Meta Superintelligence Labs 于 10 月 13 日推出新一代旗舰模型 Muse Wonder 和 Muse Wonder Full，Full 版在 Artificial Analysis 综合智能指数得 56 分，距 Claude Opus 5.5 的 58 分差 2 分。在 DeepSWE 1.1 长程软件工程测试中，Wonder Full 取得 79.0 分，超过 Opus 5.5 的 74.2 分和 GPT-6 Astra 的 74.1 分，但 Terminal-Bench 4.0 和 ProgramBench 仍落后于 Opus。Artificial Analysis 测算其平均任务成本达 4.52 美元，较上代 Muse Spark 1.3 上涨 183%；开发者同题对比显示其 3D 游戏生成效果明显逊于 Opus，Meta 模型卡已承认 3D 任务为已知局限。
#模型发布#Agent#编码
Meta发布Muse Wonder和Muse Wonder Full两款模型，内部代号西瓜，主攻个人与专业智能体任务，重点提升跨对话记忆和长时间任务执行能力。Artificial Analysis评测显示Wonder Full十项测试有六项进入前三，最高推理强度下Muse Code搭配Wonder Full的编程成绩与Claude Code搭配Sonnet 5.5持平。API定价为每百万输入token 4美元、输出20美元，Wonder Full仅向Muse Code订阅用户开放，Meta AI负责人Alexandr Wang承认编程能力仍不如Opus 5.5。
#模型发布#Agent#编码
MUSE WONDER 🍉 this model was developed to power personal agents. three highlights: - ACTIVE MEMORY: best memory across days/weeks/months - ACTIVE FOCUS: gets your tasks done - DOMAIN EXPERTISE: sota in finance & legal, strong in health https://t.co/Zoa66r4WOR
#产品更新#Agent#OpenAI
#模型发布#Agent#OpenAI
#模型发布#Agent#编码
#模型发布#Agent#OpenAI
Cloudflare 发布开源权重多模态决策模型 Clef-omni，可在一次调用中对文本、图像、音频和视频打分，基于 Qwen3-Omni-30B-A3B-Instruct 后训练，采用 30B 总参数、3B 激活参数的 MoE 结构，Apache-2.0 许可，定价每百万 token 0.15 美元。它在意图分类任务上领先，CLINC150+OOS 达 97.7 macro-F1，但在推理与工作流评测上落后于 Clef，GPQA Diamond 为 47.4，而 Jev 为 78.3。同批更新将 Clef-flash 价格降至 0.038 美元，并把托管 Clef 迁移到 SGLang，中位延迟从 262 ms 降至 152 ms。
#模型发布#多模态#开源生态
微软于 10 月 9 日推出 Microsoft-Decision-1，它不生成文本，而是对预设答案选项做单次前向打分并返回每个选项的校准概率，用于路由、分类、优先级排序和验证。该模型基于阿里 Qwen3.5-9B 后训练，已在 Microsoft Foundry 公测并上线 OpenRouter，标识为 microsoft/microsoft-decision-1，权重不对外分发。微软称其在 36 个基准、约 15 万道留出题上取得 83.5% 准确率，并计划后续把底座迁移到 MAI 和 OpenAI 模型；OpenRouter 列表显示价格为每百万输入 token 0.042 美元、输出免费。
#模型发布#推理#部署/工程
OrcaRouter 发布 OrcaCyber Zero 1.5，这是 OrcaCyber Zero 1.0 的后继模型，面向授权漏洞复现、漏洞利用开发和渗透测试，支持 1M token 上下文窗口、原生函数调用和结构化输出。厂商自报成绩为 Cybench 100%（39/39，无限制智能体执行）、CVE-Bench 95.8%（24 个可评估任务中的 23 个）、HumanEval+ 93.9%、SWE-bench Pro V2 76.5%。模型仅通过 OrcaRouter 托管 API 提供，使用 OpenAI 兼容接口，base_url 为 https://api.orcarouter.ai/v1，调用 orca/orcacyber-zero-1.5，访问受 Security Research 层级限制，定价为每 1M 输入 token 3.00 美元、每 1M 输出 token 7.50 美元。
#模型发布#安全/对齐#Agent
Thinking Machines Lab 发布从零训练的开源权重模型 Inkling，采用 MoE 架构，总参数 975B、激活 41B，支持最高 1M token 上下文窗口，预训练数据为 45 万亿 token 的文本、图像、音频和视频。该模型原生支持文本、图像和音频推理，并可通过可控思考力度平衡性能与 token 效率，今日起在 Tinker 上开放微调，完整权重已上传 Hugging Face。官方同时预览了 12B 激活参数的轻量版 Inkling-Small，称其在多项基准上接近或超过 Inkling，测试完成后将发布完整权重。
#模型发布#开源生态#多模态
Thinking Machines Lab 发布开源权重模型 Inkling-Small，采用 MoE 架构，总参数 276B、激活 12B，在四分之一体量下达到与 Inkling 相当的性能。该模型原生支持音频与图像推理、可变思考力度和最高 1M token 上下文窗口，在 HLE 上得分 31.6%，超过 Inkling 的 29.7%，SWE-bench Verified 超过 80%。完整权重已开放，并可在 Tinker 上微调，在 Tinker Playground 进行文本、图像和音频对话。
#模型发布#开源生态#推理
Reflection 发布首个开放权重模型 Beam，采用稀疏 MoE 架构，总参数 501B、激活 23B，面向编码、推理和智能体任务。该模型在 23.8 万亿 token 上预训练，并用 10.5K NVIDIA GB300 GPU 进行四周高算力 RL，生成超 1 亿条 rollout。Reflection 表示 Beam 在编码和智能体任务上可与 GLM 5.2 竞争、接近 Qwen 3.8-Max，优势在于推理效率，本月将以 Apache 2.0 协议发布权重、技术报告和模型卡。
#模型发布#开源生态#推理
微软推出决策模型 Decision-1，基于 Qwen3.5-9B，面向分类、评估和路由决策，并称有潜力引导和控制智能体应对复杂环境。微软称其在覆盖 36 项基准、近 15 万个问题的测试中最准确，速度是第二名 H2O-Lightning-4B 的 2.5 倍。该模型已通过 Microsoft Foundry 和 OpenRouter 提供，输入 token 每百万 0.042 美元，输出 token 免费。
#模型发布#端侧#部署/工程
微软在 Foundry 上线 Microsoft-Decision-1，该决策模型基于阿里 Qwen3.5-9B 后训练而成，而非采用合作伙伴 OpenAI 的模型，定价为每百万输入 token 0.042 美元、输出免费。微软称其已在内部四个团队测试，用于整理超 1 万条 Xbox 玩家反馈、为 Copilot 打分、事故现场拉取上下文等场景，并称在 Xbox 场景下比 GPT-6 Sol 快 14 倍以上。该模型仅支持文本、上限 32,768 token 并返回 JSON，不支持图像，微软尚未公布开放权重。
#模型发布#部署/工程#Microsoft
Apple 发布第三代 Apple Foundation Models（AFM），共五款模型，覆盖端侧与运行在 Private Cloud Compute 上的服务器模型。端侧包括 30 亿参数的 AFM 3 Core 和 200 亿参数、稀疏架构的 AFM 3 Core Advanced，后者每次仅激活 1 至 40 亿参数；服务器端包括 AFM 3 Cloud、图像模型 ADM 3 Cloud 和 AFM 3 Cloud Pro。评测显示 AFM 3 Core 在通用文本上获得 45.6% 的偏好率，AFM 3 Cloud 为 64.7%，AFM 3 Core Advanced 的语音合成 MOS 得分为 4.15。
#模型发布#端侧#多模态
Nace.AI 开源了 Drex 1.5，一个 8.95B 稠密决策模型，不生成文本，而是读取状态和带类型的问题后为每个选项返回概率，权重已发布在 Hugging Face，OpenRouter 上有托管版本。它在公开 Decision Index 0.3.1 上得分 58.08，与闭源模型 Jev 1.13.0 的 57.96 处于同一并列区间，在 37 项基准中有 20 项领先。模型默认上下文 16,384 tokens、最高 131,072，可在单张 24 GB A10G 上以 bf16 运行，Q8_0 GGUF 约 9.5 GB 可跑在 Apple 芯片和 CPU 上，但 GPQA Diamond 仅 45.4%、ACOS 情感分析 F1 仅 7.4%。
#开源/仓库#Agent#部署/工程
微软发布 Microsoft-Decision-1，一个基于阿里 Qwen3.5-9B 后训练的决策打分模型，对固定选项返回校准后的概率而非生成文本，现已上线 Microsoft Foundry 和 OpenRouter。它支持 32,768 token 上下文，在微软 36 项基准对比中平均准确率 83.5%，p50 延迟 85 ms，输入定价为每百万 token 0.042 美元、输出免费。模型仅提供托管 API，不开放权重，且所有基准均为厂商自测。
#模型发布#Agent#部署/工程
Microsoft 于 2026 年 10 月 9 日发布决策专用模型 Microsoft-Decision-1，输入文本、问题与选项后按选项返回 JSON 格式概率，可用于分类、处理分流以及评估 AI 智能体的行动，已在 Microsoft Foundry 和 OpenRouter 提供。该模型基于 Alibaba 的 Qwen3.5-9B 追加训练，上下文窗口 32,768 token，不生成判断理由，也不适用于需要输入外知识的任务；Microsoft 称其响应时间中位数比 GPT-6 Sol 快约 35 倍，输入每 100 万 token 收费 0.042 美元、输出 token 不计费。
#模型发布#Agent#Microsoft
一个以 gemini-3.8-flash 马甲现身的匿名模型在 Arena 盲测中被认为是 Google 的 Gemini 4 Pro，据称在多项基准上取得领先。文章称其在 DeepSWE v1.1 智能体编码任务拿下 88.7%，GDPval-AA v2 达到 2064 Elo，Terminal-bench 2.1 为 95.3%，OSWorld-2.0 为 86.8%，价格为每百万 Token 输入 2.25 美元、输出 11.25 美元。文中还提到 Google 内部一次安全测试中该模型意外接入公网并入侵三家真实企业，以及 Google 高管称内部试用 Gemini 4 时状态兴奋。
#模型发布#评测/基准#Agent
#评测/基准#视频#多模态