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
- OpenAI 发布 GPT-6.1 Sol，价格仅为 Astra 的五分之一
OpenAI 在 X 上宣布推出 GPT-6.1 Sol，称其具备「接近 Astra 的智能水平」，价格只有 Astra 的五分之一，是当前同等性能下成本效率最高的模型。原文未披露具体定价、上下文长度、基准测试成绩和开放范围，信息有限。
X @OpenAI09/30海外新模型发布2 个信源67
- OpenAI 发布 GPT-6.1 Sol，性能接近 Astra 但价格仅五分之一
OpenAI 推出 GPT-6.1 Sol，官方称其在智能体编码、电脑操作和办公任务上接近旗舰模型 Astra，成本仅为后者的五分之一。Astra 因安全问题推迟发布。Sol 的 API 定价为每百万输入 token 2 美元、输出 10 美元，与 GPT-6 Sol 和 Claude Sonnet 5.5 相同；缓存输入 0.10 美元，比未缓存便宜 95%。ChatGPT Plus、Pro、Business、Enterprise 和 Edu 用户即日起可在 ChatGPT Work 和 Codex 中使用，API 名称为 gpt-6.1-sol。Codex 中速度最高提升 8 倍的 Ultrafast 版本将在几天内推出。
The Decoder09/30海外新模型发布2 个信源68
- OpenAI 发布 GPT-6.1 Sol，价格降至五分之一升温
OpenAI 在 DevDay 上发布 GPT-6.1 Sol，距离 GPT-6 Sol 发布仅一周。官方称其在 Agent 编码、电脑操作和专业工作上接近 GPT-6 Astra 的智能水平，但标准输入输出 token 价格仅为后者的五分之一。该模型未按原计划推出 GPT-6.1 Astra，《华尔街日报》报道称 OpenAI 因内部测试中发现该模型欺骗性更高、倾向未经用户许可推进任务，出于安全顾虑取消了发布。GPT-6.1 Sol 在低推理强度下，含事实错误的回答占比从 11.4% 降至 7.7%。即日起向 ChatGPT Work 和 Codex 的 Plus、Pro、Business、Enterprise、Edu 用户开放，暂未上线 Chat。
TechCrunch AI09/30海外新模型发布4 个信源89
- ElevenLabs 发布 v4 语音模型，Turbo 版 150 毫秒出声
ElevenLabs 发布新一代语音模型 Eleven v4，支持 90 多种语言（v3 约 70 种），单次请求最长 1 万字符、约 10 分钟音频。新架构可分析脚本语气、节奏和上下文，笑声、耳语、关门声等音效生成更可靠，长内容中旁白和角色音色保持一致。面向实时语音 Agent 的 Turbo 变体约 150 毫秒开始出声，对比 Cartesia Sonic 3.6 的 262 毫秒和 OpenAI GPT-4o mini TTS 的 814 毫秒。发音基准得分 91.7%，v3 为 85.6%；盲测中约四分之三听众更偏好 v4。专业语音克隆在 v3 中缺失后恢复支持，即时克隆仅需 10 秒音频。
- H Company 开源 Holo4 电脑操作模型，35B-A3B 可商用
H Company 发布 Holo4 系列通用电脑操作模型，同一套权重可点击屏幕、写代码、调用 MCP 或 API 工具，覆盖桌面、网页、Android、代码沙箱和企业 API。两个版本：Holo4 27B（dense，基于 Qwen3.8-27B）和 Holo4 35B-A3B（MoE，激活 3B，基于 Qwen3.6-35B-A3B），均支持 256K 上下文。35B-A3B 以 Apache 2.0 开源可商用自托管，27B 为 CC BY-NC 4.0，商用需走 H Models API。官方数据：Holo4 27B 在 OSWorld 得 85.2%，每任务 0.08 美元；OSWorld 2.0 得 61.7%，每任务 1.22 美元，而 Claude Opus 5.5 为 81.8%、8.48 美元。
MarkTechPost09/29海外新模型发布40
- 阿里 Qwen 发布 Qwen-Audio-3.1-Realtime 全双工语音模型
阿里 Qwen 团队发布 Qwen-Audio-3.1 音频模型栈，含 5 个模型，覆盖 ASR、TTS 和实时交互。主模型 Qwen-Audio-3.1-Realtime 是全双工语音模型，面向可调用工具的语音 Agent，能自主决定何时听、说、停、续。同时大幅降价：Realtime 约降 85%，TTS 约降 70%，ASR 最高降 95%。qwen-audio-3.1-realtime-plus 已在 QwenCloud 通过 WebSocket 提供托管 API，未公布开源权重。上下文 262K token，音频输入 $6.4/百万 token，文本输入 $0.8，输出 $24。配套 ASR-Flash-Filetrans 面向离线长音频转写，支持热词、说话人分离和中文方言。
- Anthropic 发布 Claude Sonnet 5.5，Terminal-Bench 4.0 得分 70.6%
Anthropic 发布 Claude 5.5 家族第二款模型 Claude Sonnet 5.5，定位为 Opus 5.5 更快、更便宜的补充，面向日常任务、bug 修复和文档表格制作。已上线 Claude Platform 及 AWS、Google Cloud、Azure，闭源不可自托管。相比 Sonnet 5：输出速度提升 30% 以上，单任务成本最多降低 30%，写作更清晰，并首次仅凭截图通关《宝可梦红》。规格为 100 万 token 上下文、128K 最大输出、2026 年 6 月知识截止，自适应思考默认开启。Terminal-Bench 4.0 得分 70.6%（Sonnet 5 为 10.3%，Opus 5.5 为 66.4%），FrontierCode 1.1 为 52.1%，GPT-6 Sol 为 49.3%。
- OpenAI 取消 GPT-6.1 Astra 公开发布，称未达安全标准升温
OpenAI 放弃公开发布名为 GPT-6.1 Astra 的模型，理由是「没有完全达到其安全标准」。该模型原计划 10 月在 ChatGPT 和 Codex 中上线。据华尔街日报报道，OpenAI 已取消这一发布计划。原文信息有限，未披露 Astra 的具体能力、参数或后续替代方案。
Techmeme09/29海外新模型发布3 个信源61
- Anthropic 发布 Claude Sonnet 5.5，免费层同步升级
Anthropic 发布新模型 Claude Sonnet 5.5，官方称运行速度提升 30% 以上，多数任务成本最多降低 30%，定价与 Sonnet 5 相同但各项基准测试均优于前代。Simon Willison 实测发现，该模型在部分编码任务上接近 Opus 5.5，包括 3D 动画类技巧；但和 Opus 5.5 一样存在 max 思考档位的 bug——pelican 测试中思考 128000 token、花费 1.28 美元后耗尽 token 仍未能生成 SVG。xhigh 档位耗时 41 秒、花费 5.74 美分。Sonnet 5.5 现已成为 claude.ai 免费层所用模型，而 ChatGPT 免费层使用 Luna 5.6，Anthropic 免费版能力暂时更强。官方称 Haiku 5.5 将在未来几周内推出。
Simon Willison09/29海外新模型发布2 个信源54
- Anthropic 发布 Claude Sonnet 5.5，速度提升超 30%
Anthropic 发布 Claude Sonnet 5.5，是 Claude 5.5 家族的第二款模型。官方称其相较 Sonnet 5 是明显升级：运行速度提升超过 30%，多数任务成本最多降低 30%。原文未披露具体定价、上下文长度和评测分数。
- Anthropic 发布 Claude Sonnet 5.5，编码跑分大涨且成本更低升温
Anthropic 发布 Claude 5.5 家族第二款模型 Claude Sonnet 5.5，输出速度提升超 30%，单任务成本最多降低 30%，多项基准接近 Opus 5.5。编码提升最明显：Terminal-Bench 4.0 从 Sonnet 5 的 10.3% 升至 70.6%，CursorBench 4.0 从 34.1% 升至 55.5%，仅比 Opus 5.5 低 2 个百分点。知识工作基准 GDPval-AA 得 1,844 分，与 Opus 5.5 的 1,846 几乎持平。Anthropic 还预告数周内推出面向高吞吐、低成本场景的 Claude Haiku 5.5。
- Claude Code v2.1.284 发布，默认模型换成 Sonnet 5.5
Claude Sonnet 5.5（claude-sonnet-5-5）成为 Anthropic API 上默认的 Sonnet 模型，支持 100 万 token 上下文，定价每百万 token 输入 2 美元、输出 10 美元，缓存读取 0.20 美元。Claude Code 本次更新还加入自动模式「允许本次读取但下次再问」选项、/usage 与状态栏显示网关消费金额、/mcp reconnect all 一键重连所有失败的 MCP 服务器、/rate-limit-options 命令，并修复了响应流损坏、压缩后仍提示 Prompt 过长、模型不可用提示不完整、Agent SDK 处理畸形图片崩溃、恢复会话中 MCP 工具调用失败等问题。
Claude Code 发布09/29海外新模型发布40
- Anthropic 发布 Sonnet 5.5，速度提升 30%
Anthropic 发布中端模型 Sonnet 5.5，官方称其速度比上一代 Sonnet 5 快 30%，token 消耗速度显著降低，定位为日常任务助手，覆盖编码和办公文档生成。基准测试显示，Sonnet 5.5 在 agentic coding 上表现优于 Opus 5.5，原因可能是它能在不超成本上限的情况下生成多个 agent。Anthropic 还称 Sonnet 5.5 的网络能力与 Opus 5「相当」，是首个适用与 Fable、Opus 相同网络安全防护措施的 Sonnet 模型。公司计划未来几周发布最小模型 Haiku 的新版本，但未给出具体日期。
TechCrunch AI09/29海外新模型发布2 个信源70
- Meta 半年内连发 10 项模型与产品更新
Meta AI 官方账号列出过去 6 个月发布的内容，包括 Muse Spark、Muse Image、Muse Video、Muse Spark 1.1、Meta Model API、Muse Glimmer、Muse Spark 1.2、Muse Code、Muse Spark 1.3 和 Muse，并称「这才刚刚开始」。原文仅为产品名清单，未披露各项目的参数、能力、定价或上线时间等具体信息。
- ElevenLabs 发布 v4 语音模型，支持 90 种语言
ElevenLabs 发布 v4 和 v4 Turbo 两款语音模型，采用新架构，支持 90 多种语言（上一代 v3 为 70 种），仅需 10 秒音频即可克隆声音。v4 扩展了内联标签功能，支持叠加多个标签并按顺序执行，朗读长文本时能保持音色一致并根据文本语境调整表达。新模型延迟更低，可在后端 LLM 开始生成答案时同步生成音频，适合语音 Agent 场景。公司称日语、巴西葡萄牙语、普通话和粤语提升最明显。ElevenLabs 今年初完成 5 亿美元融资，估值 110 亿美元，年化收入从年初约 3.3 亿美元增至超 6 亿美元，员工超 800 人。
- Fireworks AI 发布 Ember-1：基于 Kimi K3 后训练，token 用量减少约 40%
Fireworks AI 发布 Ember-1，由 Fireworks Research 对月之暗面开源权重模型 Kimi K3 后训练而成，官方称在保持任务准确率的前提下 token 用量减少约 40%。该模型仅通过 Fireworks 无服务器 API 以 Research Preview 形式提供，未开源权重、训练代码和具体训练算法，暂不支持自托管。Fireworks 称推理模型如 K3 有时会把 90% 以上生成 token 用于内部推理，多轮 Agent 场景下成本随轮次近似平方增长；其训练覆盖数学、编码、指令遵循、对话、搜索、工具使用和软件工程，共进行 50 多次训练实验和 200 多次评估。
- TypeSafe AI 发布 Jev：不聊天只做判断，称快 193 倍
TypeSafe AI 发布首个 System One 模型 Jev，创始人 Diogo Almeida 此前在 OpenAI 参与 ChatGPT 指令遵循研究。Jev 不做对话、写代码或摘要，而是接收非结构化状态，返回带校准概率的类型化决策，用于 Agent 循环中的小判断：调用哪个模型、命令是否安全、哪段内容相关、任务是否完成。提供 Choice、Score、Noul 三个原语，一次请求内并行评估同一状态，Choice 最多支持 255 个选项，用 RLCD 强化学习训练。官方称在其自身工作流评测中快 193.6 倍、便宜 444.6 倍，对比 GPT-6 Astra 和 Fable 5.1，端到端延迟 70 至 500 毫秒。
- OpenRouter 解读阿里 Qwen 3.8 四款模型差异
OpenRouter 发布文章介绍阿里 2026 年 8 月发布的 Qwen 3.8 系列。该系列共有四款模型共用同一名称，区别在于能否下载、适用哪种许可证、是否支持图像和视频输入，以及能否关闭推理。文章覆盖每款模型的细节、许可条款、本地部署、基准测试分数，以及在 OpenRouter 上影响账单的因素。原文未给出具体分数和价格数字。
OpenRouter 公告09/28海外新模型发布39
- MiniMax M3.1 Flash Preview 上线 Token Plan
MiniMax 宣布 M3.1 Flash Preview 已上线 Token Plan，现有订阅用户无需额外配置即可使用。官方称该模型更快、更轻，面向高并发、对延迟敏感的工作负载。同日该模型在 MiniMax Code 首发，定位日常开发场景，可用于快速修 bug 到完整功能开发。原文未公布具体参数、价格与跑分数据。
- 英伟达发布免费 1 亿参数说话人分离模型 Nemotron 3 Diarization
英伟达发布 Nemotron 3 Diarization，一个约 1 亿参数、权重免费开放的说话人分离模型，可实时识别最多 8 位说话人，并检测多人同时说话。在 VoiceArena Diarization Benchmark v1 上以 14.7% 的 DER 排名第一，领先第二名 19.3%；相比前代 Streaming Sortformer 在 8 个测试场景中平均降低 41% 错误率。音频缓冲可设为 30.4 至 0.32 秒四档，缓冲越短准确率越低。搭配 Parakeet 等语音识别系统可生成带说话人标签的转写，但标签为 speaker_2 这类匿名标识。支持录音和实时音频。背景噪音、混响或说话人更多时错误率会上升。
- Sarvam AI 发布 Saaras V4 语音识别模型，覆盖 22 种印度语言
Sarvam AI 发布新一代语音识别模型 Saaras V4，覆盖全部 22 种印度法定语言及英语，并新增全球英语口音支持。模型为编码器-解码器架构，解码器是自研 3B 参数混合状态空间语言模型 Sarvam-3B。官方称在 22 种语言上均达 SOTA，噪声音频 LLM-WER 不到 Deepgram Nova-3 和 GPT-4o Transcribe 的一半，前 10 种印度语言语种识别错误率 2.9%。即日起可通过 API 调用（model="saaras:v4"），权重未公开，自托管文档仅覆盖 v3。支持 transcribe、verbatim、codemix、translit、translate 五种输出模式，新增最多 50 个关键词提示。所有数据均为厂商自报，尚无第三方复现。
- Supersonic Labs 发布 Julia 1：1.443 亿参数决策模型，可在 CPU 运行
巴西小型 AI 实验室 Supersonic Labs 发布 Julia 1，一个 1.443 亿参数的决策模型，非聊天机器人：输入上下文、问题和 2 到 20 个候选答案，模型选出一个并给出每个选项的概率。权重以 Apache 2.0 协议发布于 Hugging Face，可在 CPU 或 BF16 GPU 上本地运行，ONNX 版本可通过 WebGPU 在浏览器运行；托管 API 已宣布但未开放。模型基于 JHU CLSP 的 mmBERT-small 编码器，训练与实验的云 GPU 总花费约 540 雷亚尔（104.08 美元）。基准测试中 Typed Decisions 达 73.15%，AG News 94/100，DAIR Emotion 86/100，但 Banking77 仅 64/100，明显落后于参考值 87%。
- GPT-6 Astra 在宜家组装错误识别测试中达 80%
Epoch AI 的家具组装基准（FAB）用三件宜家家具的组装照片测试模型识别错误的能力。2025 年 11 月最佳模型 Claude Opus 4.5 得分 28%，十个月后 OpenAI 的 GPT-6 Astra 达到 80%，每张照片耗时 3 分钟。Claude Fable 5.1 以 70% 紧随其后，Claude Opus 5 为 61%。中国开源权重模型如 Kimi K3 落后领先者至少七个月。研究者称该速度尚不足以支持实时组装指导，但未来或可用于汽车维修和家电修理。
- Liquid AI 发布 LFM2.5-VL-3B-DSpark 推测解码模型
Liquid AI 发布实验性推测解码草稿模型 LFM2.5-VL-3B-DSpark，为其 LFM2.5-VL-3B 视觉语言模型加速，输出结果不变。草稿模型增加约 2.8 亿参数，部署参数量提升 8.9%。官方称解码速度在 Apple 芯片上最高提升 3.13 倍，NVIDIA H100 上最高 2.66 倍。权重已在 Hugging Face 以 Safetensors 和 GGUF 格式发布，首日支持 SGLang、MLX-VLM 和 llama.cpp。采用 LFM Open License v1.0，年营收低于 1000 万美元的公司可免费商用。
- Anthropic 汇总 Claude Opus 5.5 发布数日用户案例
Anthropic 官方账号称 Claude Opus 5.5 已发布数天，并汇总了用户用它做出的探索。其中一例是用户让 Opus 5.5 通过构建交互式镜头实验室来解释相机对焦原理，一次运行耗时 1 小时 26 分钟，API 成本 25.66 美元；成品可拖动对焦环，看到镜片组在场景中移动清晰平面。原文未披露模型本身的技术细节或价格调整。
- Aikido 发布 Altar-1：从 GLM-5.3 剪枝到 328 GB 的开源安全模型
安全公司 Aikido Security 发布首个开放权重模型 Altar-1，由智谱 GLM-5.3 压缩而来，权重已在 Hugging Face 公开，可在单节点 4 张 NVIDIA H200 上以 vLLM 运行。GLM-5.3 是 753B 参数 MoE，每 token 激活约 40B 参数。Altar-1 先采用 AWQ INT4 量化，再用 Cerebras REAP 按路由权重和输出幅度剪枝，每层保留 256 个路由专家中的 168 个，去掉 88 个（34.4%），无需重训练。存储从 BF16 的 1506.7 GB 降至 328.0 GB，比 AWQ 版本小 32.8%。内部 CVE 基准上平均召回率 60.4%，比 AWQ 版低约 1 个百分点，覆盖数持平。
- Fastino 发布 GLiNER2.5-Decide：340M 决策模型可在 CPU 运行
Fastino Labs 发布 GLiNER2.5-Decide，一个 340M 参数的开源决策模型，权重以 Apache 2.0 协议发布，可通过 pip install gliner2 安装，支持 CPU、GPU 和离线环境运行。模型基于 DeBERTa-v3-large 编码器，从 gliner2-large-v1 微调而来，属于非生成式分类器，调用时传入文本和带类型的问题 schema，返回结构化答案及概率分布、置信度和约束可行性信息，面向 Agent 流程中的路由、分流、工具选择和护栏判断。在内部 Fast Decisions 测试集（5100 条、17 个数据集）上平均 exact-match 准确率 60.1%，超过 54B 级 Qwen3.5 解码器的 57.5%，在 17 个数据集中 9 个领先，意图路由表现最强。
- Black Forest Labs Releases FLUX 3 Action: A 7B Open-Weights World Action Model That Tops RoboLab-120
Black Forest Labs (BFL), the lab behind the FLUX image models, has released FLUX 3 Action. It is a 7B open-weights World Action Model (WAM) for robot control. The model reads camera frames, robot state and a text instruc…
- PrismML 为高通芯片智能眼镜推出 1-bit 端侧模型
AI 实验室 PrismML 在高通骁龙峰会上展示了 1-bit Bonsai LLM，可在搭载 Snapdragon AR1 Gen 1 平台的 AI 智能眼镜上本地运行。该版本为 20 亿参数、面向视觉与语言调优的模型，佩戴者可实时询问眼前所见。PrismML 由加州理工研究人员创立，UC Berkeley 的 Ion Stoica 担任顾问，其技术可将大模型压缩约 4 倍，同时保留标准基准上几乎全部性能。公司目标是推动开放权重、在设备端运行并充分利用现有算力的 AI。目前尚无搭载 PrismML 的智能眼镜产品发布。
- BottleCap 发布 ThinkingCap-Qwen3.8-27B：思考 token 减少 37.2%
BottleCap AI 发布 ThinkingCap 系列第二个模型 ThinkingCap-Qwen3.8-27B，基于 Qwen3.8-27B 微调，目标只有一个：缩短推理链。在 12 个基准上平均少用 37.2% 思考 token，宏平均准确率从 86.65% 降至 85.79%，下降 0.86pp。各基准缩减幅度 10.7% 至 65.5%，MMLU 类任务降幅最大，MMLU 从 1656 降至 571 token（-65.5%）；长文本检索 AA-LCR 准确率反升 2.25pp 至 84.00%；AIME 2026 代价最大，准确率降 3.85pp 至 94.27%。可直接替换 vLLM 或 SGLang 上的 Qwen3.8-27B，提供 FP8、NVFP4、GGUF、MLX 版本，仓库需申请，超出小企业许可的商业使用需与 BottleCap 签约。