跳到正文

#模型发布

今日 6 条
10月26日周一
  1. 量子位62

    讯飞全国产算力模型Spark-X2.6实测,纯代码生成3D故宫,10亿Tokens免费领

    讯飞发布全国产算力模型Spark-X2.6并已上架星辰MaaS平台,MoE架构总参数293B、激活约30B、支持1M上下文,API打六折为每百万输入tokens 0.9元、输出tokens 3.6元,可免费领取10亿Tokens。

    决策要点

    讯飞把国产算力路线从训练推进到端云协同部署,实质是给企业多一种不依赖英伟达GPU、数据可留在本地的模型选项。

    • 影响涉及合同、客户资料的敏感场景,可先在端侧脱敏再上云、分析完回到本地还原,降低数据外流顾虑;官方称约六成高频任务Token消耗下降加上六折API价格,直接影响调用成本;全栈国产算力也提供了不依赖英伟达GPU的部署路线。
    • 参考可考虑在星辰MaaS免费领取10亿Tokens后,选一个涉及敏感文件的场景小规模试跑端云流程;值得同时测试开源4B版在自有业务文档上的离线表现,并按每百万tokens价格重算现有调用预算。
  2. 36氪·AI62

    Inception Labs 发布扩散语言模型 Mercury 3,官方称速度最高比 GPT-6 Luna 快约 8 倍

    Inception Labs 于 10 月 19 日发布扩散语言模型 Mercury 3,输出速度达每秒 1068 Token,官方基准中 GPQA Diamond 得 89.23 分,高于 GPT-6 Luna 的 86.36 和 Claude Haiku 5.5 的 84.51,SWE-Bench Atlas 得 51.08 分对比两款模型的 33.33 和 32.26。

    决策要点

    扩散模型的卖点从单纯输出快转向规模做大后仍保住速度,Agent 任务里强弱模型分工的组合思路开始有落地参照。

    • 影响高频多轮的 Agent 业务有机会把执行类调用换到低价快模型上,重算调用成本与端到端时延;跑分与客户案例目前均出自 Inception 一方口径,纳入采购清单前缺少独立评测;模型选型可多一个速度优先档位的备选。
    • 参考可考虑盘点现有 Agent 流程中规划与执行两类调用,先算出执行环节换用 Mercury 3 后的时延和费用差异;值得在网页导航或代码类任务上做小规模对比测试,再决定是否进入供应商清单。
  3. 人人都是产品经理64

    月之暗面发布 Kimi K3.1 Pro,代码基准超 GPT-6 Astra 但低于 Opus 5.5

    月之暗面发布 Kimi K3.1 Pro,在 7 月发布的 K3 之后通过后训练强化代码、3D 创作、金融、幻觉控制与网络安全能力。按模型方公布成绩,Terminal Bench 4.0 得分 65.7,超过 GPT-6 Astra 但低于 Opus 5.5;Bench CAD 得分 92.7;内部压力测试幻觉错误率从 23.4% 降至 8.3%。

    决策要点

    月之暗面把代码 Agent、文档分析与创作交付放进同一条能力链路,追赶姿态明确,但成绩均为官方口径,选型价值要靠自有任务复验确认。

    • 影响代码 Agent 与文档分析场景多了一个可选模型,缓存命中定价便于压算任务预算;官方分数不能直接换算成业务结果,网络安全能力接入需配套权限与审计边界。
    • 参考可考虑在 Kimi Code 或 API 上对固定仓库任务小规模压测,记录首次成功率、Token 与工具轮数、人工返工和单任务成本,再决定是否扩大流量。
  4. 钛媒体61

    月之暗面发布Kimi K3.1 Pro,Artificial Analysis智能指数列全球第四

    月之暗面于10月24日凌晨发布Kimi K3.1 Pro,Artificial Analysis将其智能指数排在全球第四,并判断权重发布后开放权重模型与闭源模型的差距将从12分降至3分。

    决策要点

    月之暗面用一个Pro旗舰把国产模型重新拉回前沿竞争,开源与闭源3分量级的差距让开源选型的分量在上升。

    • 影响若权重发布后成绩坐实,可私有化部署的开源模型会进入更多企业的选型对比;文中成绩多为第三方榜单口径且权重尚未发布,采购决策前需留出验证余量;国产旗舰供给恢复也意味着替代与议价选项增多。
    • 参考可考虑把智能体编码、私有化部署等场景列入开源模型试点清单,等权重开放后在内部基准跑一遍对比;值得借这次榜单重算一次闭源API与自建开源方案的预算差距。
10月25日周日
  1. IT之家·人工智能31

    韩国 KRAFTON AI 预览自研 Raon-1 mini 模型,30B-A4B 开源对标 Meta Muse Glimmer

    韩国游戏公司 KRAFTON 旗下 KRAFTON AI 本周公布从头训练的 Raon-1 mini 模型预览版,聚焦韩语并兼顾英语性能,以 Apache 2.0 许可开源,官网 https://raon-mini.krafton.ai/en 提供限时免费 API 试用。

    决策要点

    游戏公司跨界自训开源模型,以韩语垂直市场切入并直接对标 Meta 同级开源模型,开源模型供给方正扩展到非 AI 出身的厂商。

    • 影响有韩语业务的企业多一个 Apache 2.0 开源选项,可私有化部署且商用限制少;开源同级模型供给方从 AI 厂商扩展到游戏公司,30B 级可选池在变大。
    • 参考可考虑在限时免费 API 期间,用自家韩语场景或编程、智能体任务与现有 30B 级开源模型做同题对比;值得盘点现有模型清单里是否有同级替换空间。
  2. The Decoder:AI News48

    Nvidia 开源 Flora 数据引擎,称机器人视频标注成本约为 GPT-6 Astra 的 1/125

    Nvidia GEAR 实验室开源机器人视频标注引擎 Flora,由三个微调千问(Qwen3.5)模型组成,官方称已在 GR00T 模型训练中运行,模型上架 Hugging Face。

    决策要点

    Nvidia 开源机器人视频标注引擎 Flora,意在用低成本数据工具把开发者留在自家硬件生态,性价比宣称需分项看待。

    • 影响机器人研发团队可借开源模型自建标注管线,降低对 Scale AI 等商业数据服务的依赖;成本数字是按假设 GPU 租价的推算,预算需按真实租价重算;Google 也在进入同一环节,可选工具在增多。
    • 参考可考虑用自有机器人视频样本跑一轮 Flora 与现有标注方案的对比,并按真实 GPU 租价核算成本;若训练需要步骤级失败信号,Flora-Rewarder 的能力值得单独评估。
  3. IT之家·人工智能42

    Block 推出全双工 AI 语音模型 Dessa,可在苹果 MacBook 本地运行

    Block 推出全双工语音模型 Dessa,能模拟笑声、停顿、哽咽等情绪表达,官方称可在 M4 Max 及更高配置的 MacBook 上本地运行。官方介绍其完全基于人类语音数据训练,仅用一组英伟达 GPU 机架完成训练,并称自身知识来自训练对话数据,不需像主流语音模型那样搭配大语言模型调取知识。

    决策要点

    Dessa 把全双工对话和情绪表达做成模型原生能力,并下沉到消费级笔记本本地运行,语音 AI 的生成链路开始绕开文本中转。

    • 影响端侧运行让语音交互省去一笔云端推理开销,Block 已明确要用它低成本落地商户与用户语音产品;官方同时把语音智能体欺骗人类列为首批安全测试重点,对客场景的信任与合规边界需要一并评估;M4 Max 的设备门槛也划定了短期适用范围。
    • 参考可考虑先梳理自身语音场景中对情绪和延迟敏感的部分,估算端侧部署能替代多少云端调用成本;值得等安全研究者对欺骗风险的测试结论出来,再决定拟人语音是否用于对客沟通。
  4. TechCrunch · AI42

    Block 发布语音模型 Dessa,全双工且可在消费级设备本地运行

    Jack Dorsey 旗下 Block 研究实验室发布语音模型 Dessa,全双工可同时说话与倾听,官方称完全基于人类语音和单张 NVIDIA GPU 训练,情绪内建于模型,并能在 MacBook M4 Max 等消费级设备上本地运行。

    决策要点

    语音模型正在从文本中转管线转向语音原生并本地运行,但 Dessa 尚未开放,当前仍处在安全测试阶段。

    • 影响语音客服等场景有望以更低成本获得更自然的情绪表达,本地运行也省去云端通话开销;模型知识来自对话数据而非外接大语言模型,知识面可能受限;无公开入口,商用节奏未定。
    • 参考可考虑把语音客服、电话点单这类高频场景列入候选清单,待模型开放测试后先算出本地部署与现有云端语音方案的成本差异,并让安全团队跟进其研究员招募进展。
10月24日周六
  1. The Decoder:AI News32

    Square 母公司 Block 发布语音模型 Dessa,完全用人类语音训练以捕捉情绪

    Block(Square 与 Cash App 母公司)发布语音模型 Dessa,官方称其为首个完全用人类语音、不含任何文本数据训练的模型。模型直接以音频方式处理语音,可实时捕捉情绪、讽刺、笑声和停顿,支持全双工边听边说,能在 MacBook Pro M4 Max 上本地运行,训练仅用一台 NVIDIA GB200 NVL72。

    决策要点

    Block 把语音 AI 的切入点放在文本转写会丢掉的情绪信号上,路线有别于主流,但目前仍是未公开的实验项目。

    • 影响对客服、语音助手等依赖语气的场景,多了一条不经文字转写的情绪识别路径;模型可本地运行,对数据敏感行业有参考价值;但模型未开放,短期内没有可直接采用的商业入口。
    • 参考可考虑让语音客服或外呼团队留意其安全测试与开放进展;值得先梳理现有语音方案在情绪、语气识别上的具体短板,作为日后对比评估的清单。
  2. 36氪·AI66

    月之暗面发布Kimi K3.1 Pro,智能指数居全球第4、Agent基准升至65.7分

    月之暗面发布Kimi K3.1 Pro,Artificial Analysis智能指数给出55分、列全球第4,较前代上涨11分;Terminal-Bench 4.0从13%升至65.7%,距Opus 5.5不到1%,OfficeQA Pro v2金融基准拿下64.4分SoTA。

    决策要点

    月之暗面借K3.1 Pro主打Agent实战与低价,把国产模型重新带回第一梯队竞争,但榜单跃升不等于真实任务表现。

    • 影响Agent与代码类任务的选型多出一个低价候选,官方口径成本约为对标闭源模型的五分之一;3D Make把建模、前端到网页发布压进一个对话输入框,相关人手与外包预算值得重算;权重尚未发布,私有化部署暂不可行。
    • 参考可考虑在Agent终端操作和财务建模各挑一个真实任务做对比试点,用自有数据重算单任务成本;值得盘点现有3D建模与外包需求,用kimi.com的3D Make试做一单验证交付质量。
  3. 36氪·AI76

    Kimi 发布 K3.1 Pro,官方称性能逼近 Claude Opus 5.5,订阅额度 10 分钟耗尽成最大槽点

    10 月 24 日,Kimi 正式发布 K3.1 Pro,为 3 万亿级参数、支持百万 Token 上下文的模型,主打代码、长程 Agent、3D 与金融研究,同步推出输出速度约快 2~3 倍的 Highspeed 高速版,API 输出价格每百万 Token 68 元。

    决策要点

    Kimi 用更重的后训练把长程 Agent 与代码能力推近闭源前沿,但模型冗长让订阅额度取代能力本身成为可用性瓶颈。

    • 影响API 场景单位任务成本约 2.11 美元,低于文中对比的 Claude Opus 5.5 约 5.98 美元,按量付费跑长任务更可控;订阅套餐额度成为长程 Agent 任务的实际约束,重度代码使用要先核算消耗;完整权重 11 月 4 日前开放,有算力的团队可评估私有部署。
    • 参考可考虑先用 API 在代码修复或投研场景做小规模试点,记录单任务 Token 用量和耗时,再决定按量付费还是订阅;11 月 4 日权重开放后,具备算力的团队可评估私有部署用于内部代码审查。
  4. 爱范儿66

    Kimi 发布 3 万亿级参数旗舰 K3.1 Pro,实测称国产模型重回与闭源旗舰正面较量

    Kimi 正式发布新一代旗舰大模型 K3.1 Pro,参数达 3 万亿级、支持 100 万上下文,计划 11 月 4 日前开放完整模型权重。

    决策要点

    国产大模型的竞争焦点从速度与价格重新转回能力上限,K3.1 Pro 让企业在高难度任务上多了一个国产旗舰选项。

    • 影响3D 创作、长程编码、金融建模等高上限任务多了一个国产替代选项,按作者实测可花更少的钱拿到相近效果;完整权重计划开放,私有化部署在选项之内;能力结论目前主要来自官方口径。
    • 参考可考虑把 3D 网页、财报建模或长程编码这类现有场景拿出来做对照测试,记录效果与 token 成本;值得等 11 月 4 日权重开放后评估私有化部署的可行性;先算出当前闭源模型调用账单作为比较基准。
  5. IT之家·人工智能67

    月之暗面发布 Kimi K3.1 Pro,3 万亿级参数模型,官方称编程智能体测评超 GPT-6 Astra

    月之暗面正式发布 Kimi K3.1 Pro,为其迄今能力最强的 3 万亿级参数模型,支持 100 万上下文,输出速度约 2~3 倍的高速版 Kimi K3.1 Pro Highspeed 同步推出。

    决策要点

    月之暗面新旗舰聚焦编程智能体与 3D、金融等垂直工作负载,官方称基准成绩已逼近头部闭源模型。

    • 影响编程智能体和财务分析类任务多了新的国产选项,按 Token 计价便于直接测算调用成本;完整权重 11 月 4 日前发布,评估私有化部署时会有新的候选。
    • 参考可考虑用自有编程或财务分析任务与现有模型做同题对比;若调用量大,先按缓存命中与未命中的价差测算账单;待权重发布后再评估私有化部署成本。
  6. The Verge · AI31

    Jack Dorsey 旗下 Block 发布语音对话模型 Dessa,仅用人类对话训练

    Jack Dorsey 旗下 Block 发布语音对话模型 Dessa,官方称其从零开始、仅用人类对话训练而成。官方称 Dessa 是真正的语音到语音模型,可在 MacBook Pro M4 Max 或更高配置本地运行,将先向一小群 AI 安全研究者开放早期访问。

    决策要点

    Block 的 Dessa 绕开文本中间层直接做语音到语音,主打情绪与节奏感知,但目前仍停留在官方演示与安全研究者内测阶段。

    • 影响语音到语音路线直接用语音训练,省去转文本环节,官方称能跟上人类节奏并感知情绪;模型仅向少数安全研究者开放,企业现阶段无法试用或采购,现有样例均由官方挑选。
    • 参考可考虑整理现有语音客服在情绪识别和应答节奏上的失败案例,形成内部基准;等安全研究者或独立评测给出反馈后,再评估纯语音模型是否值得试点。
  7. The Decoder:AI News72

    月之暗面发布 Kimi K3.1 Pro,智能指数距 Claude Opus 5.5 仅 3 分

    月之暗面发布 Kimi K3.1 Pro,在 Artificial Analysis 智能指数得 55 分排名第四,较 Kimi K3 提高 11 分,距榜首 Claude Opus 5.5(58 分)差 3 分。

    决策要点

    Kimi K3.1 Pro 把开放权重模型与闭源前沿的指数差距拉到 3 分量级,Moonshot 同时开始主动削减开放版本的攻击性网络能力

    • 影响若权重按计划开放,企业自托管近前沿模型的选项将增多;Token 降价 33% 直接降低智能体与代码场景的推理成本;开放版本攻击性网络能力被有意削减,安全攻防类用途可能受限
    • 参考可考虑将其纳入代码与办公自动化场景的选型对比,用自有任务实测与 Claude Opus 5.5 的差距;权重开放后可测算自托管与 API 采购的单任务成本再定配比
  8. Kimi:研究博客72

    月之暗面发布 Kimi K3.1 Pro,100 万 token 上下文,权重 11 月 4 日前开放

    月之暗面发布 K3.1 系列首个模型 Kimi K3.1 Pro,支持 100 万 token 上下文窗口,今日起可在 Kimi.com、Kimi Work、Kimi Code 和 Kimi API 使用,同步推出速度 2-3 倍的 K3.1 Pro Highspeed,完整模型权重将于 11 月 4 日前放出。

    决策要点

    开放权重模型在编程和智能体任务上追近闭源前沿,厂商同时在开源前主动削减网络安全能力以控制滥用风险。

    • 影响编程、3D 与金融工作流多了一个可自托管的开放权重选项,私有化部署与供应商议价空间扩大;API 提供零数据保留,Kimi 企业版默认不启用该模型;各项性能与幻觉率收益均为官方口径,选型前可先用自己的任务样本复测。
    • 参考可考虑先用 API 在编程助手或财务分析场景小规模试跑,与现用模型对比通过率;需要数据不出域的团队可等权重放出后评估私有化成本;Kimi Code 用户可用 /model 命令直接切换试用。
10月23日周五
  1. 36氪·AI56

    Mirendil 称单人训出千亿级编程模型,Recursive 发布开放权重 Flint,英伟达研究员回应职业焦虑

    初创公司 Mirendil 称仅用 1 名研究员、3.5 个月和不足 1000 万美元算力从零训出 100B–500B 参数编程基座模型,超 99% 代码由 AI 智能体编写。

    决策要点

    这件事的实质是基座预训练从团队工程压缩为单人指挥的智能体流水线,执行环节贬值,人的价值向选题和结果把关集中。

    • 影响基座训练的人力门槛从几十到几百人团队降到 1 人加算力,模型自训与定制的可行性边界外移;执行型研发工作的价值在缩水,团队重心转向选题与结果验证;两家公司的数字目前均为官方口径。
    • 参考可考虑按千万美元级算力、3.5 个月周期重算自训模型的成本模型,与采购 API 或开源方案对比;值得盘点算法团队中复现与调参类工作占比,并要求骨干保留亲手实现和验证模型结果的基本功。
  2. 36氪·AI72

    MiniMax开源M3.1 Flash,上线72小时处理超100万亿Token,华为昇腾等推进接入

    MiniMax开源M3.1 Flash模型权重,总参数4280亿、每Token激活约230亿,支持文本、图像和视频输入及最高100万Token上下文,主要面向编程、智能体和计算机操作场景。

    决策要点

    MiniMax用开放权重和低价把竞争焦点引向自行部署成本,开源模型的性价比要靠芯片适配和推理优化兑现。

    • 影响高频编程与智能体调用的成本预算可按新单价重算,官方对比下单价约为Claude Opus 5的1/33到1/42;开放权重降低绑定单一API供应商的风险,但自行部署需另计硬件投入与维护成本。
    • 参考可考虑先盘点编程与智能体任务的实际调用量和当前模型支出,按新定价重算预算;有自建算力的团队可下载权重,沿昆仑芯、vLLM等已适配路线小规模试点,比较API调用与自行部署的总成本。
  3. 量子位47

    科大讯飞首发星辰TaaS平台,星火X2.6上下文窗口扩至百万Tokens

    科大讯飞10月22日在2026全球1024开发者节首发星辰TaaS平台,从底层星辰MaaS到应用层行业方案全链路交付,覆盖同传翻译、数字员工、智能营销等场景并面向金融、医疗、教育、能源等行业。

    决策要点

    讯飞把模型、智能体与行业方案打包成TaaS交付,实质是从卖Token调用转向按业务场景卖解决方案。

    • 影响星辰TaaS把交付单位从Token调用换成行业方案,按Token比价的采购逻辑可能需要重算;APA让业务人员直接封装ERP、CRM流程,系统权限和数据边界要先划定;文中效果数字均出自讯飞,评估时需计入自证成本。
    • 参考可考虑选填表、审批、查库存类高频操作用APA做封装试点并记录耗时;值得把星辰TaaS与现有大模型采购方案做同场景比价;开源的4B端侧模型可用于评估低时延场景的降本空间。
  4. 量子位62

    模思智能与OpenMOSS开源5B生图模型MOSS-Image,4天海外下载超130万次

    模思智能与OpenMOSS团队开源5B参数生图模型MOSS-Image,上线4天在海外社区获130万次下载,登顶Hugging Face文生图趋势榜并获1.4k GitHub Stars。

    决策要点

    生图模型竞争焦点正从画质转向可控设计,MOSS-Image以文字渲染和布局控制切入设计场景,开源四天即获得海外社区认可。

    • 影响海报、电商等文字密集的设计场景多了一个可自部署的开源选项;SGLang与vLLM Day 0适配、4步加速和量化方案陆续出现,部署路径较为齐备;训练采用国产PPU算力平台,为算力选型提供了新参考。
    • 参考可考虑用自有海报或电商素材,对比现用生成方案与MOSS-Image的文字准确率和布局控制效果;值得先确认量化版与加速方案的成熟度,再测算自部署与调用API的成本。
  5. IT之家·人工智能28

    月之暗面公布 Kimi K3.1 预热视频,发布日期暂未官宣

    月之暗面 Kimi 官方账号 10 月 23 日发布一段 24 秒预热视频,画面中模型栏显示 Kimi K3.1,正式发布日期、参数规模与定价均未公布。

    决策要点

    多条接口与代码痕迹指向 Kimi K3.1 已就位,改动偏工程兼容与档位细分,官方细节空缺,现阶段选型依据不足。

    • 影响K3 已进入 GitHub Copilot 与 AWS Kiro,模型更新会直接传导到企业已在用的编程助手;推理档位若扩到四档,效果与成本之间多一档可调;参数定价未公布,现在做模型替换决策缺关键输入。
    • 参考可考虑盘点团队编程工具中哪些依赖 Kimi K3,待 K3.1 发布后用同一批开发任务做新旧对比;值得把推理档位与 1M tokens 上下文表现列入选型测试项。
  6. 量子位45

    高德发布首个基于开放世界行为的全身基座模型λ0,推动机器人全身动作对齐

    阿里巴巴集团旗下高德近日正式发布首个基于开放世界行为的全身基座模型λ0,仅依靠人类行动数据即可让机器人学习移动、姿态与双手操作的全身协调,研究由高德与阿里ATH事业群共同完成。

    决策要点

    高德用佩戴消费级设备的人类采集者替代机器人本体采集,把人形机器人训练的数据成本与规模化问题作为切入点。

    • 影响数据采集不再依赖机器人本体和人工复位,单条示范用时从约100秒降到29秒,训练数据成本结构随之改变;官方称同等机器人示范量下人类数据越多真机表现越好,数据积累成为可行路径;巡检、物流等开放场景的全身协调任务多了一条候选技术路线。
    • 参考可考虑让自动化或仓储研发团队按其开源配置复现采集管线,先算出自身场景的单条示范采集成本;值得评估巡检、物流类长程任务是否适合做零样本迁移试点。
  7. IT之家·人工智能43

    字节火山引擎发布 Seedance 2.5 4K 模型,面向影视级画面生成

    字节跳动旗下火山引擎于 10 月 23 日发布 Seedance 2.5 4K 模型,面向影视级画面生成,官方称其经专项训练强化人物表情、细微动作与画面细节,是 Seedance 2.5 一代中最强模型。

    决策要点

    视频生成开始面向影视级制作场景,Draft 模式把创意迭代的低成本与 4K 正片的高画质拆成两段流程与成本。

    • 影响影视、广告与品牌内容团队多了影视级画质的生成选项,样片先行可压低前期试错的生成成本;当前仅部分企业客户可试用,普通团队暂无接入入口;参考素材画质保持能力对包装、海报类小字素材更友好。
    • 参考内容团队可考虑测算高频出片场景下 Draft 加 4K 两段式流程对比直接出片的成本差;影视相关企业客户可申请试用,重点验证文戏表现与参考素材一致性;其他团队可等开放范围扩大后再评估接入。
  8. 钛媒体52

    Mirendil发布Mirendil-Base编码基座模型,官方称1名研究员带Agent三个半月训成

    硅谷初创Mirendil发布编码专用基座模型Mirendil-Base,官方称由1名研究员带Agent在三个半月内、以不到1000万美元成本训成,参数在1000亿到5000亿之间,超99%的代码由Agent编写。

    决策要点

    这件事的实质是Agent把预训练的人力瓶颈压到一个人身上,瓶颈转向算力、数据和判断力,但成本与人才门槛并未真正下降。

    • 影响有专属模型需求的机构可能改用自有数据自训基模而非只租用通用模型;AI研发组织会更依赖少数能指挥Agent的人加算力预算;当前成本量级意味着短期内主要是有充足资金和顶尖人才的玩家能参与。
    • 参考可考虑盘点自家是否有值得自训模型的独占数据与场景;值得等Mirendil-Large和XL的成绩出来,并看这套方法论能否被第三方复制,再算自训与租用通用模型的成本账。
  9. 36氪·AI48

    Mirendil 发布编码基座模型 Mirendil-Base,官方称 1 人加 Agent 三个半月、不到 1000 万美元训成

    硅谷初创 Mirendil 发布编码专用基座模型 Mirendil-Base,官方称 1 名研究员指挥 Agent 用三个半月、成本不到 1000 万美元训成,模型超 99% 的代码由 Agent 编写,全程仅用公开数据,未购买数据、未蒸馏、未用合成数据。

    决策要点

    预训练的人力门槛被 Agent 压缩到单人可操作的量级,但千万美元级投入和顶尖研究判断力仍是前提,门槛并未真正普惠化。

    • 影响若方法论可复制,专业团队用自有数据定制基模的成本结构会改变;AI 研发组织方式可能从堆人转向指挥 Agent;短期内千万美元级投入仍限于融资充足且拥有顶级人才的团队。
    • 参考可考虑盘点自有数据资产和专有场景,先算清定制基模与租用通用模型加适配的成本分界;值得等其 Large、XL 版本训练完成后的公开成绩再评估方法可复制性。
  10. IT之家·人工智能68

    MiniMax 开源 M3.1 Flash 模型权重,总参数 428B、激活参数 23B

    MiniMax 稀宇科技于 10 月 23 日宣布开源 MiniMax M3.1 Flash 模型权重,总参数 428B、激活参数 23B,官方称能力较上一代 M3 全面提升。

    决策要点

    MiniMax 开源 M3.1 Flash 的实质是以大参数稀疏化和量化优化压低推理成本,并把首日多芯片多平台生态作为竞争点。

    • 影响开源权重给企业增加了可自托管的大模型选项,需按 428B 总参数、23B 激活的稀疏结构评估推理硬件;芯片与云平台首日适配降低了接入门槛,也拓宽了算力选型面。
    • 参考可考虑先用 API 形态对比该模型的成本与效果;若评估自托管,值得按官方接入的 vLLM、SGLang 等框架清单和现有算力条件先算部署可行性。
  11. The Verge · AI55

    Canva 发布首款自研图像模型 Canva Craft,生成前先规划设计

    Canva 发布首款自研图像生成模型 Canva Craft,采用先规划设计再生成图像的两阶段架构,现已向全球所有用户开放。官方称该架构带来更高精度、一致性和可控性,模型最高支持 2K 分辨率和 30 多种宽高比,训练数据来自平台内容库中数百万个人工模板。

    决策要点

    Canva 自研图像模型主打设计场景的精度与可控性,先规划再生成是差异化路线,榜单排名仍落后 OpenAI 产品。

    • 影响营销与设计团队可在常用设计工具内直接生成素材,或减少单独图像工具的开支;该模型在独立基准上尚落后 OpenAI 产品,替换现有工具前需按自身场景评测;后续 MCP 接入为智能体参与设计流程留出空间。
    • 参考可考虑让设计团队用同一批含清晰文字和固定排版的素材任务,对比 Canva Craft 与现有图像工具的产出;已在用 Canva 的团队可在 Dream Lab 小范围试用,再决定是否调整图像工具预算。
  12. TechCrunch · AI55

    Canva 发布首个自研图像生成模型 Canva Craft

    Canva 发布首个自研图像生成模型 Canva Craft,由其研究团队开发,用于对标 Google、OpenAI、字节和 Meta 的同类模型。模型分两阶段工作,官方称可生成最高 2K 分辨率、30 种宽高比的图像,文字清晰且支持局部精确编辑;训练数据来自 Canva 模板库的人工设计而非照片,生成图可经 Canva Magic 转为分层设计。

    决策要点

    Canva 以设计模板替代照片训练模型,把图像生成对准海报、社媒等设计场景,是平台减少对通用模型依赖的自建动作。

    • 影响用 Canva 产出营销物料的企业可在平台内直接生成贴近设计场景的图像;官方称文字可读与局部编辑能减少修图返工;API 与 MCP 接入为把生成能力接进自有工作流提供路径。
    • 参考已在用 Canva 的团队可在 Dream Lab 试生成带文字的海报或社媒图,与现用模型对比文字准确度和可编辑性;内容量大的场景值得评估 API 接入及后续低成本版本。
10月22日周四
  1. The Decoder:AI News56

    Recursive 发布首个模型 Flint,由 AI 系统 Eureka Machine 自动推进研发

    Recursive 发布其第一个模型 Flint,研发由 AI 系统 Eureka Machine 自动提出、构建、测试并规划后续实验,历时四个月完成。

    决策要点

    Recursive 把提出想法、跑实验、评估结果都交给 AI 自动完成,Flint 是这条自动化研发路线的公开产出,成绩尚未经验证。

    • 影响本地运行加开放权重给涉码数据团队提供了代码不出网的智能体编程选项;自动化研发若成立会改变模型开发的成本与人力结构;当前基准与速度均出自官方口径,选型前需独立复测。
    • 参考可考虑在 M4 Pro 或 RTX Spark 上用自有代码任务复测基准与生成速度后再定选型;试点时按官方建议把复杂任务拆成小步骤;值得跟踪 Eureka Machine 流程的后续可复现证据。
  2. 36氪·AI57

    田渊栋创业公司Recursive开源首个模型Flint:40B参数MoE,MacBook Pro可跑,从零训练仅用4个月

    田渊栋离职Meta后创办的Recursive开源首个模型Flint,400亿参数MoE架构、每token激活25亿,主打本地Agent编程,从零训练仅用4个月。

    决策要点

    Recursive用4个月从零训练交付可用模型,实质是对自动化AI研究路线的一次验证,也让本地硬件跑编码智能体更接近日常可用。

    • 影响数据敏感团队的日常编码任务多了一个不出本地的部署选项;硬件门槛是48GB统一内存的Mac,试点前需盘点设备存量;官方性能与跑分尚无独立评测,选型前应自测。
    • 参考可考虑挑一两个数据敏感的编码场景做本地试点,用团队真实任务复测官方跑分;值得先盘点满足48GB统一内存的Mac存量,再把本地硬件投入与云端API费用放在一起比较。
  3. IT之家·人工智能50

    蚂蚁数科发布决策模型 LingDT-Decision-1.0,称可将 Token 消耗降低超 90%

    蚂蚁数科 10 月 22 日发布面向企业高频决策场景的专用模型 LingDT-Decision-1.0,提供 4B 和 27B 两个版本,已在蚂蚁数科 DTMaaS 平台上线,开发者可限时免费体验。

    决策要点

    厂商把企业高频判断类任务从生成式大模型中拆出来,交给小参数专用模型承接,核心卖点是压 Token 成本和响应时延。

    • 影响客服派单、风控判断、规则分类这类高频决策环节可改用小参数模型承接,按 Token 计的推理成本可重新测算;效果数字全部来自官方测试,自有业务数据上的表现要先复核。
    • 参考可考虑盘点意图识别、工单分派、规则打分等高频决策接口,先算清各自的 Token 账单和时延基线,再挑一两个场景用 4B 版本免费试用对比。
  4. 36氪·AI41

    谷歌Gemini 4 Carbon首批实测曝光,手感直逼Opus 5.5

    谷歌下一代旗舰Gemini 4 Carbon被曝进入合作伙伴测试,并在LMArena开启盲测,发布被认为就在眼前;测试者靠速度差异从名为gemini-4-argon的盲测条目中认出了它。

    决策要点

    谷歌把旗舰迭代节奏压到周级别,新一代直接修上一代被诟病的短板,模型迭代速度本身成了竞争变量。

    • 影响刚完成的模型选型结论保鲜期变短,新版本可能数周内就到;上代旗舰的短板可能很快被下一代修补,选型要看迭代路线而不只看单版表现。
    • 参考可考虑把模型复测固定成小流程,新版进盲测就重跑自家核心任务样例;值得先记录当前所用模型在代码和生成任务上的表现基线,便于算换代收益。
  5. 量子位53

    蚂蚁数科发布决策模型LingDT-Decision-1.0,称准确率超过微软、Jev等决策模型

    蚂蚁数科10月22日发布决策模型LingDT-Decision-1.0,提供4B和27B两个版本,已在DTMaaS平台上线并限时免费开放。官方在客服、风控、金融等真实业务场景测试称,相比大语言模型Token消耗降低超90%、响应时效提升10倍,其中智能客服场景相比Qwen-3.7-flash风险识别准确率由76%提升至89%,金融场景幻觉召回率由44%提升至70%。

    决策要点

    蚂蚁数科把客服风控这类高频结构化判断从通用大模型中拆出,做成主打成本与时延的专用决策模型,数据均为官方自测口径。

    • 影响意图判断、工单分派这类高频任务可能多一个专用模型选型,Token成本和时延有了新参照;官方数字未经独立评测,选型前需用自有业务数据复测;一套模型覆盖多类判定任务或可降低接入维护成本。
    • 参考可考虑先盘点客服、风控中的高频判断任务清单,算出现有Token成本与响应时延作为基线;限时免费期值得用真实工单测试多选与按序决策是否匹配自身业务流程。
  6. 钛媒体43

    奇瑞发布物理AI垂类大模型CheryMind,作为瑶光2035战略技术底座

    奇瑞10月20日在芜湖全球创新大会上发布面向物理AI的垂类基础大模型CheryMind,定位为瑶光2035战略的核心技术底座。

    决策要点

    奇瑞做CheryMind的实质,是把近30年积累的制造经验和工程数据转成可复用的模型资产,让AI从车载功能变成企业基础设施。

    • 影响制造企业长期积累的工程数据有机会变成可复用的数字资产;研发、制造、质量环节是AI切入生产体系的主要入口;应用规模扩大不等于效率改善,成本收益要靠具体场景验证。
    • 参考可考虑盘点自家工艺和质量环节沉淀的工程数据,评估能否支撑垂类模型;值得在设计检索、质量分析等重复性环节先做小试点,用研发周期和质量成本指标衡量实际收益。
  7. 36氪·AI64

    田渊栋联合创立的 Recursive 发布开源模型 Flint,AI 系统参与几乎所有研发环节

    美国当地时间10月21日,田渊栋联合创立的 AI 创业公司 Recursive 发布开源模型 Flint,这是一款面向本地编码智能体、总参数量约400亿的 MoE 模型,官方披露 SWE-bench Pro v2 得分89.7%。

    决策要点

    这件事的实质是把架构搜索、量化等研发试错工作交给 AI 系统自动化执行,研究目标和方向仍由人类设定,并非自主造 AI。

    • 影响宽松开源协议加约25亿的激活参数,降低了企业本地部署编码智能体的硬件门槛;自动化研究若能稳定复现,会影响模型研发的成本结构;开放权重不等于完整开源,生产使用需自担部署维护与数据安全责任。
    • 参考可考虑在48GB内存级本地设备上试用 Flint,评估编码智能体场景的性价比;生产使用前值得先列清部署维护与数据安全责任清单;自动化研究路线可等独立复现结果再决定投入。
  8. 量子位48

    中国电信星辰发布并开源意图理解模型Xing4.0-29B-Intent

    中国电信星辰通用人工智能实验室发布并开源意图理解专用模型Xing4.0-29B-Intent,同步开放275.3万条训练语料、模型权重与推理镜像,模型将意图识别与参数抽取结合,把用户一句话转成业务系统可处理的JSON结构化信息。

    决策要点

    意图识别这类高频窄场景决策正被专用小模型从通用大模型方案中拆出来单独做,比拼的是时延、成本和结构化输出的确定性。

    • 影响客服工单路由、语音指令解析这类日均调用量大的场景,有机会用小模型压低单次调用成本和响应等待;权重与语料开源让企业能在自有字段规则上自建语义入口;但评测为官方自研口径,换成自有数据前效果不能直接照搬。
    • 参考可考虑把客服或语音助手里意图分类这一环节单独拆出,用该开源模型在自有标注样本上对比通用大模型的时延与调用成本;值得先盘点日均调用量最高的几个意图场景,算清替换前后的成本差。
  9. IT之家·人工智能41

    科大讯飞首发星火语音基座大模型 SparkAudio 1.0,中英文任意切换、说话人实时识别

    科大讯飞 10 月 22 日在全球 1024 开发者节上发布星火语音基座大模型 SparkAudio 1.0,集成机器翻译、语音识别、语义理解能力。模型已在讯飞输入法 16.0、讯飞听见、讯飞办公本、讯飞翻译机上线,支持中英文任意切换与说话人实时识别。同场发布的讯飞 AI 录音环硬件搭载 4+1 环麦阵列与 Wi-Fi 6 传输,宣称综合识别准确率超 96%,2 小时录音转写仅需 2 分钟。

    决策要点

    讯飞把语音模型直接装进自家输入法、办公本和翻译机,走的是模型加自有硬件的整体方案路线,性能数据均为官方口径。

    • 影响语音转写、会议纪要、翻译类工作流若达到官方指标可明显提速;能力与讯飞软硬件生态绑定,企业选型需考虑生态迁移成本;语音交互入口从输入法扩展到录音硬件。
    • 参考可考虑用现有会议录音对比测试讯飞听见或输入法的转写准确率与耗时;值得盘点企业内语音转写、翻译、客服语音场景的工具现状,再决定是否纳入选型。
  10. 人人都是产品经理68

    DeepSeek四天三连击:模型升级、开放搜索API、开源DeepInfer推理框架

    DeepSeek四天内先后发布V4.1 Flash新版本1017、开放自研搜索API,并于10月20日开源推理框架DeepInfer。

    决策要点

    四天三件事连起来看,是DeepSeek在补能力、搜索数据质量和推理成本三块短板,让开源模型具备了与闭源API比拼性价比的完整条件。

    • 影响API定价不变而耗时与费用下降,现有用量预算可重算;推理框架开源后自建部署的工程摸索变短,私有化与云选型有了新参照;搜索层开始过滤GEO内容,依赖AI回答做曝光的品牌需要重新评估内容策略。
    • 参考可考虑拿现有高频任务在1017上跑一轮耗时与费用对比,重算API预算;有私有化计划的团队值得评估DeepInfer开源版能省去多少摸索;做GEO投放的可先摸清过滤机制的边界。
  11. IT之家·人工智能63

    讯飞星火 X2.6 端云一体大模型发布,称首次基于全国产算力突破代码与智能体能力

    科大讯飞在全球 1024 开发者节上发布讯飞星火 X2.6 端云一体大模型,官方称首次基于全国产算力实现代码和智能体能力突破。模型采用 293B-A30B 参数的 MoE 架构,上下文长度拓展至 1M,推理定价为输入限时 0.9 元/百万 tokens、缓存命中限时 0.08 元/百万 tokens、输出限时 3.6 元/百万 tokens,已在官网开放试用。

    决策要点

    讯飞把全国产算力训练作为核心差异化卖点,配合限时低价推理和端侧 4B 开源,走国产化路线争取开发者。

    • 影响输入限时 0.9 元/百万 tokens 的定价为模型选型提供了新的成本参照;端侧 4B 开源模型给端侧智能体部署增加了现成选项;全国产算力训练对有国产化采购或合规要求的企业有直接参考价值。
    • 参考可考虑把星火 X2.6 的限时定价纳入现有模型成本对比;有端侧部署需求的团队值得实测 X2.6-4B 的智能体能力;有国产化要求的企业可安排代码与智能体场景试用验证官方口径。