跳到正文

#模型发布

今日 6 条
10月14日周三
  1. The Decoder:AI News45

    防黑客的 AI 护栏开始拦住防御方,Artemis 发布 Orion-1 专攻企业攻击响应

    美国初创公司 Artemis Security 发布安全模型 Orion-1,用于自主调查并响应企业网络攻击,公司自建的 DGR 基准显示它是五项任务中唯一全部达到 80 分门槛的模型,攻击重建得分 80.8,最好的对比模型 GPT-6 Sol 为 58.3。

    决策要点

    通用模型护栏收紧把安全团队往外推,Artemis 用专用模型接住这个缺口,但比较成绩全部出自其自建基准。

    • 影响安全团队用通用模型做攻击分析会更多遇到权限拦截,专用安全模型可能成为新的采购品类;厂商自建基准成绩无法直接横向比较,选型需要另外的验证手段;自主响应落地时,人工审批边界直接决定风险敞口。
    • 参考可考虑盘点目前依赖通用模型做安全分析的环节并记录被拒案例;值得把是否采用厂商自建基准列为安全模型选型的问询项;试点自主响应时可先只对低影响动作放开自动化。
  2. 36氪·AI77

    谷歌 Gemini 4 Argon 全球上线,2美元首发价对标 GPT-6 Astra

    谷歌于10月14日宣布 Gemini 4 Argon 全球上线,开发者与企业可在 Gemini API 付费层级调用,Ultra/Pro 订阅用户同步可用,首发价每百万输入 Token 2 美元,约为 GPT-6 Astra 的五分之一。

    决策要点

    谷歌用五分之一价格提供追平而非领先的智能分数,实质是把旗舰推理变成云和订阅体系的引流品,以价格换生态黏性。

    • 影响低价窗口只到11月30日,企业试用旗舰推理的成本短期下降;独立测算显示其单任务 Token 消耗为 Astra 的2.3倍,12月恢复原价后成本优势可能反转,选型预算需按标准价重算。
    • 参考可考虑在11月30日前选一个真实编码或智能体场景做迁移验证,记录单任务 Token 消耗与成本;值得按12月1日恢复的4/20美元标准价重算总成本,再决定是否长期绑定。
  3. 36氪·AI68

    Meta发布Muse Wonder系列模型,官方评分亮眼但开发者实测遇冷

    Meta于10月13日发布新一代旗舰模型系列Muse Wonder,含Wonder与Wonder Full两个型号,目前仅Wonder Full向付费用户开放。

    决策要点

    Meta借个人智能体叙事重返前沿模型竞争,但第三方榜单和开发者实测显示,这次发布尚未真正扭转其落后身位。

    • 影响智能体任务的单次成本被推高,选型时除API单价外还需核算任务级Token消耗;免费档继续沿用上一代模型,付费与免费的能力分层会更明显;头部阵营重回三强,企业换模型与议价的备选空间略增。
    • 参考可考虑把Wonder Full纳入编程与智能体场景的对比测试,用真实任务同时记录产出质量和Token开销;值得把厂商自报分数与Artificial Analysis等第三方榜单分开采信,再定采购权重。
  4. 36氪·AI72

    谷歌发布Gemini 4 Argon,实测称物理推理和低价是亮点,真实代码是短板

    谷歌发布Gemini 4 Argon,官方定位为通用物理推理模型,称其在具身推理基准ERQA上得分87%,参考链接 https://developers.googleblog.com/gemini-4-argon-for-robotics/ 。

    决策要点

    谷歌以物理推理能力和明显低价重返模型竞争,但Ultra专属获取和产品体验短板会限制企业实际用上它的程度。

    • 影响视觉与物理推理若落地,制造和机器人相关场景多了新的模型选项;实测中的低价若在自家场景成立,模型调用成本预算可以重算;获取渠道集中在Ultra档,多数团队短期内接触它的路径有限。
    • 参考可考虑用同一提示词把3D生成、视觉提取或视频类任务与现有模型对比一次耗时和花费;值得先确认公司订阅档位能否用到Argon,再决定是否投入试点。
  5. 36氪·AI44

    成立九个月的自然意志发布50B参数物理世界通用基础模型Natura-1

    成立九个月的自然意志发布50B参数物理世界通用基础模型Natura-1,用百万小时人类第一视角数据完成预训练。团队称模型已具备零样本指令遵循与灵巧操作能力,演示中对训练里未出现过的笔记本电脑开屏并按下了空格键,新版还可在抓取失败后原地重试。公司下一步计划邀请外部人员到场临时出题测试。

    决策要点

    一家九个月大的初创公司把大语言模型验证过的规模路线搬进物理世界,试图用通用模型取代一道题配一套程序的机器人交付模式。

    • 影响若通用模型兑现,机器人项目有机会从驻场调试的定制交付转向可复制产品,自动化改造的交付成本结构会随之变化;目前能力展示均为团队自述,企业引入时缺乏独立测试参照。
    • 参考可考虑等其外部现场测试结果出来后,再把环境多变的操作岗位列为候选验证场景;现有自动化项目值得先算清驻场调试与定制交付的成本占比,便于对比通用模型方案的报价值不值。
  6. 36氪·AI81

    谷歌Gemini 4 Argon全球上线,首发价格减半

    谷歌全球上线新一代旗舰模型Gemini 4 Argon,Pro与Ultra用户及付费API开发者均可使用。官方称在19项基准中最高思考档拿下13项单独最高,第三方Artificial Analysis智力指数Argon(high)得53分、与GPT-6 Astra(max)同分。

    决策要点

    谷歌把旗舰模型的卖点从基准跑分转向真实工程与科研任务交付,并用首发减半定价继续加码竞争。

    • 影响代码维护等长时自动化任务多了一个旗舰级选项;截至11月30日的半价定价直接改变token成本测算;谷歌展示的成果多为自家工程口径,采用前宜先小场景试跑。
    • 参考可考虑在半价期内挑一个真实工程任务,对比Gemini 4与在用模型的成本和交付质量;值得盘点适合无人值守长任务的代码库或文档处理清单。
  7. 爱范儿73

    谷歌发布 Gemini 4 Argon 旗舰模型,主打复杂长程任务与激进定价

    谷歌正式上线旗舰模型 Gemini 4 Argon,主打编程、金融、法律等复杂多步骤长程任务,API 首发定价为每百万输入 Token 2 美元、输出 10 美元,缓存输入折扣 95%,提供最高 100 万的统一输入输出 Token 上限。

    决策要点

    谷歌用激进定价和长程任务能力重回旗舰竞争,模型比拼的重点正从聊天技巧转向代码库与生产管线里的实际产出。

    • 影响重生成类任务的第三方实测成本差距达数倍到数十倍,相关 API 预算值得重算;免费与订阅侧改为每 5 小时刷新的动态限额,重度用量需按阶梯付费做预算;文中提到 Claude 封号背景,多模型接入可分散供应商风险。
    • 参考可考虑用同一组提示词在 Argon 与现用模型间跑一轮生成成本和耗时对比再定采购;值得盘点依赖单一模型的业务环节并准备备选接入;迁移前先核对动态限额规则对用量的影响。
  8. 人人都是产品经理58

    Meta 正式发布新一代旗舰模型家族 Muse Wonder,主打主动记忆与主动专注

    Meta 正式发布新一代旗舰模型家族 Muse Wonder,一次推出标准版与 Muse Wonder Full 两款,目标定位「个人超级智能」。模型引入 Active Memory 主动记忆与 Active Focus 主动专注,官方称在个人与专业级 Agent 任务、长期记忆和编程评测中取得业界领先成绩(官方口径,暂无独立验证)。

    决策要点

    Meta 把主动记忆与持续执行作为旗舰差异化卖点切入个人超级智能定位,文中领先结论均出自官方口径而非独立评测。

    • 影响Agent 长任务、跨会话记忆与编程场景多了一个旗舰级候选模型;接入经 Meta Model API 或 Muse Code,Full 版需订阅;现有成绩未经第三方验证,选型结论要靠自测。
    • 参考可考虑把跨会话记忆与长程 Agent 任务列入选型评测场景,用自有业务数据对比现用模型;如需 Full 版,先按订阅门槛测算成本。
  9. Google DeepMind:Blog49

    Google DeepMind 与新加坡 GovTech 推出基于 Gemma 微调的手机端诈骗检测模型

    Google DeepMind 与新加坡政府科技局 GovTech 合作,基于 Gemma 微调出可在普通智能手机上本地运行的诈骗检测模型,在端到端加密环境下于设备侧分析对话并实时预警。

    决策要点

    端侧小模型为端到端加密平台提供了一条不接触用户聊天内容的诈骗拦截路径,也是政府与模型厂商共建公益技术的一个参照。

    • 影响消息平台与操作系统厂商可直接集成这类轻量模型,在不解密对话的前提下提供本地防护;案例中社交工程类骗术占损失最高达 80%,依托聊天触点获客或服务的企业面临话术升级风险;训练不含个人信息、环境隔离的治理安排可为政企 AI 项目参照。
    • 参考可考虑评估自家消息或客服产品接入端侧诈骗检测的可行性,先测算轻量模型在主流机型上的耗电与延迟;涉及聊天数据的风控流程,值得对照训练脱敏、环境隔离的做法梳理数据边界。
  10. 36氪·AI81

    谷歌发布Gemini 4 Argon,API限时半价、缓存读取降95%,输出上限升至100万token

    谷歌发布新旗舰模型Gemini 4 Argon,单次输出上限从6.4万token提升到100万,API限时价每百万输入token 2美元、输出10美元,上下文缓存读取享95%折扣。

    决策要点

    谷歌以限时半价和95%缓存折扣争夺长时程Agent调用量,能力上长程专业任务有独立榜单支撑,但并非全面领先对手。

    • 影响依赖大型代码库或长文档读取的Agent场景,缓存折扣能明显摊薄多轮调用账单;11月30日后价格翻倍,Q4预算需按恢复价测算;部分软件工程测试仍落后对手,选型要对照自身任务结构。
    • 参考可在11月30日前用真实长上下文任务试算账单并与现用模型对比;值得优先试点代码库分析或长文档审读类Agent;同时盘点现有Agent的越权行为监控与人工确认机制。
  11. 36氪·AI82

    谷歌上线Gemini 4 Argon模型,API价格限时五折

    谷歌DeepMind正式上线Gemini 4系列首发前沿模型Gemini 4 Argon,API定价为输入2美元、输出10美元每百万tokens,限时五折优惠持续到11月30日。

    决策要点

    谷歌以限时五折和百万token长任务能力参战,前沿模型竞争重心转向Agent长程任务的成本效率。

    • 影响限时五折与95%缓存折扣降低了长上下文Agent应用的试用成本,但11月30日后输入和输出价格将翻倍恢复,预算应按恢复价测算;文中工程提效与安全案例均为谷歌披露口径,选型结论需用自有场景验证。
    • 参考可考虑在促销期内选一个代码重构或文档分析场景做付费对比试点;值得先按4美元/20美元的恢复价重算长任务成本,再决定是否迁移。
  12. 爱范儿44

    早报|苹果发布十余款新品,Google 发布 Gemini 4 Argon,阶跃推出 3999 元智能体手机

    苹果发布 HomeView 家庭中枢、Apple TV 4K、HomePod mini 2 等十余款新品,Google 同日发布旗舰模型 Gemini 4 Argon,阶跃推出 3999 元智能体手机 STEPX Neo。

    决策要点

    本期早报的主线是 AI 落地竞争升温,模型端拼价格,产品端拼智能体场景,资金端拼投入规模。

    • 影响API 定价下探直接改善企业推理成本预算空间;国产芯片份额上升提示算力采购需准备替代评估;智能体产品密集进入消费场景,办事型任务的入口竞争已经展开。
    • 参考可考虑把 Gemini 4 Argon 的 token 定价纳入模型选型比价表,先在编码任务上小规模实测;涉及国内算力规划的,值得同步测算华为等国产替代方案的成本与迁移量。
  13. IT之家·人工智能70

    谷歌发布 Gemini 4 Argon,输出上限约 100 万 token,主攻编码金融法律等复杂任务

    Gemini 4 Argon 面向全球开发者和企业开放,可通过 AI Studio 和 Gemini 平台 API 使用,Google AI Ultra 与 Pro 订阅用户也能在 Gemini 应用及搜索 AI 模式中调用。

    决策要点

    谷歌旗舰模型以限时半价切入金融、法律、编码等专业复杂任务,意在用低价窗口换取企业采用。

    • 影响金融、法律、编码类复杂任务新增旗舰级模型选项,入门价为正式价一半,11 月 30 日前是低成本试点窗口;长文档场景需留意输入、思考与输出共用 100 万 token 窗口带来的配额限制。
    • 参考可考虑在 11 月 30 日前用真实业务任务测算入门价下的单次成本并与现有模型对比;值得把长输出场景单独列出,验证共享 100 万 token 窗口是否够用。
  14. 量子位57

    面壁智能开源MiniCPM-V 4.7,35B MoE多模态模型约3G内存可在iPhone断网运行

    面壁智能与OpenBMB开源多模态模型MiniCPM-V 4.7,含35B-A3B MoE与1B两个版本,约3G内存即可在iOS、安卓设备流畅运行。文中实测iPhone 17 Pro Max断网可完成图表问答,优化后解码速度从每秒约2个token提升到8-12个token,文中引述称3G内存下解码可达每秒13个token以上。

    决策要点

    端侧可运行模型的规格上限被抬到35B级,且以3G内存为硬约束,直接回应内存涨价下手机厂商的成本压力。

    • 影响手机等端侧设备用3G内存跑35B级多模态成为可行选项,内存成本压力有机会缓解;需要数据不出本地的文档、图表场景多了一个开源部署路径;配套自回放微调面向业务定制,用于缓解微调后的能力遗忘。
    • 参考可考虑从文档转写、小票记账、图表问答这类离线场景中挑一项做端侧试点;值得在自家iOS、安卓或鸿蒙设备上实测3G内存下的速度与精度,再对比云端调用成本。
  15. Google DeepMind:Blog71

    Google DeepMind 公布 Gemini 4 Argon 安全开发细节,模型开始广泛推出

    Google DeepMind 宣布开始广泛推出 Gemini 4 Argon,称其网络防御能力达到前沿水平,并扩大面向可信网络防御者的 Fairwind 计划。

    决策要点

    Google 的做法是让网络防御者先用、再广泛开放,并用三层实时防护和运行时监控来对冲前沿网络能力的滥用与失控风险。

    • 影响安全团队可能获得更强的漏洞挖掘工具,官方与 Wiz 案例给出真实战果;但官方数据同时显示作弊与注入风险未清零,智能体部署仍需企业自建边界和人工确认。
    • 参考可考虑让安全团队先读官方安全报告和模型卡再定采用节奏;智能体试点值得保留人工确认点和调用边界,并向厂商索取注入与滥用测试数据。
  16. The Decoder:AI News78

    Google 全球推出旗舰模型 Gemini 4 Argon,免费与 Plus 用户仅限 Flash 系列

    Google 开始向全球开放新旗舰模型 Gemini 4 Argon,通过 AI Studio 和 Gemini 平台的 API 提供,并取代 Gemini Pro 成为新的前沿系列。

    决策要点

    Google 把旗舰能力做成付费档区隔,同时用低价介绍价和安全测试数据争夺企业开发者,前沿模型竞争节奏已压缩到周级。

    • 影响编码与智能体场景可按每百万 token 2 美元和 10 美元的介绍价重算成本;免费与 Plus 档被限制在 Flash,依赖这两档的产品体验会降级;前沿模型发布间隔缩到两周内,选型折旧在加快。
    • 参考可考虑用介绍价对现有编码智能体负载跑一次成本与质量对比;值得把 Vals Index 和独立总榜分开看,用自己的任务样本做小规模评测;上线前可先查阅模型卡中的安全测试数据。
  17. Google DeepMind:Blog52

    Google DeepMind 发布面向机器人的 Gemini 4 Argon 模型

    Google DeepMind 发布面向机器人的 Gemini 4 Argon 模型,官方称其以纯推理在 ERQA 物理推理基准得分 87%,超过所有其他前沿模型。

    决策要点

    Google DeepMind 把前沿模型的推理范围从文本和代码扩展到物理仿真与机器人控制,单一模型开始覆盖机器人研发全流程。

    • 影响机器人与自动化团队可按 API 用量获取物理推理、Real2Sim 与数据合成能力,降低自建仿真和标注的门槛;官方演示显示仿真数据能把真实机器人成功率从 56% 提到 75%,训练数据的成本结构有压缩空间;各项数字出自官方演示场景,评估要以自身任务实测为准。
    • 参考机器人相关团队可考虑在 Gemini API 付费档试点一个 Real2Sim 重建或视频回溯标注任务,记录与现有流程的耗时对比;值得先盘点自有仿真资产与标注数据清单,测算可替换环节的范围。
  18. Google DeepMind:Blog79

    Google DeepMind 发布 Gemini 4 Argon,主打复杂工程与智能体长任务

    Google DeepMind 发布 Gemini 4 Argon,今日起向开发者、企业和消费者全球开放,API 介绍价为输入 $2/百万 token、输出 $10/百万 token,缓存输入 95% off。

    决策要点

    Argon 把竞争焦点放在多步骤复杂工程和智能体长任务上,以旗舰档定价和基准成绩争夺企业深度工作场景。

    • 影响长链条任务的 token 成本可按 $2/$10 新价重算;1M 上下文让整库代码与长文档分析进入单次任务范围;官方公布的越权与提示注入指标为智能体内部落地提供了可对照的评估口径。
    • 参考可考虑选一个跨多文件的代码改造或长文档分析任务做对照试点,测算完成质量与 token 支出;放开智能体权限前,值得先核对模型卡中的越权与提示注入测试数据。
  19. The Verge · AI79

    Google 发布 Gemini 4 Argon,token 定价约为主要竞品五分之一

    Google 发布 Gemini 4 Argon,官方称其具备前沿推理能力,在编程、网络安全、科学、金融、法律等基准上优于 GPT-6 Astra、Claude Fable 5.1 和 Claude Opus 5.5。

    决策要点

    Google 用约为竞品五分之一的 token 定价重返前沿模型竞争,这件事的实质更接近以价格换份额,而不只是能力追平。

    • 影响前沿模型 token 单价出现约为竞品五分之一的新参照,重度调用场景的 API 预算需要重算;官方基准优势未经独立评测,选型对比不能只看厂商口径;开放范围限于 Pro、Ultra 高阶订户,Plus 和免费用户尚不可用。
    • 参考可考虑用自有业务任务把 Argon 与现有模型做同题对比,按实际 token 消耗折算总成本而非只看单价;值得记下 11 月底 introductory 期结束后的翻倍价格,再决定是否迁移关键工作流。
  20. Google Blog:AI78

    Google 发布 Gemini 4 Argon,主打复杂编码与科研任务

    Google 于 2026 年 10 月 13 日发布 Gemini 4 Argon 模型,全球经 Gemini API、Google Antigravity 及 Gemini 应用和搜索 AI Mode 开放。

    决策要点

    前沿模型竞争的落点从对话问答转向长任务智能体,Google 以低价 token、1M 上下文和防护栈争抢编码与科研场景。

    • 影响每百万输入 $2、输出 $10 的定价降低长任务智能体的运行成本;1M token 上下文让整库代码和长文档可一次交给模型处理;提示注入与抄近路防护数据为企业评估智能体风险提供了参照。
    • 参考可考虑选一个编码或文档分析场景做试点,记录长任务完成率与 token 成本;部署智能体前值得把提示注入防护和人工确认机制列入验收清单;科研团队可申请 Antigravity 免费 6 个月额度。
10月13日周二
  1. 36氪·AI73

    Meta发布Muse Wonder新模型,长程编程评测反超Claude Opus 5.5,3D实测暴露短板

    Meta于10月13日发布新一代旗舰模型Muse Wonder与Wonder Full,扎克伯格称Meta重回AI技术前沿。第三方Artificial Analysis测得Wonder Full综合智能指数56分,距Claude Opus 5.5的58分差2分;Meta公布的DeepSWE 1.1、SWE-Marathon等长程编程测试成绩反超Opus 5.5。

    决策要点

    Meta以更大规模预训练重返第一梯队,优势集中在长程编程与Agent任务,但能力分布不均、推理成本明显上升。

    • 影响编程与Agent选型多了一个第一梯队新选项,订阅与按Token两种计费的实际开销差异较大;第三方测算单任务成本较上代上涨183%,预算评估需从Token单价转向任务开销;能力分布不均,视觉与3D类任务仍明显落后。
    • 参考可考虑用自身真实代码库的工程任务对比Wonder与现有Claude、GPT方案,记录成功率和实际Token消耗;值得先算出所在场景的单任务成本,再决定是否通过Muse Code订阅小范围试点。
  2. 36氪·AI53

    vLLM社区开源Decision 3.0多模态决策模型,d3登顶Jev Decision Index榜单

    10月11日,vLLM社区孵化的vLLM Semantic Router开源Decision 3.0系列多模态决策模型,六款参数0.6B至27B,权重已在Hugging Face开放。

    决策要点

    只做判断的小模型从Jev一家独大走向开源可自部署,判断与生成开始分层,多模型系统的推理成本有了新的压缩点。

    • 影响客服分流、内容审核、模型路由等高频判断任务可交给小模型承接,官方称文本延迟中位数55毫秒;权重开源支持本地部署,判断环节可不依赖云端API;该品类刚因Jev走红,选型格局变化快。
    • 参考可先盘点现有系统用通用大模型做意图识别和分类的调用量与费用,再对照d3公布的延迟数据;值得选客服分流或工单路由一个场景做小模型试点,比较准确率和成本。
  3. 36氪·AI68

    Meta 发布 Muse Wonder 系列模型,主打个人 Agent 与主动记忆

    Meta 于10月12日发布 Muse Wonder 系列大模型,定位个人和专业 Agent,主打主动记忆与主动专注,推理支持最高 100 万 Token 上下文。

    决策要点

    Meta 的实质是把个人 Agent 作为差异化竞争路线,将主动记忆和长程执行写进基础模型能力,主打消费级场景而非纯推理。

    • 影响前沿模型阵营从双强变三方角逐,企业模型选型多一个选项;Agent 若要接入邮件日历等私人数据,隐私信任成为落地门槛;记忆与长程执行成为新的模型选型维度。
    • 参考可考虑在模型选型时对官方跑分按自身业务场景复测,重点测长程任务和跨对话记忆;涉及不可逆操作的 Agent 试点,值得先加入人工确认环节再扩大范围。
  4. 36氪·AI63

    Meta发布Muse Wonder模型,官方跑分超Opus 5.5但开发者实测翻车

    Meta发布Muse Wonder与Muse Wonder Full大模型,官方称在多个榜单超越Claude Opus 5.5和GPT-6 Astra,其中SWE-Marathon长周期代码测试得57.5分,对手最高46.3分。

    决策要点

    Meta新模型的争议实质是官方跑分与开发者实测的明显落差,榜单成绩已不能单独作为企业选型依据。

    • 影响按榜单选型可能误判模型真实能力;最强版本锁在付费订阅后,API基础版评分更低且单价高于对手;Meta本次不再开源,依赖开源模型自建的路线需要重新评估。
    • 参考可考虑在采购前用自身业务任务做一轮实测,对比发布跑分与真实表现;值得把API单价和单任务成本算进预算,与GPT-6 Astra等对手逐项核对。
  5. 量子位34

    魔法原子具身Agent框架EchoPolicy-0拿下MolmoSpaces榜单全球第一

    魔法原子宣布,其面向通用机器人操作的VLM Agent框架EchoPolicy-0以75.4%的平均操作成功率位列MolmoSpaces Combined榜单全球第一,覆盖全部4个v1任务。

    决策要点

    具身智能的竞争重心正从机器人本体上移到大脑模型,魔法原子用分层架构加小参数路线在公开基准上跑通了一条低成本路径。

    • 影响分拣、搬运等高频抓取场景的模型成功率逼近商业化阈值,制造与仓储企业的试点成本边界随之变化;榜单成绩出自公司口径,引入前需要独立验证;分层架构思路公开后,同类能力的跟进门槛在下降。
    • 参考可考虑把任务成功率、运行稳定性和部署成本列为评估指标,先在工厂分拣或仓储搬运中选一个小场景做对照试点;值得盘点自有物料与环境同MolmoSpaces评测任务的差距,再决定是否接入此类框架。
  6. IT之家·人工智能34

    哈啰 Robotaxi 发布生成式驾驶世界模型 HelloWorld,整合场景控制、连续生成、多传感器观测与高效推理能力

    IT之家 10 月 13 日消息,哈啰 Robotaxi 宣布推出生成式驾驶世界模型 HelloWorld,围绕按需构建驾驶数据与交互式策略测试,整合场景控制、连续生成、多传感器观测与高效推理能力。

    决策要点

    哈啰把世界模型用作自动驾驶研发的数据与测试工具,用生成场景补真实采集难以覆盖的长尾缺口。

    • 影响研发团队可用生成场景替代部分实车采集,长尾情境的数据成本结构可能改变;生成场景的质量与真实程度会直接影响据此训练和测试的可靠性。
    • 参考可考虑盘点现有长尾场景的实车采集清单,估算生成场景可替代的预算空间;值得把多视角视频与激光雷达观测的一致性列入工具评估项。
  7. IT之家·人工智能50

    面壁智能发布新一代端侧多模态大模型 MiniCPM-V 4.7,仅 3GB 内存可实现 13+ token/s 解码速度

    面壁智能于 10 月 13 日发布新一代端侧多模态大模型 MiniCPM-V 4.7,提供 35B-A3B 和 1B 两种规格,其中 35B-A3B 是该系列首个 MoE 模型。

    决策要点

    面壁智能把 MoE 架构带进端侧多模态模型,3GB 内存即可运行大参数模型,本地部署的硬件门槛继续下探。

    • 影响数据需留在设备端的移动场景多了一个本地多模态候选方案;跨 iOS、安卓、鸿蒙与多类芯片的适配降低了多设备部署成本;性能与对比数据均为官方口径,选型前需按自身场景实测。
    • 参考可考虑把需要本地推理的移动业务场景列入实测清单,用自有数据对比云端方案;值得先算出端侧部署相对云端调用的成本与数据合规差异。
  8. 36氪·AI73

    Meta 发布 Muse Wonder,首次宣称对标前沿模型并转向全线付费

    Meta 于10月12日发布新模型 Muse Wonder(代号 Watermelon),官方首次宣称对标前沿模型,商业模式从 Llama 免费开放转向全线付费。

    决策要点

    Meta 用付费墙同时解决收入与安全叙事,个人智能体赛道进入明码标价阶段,其前沿地位目前仅有官方自测背书。

    • 影响Meta API 定价自称显著低于 OpenAI 与 Anthropic 旗舰模型,为模型采购提供新的比价参照;智能体像人一样操作浏览器访问第三方平台,亚马逊封禁显示这类路径有被平台封堵的风险;防护能力只随付费模型提供,安全层级也是选型成本变量。
    • 参考可考虑把 Meta Model API 报价加入模型选型比价清单,用自家典型任务实测后再定去留;值得盘点依赖浏览器自动化访问电商等第三方平台的智能体场景,预设备用路径;订阅档位的任务上限未公布,可先按小流量核算单位任务成本。
  9. 爱范儿71

    Meta 发布 Muse Wonder 系列模型,跑分对标 GPT-6.1 与 Claude,早期用户口碑分化

    Meta 发布 Muse Wonder 和 Muse Wonder Full 两款模型(此前代号 Watermelon),主打跨对话记忆、长任务执行和编程能力。

    决策要点

    Meta 重整 AI 团队后的新一轮模型更新,榜单成绩追近第一梯队,但真实智能体任务的口碑与成本账存在争议,路线也从开放生态转向订阅与 API 直接收费。

    • 影响企业智能体选型多了一个基准成绩靠前的候选;采购前需把 token 消耗与返工次数计入总成本;个人智能体的授权争议提示部署时要明确数据权限边界。
    • 参考可考虑将 Wonder 系列纳入智能体模型对比清单,用自身真实业务任务试算 token 成本与返工率;值得借授权争议检查自家智能体产品的权限提示与日志设计。
  10. 钛媒体75

    Meta 发布 Muse Wonder,首次宣称对标前沿模型并转向全线付费

    Meta 10月12日发布 Muse Wonder(代号 Watermelon),官方首次宣称对标前沿模型,部分基准自测超过 Claude Opus 5.5 与 GPT-6 Astra,尚无第三方复现。

    决策要点

    Meta 从 Llama 时代的免费开放转向全线付费,用一道付费墙同时解决收入与安全叙事,个人智能体进入明码标价阶段。

    • 影响企业模型选型多一个选项,官方称 API 定价显著低于 OpenAI 与 Anthropic 领先模型;智能体以模拟人操作浏览器对接第三方站点,亚马逊封禁先例说明随时可能被平台切断;最强防护只随付费模型提供,免费层级滥用风险更高。
    • 参考可考虑把 Muse Wonder 纳入模型选型对照,用自有任务实测替代官方自测基准;若试点浏览器操作类智能体,值得先列出依赖的第三方平台清单并评估封禁与凭证存储风险;先算出 20 美元档能买到的任务量再决定订阅。
  11. IT之家·人工智能52

    TypeSafe 发布 Jev 引爆决策 AI 模型赛道,微软、OpenAI 等跟进并陷原创争议

    TypeSafe 发布决策 AI 模型 Jev 后,微软推出 Microsoft Decision、OpenAI 推出 Decisions API、Fastino 发布 Glide,Cloudflare Clef 与 Perplexity Decider 采用开放权重,可在自有硬件运行。

    决策要点

    决策模型用直接输出概率结果替代逐 Token 生成,以放弃对话能力换取速度与成本,大厂迅速跟进说明这一定位被当成真实需求。

    • 影响线索打分、意图分类这类非对话任务多了一条低成本路线,但速度与成本数字目前只有官方口径;开放权重产品支持自有硬件部署,数据不出域的部署选择增多;原创争议提示采购时需评估技术来源。
    • 参考可考虑把现有 AI 应用里的打分与分类环节列成清单,与 LLM 方案比一次速度和成本;值得用开放权重模型在自有硬件先试跑,再评估托管 API 的定价体系。
  12. 钛媒体70

    Meta发布Muse Wonder与Wonder Full,重返前沿模型竞争

    Meta于10月12日发布Muse Wonder和Muse Wonder Full两款旗舰模型,均支持100万Token上下文窗口,主打编程、长期Agent任务与专业知识工作。

    决策要点

    Meta以14个月重建重返模型前沿,产品押注消费级个人Agent,底层仍追求全面能力,开放权重策略明显收缩。

    • 影响旗舰API定价与Opus 5.5持平且长上下文不加价,为模型选型提供了新的成本参照;最强模型转向自家产品与订阅优先,依赖开放权重自部署的团队需要重估技术路线;Muse增长放缓、留存落后ChatGPT,消费端成败未有答案。
    • 参考可考虑将Wonder纳入模型选型清单,用自有真实任务做对比验证而非只看官方榜单;依赖Llama开放权重部署的团队,值得评估旗舰闭源化对自身技术路线的影响。
  13. 人人都是产品经理69

    Meta发布Muse Wonder:Llama4之后重返前沿模型舞台

    扎克伯格宣布Meta超级智能实验室发布Muse Wonder与Wonder Full,称其为该实验室成立一年多来首个前沿水平模型。模型主打Active Memory跨对话记忆与Active Focus持续攻关两大能力,官方跑分称MemoryBench长期记忆85.6分超Claude Opus 5.5的81.5分,DeepSWE与SWE-Marathon两项长周期编程也居首。

    决策要点

    Meta用重做后的模型栈重返前沿竞争,以长期记忆和长周期编程对标Claude,成绩目前均出自官方口径。

    • 影响长期记忆和长周期编程场景多了一个候选模型,选型可纳入对比;API标价与Claude Opus 5.5持平,官方所称明显低于对手需按清单价核对;Wonder Full仅随Muse Code订阅提供,获取路径影响使用范围。
    • 参考可考虑把记忆密集或长周期编程的自有任务列入对比实测清单;值得按输入4美元、输出20美元、缓存0.2美元的标价重算API预算;评估Wonder Full时先算Muse Code 50或200美元月订阅成本。
  14. 36氪·AI73

    Meta发布Muse Wonder与Muse Wonder Full大模型,编程与长任务成绩进入第一梯队

    Meta发布Muse Wonder和Muse Wonder Full两款大模型,官方称迄今最强、迈向个人超级智能,普通版已在Meta Model API和Muse Code上线。

    决策要点

    Meta用编程与长任务成绩重新挤进旗舰模型第一梯队,代码场景成为各家正面竞争的主战场。

    • 影响AI编程工具采购多了一个可对比选项;Full不开放独立API,重度调用只能走订阅档位,成本结构不同;榜单成绩以第三方聚合与官方汇总为主,替换现有模型前需自行验证。
    • 参考可考虑在自有代码库上安排Wonder与现用模型的同题对比,记录耗时与费用;值得先核算Full订阅档位的用量上限能否覆盖团队需求。
  15. 36氪·AI70

    Meta发布Muse Wonder与Wonder Full旗舰模型,重返前沿模型竞争

    10月12日扎克伯格宣布Meta超级智能实验室发布Muse Wonder与Wonder Full两款旗舰模型,均支持100万Token上下文窗口,主打编程与长期Agent任务。

    决策要点

    Meta以自家基准宣称重返前沿,部分成绩属内部自评,更实质的变化是最强模型转向闭源分发并押注消费级Agent。

    • 影响API定价与Opus 5.5持平且长上下文不加价,模型选型成本对比出现新变量;Meta最强模型不再默认开放权重,依赖Llama开源路线的团队需重估;Wonder Full仅限订阅渠道,深度使用将绑定Meta自家产品。
    • 参考可考虑把Wonder列入模型选型清单,用自家业务任务复测官方成绩后再定;值得重算含长上下文的API成本账,并与现有供应商报价对比。
  16. IT之家·人工智能61

    Meta 发布 Muse Wonder 系列旗舰 AI 模型,对标 Anthropic 与 OpenAI

    Meta 于当地时间周一发布 Muse Wonder 与 Muse Wonder Full 两款旗舰 AI 模型,官方数据显示两款模型在推理、写作与代码能力测试中得分接近 Anthropic 顶尖模型。

    决策要点

    Meta 以两款旗舰模型重返前沿模型竞争,但接近 Anthropic 的成绩目前仅有官方口径,尚无独立评测支撑。

    • 影响AI 编程与企业 AI 服务市场新增一个候选供应商;官方成绩暂无独立验证,选型评估需另行安排独立测试;Meta 发力企业 AI 服务会改变该市场的供应商格局。
    • 参考可考虑把 Muse Wonder 列入 AI 编程工具比选清单,与现有模型做同题测试后再决定;已在使用 Muse 应用的团队可留意其功能升级节奏。
  17. The Decoder:AI News75

    Meta 发布前沿模型 Muse Wonder 与 Muse Wonder Full,双双跻身 AI 第一梯队

    Meta 发布前沿模型 Muse Wonder 与 Muse Wonder Full,前者在 Artificial Analysis Intelligence Index v4.3 得 52 分,后者得 56 分,双双跻身最强模型行列。

    决策要点

    Meta 靠这代模型重回前沿第一梯队,主打 Agent 与编程,知识面仍弱,代价是成本接近上代三倍。

    • 影响Agent 与编程类工作负载多了一个第一梯队选项;但单任务成本接近上代三倍,token 价格升至输入 4 美元、输出 20 美元,成本模型需要重算;金融与法务类任务停留在上代水平,宜按场景选型。
    • 参考可考虑在编程或 Agent 场景做一轮同任务成本对比,再决定是否替换现有方案;值得先算出业务的输入 token 占比,该模型在评测中 76% 成本来自输入端。
  18. TechCrunch · AI71

    Meta 发布首个前沿模型 Muse Wonder 与 Muse Wonder Full

    Meta 超级智能实验室发布 Muse Wonder 与 Muse Wonder Full,为该公司首批前沿模型,Meta 自测称基准分数与 Fable 5.1、GPT-6 Astra 相当。

    决策要点

    Meta 在 Alexandr Wang 重组 AI 业务后重返前沿模型竞争,直接对标第一梯队定价,把差异化重点放在长期记忆能力。

    • 影响定价与 GPT-6 Sol、Opus 5.5 同级,模型选型多一个同价对比项;官方主打长期记忆,指向长周期任务型助手场景;Wonder Full 不开放 API,采购时需留意渠道限制。
    • 参考可考虑把 Wonder 加入现有模型评测清单,用自有任务跑一轮基准与成本对比;需要长周期记忆的场景值得单独测试 active memory 表现;注意 Wonder Full 仅随 Muse Code 订阅提供。
  19. The Verge · AI58

    Meta 发布 Muse Wonder 与 Muse Wonder Full 两款新 AI 模型

    Meta 发布 Muse Wonder 和 Muse Wonder Full 两款新 AI 模型,今日起向 Muse Code 订阅用户开放,Wonder 也可通过 Meta Model API 访问。

    决策要点

    Meta 以模型加智能体组合重回前沿竞争,目前能支撑其实力的公开证据只有官方内部测试。

    • 影响前沿模型候选清单多出一个可测选项,采购谈判有了新筹码;模型将与 Muse 智能体逐步绑定,选型时要一并考虑生态入口;对比数据出自官方内部测试,独立验证成本留在企业一侧。
    • 参考可考虑通过 Meta Model API 用自有业务数据实测 Wonder,与在用模型跑同一组对比;值得跟踪 Wonder 接入 Muse 智能体的节奏,再决定是单独评估模型还是等智能体形态成熟。
10月12日周一
  1. Meta AI:Research Blog26

    Meta AI 研究页集中展示 Muse Spark 1.3、SAM 3 等最新模型成果

    Meta AI 研究主页集中展示最新模型成果,最新条目为 2026 年 9 月 2 日发布的 Muse Spark 1.3,8 月 5 日曾发布 Muse Code 与 Muse Spark 1.2。

    决策要点

    Meta 用一页研究门户同时推进本地开放权重智能体、视觉基础模型与成体系安全评估,能力说法均为官方口径。

    • 影响Muse Glimmer 开放权重并适配消费级硬件,为本地运行常驻智能体提供了新选项;各模型的安全与评估报告可作为选型尽调的官方材料;页面未给出性能数据和商用价格。
    • 参考可考虑把 Muse Glimmer 列入本地智能体试点候选清单,先在消费级硬件上验证工作流表现;值得把 Muse Spark 系列的安全报告纳入模型采购评估材料。