跳到正文

#模型发布

今日 6 条
10月19日周一
  1. 人人都是产品经理41

    实测HuggingFace决策指数榜首模型StartLux-Decision-v1.1,领先Jev近八分

    上海StartLux团队发布决策模型StartLux-Decision-v1.1,分Instant与AutoThink两版共八款,AutoThink在把握不足时可自动追加最多4096个token的推理。

    决策要点

    决策模型把高频结构化判断从大模型生成里剥离,生成加裁决的分工模式开始有免费开源选项可试。

    • 影响工单分流、合规放行这类高频结构化判断可考虑用小模型替代大模型生成调用,压低时延和token成本;榜单与实测证据口径单一,进生产前需用自家业务数据检验;开源与免费API降低试用门槛,但商用需取得授权。
    • 参考可考虑选规则明确的场景如工单分流或回复合规检查,先接免费API跑小样本对照,记录判断准确率、时延和成本与纯LLM方案的差距;进入生产前值得先确认商用授权条款。
  2. 36氪·AI63

    DeepSeek 发布 V4.1 Flash-1017,官方评测显示单任务约 1.3 元通过率达 77%

    DeepSeek 于 10 月 17 日发布 V4.1 Flash-1017,已更新至官方网页端、APP 与 API,主打降低任务执行成本。官方公布的 DeepSWE v1.1 评测中,新版本最高通过率(Pass@1)达 77.0%,上一版 DeepSeek V4.1 Flash 最高约 74%,且最高成绩出现在每项任务平均费用约 1.3 元处,图中低于不少性能接近的海外模型。

    决策要点

    这次更新的实质是把竞争基准从榜单分数转向单位任务的成本与交付成功率,模型价格空间由任务经济性决定。

    • 影响按 Token 比价可转为按任务账单比价,同等预算能完成多少工作成为可量化指标;智能体成本结构扩展到搜索、抓取等调用费,预算科目随之变化;低价不等于稳定交付,复杂任务仍有失败与维护成本。
    • 参考可考虑用真实编程或智能体项目按单任务平均费用与现用模型比价;经 Claude Code、Codex 调用 DeepSeek 搜索的团队,可测算两周免费窗口结束后的成本变化再定去留。
10月18日周日
  1. 量子位50

    VAST开源实时世界模型EdenLive,单张RTX 5090下720P生成超24FPS

    VAST发布并开源实时世界模型EdenLive,公开模型权重、推理代码与技术报告,代码位于 https://github.com/VAST-AI-Research/EdenLive 。

    决策要点

    开源实时生成式渲染在消费级显卡上跑通,游戏与内容预览环节用生成画面替代引擎渲染有了可上手的入口。

    • 影响游戏与内容团队在原型和预览阶段可先用生成画面验证玩法和美术方向,再投入正式制作;具身研究可借此扩充操作视频样本;现阶段仅适用低频交互,高频对战类玩法尚不适合直接套用。
    • 参考可考虑在一张RTX 5090上用开源权重试跑漫游或推箱子类原型,记录生成画质与耗时对比;具身方向的团队可评估用它给现有操作视频做外观变换来扩充样本。
  2. 钛媒体37

    StartLux 发布 StartLux-Decision v1.1,69.1 分登顶 Hugging Face 决策模型榜单

    中国 AI 创业公司 StartLux 发布决策模型 StartLux-Decision v1.1,其 27B Instant 以 69.1 分登顶 Hugging Face Decision Index 0.3.2 榜单,为 173 项公开复现模型中唯一突破 69 分者,距 9 月底首代模型发布仅十余天。

    决策要点

    决策模型作为智能体判断中枢的赛道定位开始清晰,但榜首成绩主要由官方口径与团队自建基准支撑,选型前需自行复测。

    • 影响智能体自动执行与人工复核的边界取决于置信度校准水平,这类指标会进入选型评估;推理长度压缩直接降低 token 成本;开放权重支持本地部署,给数据敏感业务多一种选择。
    • 参考可考虑选请求路由、内容分类等高频判断场景做试点,用自有业务数据复测其 69.1 分与 86.9% 成组准确率;值得先算出判断出错的业务成本,再定自动执行的置信度阈值。
  3. 极客公园32

    DeepSeek V4.1 Flash 更新至 V4.1-Flash-1017;传华为将推性价比子品牌星芒;天文学家发现首颗绿色恒星

    DeepSeek 于 10 月 17 日将 V4.1 Flash 更新至 V4.1-Flash-1017 版本,网页端、APP 与 API 同步切换,官方称各基准测试明显提升、任务运行时间与输出长度缩短,在多个 Harness 下达到新的性能与费用帕累托最优,并针对 DeepSeek Harness、腾讯 CodeBuddy、WorkBuddy 等框架做了优化。

    决策要点

    AI 竞争焦点正从模型能力转向性价比与数据权益,模型降价提速的同时,平台正借服务条款批量获取企业内容使用权

    • 影响模型调用成本继续下探,API 预算存在下修空间;商业工具使用与内容授权捆绑,企业官网内容面临被动授权风险;议价类 AI 若落地会触及采购与销售谈判环节
    • 参考可考虑用自有业务负载实测 V4.1-Flash-1017 的耗时与费用变化再定是否切换;开通或续用 Meta 商业账号前,值得让法务核对新条款的内容授权范围与退出通道
10月17日周六
  1. 量子位66

    DeepSeek发布新模型V4.1-Flash-1017,官方称性能提升同时运行时间与token费用下降

    DeepSeek发布新模型DeepSeek-V4.1-Flash-1017,官方网页、APP与API已同步切换,官方称其针对DeepSeek Harness专项优化,性能提升的同时运行时间与token费用下降。

    决策要点

    DeepSeek延续性价比路线,把Agent与编程任务的性能和费用同时往前推,对同类模型与工具的定价构成压力。

    • 影响Agent与编程类任务的token预算可按官方公布的消耗变化重新测算;搜索API每千次成功请求5元,信息检索类智能体的取数成本降到很低水平;新能力要求DeepSeek Harness升级到0.2.1-rc.1以上,先确认工具链版本。
    • 参考可考虑用现有Agent任务样本在新旧模型上各跑一遍,先算出token与耗时差异再决定是否迁移;信息检索场景值得在11月1日免费期内试用Search与Fetch接口并折算长期成本。
  2. 量子位60

    智谱发布法律专用开源模型GLM-Legal,登Harvey LAB与LegalBench开放权重榜首

    智谱发布法律专用开源模型GLM-Legal,在Vals AI公布的法律测评中以19.2%任务全通过率和86.23%准确率登上Harvey LAB与LegalBench开放权重模型双榜榜首。

    决策要点

    通用模型厂商正把垂直训练延伸到法律等专业行业,卖点从法律问答转向交付可用的任务成果,并以开放权重和低成本切入。

    • 影响法务与合规场景多了一个低成本可试用的开放权重选项;严格评分下全通过率仅19.2%,产出仍需专业人员复核;Harvey等厂商也在做同类垂直训练,专业行业模型竞争开始成型。
    • 参考可考虑让法务团队申请GLM-Legal Beta试用,先选合同审查或出海合规清单等场景与人工基线对比;值得同时测算现有外部律所费用,评估成本替换空间。
  3. The Decoder:AI News65

    DeepSeek 发布并开源 V4.1-Flash-1017,官方称智能体任务超越更大对手且单任务成本再降

    DeepSeek 发布 DeepSeek-V4.1-Flash-1017,并在 Hugging Face 与 ModelScope 开源权重,官方称其在多项编程与智能体基准中超越 Claude Opus 5、GPT 5.6-Sol、Kimi K3、GLM 5.3 等更大模型,同时首次向所有开发者开放自研搜索 API。

    决策要点

    DeepSeek 将智能体编程的单任务成本压到 $0.20 以内并继续开源权重,但对比更大模型的领先全部出自官方基准,尚无独立验证。

    • 影响智能体编程类任务的单次成本量级下探,批量运行智能体的预算可按新价格重估;自研搜索 API 向第三方开放,为智能体补上检索环节;若开源权重发布新规落地,依赖自托管开源模型的企业面临不确定性。
    • 参考可考虑用自有真实开发任务复测官方基准并核算单任务成本;有检索需求的智能体项目可评估在 2026 年 10 月 31 日免费窗口内接入 Search & Fetch API;依赖开源权重自托管的团队值得预研发布新规下的备选方案。
  4. IT之家·人工智能57

    DeepSeek V4.1-Flash-1017 发布:官方称性能提升、耗时缩短,权重以 MIT 许可证开源

    深度求索于 10 月 17 日将 DeepSeek V4.1 Flash 更新至 V4.1-Flash-1017,官方网页端、APP 与 API 已同步切换。官方称新版本在基准测试中能力较上一版提升,任务运行时间与输出长度缩短,单次调用综合成本下降,并经自反馈强化学习增强了从零构建完整项目的能力,覆盖游戏开发、3D 建模等场景,官方演示称能以极短交互轮次完成项目搭建。

    决策要点

    实质是以小版本迭代压低单次调用成本,同时把从零生成可运行项目的能力推成核心卖点,开源策略未变。

    • 影响基于上一版 V4.1 Flash 的 API 用量可按官方成本口径重算预算;从零生成完整项目能力增强,原型与内部小工具场景多了选型项;MIT 权重延续,私有化部署路径保留。
    • 参考可考虑把 DeepSeek Harness 升级到 0.2.1-rc.1 后,用现有任务对比新旧版本耗时与输出长度;值得挑一个从零搭建的小项目做试点;自建部署团队可在 HuggingFace 或 ModelScope 下载权重评估。
  5. 人人都是产品经理65

    DeepSeek V4.1 Flash 更新至 1017 版本,从零构建项目能力增强并开放搜索 API

    DeepSeek V4.1 Flash 已更新至 V4.1-Flash-1017 版本,网页端、APP 与 API 同步切换新模型,官方称多项基准测试提升的同时缩短了任务运行时间与输出长度,在多个 Harness 下实现性能-费用帕累托最优。

    决策要点

    这次更新的实质是模型能力与调用成本同步改善,DeepSeek 借此降低编码智能体的使用门槛,并把自研搜索转化为按次收费的 API 基础设施。

    • 影响若官方性能与成本数据属实,编码与项目生成类任务的单次费用会下降,可重估现有模型选型;已在 Claude Code、Codex 等环境调用其搜索接口的团队,2026 年 11 月 1 日起新增按次计费,需重算 API 预算;开源权重保留了自部署选项。
    • 参考可考虑在现有编码智能体工作流中用新版模型重跑同一批任务,记录耗时与费用变化再决定是否切换;正在使用其搜索接口的团队值得先统计日均调用量,按 5 元/千次测算新增成本;有数据自主要求的场景可评估下载权重自托管。
  6. IT之家·人工智能47

    我国首个全自主可控气象 AI 集合预报系统“风清”正式投入业务运行

    由国家气象中心牵头、联合多所高校和科研院所研发的“风清”AI 全球短中期集合预报系统 V1.0 近日通过业务化评审,正式投入全国气象业务运行,为我国首个数据、模型和算力完全自主可控的业务级气象 AI 集合预报系统。

    决策要点

    国产 AI 气象预报正式进入业务化运行,全球中期集合预报环节的技术短板由自主系统补齐,预报能力供给转向国产体系。

    • 影响能源调度、交通运输、防灾减灾等领域将纳入其服务范围;数分钟完成全球推演的算力优势支撑极端天气和中长期趋势预判;精度优于 ECMWF 属官方口径,采用前需按自身场景验证。
    • 参考可考虑梳理业务中受暴雨、台风、强对流影响的关键环节,与现有预报数据源做一段并行比对;值得评估把 11 天时效的中期概率预报纳入调度与供应链预案。
  7. 人人都是产品经理55

    面壁智能发布 MiniCPM-V 4.7,约 3G 内存可跑 35B 多模态

    面壁智能发布端侧多模态模型 MiniCPM-V 4.7,含 35B-A3B 与 1B 双版本,官方称 35B-A3B 约 3G 内存即可在 iOS、安卓流畅运行,支持 256K 上下文,并开源模型权重、推理代码和微调代码。

    决策要点

    端侧多模态的可行上限被推到 35B MoE 一档,竞争重心从芯片制程转向模型与端侧推理栈协同,目前数据以官方口径为主。

    • 影响断网出差、客户现场、敏感文档等场景多了一条不出设备的离线 AI 路径;终端内存门槛抬升,存量设备能否承载需要重估;开源权重与微调方案让私有化和二次开发的成本下降。
    • 参考可考虑盘点断网高频与数据不宜外传的业务场景清单,待开源权重释出后用自有文档和视频在目标设备复测官方分数,再评估是否小范围试点端侧部署。
  8. TechCrunch · AI45

    Elorian 发布首个模型 Glimpse,推理中可反复回看图像

    Elorian 周五发布首个模型 Glimpse,以研究预览形式开放 API,聊天界面仅限等候名单。该模型在推理中途可裁剪图像区域、抽取视频帧或运行代码做测量,公司称仅用几百块 GPU 训练,定价每百万输入 token 0.6 美元、输出 3 美元。官方评测称其在科学图表推理和短视频字幕上超过 GPT-6 Astra,尚无独立验证。

    决策要点

    视觉推理正被做成独立赛道,Elorian 用小模型和更低定价把反复回看图像变成产品主线,挑战多模态只看一次的主流做法。

    • 影响机器人、科研和媒体等视频密集型业务多了一个针对视觉推理的新选项;定价介于中档与轻量模型之间,可据此重新核算图像和视频分析任务的成本。
    • 参考可考虑梳理人工看图看视频的环节清单,挑一个图表或短视频场景用 API 做小规模对比;值得按每百万输入 0.6 美元、输出 3 美元的价格先测算用量预算。
10月16日周五
  1. IT之家·人工智能59

    腾讯混元发布开源智能体记忆框架 Hy Memory 2.0,专用模型称性能超 Claude Opus 5

    腾讯混元 10 月 16 日宣布推出智能体记忆框架 Hy Memory 2.0 并开源,三层能力为专用模型 Hy-Memory-30A3B、记忆框架和本地记忆管理应用 MemHub。

    决策要点

    腾讯把智能体记忆做成可独立复用的开源基础设施层,并称专用小模型在记忆任务上能胜过通用旗舰模型。

    • 影响长程 Agent 应用中的记忆环节可用开源框架加小模型自建,减少对旗舰模型的调用开销;权重开源带来数据自持选项;腾讯金融、办公等内部业务已在使用,落地参考增多。
    • 参考可考虑在现有 Agent 试点中接入 Hy Memory SDK,用自身会话数据与 Mem0 等现有方案做一组对比;值得评估 3B 量级专用模型承担记忆层的可行性,把大模型预算集中到主任务。
  2. 量子位35

    优必选发布具身世界模型 Thinker-WM,登顶三大基准,单模型实现六大能力

    优必选发布自研具身世界模型 Thinker-WM,官方称其在 WorldOlympiad、EWMBench、WorldArena1.0 三大基准中全部拿下第一,WorldOlympiad 综合得分 0.740,EWMBench 综合总分 4.66,超过 Qwen-RobotWorld、Sora2 等主流模型。

    决策要点

    具身世界模型正从视频生成加策略网络的模块拼接,转向表征层统一建模,头部机器人厂商开始押注统一基础模型路线。

    • 影响计划引入机器人的制造与物流企业多了一个考察泛化与跨形态能力的选型维度;开发者可跟进其二次开发开放计划;该路线依赖大规模异构数据与数据基础设施,自研团队需先评估投入。
    • 参考可考虑先读 arXiv 技术报告与三大基准的指标构成,判断与自有场景的匹配度;部署机器人的团队值得盘点可用的第一人称视频与真机数据规模,评估接入统一世界模型的可行性。
  3. IT之家·人工智能45

    PrismML 发布 Ternary Bonsai 2 系列模型,iPhone 18 Pro Max 本地最高每秒 120 词元

    PrismML 于 10 月 15 日发布 Ternary Bonsai 2 系列模型,含 2B、4B、9B 三档,基于阿里 Qwen 3.5 基座,用 -1、0、+1 三元权重编码,目标在手机、PC 和可穿戴设备上本地运行智能体。

    决策要点

    在手机和电脑本地运行智能体多了体积更小的选项,存储与算力门槛继续下探,但性能数字目前只有厂商口径。

    • 影响智能体可在员工手机和电脑上本地运行,数据不出设备,适合对数据出域敏感的场景;存储占用 0.43GB 到 2GB,多数现有设备可承载;Apache 2.0 开放权重,可私有化部署。
    • 参考可考虑选一个数据不宜出域的场景,用 llama.cpp 或 MLX 在现有设备上试跑 2B、4B 档,实测吞吐与任务质量;值得先盘点存量设备能否承载 9B 档。
  4. 量子位80

    谷歌发布Gemini 4 Argon,重返旗舰竞争,API限时半价

    谷歌正式发布Gemini 4 Argon,面向全球开发者、企业及付费订阅用户陆续开放,主打长流程任务执行,编程、专业知识工作与多模态能力均有增强。

    决策要点

    谷歌以价格为主卖点重返旗舰模型竞争,能力上称追平竞品,榜单显示各基准互有胜负,成本优势是这一代最实的信息。

    • 影响旗舰档调用成本被拉低,文中粗算Argon约为Opus5.5的一半、Astra的五分之一;半价窗口只到11月30日,迁移测试有明确截止;早期使用者反馈复杂多智能体任务仍有差距。
    • 参考可考虑在11月30日前选1到2个长流程任务与现用模型做同题对比,记录成功率、token消耗和人工返工量,再决定是否迁移部分调用。
  5. IT之家·人工智能48

    微软完成 SOTA 基模 MAI-Base-2 预训练,称性能强于所有参测开源权重模型

    微软宣布完成新一代基础模型 MAI-Base-2 的预训练,总参数 2.8T、活跃参数 80B,在 6,000 块 NVIDIA GB200 GPU 上历经 38 天训练,官方称其性能强于所有参测开源权重模型。

    决策要点

    微软自研基模把卖点放在预训练算力效率而非性能榜单,全部关键数据出自官方口径,暂无独立验证。

    • 影响微软自研基模若进入产品化,企业可在 OpenAI 之外多一个模型选项;4~12 倍效率口径若获独立验证,成本测算基线需重新校准;当前数据均为官方自述,尚不构成选型依据。
    • 参考可考虑将 4~12 倍效率数据按官方口径对待,等独立评测或模型可用后再纳入供应商对比;已使用微软 AI 服务的企业值得盘点 OpenAI 模型依赖占比。
  6. IT之家·人工智能31

    TypeSafe AI 发布 Jev 1.14 仅一天,Liquid AI 推出 d1-ultra 称八类任务全面超越

    Liquid AI 宣布推出号称全球最佳的决策模型 d1-ultra,称其在八类任务中的表现均优于 TypeSafe AI 一天前发布的 Jev 1.14。

    决策要点

    两家厂商隔日互发决策模型并用官方基准互相对标,这一赛道的头名更替已进入以天计的节奏。

    • 影响模型排名可能隔日刷新,按季度节奏做的选型评估容易过时;各家对比数字均出自厂商自身口径,直接照搬官方排名做采购或迁移依据会引入偏差。
    • 参考可考虑缩短候选模型的复核周期,用自己的真实任务集对 d1-ultra 与 Jev 1.14 做小样本对比;值得在选型文档里注明每个数字的出处是厂商还是第三方。
  7. IT之家·人工智能53

    微软发布自研模型 MAI-Base-2,称仅用 OpenAI 1/4 算力训练即超越同类产品

    据《商业内幕》报道,微软发布自研预训练基础模型 MAI-Base-2,AI 业务 CEO 苏莱曼当地时间 15 日在员工大会上称其性能超过 OpenAI 同类产品,训练算力只有对方的四分之一。

    决策要点

    微软把训练效率作为自研模型的核心卖点,公开点名超越 OpenAI,但全部数据出自其单方表述。

    • 影响训练效率若能兑现,模型成本下降可能传导为更低的模型采购价格;该结论目前只有微软单方口径,缺独立验证;微软在 OpenAI 之外强化自研能力,企业模型选型的可选项在增加。
    • 参考可考虑将 MAI-Base-2 列入模型选型候补清单,待独立评测和定价信息落地后再做替换决策;值得先算清训练算力差异对自己模型采购支出的影响有多大。
  8. IT之家·人工智能37

    小米开源空间音频理解大模型 MiDashengLM-Spatial

    小米发布并开源空间音频理解大模型 MiDashengLM-Spatial,完整公开模型权重和推理代码,采用 Apache 2.0 许可证。模型以 MiDashengLM-7B 为基座,不仅能听懂声音内容,还能感知声音来自何处及其空间分布,小米称其为业界首个开源的端到端空间音频理解大模型。

    决策要点

    小米把音频大模型的能力从听懂内容推进到感知声音方位,并用可商用开源许可证把这套能力开放到自有生态之外。

    • 影响Apache 2.0 许可证允许商用,语音交互相关企业可低成本获取空间听觉能力做测试;小米自用场景指向智能家居与车载座舱,音频交互能力正从内容识别扩展到空间感知。
    • 参考可考虑从 HuggingFace 获取权重,在座舱语音、智能家居等需要声源定位的场景做小规模评测;值得对照 arXiv 技术报告核对空间感知指标的测试条件。
  9. IT之家·人工智能57

    Meta 发布开放权重模型 Muse Spark Open,首席 AI 官称不会开源最顶尖模型

    Meta 于当地时间 10 月 15 日发布开放权重 AI 模型 Muse Spark Open,官方称其为迄今能力最强的美国开放权重模型,并表示其性能低于周一发布、仍保持闭源且未公布基准成绩的前沿模型 Muse Wonder。

    决策要点

    Meta 明确把开源线定位为发布优秀模型而非最顶尖模型,开放权重路线不承载其前沿能力。

    • 影响依赖开放权重模型做私有化部署的企业,能从 Meta 拿到的能力上限会低于其闭源前沿模型;后者宣称达到前沿水准但未公布基准成绩,选型需自行实测核对。
    • 参考可考虑盘点现有基于 Meta 开放权重模型的部署清单,评估与闭源前沿的能力差距是否影响核心业务;新模型可用自有业务数据先跑对比测试,再决定是否升级或更换供应商。
  10. IT之家·人工智能60

    快手可灵 AI 模型 Kling 4.0 全量上线,单次生成视频最长可达 30 秒

    快手可灵 AI 宣布 Kling 4.0 正式全量上线 klingai.com,官方称画面真实感、创意可控性与叙事完整度大幅提升。单次生成视频最长 30 秒、多次续拍可延展至 2 分钟,支持 4K 与 1080p 的 10-bit HDR 输出及 21:9 超宽画幅。能力已接入 MCP / CLI,面向企业客户与开发者的 API 服务将于近期开放。

    决策要点

    可灵 4.0 的升级集中在长叙事、镜头控制与口型音效,视频生成的适用范围正从短片段向完整成片制作靠近。

    • 影响单条 30 秒、续拍至 2 分钟的时长上限,可覆盖广告与电商内容里更多成片类需求;多语种配音与口型匹配降低出海内容的多语言制作成本;企业 API 尚未开放,深度接入需等正式上线。
    • 参考可考虑选一条现有广告或电商短视频做对照生成,记录可用率与返工成本;做出海内容的团队值得先测多语种口型的可用程度,并留意 API 开放时间以规划工作流接入。
  11. IT之家·人工智能64

    Meta 发布开放权重模型 Muse Spark Open,称迄今最强美国开源模型

    Meta 于当地时间 10 月 15 日发布开放权重模型 Muse Spark Open,官方宣称其为迄今能力最强的美国开放权重模型。

    决策要点

    Meta 把开放权重加桌面端可跑作为核心卖点,美国最强的定位目前只有官方口径支撑。

    • 影响限制性商用许可降低了试用与私有化部署的许可门槛;本地运行需两台 512 GB 内存版 Mac Studio,硬件条件并不轻;多家 API 平台同步开放,接入路径选择较多。
    • 参考可考虑先核对 Muse Model License 限制条款与自身商用计划是否冲突;值得在 vLLM、SGLang 等现有推理栈上评估接入成本,再选一两个长程任务场景做小规模试点。
  12. IT之家·人工智能59

    蚂蚁百灵开源 Ling-3.1-flash 模型,最高支持 1M 上下文

    蚂蚁百灵宣布开源 Ling-3.1-flash 模型,总参数约 560B,每 Token 激活约 25B,最高支持 1M 上下文,权重已上传 Hugging Face 与 ModelScope。

    决策要点

    蚂蚁把大参数开源模型的本地部署门槛压到 4 卡 Hopper,主攻长资料处理的自托管企业场景。

    • 影响有服务器级 GPU 的团队可用更少卡数自托管长上下文模型,部署预算相应下调;官方延迟与吞吐测试可作为容量规划起点,但实际需求随上下文和并发量变化;限时折扣降低了 API 试用的对比成本。
    • 参考可考虑在知识问答、办公助手等长资料场景,先按官方测试口径测算自身负载所需卡数与预算;值得趁 2.5 折优惠用 Ling Studio 或 OpenRouter 小规模试用,再决定是否投入本地部署。
  13. TechCrunch · AI64

    Meta 发布开源权重模型 Muse Spark Open,可在 Mac 本地运行

    Meta 发布开源权重模型 Muse Spark Open,官方称其为美国能力最强的开源权重模型,具备 816B 参数和 100 万 token 上下文窗口,原生多模态,面向复杂编码与智能体任务。

    决策要点

    官方称美国最强的开源权重模型被推向 Mac 本地运行,但内存门槛把本地部署限制在高配硬件,多数企业的实际入口仍是 API。

    • 影响开源权重在成本与透明度上相对闭源模型有优势;本地运行至少需要 1TB 内存,硬件投入会把多数企业推向 API 路线;编码与智能体演示效果均来自 Meta 自述。
    • 参考可考虑先经 API 平台小范围试用该模型跑编码或智能体流程再评估价值;若考虑本地部署,值得先算清 1TB 内存级 Mac Studio 的采购成本与使用频次是否匹配。
  14. The Decoder:AI News63

    Meta 发布开源权重模型 Muse Spark Open,对标 Qwen、GLM 与 Kimi

    Meta 发布开源权重模型 Muse Spark Open,816B 参数(42B 激活),主打编程与智能体任务,权重已上架 Hugging Face。官方称其为最强的美国开源权重模型,在智能体、知识与推理、多模态类别领先 Qwen 3.8、GLM 5.3 和 Kimi K3,但编程基准落后部分对手,且明显不及自家付费的 Muse Wonder Full 系列。

    决策要点

    Meta 重回开源权重赛道对抗 Qwen、GLM、Kimi 阵营,同时用许可证条款为大规模商用保留收费空间。

    • 影响开源权重让企业可自行部署多模态与百万 token 上下文模型,但本地满配需要两台各 512 GB 统一内存的 Mac Studio;许可证的标注义务和 2000 万美元收入门槛会进入商用合规考量。
    • 参考可考虑先核对许可证的标注义务与 2000 万美元收入门槛是否触及自身业务,再挑智能体或多模态场景做小规模试点;本地部署前先算清双 Mac Studio 的硬件预算。
  15. The Verge · AI64

    Meta 与苹果合作让开放权重模型 Muse Spark Open 跑在 Mac Studio 上

    Meta 发布开放权重模型 Muse Spark Open,官方称其为迄今最强美国开放权重模型,苹果参与协作支持。模型为原生多模态、总参数 8160 亿,Meta 称其可用最新 MLX 框架跑在两台 M5 Ultra Mac Studio 上,并擅长长程任务、复杂软件工程和多步推理。

    决策要点

    这次发布的看点不只是模型本身,而是 Meta 与苹果公开联手,把开放权重和苹果硬件打包成一套桌面本地部署方案。

    • 影响顶级开放权重模型多了一个桌面本地部署的参考路径;若企业考虑自托管,成本重心会落在高端硬件采购上;Meta 与苹果的公开结盟也是生态站队的一种参照。
    • 参考可考虑按官方给出的配置先算出两台 M5 Ultra Mac Studio 的采购与运维成本,同云端 API 价格做对比;模型能力口径值得在自己的长程任务场景里复测一遍。
  16. The Decoder:AI News64

    Black Forest Labs 发布开源权重图像模型 FLUX 3 Image Klein,可在 8 GB 显存消费级 GPU 上运行

    Black Forest Labs 发布开源权重文生图模型 FLUX 3 Image Klein,参数量 5.6 十亿,支持文生图、图像编辑、原生 4K 输出以及最多十张参考图的生成。

    决策要点

    开源权重图像模型能力被官方宣称超越部分闭源对手,运行门槛降到单张 8 GB 消费级 GPU,企业图像生产的成本结构需要重算。

    • 影响年收入低于 $5 million 的公司可免费商用权重,图像素材成本有望压缩到硬件和电费;有 8 GB 显存设备的团队可先尝试本地部署,减少 API 支出;LoRA 微调从第一天就可用,自制风格化素材的门槛降低。
    • 参考可考虑挑一个批量图像素材场景做对比测试,记录与现有 API 采购的质量和耗时差异;值得先盘点手头 GPU 是否达到 8 GB 显存,并确认公司年收入是否落在免费授权范围内。
  17. The Decoder:AI News49

    Google 发布 Gemini 4 Argon,瞄准机器人全流程通用模型

    Google 发布面向机器人的 Gemini 4 Argon,宣称用同一个模型完成机器人控制、仿真环境搭建和训练视频评估,并称这是迈向物理 AGI 的又一步。

    决策要点

    Google 试图用一个模型包揽机器人仿真、控制和评估全流程,但演示细节与第三方成绩都显示距自主落地仍有明显落差。

    • 影响若单张照片生成训练仿真的流程成立,机器人部署的数据采集成本有机会压缩;但第三方真机成绩落后说明选型不能只看官方演示;物理 AGI 仍是长期方向,短期商用要按场景验证。
    • 参考可考虑把官方演示与第三方真机基准分开评估再定供应商;值得梳理哪些机器人环节可用仿真训练替代实地调试,并先算清数据与试错成本。
  18. The Decoder:AI News67

    Nvidia 发布开源多模态模型 Nemotron 3.5 Super VL,面向不间断运行的企业智能体

    Nvidia 发布开源多模态模型 Nemotron 3.5 Super VL,1200 亿参数、每个 token 仅激活 120 亿,专为持续处理文本、图像、文档和视频的企业智能体设计。

    决策要点

    Nvidia 以开源模型拉动自家硬件需求,权重开放但优化绑定其芯片与软件栈,企业自托管智能体的算力开支最终流向其硬件销售。

    • 影响需要用自有数据微调并自托管的智能体场景多了一个开源选项;文档密集行业的案例显示落地空间,但本地版需 24GB 显存,多数企业仍要走数据中心路线。
    • 参考可考虑在票据识别、合同审查、理赔筛查等文档密集流程中试点并记录吞吐与准确率;值得对比 NIM 微服务与自购 DGX Spark 两条路线的总成本。
10月15日周四
  1. IT之家·人工智能62

    英伟达发布 1200 亿参数大模型 Nemotron 3.5 Super VL,称单 GPU 智能体任务吞吐量最高提升 5 倍

    英伟达发布开放多模态模型 Nemotron 3.5 Super VL,采用混合专家架构,总参数 1200 亿、激活 120 亿,面向持续运行的多步骤智能体任务,官方称单 GPU 吞吐量最高达同规模开放模型的 5 倍。

    决策要点

    英伟达以智能体推理效率为主打开放多模态模型,权重、训练配方和数据集一并开放,意在让企业自建智能体留在自家硬件和工具链上。

    • 影响开放权重让企业自托管多模态智能体成为可选项,智能体任务的推理成本基线可能随之下移;官方案例的降本数字均为预计值,选型前需按自有负载实测;NVFP4 量化等效率特性与英伟达硬件绑定,会影响设备与采购取舍。
    • 参考可考虑从文档分析、收据处理这类流程固定的场景中选一个,用开放权重做自托管小试点并记录单任务成本;值得先盘点现有智能体负载的 GPU 用量,再对比单卡 5 倍吞吐与 24GB 端侧方案是否适用。
  2. IT之家·人工智能63

    阶跃星辰开源 Step 5 Preview 权重,华为昇腾、沐曦、壁仞等首发支持

    阶跃星辰 10 月 15 日宣布开放 Step 5 Preview 模型权重,提供 BF16 与 FP8 两个版本,已上线 Hugging Face 和 ModelScope,可通过 vLLM 或 SGLang 部署兼容 OpenAI 接口的服务,官方称模型在 AI 编程、软件工程、专业知识工作、金融等任务上达到前沿水平。

    决策要点

    开源权重与多家国产芯片同日适配配套出现,私有化部署场景下的国产模型加国产算力组合开始具备当天可用的条件。

    • 影响需要私有化部署的企业多了一个可自托管的前沿定位模型选项;昇腾、沐曦等国产算力当日适配,缩短了国产硬件跑新模型的等待期;官方性能口径暂无独立评测,选型效果需自测。
    • 参考可考虑用 vLLM 或 SGLang 部署 BF16 或 FP8 权重,用自有业务数据跑一轮效果与推理成本对比;有国产算力采购计划的企业,值得把该模型列入适配验证清单。
  3. 极客公园51

    源策未来发布全身智能模型,演示人形机器人边移动边干活

    源策未来发布以全身智能(WBI)为核心技术路线的新模型与演示,人形机器人能边移动边干活,完成扶起倒地自行车、搬踏台登高取物、跨地面高差操作电饭煲等连贯任务。系统分两层,运动控制基模 S0 负责全身平衡与动作执行,智能基模 S1 负责长程任务理解,源策自测称 S0 将手部末端跟踪误差从开源基线的 10 厘米量级压到 2 厘米区间。

    决策要点

    全身控制让人形机器人从平地定点伸手走向边移动边作业,足式机器人干活开始有了具体依据,但目前仍是演示阶段。

    • 影响人形设备的可用场景有望从平地定点扩展到楼梯、货架等真实环境;当前能力以厂商演示为准,需按任务成功率、运行时长和维护成本另行检验;本体硬件与交付方式可能围绕实际劳动调整。
    • 参考可考虑把登高取物、跨地形搬运等任务列入自动化试点的候选场景;值得先算出现有方案在楼梯与高位货架场景的覆盖缺口;评估供应商时可要求提供真机任务成功率与运行时长数据。
  4. 量子位61

    蚂蚁百灵开源 Ling-3.1-flash,主打真实工作流任务交付

    蚂蚁百灵新开源 Ling-3.1-flash,定位高智效比专业模型,主打完成真实工作流任务,已接入蚂蚁内部桌面协同Agent客户端小虎,并上架OpenRouter、HuggingFace、ModelScope。

    决策要点

    百灵把模型竞争点从榜单参数转向真实任务交付与智效比,开源加低调用成本给办公Agent选型多出一个低成本选项。

    • 影响高频调用与长文档处理场景有了成本更低的开源选项,量化后4卡即可部署,试点门槛随之降低;模型无原生视觉理解,含图表图片的流程仍需另配视觉模型,这部分成本要重新核算。
    • 参考可考虑在报告整理、投研或客服这类多步骤流程中做小规模试点,先算清Token调用量与替代人工工时的成本账;值得对比长文本一次交付和分步交付的成功率差异,再确定适用边界。
  5. IT之家·人工智能41

    昆仑万维发布世界首款消费级显卡视频大模型游戏 Matrix-Game 4.0,同步开源

    昆仑万维发布视频大模型游戏 Matrix-Game 4.0,称为世界首款跑在单张消费级显卡上的视频大模型游戏,发布时同步开源。官方称其由游戏引擎维护世界状态与交互规则、视频生成模型实时渲染画面,在单张 NVIDIA RTX 5090 上实现 480p、60 FPS 实时体验,按键到画面反应延迟低于 150 毫秒(官方口径,暂无独立验证)。

    决策要点

    视频生成从生成片段演进到单张消费级显卡实时可玩,昆仑万维把游戏世界模型的落地门槛押在消费级硬件上,性能表现暂无独立评测佐证。

    • 影响游戏原型开发与 UGC 多了一条开源可试的路径;若单卡指标属实,试验门槛可以降到一张 RTX 5090 级别设备;性能数据目前只有官方口径,立项前需按自身场景实测。
    • 参考可考虑让游戏或内容团队拉取 GitHub 仓库与 HuggingFace 模型,在现有 RTX 5090 级别设备上实测延迟与画质,先算出原型开发的工时与成本对比;值得评估个性化定制与 UGC 玩法是否适合小范围试点。
  6. 量子位53

    昆仑万维开源Matrix-Game 4.0,游戏世界模型可在单张RTX 5090实时运行

    昆仑万维旗下Skywork发布并开源游戏世界模型Matrix-Game 4.0,官方称其为全球首款可在单张消费级显卡上实时运行的游戏世界模型。模型把游戏规则交由引擎用代码维护,视频模型只按结构草图生成画面,在RTX 5090上按键到画面响应约112ms,以60帧运行,显存峰值约18.5GiB。

    决策要点

    游戏世界模型的竞争焦点从生成画质转向规则可靠性与硬件成本,引擎与模型分工让单卡实时运行成为可能。

    • 影响游戏与互动内容团队用消费级硬件就能试做AI实时世界,试错成本明显下降;权重代码开源,规则和场景可自行修改;但480p画质与长时运行稳定性仍处早期。
    • 参考可考虑下载开源权重,在游戏原型或互动演示里小规模验证单卡部署成本与画质是否够用;做技术选型时值得把引擎管规则、模型管画面的路线纳入对比清单。
  7. IT之家·人工智能70

    阶跃开放 Step 5 Preview 大模型权重,支持 100 万 token 上下文窗口

    阶跃于 10 月 15 日开放 Step 5 Preview 大模型权重,提供 BF16 与 FP8 版本、技术博客和配套开源开发工具,已上线 Hugging Face 和 ModelScope。

    决策要点

    阶跃以开放权重方式加入开源模型竞争,把差异化押在长程 Agent 任务与百万 token 上下文能力上。

    • 影响开放权重使企业可自托管模型并接入自有数据、工具和系统;每 token 激活 27B 的稀疏 MoE 架构影响推理成本结构;性能与调用量排名目前为官方口径。
    • 参考可考虑在 AI 编程、软件工程等官方宣称突出的场景做小规模试点,用 vLLM 或 SGLang 搭建测试环境;先算清百万 token 上下文在自有业务负载下的推理成本再决定接入方式。
  8. 人人都是产品经理69

    Gemini 4 Argon 扩大开放,官方跑分领先但一线实测口碑分化

    Google 于 10 月 13 日扩大开放 Gemini 4 Argon,Gemini App 的 Pro 和 Ultra 订阅用户可直接使用,Antigravity 仅对 Ultra 开放,开发者可走付费 API,模型标识为 gemini-4-argon,上下文窗口 1,048,576 token 且输入、思考和输出共用这一额度。

    决策要点

    这代 Gemini 的实质是用半价促销和长上下文能力抢市场,官方跑分领先,但独立实测显示成品质量仍与最贵竞品有差距。

    • 影响促销期到 11 月 30 日,对比试用的成本门槛比 12 月后低一半;输入、思考和输出共用 100 万 token 额度,预算要按含返工的完整任务算;实测显示复杂美学和多智能体任务仍有短板,关键交付需保留人工审查。
    • 参考可考虑在 11 月 30 日促销期结束前,选一个代码改造或 3D 演示类场景做同题对比试点,把含返工的总账单算出来再比单价;值得先整理项目代码规范清单和人工审查关口,ADK 复盘显示补全规则后它才能稳定干活。
  9. IT之家·人工智能67

    SpaceXAI 发布 Grok Voice 3.0 语音模型,官方称全球最智能、延迟低于 1 秒

    SpaceXAI 发布语音转语音模型 Grok Voice 3.0,官方称其为全球智能水平最高的语音模型,延迟低于 1 秒。模型已通过应用程序接口上线,每分钟定价 0.08 美元,与 Grok Voice 2.0 相同,使用 grok-voice-latest 版本的智能体已自动升级。

    决策要点

    语音模型的比拼重点正从单一智能转向智能、延迟与成本的平衡,企业语音智能体选型开始有可对标的第三方基准。

    • 影响客服与电销场景可按独立基准和实际通话成本重算语音方案预算;每分钟 0.08 美元与上代持平,试点的成本可测算;星链案例中单个智能体覆盖核验、退款、补发设备,客服岗位的分工边界值得重新审视。
    • 参考可考虑选一两个高频客服话务场景做小规模对比试点,并按自身话务量和每分钟 0.08 美元的定价先算出成本账;值得盘点现有语音供应商和人工坐席解决率数据,作为替换或组合使用的依据。