模型
全球大模型的发布、更新、开源、价格变化和评测动态。
共 191 条 · 海外
- DeepSeek 发布 V4.1-Flash-1017，DeepSWE 得分 77.0 超过 Claude Opus 5
DeepSeek 发布 V4.1-Flash 的新检查点 V4.1-Flash-1017，已在官网、App 和 API 上线，API 模型名为 deepseek-flash。官方称在全部 11 项基准上比 9 月版本高 2.0 到 11.1 分，其中 DeepSWE v1.1 得 77.0，高于表中 Claude Opus 5 的 74.0；HLE 无工具仅 42.6，低于 Opus 5 的 56.3。模型为多模态 MoE，552B 主干加 196B Engram 参数，prefill 激活 8B、decode 激活 16B，上下文 1M token、输出上限 384K。同时 DeepSeek 向所有开发者开放 Search 和 Fetch API。
MarkTechPost10/17海外新模型发布2 个信源57
- Elorian 发布首个模型 Glimpse，推理中可反复查看图像
帕洛阿尔托初创公司 Elorian 发布首个模型 Glimpse，以研究预览形式开放 API，聊天界面需排队。Glimpse 在推理过程中可裁剪图像局部、抽取视频帧或运行代码测量比较，Elorian 称这一机制为「视觉草稿区」，区别于多数多模态模型一次性把图像转成 token 再在文本中推理的做法。定价为输入每百万 token 0.60 美元、输出 3 美元。Elorian 称其在科学图表推理和短视频描述上超过 GPT-6 Astra。公司此前以 3 亿美元估值完成 5500 万美元种子轮，由 Striker Venture Partners、Menlo Ventures、Altimeter Capital 联合领投，英伟达和 Jeff Dean 参投。
TechCrunch AI10/17海外新模型发布2 个信源52
- NVIDIA 与 AI4Bharat 开源 2.8 万亿 token 印度语预训练数据
NVIDIA 联合 IIT Madras 的 AI4Bharat 实验室发布 Nemotron-pretraining-Indic-v1，约 2.8 万亿 token，覆盖印度宪法列出的 22 种语言，含 12 种语言的罗马化文本，共 34 种语言-文字组合。同时开源配套的 GPU 加速数据生成流水线，包含提示词、LLM 工作流和质量校验，可迁移到自有语料。数据由精选英文材料（数学、代码、问答）翻译而来，每条记录可追溯到源文档，并保留公式、表格和代码。AI4Bharat 负责人 Mitesh Khapra 称印度语技术落后的核心原因是数据不足。
Hugging Face 博客10/16海外新模型发布42
- Reflection 发布 501B 开源模型 Beam，Apache 2.0 许可
美国新实验室 Reflection 发布首个模型 Beam，采用 MoE 架构，总参数 501B、每 token 激活 23B，支持 100 万 token 上下文，以 Apache 2.0 许可开源。模型面向编码和 Agent 场景，提供 BF16、FP8、NVFP4 三种权重格式，首日即支持 transformers、SGLang、vLLM，并附带基于 Rust 的专用 harness 和投机解码草稿模型。推理强度分 low、medium、high、xhigh、max 五档，支持跨轮保留思考内容。Reflection 另设 1 万美元 Hub 额度奖励优秀社区项目。
- vLLM 首日支持 Reflection Beam 501B MoE 模型
vLLM 在发布当天即支持 Reflection 的 Beam 模型：501B 参数 MoE，每 token 激活 23B。在 NVIDIA Blackwell 上，由编码 Agent 自主优化后，batch-1 解码比初版快 2.71 倍，prefill 快 1.87 倍。配合 DFlash2 投机解码草稿模型，单请求在 TP8 上达到 708 tokens/s，接受长度 3.7；自适应验证在高并发下再提升 10% 吞吐。架构上，52 层解码器采用 DeepSeek-V3 式 MoE 路由，43 层为 512 token 滑窗注意力，9 层为无位置编码的全注意力，FP8 KV 缓存下 1M 上下文约占 18 GiB。官方提供 Docker 镜像可直接部署。
vLLM10/16海外新模型发布41
- IBM 发布 Granite Switch 4.1：单端点集成对话、决策与语音
IBM 发布 Granite Switch 4.1，含 8B 和 30B 两个版本，把对话、通用与专用决策、语音转写集成到同一个托管端点。三个组件分别是：新的通用决策 aLoRA、在安全决策任务上平均优于 Jev 1.13、Microsoft-Decision-1、GPT-Luna-Decisions 和 Clef-Flash 的 Guardian aLoRA，以及 OpenASR 榜首的 ASR 模型 Granite-Speech-5.0-Turbo-CTC。三者与基座模型组合后，GPU 显存占用与单独运行基座模型大致相当。由于采用 Activated LoRA，基座生成的 KV cache 可复用于后续适配器决策。在 5 步 RAG 工作流对比中，Granite-Switch-4.1-30B 快于 Jev-27B。
- Meta 发布开源权重模型 Muse Spark Open，可在 Mac 本地运行
Meta 与 Apple 合作发布新模型 Muse Spark Open，采用开放权重，可在 Apple silicon 芯片的 Mac 上本地运行。原文信息有限，未披露模型参数规模、具体性能数据、开源许可协议及发布时间。
- NVIDIA 发布 Nemotron 3.5 Super VL，120B 开源多模态 Agent 模型
NVIDIA 发布 Nemotron 3.5 Super VL，一个 120B 参数 MoE 开源视觉语言模型，每 token 激活 12B 参数，支持文本、图像、文档和视频输入，可推理、调用工具并写代码。上下文最高 100 万 token，权重以 OpenMDW-1.1 许可发布，同时开源数据集、训练配方和 RL 环境。NVFP4 检查点可在 1 张 DGX Spark、1 张 H200、2 张 H100 或 1 张 GB200 上运行。NVIDIA 称单 GPU 吞吐量最高为同类开源模型的 5 倍。基准成绩：GPQA-Diamond 89.90、SWE-bench Verified 71.07、BrowseComp 77.5、tau3-bench banking 17.78。另发布两款边缘模型 Nemotron 3.5 Bolt 74B-A9B 和 Bolt E4B。
- Meta 发布 Muse Spark Open，与苹果合作优化 Mac 本地运行
Meta 发布开源权重模型 Muse Spark Open，总参数 8160 亿，原生多模态，主打长周期任务、复杂软件工程和多步推理，Meta 称其为「迄今最强的美国开源权重模型」。该模型可在两台搭载 M5 Ultra 芯片的 Mac Studio 上通过 MLX 框架本地运行，Meta 与苹果为此合作数月，扎克伯格和苹果新任 CEO John Ternus 在 X 上互相致意。苹果同步发布 MLX 技术文章，介绍 Muse Spark Open 及另外两个开源模型的运行情况。
- Black Forest Labs 开源 FLUX 3 Image Klein，8 GB 显存可跑
Black Forest Labs 发布 FLUX 3 Image Klein，一个 56 亿参数的开源文生图与图像编辑模型，支持最多 10 张参考图、原生 4K 输出和像素级编辑。官方称其内部测试 Elo 分数在所有开源模型中最高，超过闭源模型 Ideogram V4.5 和自家 FLUX.2 [pro]，比 90 亿参数的 FLUX.2 [klein] 高 91 Elo 分且参数少 38%。INT8 版本可在 8 GB 显存的 NVIDIA GPU 上运行，RTX 4070 生成一张图不到 9 秒。权重采用 FLUX Kommunity License，年收入低于 500 万美元的公司可免费商用；
- 英伟达发布 Nemotron 3.5 Super VL 开源多模态模型
英伟达发布 Nemotron 3.5 Super VL，一个 1200 亿参数的开源多模态模型，面向企业级 Agent，可连续在后台处理文本、图像、文档和视频。采用 MoE 架构，每个 token 仅激活 120 亿参数，由 Mistral AI、Thinking Machines Lab、Perplexity、Black Forest Labs 等组成的 Nemotron Coalition 共同开发。同步推出两款本地模型：Bolt 74B-A9B 24GB 可在本地机器运行 Agent 任务，Bolt E4B 4GB 面向语音助手，本月晚些时候发布。英伟达称 Super VL 从 Nemotron 3 Ultra 蒸馏而来，以约五分之一参数达到 Ultra 精度，在 Hermes 和 LangChain 的 Agent 测试中得分更高，单 GPU 吞吐量最高为同类开源模型的 5 倍。
- GPT-6-Astra 解出 50 道物理研究题中的 49 道，单题成本 2.4 美元
研究团队用 50 道理论物理研究题测试商用 AI Agent，不给任何人工提示。GPT-6-Astra 在 OpenAI 的 Codex 编码环境中解出 49 题（98%），单题平均成本不到 3 美元，整套基准不到 116 美元。Anthropic 的 Opus 5.5 在 Claude Code 中排第二，92%；Google Gemini 3.8 Flash 为 68%；开源权重模型 DeepSeek-V4.1-Flash 和 GLM 5.3 分别为 54% 和 42%。题目覆盖理论物理 11 个子领域，属于把已知方法套用到微调问题上的「常规研究」工作，而非重大开放难题。联网搜索影响很小：断网时 Astra 和 Opus 各得 92%，作者认为头部语言模型已记住大量理论物理文献。
The Decoder10/15海外新模型发布43
- 瑞士 Apertus 1.5 开源：支持图像音频理解，上下文扩至 256K
瑞士 AI 项目发布 Apertus 1.5，在 8B 和 70B 两个尺寸上新增图像与音频理解、可选的思考模式，上下文窗口从 64K 扩至 262,144 tokens（4 倍），并改进指令遵循与工具调用。模型权重于 2026 年 7 月 24 日以 Apache 2.0 许可发布在 Hugging Face。训练为继续预训练：8B 增加 4 万亿 tokens、70B 增加 2 万亿，总量分别达 19T 和 17T。多模态采用早期融合，图像经 Emu3.5 tokenizer 编码（512×512 图像为 1024 tokens），音频经 WavTokenizer（每秒 40 tokens），架构不变，仅扩展词表；模型只输出文本。项目称权重、数据、价值观与训练细节全部开放。
- TypeSafe AI 发布 Jev 1.14，新增图像与 Box 类型
TypeSafe AI 发布 System One 决策模型 Jev 1.14，以 jev-preview 别名上线，新增图像输入、Box 边界框类型和 262k 上下文三项实验性功能。默认上下文为每请求 64k token、每问题 32k，可通过 opt-in header 扩展到 262k。仅通过托管 API（POST /v1/systemone）提供，不开源权重。图像支持 PNG/JPEG，单文件最大 16 MiB，按普通输入 token 计费。Box 每题返回一个边界框和置信度，但对不存在的目标仍会返回框，需配合 Noul 问题判断。官方称三项功能均未达到生产可用。
- SpaceXAI 发布 Grok Voice 3.0，语音榜登顶
SpaceXAI 发布实时语音模型 Grok Voice 3.0，在 Artificial Analysis 语音到语音指数上以 86.9 分排名第一，超过 GPT-Live-1（83.2）和 Gemini 3.8 Live Extended Thinking（82.6），上一代 Grok Voice 2.0 为 81.3。首音频延迟 0.81 秒，比 GPT-Live-1 的 1.34 秒低约 40%，但慢于 2.0 的 0.70 秒。τ-Voice 智能体任务得分 71.6%，仍低于 GPT-Live-1 的 74.5%。开发者接口、事件和每分钟 0.08 美元的价格与 2.0 保持一致，grok-voice-latest 别名已自动指向新版本。模型仅通过托管 API 提供，无开放权重。
- Meta 开源 Muse Spark Open：816B 参数多模态 MoE 模型
Meta 发布开放权重模型 Muse Spark Open，总参数约 816B，每 token 激活约 42B，上下文窗口最高 100 万 token。模型支持文本、图像、音频、视频输入，输出文本，面向 agentic 编码训练，可读取代码库、编写和调试代码、调用工具。架构上共 62 层，每层 256 个专家、每 token 选 8 个，专家占总参数约 97%；提供 BF16 和 NVFP4 两种 checkpoint。Meta 称其为迄今最强的美国开放权重模型，与 8 月发布的小型稠密模型 Muse Glimmer 共用 tokenizer 和聊天模板。
- Meta 开源 Muse Spark Open，1M 上下文支持 Agent 编码
Meta 发布 Muse Spark Open 模型权重，主打 Agent 编码与长周期任务，原生多模态、支持 100 万 token 上下文，可完成写代码、调试、多步规划、连续工具调用和长流程中的失败恢复。在 Meta 的评测中，该模型用 Terminus 2 Agent 在 Terminal-Bench 2.1 上得分 76.4，用 Meta 偏好的 harness 在 DeepSWE 1.1 上得分 60（xhigh 推理强度）。模型已上线 Modal，以 Shared Endpoint 形式按 token 计费。
- NVIDIA Nemotron 3.5 Super VL 开源，vLLM 首日支持
NVIDIA 发布开源多模态模型 Nemotron 3.5 Super VL，采用 120B 总参数、12B 激活参数的 MoE 架构，支持文本、图像、文档、视频输入，输出为文本。模型面向长时间运行的 Agent，将推理、指令遵循、工具调用与视觉理解合为一体，减少同时部署文本模型和视觉模型的需要。技术上有 C-RADIOv4 视觉编码器、混合 Mamba-Transformer、多 token 预测和 NVFP4 量化。权重已在 Hugging Face 发布 BF16 和 NVFP4 版本，vLLM 提供首日推理支持，可部署在 GB10、B200、B300、H200、2x H100 等平台，并可用 NeMo 做后训练。
- Black Forest Labs 发布 FLUX.3 Image Klein，支持布局控制
Black Forest Labs 发布 FLUX.3 Image Klein，发布当天即集成进 Diffusers。单一模型同时支持文生图、多参考图生图和布局控制：在提示词中写边界框，指定画面各部分的摆放位置，或参考图中哪些部分需要移动。开放两个 checkpoint：蒸馏版 flux-3-image-klein 默认 16 步、无需 CFG，在 H100 上生成 1024×1024 图像约需 2 秒；基础版 flux-3-image-klein-base 默认 50 步、使用 CFG。NVFP4 和 FP8 权重可通过 from_single_file 加载，以适配较小显存；提供文生图和图像编辑的 LoRA 训练脚本；以 Modular Diffusers pipeline 形式发布，可拆装模块。
- Liquid AI 发布 LFM2.5-24B-A2B 端侧推理模型
Liquid AI 发布 LFM2.5-24B-A2B，24B 参数、每 token 仅激活 2B，是 LFM2.5 系列最大也是最后一款模型。在 8 项 agent 与工具调用基准中 5 项对标 Qwen3.6-35B-A3B，LiveClaw 得分 48.09 对 38.19，AutomationBench 27.69 对 8.72。端侧速度最高为同类 MoE 的 1.7 倍，Apple M5 Max 上 184 tokens/s，单张 NVIDIA B300 上输出可达 21K tokens/s。上下文从 32K 扩至 131K，词表从 65K 扩至 128K，预训练从 17T 扩至 33T tokens。基座与后训练版本均已开源，上线 Hugging Face 与官方 Playground。
Hacker News · AI10/15海外新模型发布56
- Fish Audio 开源 35B MoE 语音模型 Drama 3
Fish Audio 发布 Drama 3，一个 35B 总参数、每 token 约 3B 激活的 MoE 文本转语音模型，权重已上 Hugging Face 并接入官方 API。模型支持 83 种语言、单次请求最多 16 个说话人，可用括号内的自然语言指令控制语气，如 [barely holding it together]。FP8 推理需至少 48 GB 显存的单张 NVIDIA GPU，不支持 CPU、Apple MPS 和 AMD ROCm。在 Artificial Analysis 发音鲁棒性测试中总体 93.2% 排名第一，其中品牌地名技术词 95.9%，代码路径邮箱等精确序列 86.3% 为最弱项。
- Artemis 发布安全专用模型 Orion-1，称攻击重建得分超 GPT-6 Sol
美国初创公司 Artemis Security 推出安全专用模型 Orion-1，可自主调查并响应企业网络攻击。在公司自建基准 DGR 上，Orion-1 攻击重建任务得分 80.8，高于次优模型 GPT-6 Sol 的 58.3；对比模型还包括 Claude Opus 5.5、Grok 4.7 和 Kimi K3。Orion-1 处理认证服务、云环境、终端、SaaS 应用和网络设备的日志，将账号登录、新云权限、新建邮箱规则等信号关联到同一攻击者，给出置信度、结论和响应建议。Artemis 称训练未使用客户数据，但未说明是否基于其他厂商的现有模型微调。该模型已在 Artemis 平台面向部分客户私密预览，高影响操作默认需人工批准。
- Google 发布 Gemini 4 Argon API，单次输出上限 100 万 token
Google DeepMind 将 Gemini 4 Argon 开放给开发者、企业和付费 Gemini 订阅用户，API 定价为输入每百万 token 2 美元、输出每百万 token 10 美元。该模型为稀疏 MoE 前沿模型，原生支持文本、图像、音频、视频输入，仅输出文本，知识截止 2026 年 3 月，参数规模未披露，无开源权重。最大变化是输出长度从早期 Gemini 的 64K 提升到 100 万 token，但输入输出共享同一 100 万 token 窗口。基准测试中 DeepSWE v1.1 得 77.9%，LVBench 91.7%，但 FrontierSWE v2 仅 55.0%，在 Google 自家表格中垫底。
- Meta 发布 Muse Wonder 系列模型，1M 上下文主打长任务 Agent
Meta 发布 Muse Wonder 和 Muse Wonder Full，定位个人与专业 AI Agent，支持 1M token 上下文，输入涵盖文本、图像、视频、音频。Muse Wonder 已在 Meta Model API 和 Muse Code 上线，Muse Wonder Full 仅限付费 Muse Code 套餐。在 Meta 公布的 14 项基准中，Muse Wonder Full 领先 6 项，但在多项上落后 Claude Opus 5.5。Muse Wonder 在 MemoryBench 得 85.6 分，为 5 个模型中最高；ProgramBench 仅 50.0 分，Claude Opus 5.5 为 70.5 分。API 定价为每百万 token 输入 4 美元、输出 20 美元。
- Liquid AI 发布 LFM2.5-24B-A2B：2B 激活参数端侧 Agent 模型
Liquid AI 发布 LFM2.5-24B-A2B，总参数 24B、每 token 仅激活 2B，专为端侧运行私有 Agent 设计。模型会先推理再回答，支持工具调用和多步任务。在 LiveClaw 上得分 48.09，超过参数多约 50% 的 Qwen3.6-35B-A3B（38.19）；AutomationBench 27.69 对 8.72。推理速度：Apple M5 Max 上 184 tok/s，单张 NVIDIA B300 GPU 最高 21K 输出 tok/s。上下文从 32K 扩到 131K，词表从 65K 扩到 128K。预训练数据从约 17T 扩到约 33T token，后训练含 Agentic RL，在 OpenClaw、Hermes Agent、Pi、OpenCode 等框架内训练。
- LangChain 评测：开源模型在 Agent 任务上追平闭源前沿模型
LangChain 用 Deep Agents 评测框架测试开源权重模型，GLM-5（z.ai）和 MiniMax M2.7 在文件操作、工具调用、指令遵循等核心 Agent 任务上与闭源前沿模型得分相当。价格差距明显：Claude Opus 4.6 输入 5 美元/百万 token、输出 25 美元，MiniMax M2.7 仅 0.3/1.2 美元；按每天输出 1000 万 token 计算，Opus 4.6 约 250 美元/天，MiniMax M2.7 约 12 美元/天，年差约 8.7 万美元。延迟方面，GLM-5 在 Baseten 上平均 0.65 秒、70 token/秒，Claude Opus 4.6 为 2.56 秒、34 token/秒。评测覆盖文件操作、工具调用、检索、对话、记忆、摘要和单元测试七类。
LangChain10/14海外新模型发布43
- Google 全球上线 Gemini 4 Argon
Google 通过 Gemini API 面向全球开发者推出 Gemini 4 Argon，同时向 Google AI Pro 订阅者在 Gemini 应用和 AI Mode 中开放，Ultra 用户还可在 Antigravity 中使用。原文正文为播客推荐列表，未提供模型参数、价格或评测等更多细节。
Techmeme10/14海外新模型发布43
- Gemini 4 Argon 开始推送，仅限付费用户
Google 开始向 Gemini app 和 Antigravity 推送 Gemini 4 Argon，但仅限付费用户，低档订阅也无法获得完整权限。模型能力与上月公布的基准一致，主打高级推理和 Agent 编码，并配有拒绝恶意指令的训练和自动失准监控。Google 称内部已有数千名员工使用：Argon 发现 YouTube 评论系统中冗余的 emoji 渲染，消除后服务器负载下降 45%；在 Project Wing 的无人机物理模拟器中找出 2018 年就存在的关键 bug；并提升了机器人项目的具身推理表现。
Ars Technica AI10/14海外新模型发布40
- Google 发布 Gemini 4 Argon，定价为 GPT-6 Astra 的五分之一升温
Google 发布新一代前沿模型 Gemini 4 Argon，称其在编码、网络安全、科学、金融、法律等基准上超过 GPT-6 Astra、Claude Fable 5.1 和 Claude Opus 5.5，并减少了回避、重复和套话。该模型已内部用于查找修补安全漏洞、将 YouTube 评论区算力减半、为 Wing 调试无人机物理模拟器。今日起向 Gemini 应用和搜索 AI 模式的 Pro、Ultra 订阅用户，以及 Antigravity 平台的 Ultra 用户开放，Plus 和免费用户暂无时间表。定价为每百万输入 token 2 美元、输出 10 美元，约为竞品的五分之一，11 月底翻倍后仍显著更低。
The Verge AI10/14海外新模型发布4 个信源75
- Z.ai 发布法律模型 GLM-Legal，Harvey LAB 通过率 19.17%
Z.ai 发布法律专用模型 GLM-Legal，基于 GLM-5.3-Flash（320B 总参数、18B 激活 MoE，1M 上下文），面向合同审查、证据分析和合规研究。在 Harvey LAB 基准上全通过率 19.17%，排名 79 个模型中的第 7，比基座模型的 6.67% 提升约 3 倍，独立评测方复现了该结果。单次测试成本 0.15 美元，约为 Claude Fable 5 的 1/128。但 API 目前仅限申请使用，无公开权重，无定价，单任务耗时约 1 小时 12 分；在法律研究基准上得分 41.83%，低于自身基座模型的 45.19%。