 评测中 BPB 低于所测全部代码公开可免费使用权重模型,基础学习阶段 FLOPs 效率比 DeepSeek-V4-Pro-Base 高 4.2 至 12.3 倍
阶跃星辰转发 FeatherlessAI 的消息,Step 5 Preview 已上线该平台,以 FP8 精度提供服务。该开放权重模型为 600B 稀疏 多位专家协作的模式 架构、每 token 激活 27B,面向长程能自动完成任务的AI助手工作,在软件工程和专业知识工作(尤其金融)上有前沿级表现,按 Artificial Analysis 数据其每任务成本约为 Claude Opus 5.5 的 1/6,智能水平与 Kimi K3 相当
Arena 宣布 Meta 的 Muse Wonder 系列模型上线 能自动完成任务的AI助手 Arena,用户可实测,分数即将公布
Meta 发布 Muse Wonder 和 Muse Wonder Full 两款模型,在 Artificial Analysis Intelligence Index v4.3 上分别得 52 和 56 分(max reasoning effort)
Google DeepMind 发布 EmbeddingGemma 2,基于 Gemma 4 架构,以 Apache 2.0 许可代码公开可免费使用,将文本、代码、图像、视频和音频映射到统一嵌入空间
ARC Prize 公布 DeepSeek V4.1 Flash 在 ARC-AGI (Verified) 的成绩:ARC-AGI-2 得分 72.9%,每任务成本 $0.13;ARC-AGI-1 得分 94.5%,每任务成本 $0.07。相比 V4 Flash 的最佳成绩,ARC-AGI-1 高 5.5 分,ARC-AGI-2 高 11.5 分,但每任务成本高约 250%
Arena 宣布 Mistral 的 Mistral Large 4 现已进入 能自动完成任务的AI助手 Arena,用户可前往测试投票,分数稍后公布。该模型为 1T 参数、49B 激活的原生能看图、听声音、懂文字的综合能力开放权重模型,也已在 Code Arena 的 WebDev、Text 和 Vision 中可用
Google 发布 Gemini Nano Banana 2.1(gemini-nano-banana-2.1),定位为高效图像生成与对话式编辑模型,是 Nano Banana 2(gemini-3.1-flash-image)的更新版
Mistral 发布 Mistral Large 4(Research Public Preview),在 Artificial Analysis Intelligence Index 得分 38,与 GPT-6 Luna(max, 38)相当,为美中之外最智能模型,计划 10 月底代码公开可免费使用 1T 参数(49B 激活)权重
Liquid AI 发布 d1 决策模型,新增文本与图像输入,可通过 console.liquid.ai 和 d1 Playground 使用
Arena 宣布 OpenAI 的 GPT-6.1 Sol (Max) 在 能自动完成任务的AI助手 Arena 排名第 5(+11.23%),中位任务成本 $0.56,并重塑了 Pareto 前沿
Arena 发布 能自动完成任务的AI助手 Arena 最新榜单,Anthropic 的 Claude Sonnet 5.5 以 +12.5% 净提升得分排名第 3,单任务中位成本 $2.74,比排名第 2 的 Claude Opus 5.5($1.58)高约 73%,且 Opus 5.5 得分更高,因此 Sonnet 5.5 未进入 能自动完成任务的AI助手 Arena 的 Pareto 前沿。据引用内容,Sonnet 5.5 在 Chat 类目以 +15.6% 排名第 1,Anthropic 模型包揽 能自动完成任务的AI助手 Arena 前三名
Ai2 代码公开可免费使用 AstaBrief 8B,一个基于 Qwen3-8B、将研究问题和检索文献片段转化为带引用报告的科学报告生成模型,现已在 Asta 的 Generate a report 功能中作为 Fast mode 上线,并连同学习用的素材开放下载
LMSYS 团队发布 Vicuna-13B,通过约 70K ShareGPT 用户共享对话针对性训练优化 LLaMA,训练成本约 $300,代码、权重和在线 demo 以非商业许可公开。GPT-4 作为评审的初步评估显示其达到 ChatGPT/Bard 90% 以上质量,在 45% 问题上不逊于 ChatGPT;团队同时提出基于 GPT-4 的自动评测框架,并说明其尚非严谨方法