跳到正文

#模型发布

今日 6 条
10月22日周四
  1. 人人都是产品经理65

    成本砍七成、速度近三倍,MiniMax M3.1 Flash 实战评测

    MiniMax 官宣 M3.1 Flash 并全量开放,定价为输入每百万 Token 1 元、输出 4 元、缓存读取 0.1 元,权重稍后开源。作者引述榜单称其智能指数 43 分、较上一代 M3 的 29 分提升近 50%,ALE 与 OSWorld V2 均列国产第一,作者测算跑 ALE 完整集约 700 多元、顶配 Claude Opus 需 7000 多元。

    决策要点

    Flash 级模型正从短平快工具转向承接复杂 Agent 长链路任务,单位成本大幅下探,Agent 项目的成本口径随之改变。

    • 影响高频工具调用与长链路 Agent 任务的账单有了新的低价基准,重算预算后可评估上量空间;国产低价模型进入复杂任务选型清单;文中成绩多为榜单口径,独立证据目前是作者一个游戏项目。
    • 参考可考虑把现有 Agent 流程的月调用次数与单价代入新定价重算预算;值得选一条长链路任务,用同一提示词在该模型上跑对照,记录完成度与返工成本再定上量。
  2. IT之家·人工智能41

    字节火山引擎启动 Seedance 2.5 4K 企业试用,首批定向供应 20 家工作室

    火山引擎启动 Seedance 2.5 4K 模型首批企业试用,与作品绑定、定向供应全球 20 家工作室和导演,探索高端影视需求。官方称该版本是 Seedance 2.5 一代中最强模型,主打人物表演细腻自然和参考生成一致性,目前在用的 20 部作品中最早下个月就有卫视 S 级 IP 播出。

    决策要点

    字节以与作品绑定、定向供应的方式小范围开放 4K 版本,借真实影视项目验证高端商用场景,尚未全面开放。

    • 影响影视、广告类内容团队在 4K 商业交付上多了一个生成式选项;4K 试用资格定向发放,多数企业现阶段仍只能调用已开放的 Seedance 2.5 商用 API;与作品绑定的模式意味着高端版本授权按项目洽谈。
    • 参考内容团队可考虑先用已开放商用的 Seedance 2.5 API,在短剧或广告样片上对比生成与实拍的成本;有 4K 交付需求的机构值得先核算单条返工与授权成本,再决定是否争取试用。
  3. TechCrunch · AI60

    Recursive 发布可跑在笔记本上的编程模型 Flint,官方称主要由 AI 参与开发

    AI 创业公司 Recursive 发布首个编程模型 Flint,免费开源、采用 Apache 2.0 许可,可在笔记本本地运行,官方称开发主要由自动化研究系统 Eureka Machine 完成。

    决策要点

    这件事的实质是用自动化研究系统承担大部分研发流程的一次公开验证,Flint 本身则是面向笔记本的免费本地编程模型。

    • 影响免费开源且本地运行,编程辅助可不付按量计费的 API 费用,代码不出内网;模型偏小,官方承认比付费助手更需引导;用 AI 系统做研发的路线指向以算力替代部分研究人力。
    • 参考可考虑在 48GB 内存级笔记本上实测 Flint,与现有付费编程工具对比任务完成率和耗时;值得估算把低敏代码的补全和脚手架任务迁到本地模型可省下的用量费。
10月21日周三
  1. The Decoder:AI News61

    Inception 发布扩散语言模型 Mercury 3,宣称胜过 GPT-6 Luna 和 Claude Haiku 5.5 且快 4 到 8 倍

    Inception 发布扩散架构语言模型 Mercury 3,官方称其在多项基准上胜过 GPT-6 Luna 和 Claude Haiku 5.5,速度快 4 到 8 倍。

    决策要点

    扩散架构开始用速度和价格正面挑战主流自回归模型,但性能领先出自 Inception 自测,宣称与数据之间存在落差。

    • 影响客服、搜索、智能体等延迟敏感场景多了一个高速低价选项,兼容 OpenAI API 使切换成本较低;五折结束后短输入场景的输出成本将高于 GPT-6 Luna 和 Claude Haiku 5.5 的 $0.50;性能数据暂无独立验证。
    • 参考可考虑选一个响应延迟影响体验的场景(如客服或站内搜索)做对比试点,用自有任务记录速度与质量差异;值得先按自身输入输出比例测算折扣结束后的实际成本再定用量。
  2. IT之家·人工智能55

    Black Forest Labs 发布 5.6B 图像生成模型 FLUX 3 Image Klein,8GB 显存可运行

    Black Forest Labs 于 10 月 15 日以开放权重形式发布 5.6B 参数图像生成模型 FLUX 3 Image Klein,针对消费级 GPU 优化,INT8 版本经 ComfyUI 或 Diffusers 可在仅 8GB 显存的 NVIDIA GeForce RTX GPU 上运行。

    决策要点

    以开放权重发布且能跑在消费级显卡上,把本地自建图像生成能力的硬件门槛降到了普通配置水平。

    • 影响企业自建图像生成可先评估用现有 RTX 显卡承接,减少对云端调用的依赖和费用;素材数据留在本地也降低外发环节的顾虑;官方性能口径尚缺独立验证,引入生产前需自行实测。
    • 参考可考虑在一张现有 RTX 显卡上用 ComfyUI 实测生成质量与速度,再对比自有素材产量与云端方案的算力成本,评估是否纳入设计或营销流程。
  3. 量子位35

    清华系千诀科技发布预测式世界模型Polibrain,押注跨本体机器人大脑

    千诀科技于10月20日在南京2026物理AI与世界模型大会上发布预测式世界模型Polibrain,定位为不造机器人本体的机器人大脑,已在四足、人形、轮式、双臂等形态开展适配。

    决策要点

    千诀押注不造本体、只做机器人大脑的路线,用跨本体表征复用换取数据规模,目前能力展示仍以公司自述为主。

    • 影响若跨本体复用成立,机器人智能能力有机会与本体解耦,降低绑定单一厂商的风险;当前能力演示主要来自公司自述与论文,缺少独立实测;本体厂商间的数据壁垒会拖慢跨本体数据飞轮成型。
    • 参考可考虑在具身智能采购评估中,把模型能力与本体解耦的可能性列为单独考察项;值得先追踪Polibrain在真实业务场景的实测结果,再决定是否纳入供应商清单。
  4. IT之家·人工智能37

    小米 MiMo-V2.5-Pro 模型今日下线,替换为 V2.6-Pro 后将支持多模态理解

    小米 MiMo 文档公布,mimo-v2.5-pro 与 mimo-v2.5 模型已于 10 月 21 日上午 10 时正式下线,其请求自 10 月 14 日 18 时起自动路由至 mimo-v2.6-pro 和 mimo-v2.6-flash。

    决策要点

    小米用先自动路由、后正式下线的方式推进 MiMo 版本迁移,调用方切换成本低,但藏有采样参数被固定的行为变化。

    • 影响基于 MiMo API 的旧调用已自动切到 V2.6,参数完全适配且计费不变,可获得多模态理解能力;思考模式下 temperature 和 top_p 固定为 1.0 和 0.95,依赖采样参数控制输出的场景受影响;未指定 max_completion_tokens 的调用默认值由 32768 升至 131072。
    • 参考可考虑排查现有调用里自定义的 temperature、top_p 与 max_completion_tokens,在路由完成后回归验证输出行为;需要多模态理解的场景值得用 V2.6-Pro 替换原文本模型。
  5. 钛媒体66

    MiniMax认领匿名模型Space Bunny发布M3.1 Flash,实测前端Coding能力明显进步

    MiniMax于10月19日晚认领匿名模型Space Bunny并正式发布M3.1 Flash,该模型匿名期曾连续登顶OpenRouter和OpenCode调用量榜首,权重将于10月23日开源。

    决策要点

    MiniMax用低价快速的Flash打头阵回归,实测显示其前端Coding性价比成立,智能上限更高的Pro继续缺席,是优先把企业市场换成收入的商业选择。

    • 影响日常中等难度的前端Coding任务有了每百万token 1元级的低价选项;权重10月23日开源,私有化部署和成本核算多了一条路;更高智能上限要等Pro,重度任务选型不宜只看这一款。
    • 参考可考虑把网页原型、活动页这类前端生成场景交给M3.1 Flash试点并记录人工工时对比;10月23日权重开源后,值得先算一笔私有化部署在数据合规与成本上的账。
  6. The Decoder:AI News56

    ElevenLabs 发布 Eleven Realtime 两款语音到语音模型,面向实时 AI 对话

    ElevenLabs 发布两款名为 Eleven Realtime 的语音到语音模型,面向实时 AI 对话。

    决策要点

    ElevenLabs 把语音到语音实时对话做成专门模型,实时语音智能体在延迟与准确率之间多了一个供应商选项。

    • 影响语音客服和实时语音智能体场景多了一个主打高准确低延迟的可选模型;OpenAI 兼容接口让替换现有方案的接入成本较低;按分钟加 token 计费与按次计费结构不同,需要重算单通对话成本。
    • 参考可考虑选一个客服通话场景做小规模试点,对比现有方案的延迟和应答准确率;值得按分钟加 token 的计费口径先算出单通电话成本,再决定是否切换。
  7. The Decoder:AI News59

    Mistral AI 发布 Voxtral 3 实时语音智能体方案,含转写、语音合成与 SDK

    Mistral AI 发布面向实时语音智能体的 Voxtral 3 模型系列,包含转写模型 Voxtral Small Transcribe 3、语音合成模型 Voxtral Mini TTS 3 和基于 LiveKit 的语音智能体 SDK,把听、思考、工具调用和说话整合进一条流式流水线。

    决策要点

    Mistral 把实时语音智能体所需的转写、推理与语音合成打包成一整套栈,并把欧洲数据驻留作为差异化卖点。

    • 影响搭建语音客服、预约或电话查询类服务可整体采用一套栈,不必分别拼装多家组件;对数据驻留有要求的欧洲业务多出自有部署和欧盟托管 API 两条路径;目前能力与成本数据均只有官方口径。
    • 参考可考虑用预约或发票查询这类高频场景测算每分钟 $0.0035 的转写成本与人工对比;值得先评估自有部署与欧盟托管两种方式在合规边界和运维投入上的差别。
  8. The Decoder:AI News62

    OpenAI 称 GPT-6 显著提升 COBOL、Fortran 等老旧编程语言能力

    OpenAI 表示,GPT-6 系列模型在 COBOL、Fortran、Visual Basic 等低资源编程语言上的能力显著提升,并为此自建了两项评测。

    决策要点

    大模型开始补上老旧企业系统这块短板,COBOL 等遗留代码的迁移与维护从纯人力问题转向模型能力竞争。

    • 影响依赖 COBOL 等遗留系统的金融和保险企业多了一条现代化路径,旧系统改造预算需按新能力重算;基准成绩也可作为模型选型与供应商谈判的参考;目前数字均为官方自测。
    • 参考可考虑选一个非核心的 COBOL 模块做小规模翻译试点,比对人工改造成本;值得先盘点现有遗留系统的语言构成和规模,再算改造预算。
10月20日周二
  1. 爱范儿57

    VAST 开源实时世界模型 EdenLive,游戏画面可边玩边生成

    VAST 开源实时世界模型 EdenLive,放出 5B、14B 模型权重、实时流式推理代码、面向编程智能体的 EdenGolem v0.1 与技术报告。

    决策要点

    VAST 把实时生成式渲染整条链路开源,规则留给交互系统、画面交给模型的分工让 AI 生成画面能接进实时交互。

    • 影响游戏与动画团队可用白模或旧录像低成本预览材质与画风;具身团队可把真人第一人称录像转成机械臂视角训练素材;可玩性仍依赖自有的上游交互系统,模型只负责画面。
    • 参考可考虑先下载 5B 权重在消费级显卡上实测延迟、稳定性与参考遵循;游戏团队值得用白模加首帧对比不同材质与光照方案,机器人团队可挑一段真人操作录像试转机械臂视角。
  2. 量子位71

    MiniMax 发布 M3.1 Flash,Agent 基准成绩列国产模型第一

    MiniMax 揭晓国庆期间匿名登上 OpenRouter 榜首的模型 Space Bunny(玉兔)实为 M3.1 Flash 并正式发布,文中称其 Agents' Last Exam 得分 29.6% 列国产第一,输出最快 200+ TPS、P50 维持 170+ TPS。

    决策要点

    Flash 档小模型开始正面对标数倍参数、十倍价格的旗舰,模型选型的比价逻辑正从参数规模转向单任务实际成本。

    • 影响跨多个子 Agent 的长链路工作流,成本与响应速度约束同步放宽,此前因账单或等待被搁置的场景可重新算账;旗舰订阅与 API 的比价要重算,文中提到的按峰谷时段组合调用不同模型成为可选思路;各项跑分为发布口径,切换前需按自家任务实测。
    • 参考可考虑先统计现有 Agent 工作流的调用次数与月度 API 账单,把低难度任务切到低价 Flash 档试算单任务成本;值得挑一个跨 SaaS 流程做对比测试,记录延迟和账单变化后再定切流比例。
  3. 量子位53

    MemT 1.0 开源记忆原生模型,把经验读写做进模型内部

    记忆张量(MemTensor)团队开源 MemT 1.0 系列记忆原生模型,在选定 Transformer 模块中加入与注意力并行的记忆分支,将经验编码为可更新的内部矩阵状态,包含 Nano(36B 参数、激活 3B,基座 Qwen3.6-35B-A3B)与 Flash(288B 参数、激活 17B,基座 DeepSeek-V4-Flash)两个型号。

    决策要点

    MemT 1.0 把经验复用从外挂检索搬进模型内部,近 300B 规模的验证让这条模型侧路线开始具备工程可行性,但当前效果是接近而非超越文本记忆。

    • 影响长期会话的推理成本有了新的压缩路径,官方给出 128K 历史下 1.86 倍速度和 KV Cache 六十六分之一的状态占用;企业 AI 选型中,经验证经验的复用次数开始有理由与模型单次表现并列评估;该路线刚起步,长历史细节召回仍是文本记忆更强。
    • 参考可考虑在评估编码或长会话类 AI 产品时,把经验复用次数与返工率纳入测试清单;对重复性工作流,值得用同一批任务对比外部记忆与记忆原生方案的成功率和状态成本后再决定取舍。
  4. 36氪·AI64

    MiniMax发布M3.1 Flash,ALE得分29.6%居国产第一,综合成本较前代降70%

    国庆期间在OpenRouter匿名登顶的神秘模型Space Bunny(玉兔)揭开马甲,是MiniMax的M3.1 Flash。文中整理的跑分显示其ALE得分29.6%、文中称居国产第一,DeepSWE v1.1达73.7%、CyberGym获82.2分、BankerToolBench拿76.2分与Claude Opus 5并列,输出速度最快200+ TPS。

    决策要点

    小尺寸Flash模型用旗舰级跑分加极低定价,动摇了复杂任务必须上大参数旗舰的行业默认选型逻辑。

    • 影响多Agent与长链路工作流的调用单价和响应速度两项瓶颈同时缓解,此前被API账单卡住的项目可重新测算;模型选型可按任务复杂度在Flash与旗舰间分层,不必默认全用旗舰;按忙闲时段搭配不同厂商定价成为新的成本优化路径。
    • 参考可考虑选一个跨SaaS工作流或金融工具调用场景做成本与耗时试点,先算出当前旗舰方案的账单基线;值得按忙闲时段重算API采购组合,把高频低复杂度任务切给低价Flash。
  5. The Decoder:AI News55

    Cloudflare 发布文档抽取模型 Clairic,官方称比大语言模型更快更便宜

    Cloudflare 发布文档抽取模型 Clairic,已在 Workers AI 开放预览,开源权重即将推出,官方称其从文档提取数据比大语言模型更快更便宜。模型不逐 token 生成文本,一次推理返回用户指定字段的值并附置信度,缺失值返回 null,还能做简单计算、估算和预测,定位为智能体链路中的专用组件。

    决策要点

    Cloudflare 以专用模型承接字段抽取,实质是把智能体链路里高耗时高成本的通用推理环节换成低成本专用件。

    • 影响文档密集流程的抽取环节时延与成本有直接压缩空间;智能体链路评估需纳入专用模型加语言模型的混合组合;长链计算不可靠意味着复杂逻辑仍由自有代码承担。
    • 参考可考虑选一类票据或工单抽取场景接入 Clairic 预览版计时计价对比;值得把智能体流程拆成抽取、判断、生成三层再分别选型;长链计算暂留自有代码,不并入该模型。
  6. IT之家·人工智能49

    小米 MiMo-V2.6-Pro 正式上线 WorkBuddy,支持 1M 上下文与多智能体协作

    小米技术官方宣布 MiMo-V2.6-Pro 正式上线 WorkBuddy,官方介绍其支持 1M 超长上下文、多智能体分工协作与图像、视频、音频、文本全模态联合理解,并称该模型在 Artificial Analysis 智能指数为 46 分、位居全球开源第一。

    决策要点

    小米以官方宣称的低价与 1M 上下文、多智能体能力推动开源旗舰模型进入企业选型视野,价格是其主要卖点。

    • 影响同等智能水平下的 API 成本口径可按新价格重算,长文档与多模态处理场景的可行预算范围扩大;官方性能与价格对比均为小米口径,替换现有模型前需自行验证。
    • 参考可考虑把 Pro 与 Flash 两档定价纳入现有模型成本对比表;值得用自有长文档或多智能体场景做一轮小规模评测,再决定是否替换现有供应商。
  7. 36氪·AI49

    记忆张量发布 MemT 1.0:让记忆成为模型内生能力,迈向递归自我改进

    记忆张量 10 月 20 日发布并开源记忆原生基座模型 MemT 1.0,提供 MemT-1.0-Flash(288B 参数、17B 激活、336M 动态记忆)与 MemT-1.0-Nano(36B 参数、3B 激活、10M 动态记忆)两个版本。

    决策要点

    记忆从外挂文本与检索转为模型内部可训练状态,MemT 1.0 把这条路线做成了开源可复现的预览版。

    • 影响长会话智能体的状态大小与历史长度解耦,成本结构可能不再随对话增长而恶化;记忆绑定部署方后,企业自有交互数据可沉淀为模型资产;产品仍处预览版阶段,各项指标均为官方口径。
    • 参考可考虑用自有长会话任务复测其开源版本,核对官方声称的加速与召回数字;值得盘点现有智能体外挂记忆方案,与参数化记忆路线做对照评估。
  8. 36氪·AI61

    MiniMax 发布 M3.1 Flash,输入每百万 Token 1 元对标 DeepSeek

    MiniMax 于 10 月 19 日发布低价模型 M3.1 Flash,输入每百万 Token 1 元、输出 4 元、缓存读取 0.1 元,官方称推理速度提升近 3 倍、Agent 任务综合使用成本较上一代降低 70%。

    决策要点

    国产 Flash 模型的竞争正从单价便宜转向同等预算下能完成多少复杂任务,M3.1 Flash 把 Agent 调用成本做成主打卖点,但跑分并非领先。

    • 影响代码生成、自动化流程等高频调用的预算口径需从每百万 Token 单价改为单任务成本;官方宣称的降本幅度尚无独立验证,选型要按本业务任务实测成功率和总费用;多家国产模型表现接近,可切换和议价空间在变大。
    • 参考可考虑把现有 Agent 或代码类用例的预算从 Token 单价改算为单任务总成本,再用真实业务场景实测对比 M3.1 Flash 与 DeepSeek V4.1 Flash 的成功率和费用;值得保留两家以上模型的接入以便切换。
  9. IT之家·人工智能62

    深度求索 DeepSeek V4.1 Flash-1017 登顶 Agent Arena 开源榜,总榜第 11

    AI 竞技场 Arena 宣布,深度求索最新发布的 DeepSeek-V4.1-Flash-1017 登顶 Agent Arena 与 Code Arena: WebDev 开源模型榜,总榜排名第 11。

    决策要点

    国产开源模型在基于真实会话的 Agent 评测中同时拿下开源性能第一与低位单任务成本,模型选型的性价比参照发生了变化。

    • 影响选型智能体模型时多了一个有第三方榜单数据支撑的低成本开源选项;榜单含任务成功确认、工具幻觉等细分维度,可按业务场景对照;0.18 至 0.19 美元的单任务成本中位数为预算测算提供参照。
    • 参考可考虑把内部 Agent 试点的单任务成本和任务成功率先算出来,再与该榜单口径对照;值得在涉及工具调用的场景里为工具幻觉率设计校验环节。
  10. 36氪·AI46

    记忆张量开源MemT 1.0,为AI自我改进补上记忆拼图

    记忆张量开源记忆原生模型MemT 1.0系列,含36B参数的MemT-1.0-Nano(基座Qwen3.6-35B-A3B)与288B参数的MemT-1.0-Flash(基座DeepSeek-V4-Flash)。

    决策要点

    记忆原生把经验的保留与复用做成模型可训练的能力,为外部记忆之外的选型增加了新变量,但两者目前各有优劣而非替代关系。

    • 影响重复性工作流中经过验证的经验可复用,有助于减少返工,长会话的状态预算也更容易估算;但记忆原生的任务质量并非必然优于外部记忆,文本记忆在长历史细节召回上仍占优;是否切换需要按自身任务实测。
    • 参考可考虑把验证经验的复用次数与模型单次表现并列纳入AI选型标准;对代码修复、客服等重复流程,值得用同一批任务对比无经验、文本经验与记忆原生三种设置的成功率、稳定性与成本。
  11. 人人都是产品经理50

    MiniMax 认领 WorkBuddy 匿名模型 Space-Bunny,为 M3.1-Flash 早期版本

    MiniMax 官宣认领 WorkBuddy 国庆接入的匿名模型 Space-Bunny,确认为 MiniMax M3.1-Flash 的早期版本,并非腾讯 Hy4 或月之暗面的新模型,正式版同步发布。

    决策要点

    国内高速低价的 Flash 档模型竞争正面化,MiniMax 与 DeepSeek 同期上新对标产品,企业调用大模型的速度和单价空间继续被压低。

    • 影响高频调用场景的推理成本和耗时存在下降空间;两款 Flash 模型同期上新提供了直接比价条件;聚合平台模型更替快,绑定单一匿名模型的业务需要预留迁移余量。
    • 参考可考虑把多图 PPT、编码等高频任务在 MiniMax M3.1 Flash 与 DeepSeek V4.1 Flash 上各跑一轮,实测耗时与费用;值得先算出当前主力模型的单次调用成本再决定是否切换。
  12. 人人都是产品经理58

    MiniMax 发布 M3.1 Flash,编码成绩逼近 DeepSeek 且价格较上代减半

    MiniMax 正式发布 M3.1 Flash,官方评测 DeepSWE 得 73.7%,紧咬两天前发布的 DeepSeek-V4.1-Flash-1017 的 77.0%,Automation-Bench 则以 62.8% 超过 DeepSeek 的 60.5%(均为官方口径)。

    决策要点

    Flash 档位从低延迟阉割版转为主力工程模型,国内竞争焦点正从代码能力转向 Agent 执行与单任务成本。

    • 影响高频 Agent 与编码调用的价格继续下探,按单任务总成本而非百万 Token 标价比价更贴近真实账单;文中各基准成绩均为官方评测口径,直接照搬选型有偏差风险。
    • 参考可考虑把业务里一条固定的自动化流程在 M3.1 Flash 与现用模型上各跑一轮,算出单任务成本再决定是否切换;值得盘点现有 Agent 的调用量与账单结构。
  13. 36氪·AI50

    记忆张量发布并开源记忆原生大模型 MemT 1.0

    记忆张量正式发布并开源 MemT 1.0 记忆原生大模型,将记忆内化进底层架构,由模型经训练自行读写、更新和调用记忆。

    决策要点

    MemT 1.0 把长期记忆从外挂模块变成模型底层能力,主打长周期陪伴场景,目前成绩单主要出自官方技术报告。

    • 影响若能力属实,编程助手可沉淀团队规范与排错经验,减少每次新会话重复教学的成本;固定体积记忆可压低长周期交互的推理与存储开销;模型刚发布,生态与工具链成熟度需纳入选型评估。
    • 参考可考虑在团队编程任务上做小规模复测,核对写入经验对成功率的影响;值得先算一笔长会话场景的推理与存储账,与现有外挂检索方案对比后再定试点对象。
  14. 爱范儿55

    记忆张量发布并开源记忆原生大模型 MemT 1.0

    记忆张量发布并开源记忆原生大模型 MemT 1.0,将记忆状态内化进模型架构,由模型通过训练学会读写、更新和调用记忆。

    决策要点

    记忆从外挂检索搬进模型底层的路线,试图让经验沉淀变成模型内生能力,而不是越用越重的补丁方案。

    • 影响长周期陪伴与高频记忆读写场景的推理和存储开销有望被固定体积记忆压平;团队规范和排错经验可沉淀为复用资产;各项成绩均出自官方报告,替换现有方案前应先自测。
    • 参考可考虑在内部代码助手场景做小规模对比试点,复测写入经验后的成功率变化;值得先盘点现有向量库方案在长会话下的延迟与显存账单,再决定是否引入。
  15. 人人都是产品经理70

    MiniMax 发布 M3.1 Flash 预览版,称速度提升近 3 倍、成本降 70%

    MiniMax 发布 M3.1 Flash 预览版,即 OpenRouter 上匿名运行、处理超 200T token 的 Space Bunny,官方称线上推理速度提升近 3 倍、使用成本降 70%。

    决策要点

    低价快模型的竞争焦点从对话能力转向跨系统执行和电脑操作等实用任务,单任务成本被压到几毛钱量级。

    • 影响跨系统自动化与电脑操作场景的模型成本选项进一步下探;MiniMax 与 DeepSeek 都按高峰闲时和缓存命中率计价,输入预算的算法需要跟着重算;权重稍后开放,自部署多一个可能选项。
    • 参考可考虑挑一条销售或客服的跨系统流程做试点,按每任务成本与速度和现有模型实测对比;值得先按自家缓存命中率重算输入 token 预算,再决定接入哪家。
  16. 钛媒体70

    DeepSeek发布V4.1-Flash-1017,编码能力升级并加码具身智能投资

    DeepSeek发布V4.1-Flash-1017版本,官方称是性能与费用的帕累托改进,API价格不变,DeepSWE v1.1的Pass@1从74.2升至77.0,超过Claude Opus 5的74.0。

    决策要点

    V4.1迭代把竞争力集中压在工程编码上,配合具身智能领域三笔投资,实质是为模型从数字世界走向物理世界提前铺路。

    • 影响编码类用量大的团队综合成本可能随输出精简下降,预算需按Token总用量重算;工程任务成绩对标国际头部,模型选型多一档可对比;具身智能融资整体遇冷,DeepSeek加码或加速大脑与身体分工分层。
    • 参考可考虑用自家典型编码任务在新旧版本各跑几轮,记录通过率和Token消耗后再决定是否切换;值得把成本核算口径从API单价改成单任务总Token用量。
  17. 人人都是产品经理64

    DeepSeek发布V4.1-Flash-1017,三笔投资布局具身智能

    DeepSeek发布V4.1-Flash-1017,以“许愿式编程”为主打,官方定位为性能升、成本降的帕累托改进,API调用方式与价格不变,开发者仍用deepseek-flash访问。

    决策要点

    DeepSeek用不涨价的能力迭代继续压低编程场景的综合成本,同时以三笔资本动作切入具身智能的身体、大脑与小脑三层能力。

    • 影响沿用现有API的企业无需改造接入,可获得输出精简与耗时缩短带来的综合成本下降;但Token消耗要按真实工作流核算,独立测试显示单任务可达55万;具身智能属于长线产业信号,与多数企业当期AI应用关联有限。
    • 参考可考虑在自有编程任务上复跑一遍现有流程,记录新版耗时与Token账单,用真实工作流成本替代榜单对比;涉及机器人的企业可关注大脑模型、运动控制与整机厂商的分工变化,评估合作对象所在位置。
  18. IT之家·人工智能51

    蚂蚁百灵开源 Ming-3.0 语音系列模型,覆盖语音合成、音频理解与对话、语音识别

    蚂蚁百灵 10 月 20 日宣布开源 Ming-3.0 语音系列模型,共五款,覆盖语音合成、音频理解与对话、语音识别三个方向。其中 TTS 系列的 Voice Design 支持文字描述目标音色,导演模式可控制台词的情绪、重读与节奏;audio 系列能直接对长音频做转写、总结和观点分析,保留情绪与说话人信息。

    决策要点

    语音合成、识别与音频理解全链路以开源形式放出,企业自建语音交互的获取门槛降低,并有蚂蚁内部业务实际使用可作参照。

    • 影响客服对话、语音搜索、核身等语音链路有蚂蚁内部落地可作参照,试点成本可控;长音频理解保留情绪与说话人信息,适合质检、访谈分析类需求;开源组合可减少对单一商用语音供应商的依赖。
    • 参考可考虑先用 Ling Studio 在线体验验证音色定制与方言热词识别是否满足业务;值得盘点现有语音识别与播报环节的用量和费用,对比自建与采购的差距。
  19. 36氪·AI65

    MiniMax发布M3.1 Flash对标DeepSeek V4.1 Flash,输出200+ TPS,价格约为对方高峰期一半

    MiniMax正式发布Coding/Agent优化轻量模型M3.1 Flash,拥有100万token上下文,此前以匿名模型Space Bunny在开发者社区走红。

    决策要点

    两款国产Flash模型相隔48小时接连发布并互相压价,旗舰级Agent能力正滑向低价档,轻量模型从平替变成可当主力调度的选项。

    • 影响Agent与自动化任务的推理成本基数下移,此前受价格压制的场景值得重算预算;两家能力互有胜负且价格透明,模型选型与议价空间变大;按任务分流调用两家Flash在成本上开始可行。
    • 参考可考虑选一个长程Agent或编码场景做小样本实测,用自家真实任务对比两家的耗时与账单;值得按缓存命中率重算成本,两家缓存价差会直接影响选型。
  20. 36氪·AI71

    MiniMax 发布 M3.1 Flash,匿名处理超 200 万亿 Token 的 Space Bunny 为其早期版本

    MiniMax 更新 MiniMax M3.1 Flash,并确认此前匿名处理超 200 万亿 Token 的 Space Bunny 是该模型的早期版本。官方称线上推理速度提升近 3 倍,Agent 类任务综合使用成本较前代降低 70%,输入每百万 Token 1 元、输出 4 元。

    决策要点

    M3.1 Flash 主打的不是单项跑分领先,而是把 Agent 单任务成本压到几毛钱量级,用性价比换规模化调用量。

    • 影响高频 Agent 场景的推理预算多了一个低价选项,单任务成本可低到几毛钱量级;但各模型性价比随任务而变,DeepSeek 在 DeepSWE 中同时给出更高成绩和更低费用;模型选择需按具体任务测算。
    • 参考可考虑先整理现有 Agent 业务的真实单任务成本与成功率,再对照官方给出的每任务 0.18 至 0.30 元档位测算差距;值得等开源权重放出后,在自有任务上复测再决定是否切换。
  21. 36氪·AI64

    不到72小时,DeepSeek 与 MiniMax 相继发布 Flash 模型,低价档挑战旗舰

    DeepSeek 于10月17日更新 V4.1 Flash-1017,MiniMax 前后脚正式发布 M3.1 Flash,国产 Flash 档位形成双强格局。

    决策要点

    Flash 档位正从旗舰模型的低价替代品变成独立赛道,模型竞争的重心从能力上限转向单位成本效率。

    • 影响代码生成、Agent 自动化等高频调用场景的模型成本有下探空间,供应商议价筹码增加;榜单分数之外,同一任务的实际花费、耗时和失败重试成本将成为选型的主要标尺。
    • 参考可考虑选取编程辅助或流程自动化等高频场景,用两家 Flash 模型实测单任务成本、耗时与失败率,再定迁移比例;测算时按高峰与非高峰价格及缓存命中率分别估算,避免用单一单价推导总成本。
  22. 人人都是产品经理66

    DeepSeek 发布 V4.1-Flash-1017,称单任务成本约为 GPT-6 的四十分之一

    DeepSeek 发布 V4.1-Flash-1017 小版本更新,ProgramBench 从 20.3 升至 29.1,主打性能与成本的帕累托改进。官方图表显示单任务成本约 0.2 美元,约为 GPT-6 的四十分之一,但文中指出对比表所列闭源模型并非最新版本。

    决策要点

    这次小版本更新的实质是把性价比竞争从 Token 报价推进到单任务成本与轨迹效率,但对比基准并非最新旗舰,结论要按任务拆开看。

    • 影响Agent 与代码自动化场景的预算结构可能被低成本模型改变,但实际账单取决于重试和工具调用开销;服务中断记录提示生产链路需要预留降级与备份;接口兼容两大生态降低了切换底层模型的迁移成本。
    • 参考可考虑把典型任务拆成代码生成、仓库修改、工具调用等类别,在固定提示词与预算下和现用模型对照实测;上线前先算出重试率和工具调用占比;搜索需求可先用免费期小规模验证再决定采购。
  23. 36氪·AI72

    MiniMax发布M3.1 Flash,Agent基准成绩居首、官方称综合成本较前代降70%

    MiniMax正式发布M3.1 Flash,官方称Agent任务综合使用成本比前代降70%,每百万Token输入1元、输出4元,已上线MiniMax API、M Plan和MiniMax Code。

    决策要点

    Flash档国产模型把旗舰级跑分打到十几分之一到几十分之一的价格,Agent任务的能力溢价正在被重算。

    • 影响跨SaaS的Agent长流程单任务成本降到几毛钱量级,批量自动化在预算上变得可行;高频调用企业的模型账单可按新价目重算;编程与Agent任务可按类型在DeepSeek与MiniMax之间拆分选型。
    • 参考可考虑挑一条跨系统的业务流程,用medium档实测成功率与单任务账单;值得按90%到95%缓存命中率把两家价目各算一遍;先算出自己任务的单次成本,再决定哪些活先交给Flash档模型。
  24. The Decoder:AI News68

    MiniMax发布M3.1 Flash推理模型,单任务成本约$0.22,与DeepSeek互有胜负

    MiniMax发布推理模型M3.1 Flash,Artificial Analysis智能指数从前代M3的29分升至42分,单任务成本不到前代一半、约$0.22。

    决策要点

    推理模型的竞争重心正从拼分数转向拼单任务成本,MiniMax与DeepSeek在互有胜负的同时把价格继续压低,强模型加速变成低成本标准件。

    • 影响复杂推理任务的单次成本低至约$0.22,高频调用场景的用量预算可以重算;两家榜单互有胜负且轮换快,绑定单一供应商的理由减弱;93%幻觉率意味着事实类输出仍需保留核验环节。
    • 参考可考虑把摘要生成、代码修复这类高频推理任务拿出来与DeepSeek做同题比价,再定供应商;M3.1 Flash定于10月23日开放权重,自托管成本值得一并测算;接入前先设计答案核验与不确定时的拒答策略再放量。
  25. The Decoder:AI News58

    可灵(Kling)发布 4.0 视频生成模型,新增立体声与多语言唇形同步,另推 Flash 轻量版

    可灵(Kling)发布 4.0 版 AI 视频生成模型,单次最长可生成 30 秒视频,提示词理解扩展到 8000 tokens,升级后的 Omni Reference 单次最多接受 15 个参考素材,并新增双声道立体声与十余种语言唇形同步。

    决策要点

    可灵 4.0 把重点放在素材可控性与工作流接入上,第三方对比显示头部视频模型差距收窄,能力提升节奏开始放缓。

    • 影响多语言唇形同步和立体声让带配音的营销视频可直接生成,广告与本地化素材可先小规模试产;参考素材机制利于保持角色与产品一致性;API 定价未公布,接入成本要等公布后再核算。
    • 参考可考虑用同一组提示词与素材在 Kling 4.0、Wan 3.0、Seedance 2.5 上各跑一轮对比再选型;值得先测算 Flash 版在草稿与内部素材场景的省费空间;等 API 定价公布后再评估是否用 MCP 搭自动化流水线。
10月19日周一
  1. TechCrunch · AI53

    Nvidia 发布 Nemotron 3.5 Super VL 与 Bolt 开放模型,面向企业智能体和 PC 本地运行

    Nvidia 发布面向常驻智能体和边缘计算的开放权重模型,旗舰 Nemotron 3.5 Super VL 为 120B 参数,官方称在指令遵循和工具使用任务上精度接近 Nemotron 3 Ultra。

    决策要点

    Nvidia 以开放权重模型同时押注企业数据中心和本地 PC 两端,用模型生态绑定芯片需求,对冲前沿实验室自研和多元化芯片带来的分流。

    • 影响想在自有数据中心运行智能体的企业多了一个开放模型选项,可用自有数据后训练并保留对成果的控制;文档智能、财务记账、医疗理赔等场景被官方列为适配方向;本地小模型让涉及敏感个人信息的智能体有机会不依赖云端。
    • 参考可考虑在文档智能、财务记账等官方点名场景用自有数据后训练 Super VL,与现有闭源 API 做同任务的成本和时延对比;为知识工作者采购电脑时,可把能否本地运行智能体纳入配置评估。
  2. 36氪·AI73

    DeepSeek-V4.1-Flash-1017登顶Code Arena WebDev开源榜,得分仅落后榜首GPT-6 Sol 12分

    评测平台Arena宣布,10月17日推出的DeepSeek-V4.1-Flash-1017以1670分登顶Code Arena: WebDev开源模型榜,超过Claude Opus 5、Grok 4.7等闭源模型,仅落后榜首GPT-6 Sol 12分。

    决策要点

    开源模型在WebDev榜单把与榜首GPT-6 Sol的分差缩到12分,综合成本又约为Kimi K3的1/10,编程模型竞争焦点正转向能力价格比。

    • 影响WebDev类前端与原型开发任务的模型可选面变宽,API支出有下调空间;缓存命中与空闲时段的价格差悬殊,调用量结构将直接影响账单;榜单成绩基于Arena评测场景,覆盖自家工程任务的程度需按实际负载评估。
    • 参考可考虑把高频编程类调用安排到空闲时段并启用缓存以压低单价;值得挑两三个真实前端需求与现用模型做对比,再按交付质量和账单决定迁移比例。
  3. 36氪·AI63

    DeepSeek 发布 V4.1-Flash-1017,并以三笔投资布局具身智能

    DeepSeek 于本周末发布 DeepSeek-V4.1-Flash-1017,官方称通过基于自反馈的强化学习强化从零构建项目的能力,实现性能与成本的帕累托改进,API 调用方式和价格不变,开发者仍用 deepseek-flash 访问。

    决策要点

    这次升级把筹码压在工程执行与成本效率而非知识广度上,同时 DeepSeek 以三笔投资买下具身智能大脑、小脑、身体三层能力。

    • 影响API 单价和调用方式不变,成本下降来自输出更短、耗时更少,企业核算 AI 支出时 token 用量变成主要变量;编程任务有了新的性价比参照;具身智能上半年国内融资超 900 亿元而下半年监管提醒防盲目跟风,赛道分层在加速。
    • 参考可考虑选几个高频编程任务在新旧 deepseek-flash 上各跑对比,记录通过率、耗时与 token 用量;值得按输出长度重算按 token 计费场景下的实际账单,再决定是否切换。
  4. 人人都是产品经理50

    DeepSeek 发布 V4.1-Flash-1017,性能提升且 Token 成本下降

    DeepSeek 发布 V4.1-Flash-1017,已同步网页端、App 与 API,代码与 Agent 任务成绩提升的同时压缩运行时间、输出长度与 Token 成本,并针对 DeepSeek Harness 做专项训练优化,使用完整能力需升级至 0.2.1-rc.1 或更高版本。

    决策要点

    这版升级把模型能力与调用成本的取舍同时向前推,Agent 多步骤任务的单位执行成本趋于下降。

    • 影响按 Token、工具调用与时长计费的自动化工作流,总成本结构可能随更短任务轨迹下降;Search 与 Fetch 提供可控外部信息通道,免费窗口内试错成本低;切换模型前仍需用自建任务集验证,公开基准不能替代自测。
    • 参考可考虑先保留覆盖代码生成、项目修改、工具调用失败重试与长上下文调试的任务集做小规模对比;值得给每个任务设最大检索轮数与 Fetch 篇数,并用域名和时间过滤减少噪音。