模型
全球大模型的发布、更新、开源、价格变化和评测动态。
共 189 条
- Meta 发布 Muse Wonder 与 Muse Wonder Full 两款新模型
Meta 推出两款新模型 Muse Wonder 和 Muse Wonder Full，即日起面向 Muse Code 订阅用户开放，Wonder 还可通过 Meta Model API 调用。Meta 称内部基准测试显示，这两款模型可对标 OpenAI 的 GPT-6 Astra、Anthropic 的 Claude Opus 5.5 和 Claude Fable 5.1，但与 Google Gemini 4 Argon 的对比尚不明确。Meta 计划未来用 Wonder 驱动其 Muse AI Agent，先从订阅用户开始，但未公布具体方案和时间表。这是 Meta 重组 Superintelligence Labs 后，继 Muse Spark 和 Muse Agent 之后的又一次模型发布。
The Verge AI10/13海外新模型发布36
- TII 发布 Falcon-ASR：1.6B 阿拉伯语语音模型，平均 WER 20.92%
阿布扎比技术创新研究院（TII）发布 Falcon-ASR，一个 1.6B 参数的阿拉伯语语音识别模型，重点覆盖阿联酋方言，同时支持英语、法语、西班牙语和葡萄牙语，五种语言共用一套权重，无需指定语言标记，并输出词级时间戳。在 TII 的评测中，该模型在 6 个阿拉伯语测试集上平均词错误率 20.92%，比榜单上最好的已发布结果低 2.25 个百分点（Audar-ASR-V1-Turbo 为 23.17%）。目前仅提供 Hugging Face 托管演示，未公布权重、许可证和 API，所有分数均为自报。
MarkTechPost10/12海外新模型发布35
- vLLM 发布 Decision 3.0 决策模型，最小 0.85B 起
vLLM Semantic Router 团队发布 Decision 3.0 系列多模态决策模型，共 5 个尺寸（0.85B 到 26.09B），全部采用 Apache-2.0 许可。模型基于 Qwen 微调，可读取文本、JSON 和图片，直接返回概率而非生成文本，用于分类、路由和请求门控。内部评测中，27B 的 d3 在文本榜得 64.1，视觉榜 71.6；9B 的 d3-flash 文本得 59.0，超过上一代 27B 的 55.9。文档抽取 KIE 最高 97.7，R-Bench-M 最低 34.1。延迟在单张 AMD Instinct MI325X 上测得，未公布上下文长度和量化版本。
- What to expect from Apple’s ‘Welcome Home’ event
We are quickly coming up on Apple’s “Welcome Home” launch event, where we expect a host of smart home-related announcements. We are expecting refreshes to Apple TV and HomePod Mini, as well as a brand new smart home hub.…
- Odyssey-3 世界模型开放免费试用，14B 参数实时生成交互环境
加州 AI 公司 Odyssey 开放世界模型 Odyssey-3 的公开研究预览，用户可用文本提示生成可实时探索的交互环境，开发者可申请 API。免费在线 Demo 基于 Odyssey-3 Flash，支持第一人称和第三人称视角。模型基于自回归扩散 Transformer，基础版 140 亿参数，生成 832×480 视频，Pro 版支持 1280×720。公司称 Odyssey-3 Pro 在 Physics-IQ Verified 视频基准得 66.1 分，但该成绩来自单次测试并使用了从 8 个生成视频中挑选的方法，不符合基准要求的 4 次测试规则；不使用挑选方法时四次平均 63.37 分。WorldMark 基准四个类别中三项第一，均为 Odyssey 自行提交。
The Decoder10/11海外新模型发布43
- OrcaRouter 发布安全模型 OrcaCyber Zero 1.5，支持 100 万 token 上下文
OrcaRouter 发布 OrcaCyber Zero 1.5，用于授权漏洞研究，是 9 月 17 日 Zero 1.0 的继任版本。模型支持 100 万 token 上下文、128K 最大输出、原生函数调用和结构化输出，仅通过 OrcaRouter 托管 API 提供，不开源权重。厂商自报成绩：Cybench 100%（39/39，无限制 Agent 执行）、CVE-Bench 95.8%（24 个可评估任务中 23 个）、HumanEval+ 93.9%、SWE-bench Pro V2 76.5%。定价为每 100 万 token 输入 3 美元、输出 7.5 美元。所有分数均为自报，CVE-Bench 可评估任务仅 24 个。
- 微软发布 Decision-1 决策评分模型，基于 Qwen3.5-9B 训练
微软推出 Microsoft-Decision-1，一个快速决策评分模型，基于 Qwen3.5-9B 训练。微软表示将很快把该模型迁移到 MAI、OpenAI 及其他模型之上。原文指出，决策模型正迅速成为 AI 领域一个重要新类别，与用于生成文本的 LLM 不同。原文信息有限，未披露模型参数、定价和开放方式。
Techmeme10/11海外新模型发布39
- Nace AI 开源 Drex 1.5：9B 决策模型，只给选项打分不生成文本
Nace.AI 开源 Drex 1.5，一个 8.95B 稠密决策模型，不写文本，而是读取状态和带类型的问题后，为每个选项返回概率。在公开 Decision Index 0.3.1 上得分 58.08，为 10B 参数以下最高分，与闭源模型 Jev 1.13.0（57.96）处于同一并列区间。权重已上 Hugging Face，OpenRouter 提供托管版。bf16 权重约 18 GB，可在单张 24 GB A10G 上运行；Q8_0 GGUF 约 9.5 GB，可跑在 Apple 芯片和 CPU 上。默认上下文 16,384 token，最高 131,072。支持 choice、noul（是/否）、ordinal score 三种问题类型，不采样 token，temperature 和 top_p 不适用。
- Cloudflare 发布 Clef-omni 开放权重模型，支持音视频输入
Cloudflare 推出 Clef-omni，一款开放权重的决策模型，在文本和图像之外新增音频与视频输入支持。同时，Cloudflare 将上周发布的 Clef-flash 价格下调至低于 Jev's 的水平。原文信息有限，未披露模型参数规模、具体定价数字及开放许可条款。
- 阿里 Qwen 发布 Qwen-Image-2.1-Turbo，8 步出图
阿里 Qwen 团队发布 Qwen-Image-2.1-Turbo，是开源权重模型 Qwen-Image-2.1 的加速版本，去噪步数从默认 40 步降到 8 步，同一 7B 架构下步数减少 5 倍，同时提供托管 API。模型为 7B 视觉生成器加 Qwen3-VL 8B 文本编码器，通过 Diffusers 在 CUDA GPU 上以 BF16 运行，输出 2K 图像并保留编辑功能。基础版 Qwen-Image-2.1 在 Qwen-Image-Bench 上得分 60.28，为 Qwen 报告的开源权重最高分。仅研究许可，商用自托管需另行授权。
- 阿里开源 Qwen-Image-2.1-Turbo，8 步出图
阿里 Qwen 团队发布 Qwen-Image-2.1-Turbo，在 7B 视觉生成架构上做加速，仅需 8 步去噪即可生成和编辑图像，权重已开源。官方称步数减少不牺牲质量，仍可从文本生成 2K 图像，并支持自然语言连续编辑（如添加配饰、更换场景）。Diffusers 中加载 QwenImage21Pipeline 即用推荐的 8 步采样。同时 Qwen-Image-2.1 Pro 与 Turbo 的托管 API 正式上线，权重可在 ModelScope 和 Hugging Face 获取。
- MiniMax H3 称其开源视频世界模型物理表现接近闭源 SOTA
MiniMax 在 X 上称其开源视频世界模型 MiniMax H3 在物理表现上「几乎与闭源 SOTA 持平」。该帖引用 EinsiaAI 的物理评测：8 个 SOTA 视频世界模型参加物理考试，最高分仅 57.76/100，自由落体视频虽通过一致性筛选，平均综合分只有 26.61/100。EinsiaAI 同时发布 World Models' Last Exam in Physics，包含 40 个受控任务、9 个物理类别，对照真实物理定律评测，并公开 GitHub、项目页与论文链接。
X @MiniMax_AI10/09海外新模型发布48
- JetBrains 开源 Mellum2.1：12B MoE 编码智能体模型
JetBrains 发布 Mellum2.1，一个面向编码智能体的开源思考模型，Apache 2.0 协议，已上架 Hugging Face。总参数 12B，每 token 激活 2.5B（64 专家选 8），上下文 131,072 token，可在自有 GPU 上用 vLLM 或 SGLang 部署，GGUF 版本 7.0 GB 起。升级几乎全部来自真实软件环境中的强化学习。LiveCodeBench v6 得分 82.0，超过 Qwen3.5-9B 的 75.4；SWE-bench Verified 从 2.0 升至 47.0。但 Terminal-Bench 2.1 仅 17.4，低于 Qwen3.5-9B 的 21.7，硬核智能体任务和知识仍落后。
- Perplexity 发布 pplx-embed-v2-late 多模态嵌入模型
Perplexity 发布 pplx-embed-v2-late，一对 ColBERT 风格多模态嵌入模型，分 0.6B 和 9B 两个尺寸，均可检索文本、图像和渲染后的 PDF 页面，共享同一嵌入空间。9B 模型在 MADQA 上得分 92.4%，为最佳成绩；0.6B 模型图像部分约 340M 激活参数，接近 8B 竞品。两者已在 Hugging Face 以 MIT 许可开源，允许商用，托管 API 尚未上线。每个 token 存一个向量，索引随文档长度增长；单次输入不能混合文本和图像；所有分数为自报，技术报告未发布。
- Liquid AI 开源 d1-3B 与 d1-omni-600M 决策模型
Liquid AI 发布 Open d1 系列两个开源多模态决策模型：d1-3B（3.12B 参数，读文本和图像）和 d1-omni-600M（587M 参数，读文本加图像或音频）。两者都不生成文本，而是在一次前向传播中返回校准后的类型化答案，输出 token 数为 0，面向 NVIDIA DGX、RTX 工作站和 Jetson 边缘设备的实时决策。模型已上架 Hugging Face，支持 Transformers 和 llama.cpp，LFM Open License v1.0 允许年收入低于 1000 万美元免费商用。d1-3B 在 Jetson AGX Thor 上读取 384px 图像耗时 35 ms。d1-omni-600M 为早期研究版本，未公布延迟数据。
- Anthropic 发布 Claude Haiku 5.5，运行成本降约 75%升温
Anthropic 发布 Claude Haiku 5.5，称其是公司迄今最便宜、最快、能力最强的小模型。官方表示，平均运行成本比 Claude Haiku 4.5 低约 75%。原文未披露具体定价、上下文窗口、基准测试成绩和上线渠道等细节。
- Anthropic 将 Claude Sonnet 5.5 缓存读取价格减半
Anthropic 宣布把 Claude Sonnet 5.5 的缓存读取（cache reads）价格减半，降至每百万 token 0.10 美元。官方称这一调整让 Sonnet 5.5 在大多数长时间运行的任务上成本降低约 20%。原文未给出生效时间等更多细节。
- Anthropic 发布 Haiku 5.5，首次支持可调 effort 设置
Anthropic 发布 Haiku 5.5，这是首个带可调 effort 设置的 Haiku 模型，用户可按任务在成本与智能之间取舍。原文仅给出这一句说明，未公布价格、上下文长度、跑分等具体参数，信息有限。
- Anthropic 发布 Claude Haiku 5.5，价格最高降 90%升温
Anthropic 发布 Claude Haiku 5.5，官方称是迄今最快、最便宜的小模型。平均价格比 Haiku 4.5 低约 75%；对 10 万 token 以内的请求（约占此前 Haiku 请求的 90%）价格最多降 90%，超过 10 万 token 则贵 5 倍。输入 $0.10/百万 token，输出 $0.50/百万 token。基准测试大幅提升：GDPval-AA v2.1 得 1620 分（前代 735），Humanity's Last Exam 无工具 45.9%，OSWorld-2.1 计算机操作 72.4%（前代 15.7%），Terminal-Bench 4.0 为 39.2%（前代 0）。Anthropic 同时下调 Sonnet 5.5 价格。注意新 tokenizer 会消耗更多 token，实际节省低于单价降幅。
- Anthropic 发布 Claude Haiku 5.5，成本降约 75%
Anthropic 发布 Claude Haiku 5.5，官方称这是其迄今最便宜、最快、能力最强的小模型。相比上一代 Claude Haiku 4.5，平均运行成本降低约 75%。原文未公布具体定价、上下文长度、基准测试分数和上线渠道等细节。
- TII 发布 Falcon-ASR：1.6B 参数阿拉伯语语音识别模型
阿布扎比技术创新研究院（TII）发布 Falcon-ASR，一个 1.6B 参数的语音识别模型，重点支持阿联酋方言，同时支持英语、法语、西班牙语和葡萄牙语。在六个阿拉伯语测试集上平均词错误率（WER）为 20.92%，比所用排行榜快照中最佳公开结果 23.17% 低 2.25 个百分点。在 TII 内部阿联酋方言评测中，WER 为 22.73%、CER 为 10.19%，比次优的 Qwen3-Omni 低 4.07 个百分点。模型支持词级时间戳，训练数据覆盖阿联酋方言、现代标准阿拉伯语、其他海湾及阿拉伯方言和英语，并加入背景噪声、重叠语音、音乐、混响和电话效应等条件。
Hugging Face 博客10/07海外新模型发布42
- Artificial Analysis：Mistral Large 4 为美中之外最智能模型
Artificial Analysis 的评测显示，Mistral Large 4 是来自美国和中国以外地区最智能的模型，成绩与 DeepSeek V4.1 Flash（max）相当。原文正文仅为播客与订阅推荐内容，未给出具体评测分数、测试项目或对比数据，信息有限。
- Simon Willison 评 EmbeddingGemma 2：Apache 2.0 许可很重要
Simon Willison 发文称赞 EmbeddingGemma 2 采用 Apache 2.0 开源许可。他认为嵌入模型不适合用闭源、仅托管的形式：嵌入模型通常要计算并存储成千上万甚至数百万条向量，一旦厂商停掉某个模型，用户就得花钱重新计算所有已存向量。他提到 OpenAI 曾在 2024 年 4 月提出为用户用新模型重新嵌入内容承担费用，但认为不能指望每家厂商都这么做。他表示自己不想自托管，更愿意付费使用托管服务，同时保留厂商停服后可自行运行开源权重或换供应商的退路。
Simon Willison10/07海外新模型发布36
- Musubi 开源 PolicyLM-1.7B，50 毫秒内执行内容审核策略
Musubi 发布轻量决策模型 PolicyLM-1.7B，开放权重，可将纯英文写成的社区政策直接套用到消息上，判定耗时低于 50 毫秒。该模型成本与速度接近主流社交平台的 AI 分类器，但具备 LLM 的灵活性，无需专门训练即可执行复杂政策，政策变更后也不用重新训练。联合创始人 Filip Jankovic 称其让平台管理者能主动给内容打标。决策模型自 TypeSafe AI 的 Jev 发布后成为热点，OpenAI 和亚马逊随后也推出同类模型。
TechCrunch AI10/07海外新模型发布35
- Google 发布 Nano Banana 2.1 图像模型，价格减半
Google 发布图像生成与编辑模型 Nano Banana 2.1，取代 2026 年 2 月发布的 Nano Banana 2，价格约为前代一半：1K 图像从 6.70 美分降至 3.36 美分，4K 从 15.10 降至 7.56 美分。该模型基于 Gemini 3.6 Flash，运行速度为 Flash 级别，支持 1K/2K/4K 分辨率，可一次处理最多 14 张参考图，保持最多 4 个角色和 10 个物体一致，并接入 Google 搜索，提供低、中、高三档思考级别。Google 称其在视觉质量、文字渲染、多轮对话角色一致性、全景图和图表信息图方面均有提升。已在 Gemini 应用、Google 搜索 AI Mode、AI Studio、Flow、Stitch、Google Ads 和 Gemini 企业平台铺开。
- Simon Willison 用犰狳测试 Mistral Large 4 等模型
原文信息有限。Simon Willison 引用 Hacker News 用户 wren6991 关于基准测试已饱和的评论，用「穿渔网袜在火星乱穿马路的犰狳」这一提示词分别测试了 claude-opus-5.5、gpt-6.1-sol、gemini-3.8-flash 和 mistral/mistral-large-4 四个模型生成 SVG 的效果，并附上各模型默认推理等级及 SVG 渲染工具链接。正文未给出具体对比结论。
- Mistral 发布 Mistral Large 4：1.05T 参数开源多模态 MoE
Mistral AI 于 10 月 6 日以公开预览形式发布 Mistral Large 4（内部代号 Le Chonk），总参数 1.05 万亿，每 token 激活 49B，含 16 亿参数视觉编码器，上下文窗口 100 万 token，在自有欧洲数据中心的 3800 块 NVIDIA Grace Blackwell GPU 上从零训练。API 已上线，输入 1.36 美元/百万 token、输出 4.18 美元/百万 token，权重要到 10 月底才发布，暂无法自托管。网络安全表现突出：Cybench 93%、CyberGym-E2E 82%，Mistral 称多个闭源前沿模型因直接拒答而接近零分。编码 Agent 综合指数 49.8%。Surge AI 盲测人类评分 3.74/5，落后 Claude Opus 5 的 4.22。
- Google DeepMind 发布 EmbeddingGemma 2，740M 参数统一编码多模态
Google DeepMind 推出 EmbeddingGemma 2，一个 740M 参数的开源嵌入模型，可将代码、图像、视频和音频映射到同一嵌入空间，采用 Apache 2.0 许可证。原文正文信息有限，仅包含标题所述内容及赞助商广告，未披露基准测试、发布时间或可用渠道等细节。
- Google 发布 EmbeddingGemma 2，7.4 亿参数开源嵌入模型升温
Google DeepMind 发布 EmbeddingGemma 2，参数量 7.4 亿，在多项基准测试中表现有竞争力，甚至超过部分参数量两倍以上的专用模型。开发者可用它为应用加入多模态搜索，例如用语音备忘录定位视频片段，或与 Gemma 4 搭配实现端侧私有 RAG。模型以 Apache 2.0 许可发布，权重已上线 Hugging Face 和 Kaggle。
- Google 发布 EmbeddingGemma 2，首个原生多模态端侧嵌入模型
Google DeepMind 发布 EmbeddingGemma 2，称其为首个原生多模态开放模型，用于端侧嵌入（on-device embeddings）。该模型在文本之外扩展到代码、图像、音频和视频，并将这些模态统一到同一共享向量空间中。原文为推文，仅给出上述信息，未披露模型参数规模、上下文长度、基准测试成绩、开源协议与发布时间。