马斯克周三就 SpaceX 8 月推出测试的 AI 智能体 Grok Bot 表示，SpaceX 今后会为不同任务选用最合适的后端模型，包括 Claude Opus 5.5、MidJourney、Suno 等 API。作者采访的 22 位企业负责人中至少 10 位采用按任务选模型的策略，常见做法是先用规则引擎和小模型过滤，再交给大模型。OpenRouter 截至 10 月 7 日当周的数据显示，DeepSeek V4.1 Flash 以 33.6T token 居首，Claude Opus 5.5 排第九但周环比增长 74%。
匹配字段摘要、正文
作者梳理美国五大科技巨头的财报发现，Alphabet和亚马逊超85%的季度利润来自股权投资浮盈，表外长期采购与租约承诺合计约1.65万亿美元，已超过表内负债。2026年五巨头资本开支预计7692亿美元，而AI应用年收入约2000亿美元，存在约5倍缺口。作者对比中美定价后指出，OpenAI输出30美元/百万Token、DeepSeek仅0.18美元，价差达166倍，并判断最可能的终局是某个节点率先出问题后经交叉持股链式传导。
匹配字段摘要、正文
清华大学、牛津大学与斯坦福大学的新论文发现，LLM 在关闭思考后仍会继续输出推理过程，在开放式问题上尤其明显。关闭思考时，DeepSeek-V4-Flash 在 99.9% 的开放式回答中仍写出了推理内容，缺少 think 标签或回复简短并不能证明模型跳过了推理。对 5 个模型强制只给答案可将开放式任务的遵从率提升到约 40%，但准确率下降约 15 个百分点。论文地址为 arxiv.org/abs/2610.11765。
匹配字段摘要、正文
《金融时报》报道称 OpenAI 向投资人展示的年化收入比此前广泛引用的 700 亿美元低 200 亿美元，原因是 OpenAI 使用净收入口径而 Anthropic 使用包含合作伙伴销售额的总收入口径；彭博社随后报道 OpenAI 预计到年底达到 700 亿美元年化收入。同期美国 Reflection 的 Beam、法国 Mistral 的 Large 4 和德国 Aleph Alpha 的 Kolibri 三款开源模型发布，均以 AI 主权为卖点对标 DeepSeek 等中国厂商，但受访投资人表示其被投企业大多并不在意开源模型的国家来源。GLM 5.3、Kimi K3、DeepSeek V4.1 等中国模型仍在 Baseten 和 Fireworks 等云平台上最受欢迎，DeepSeek 据彭博社报道接近完成由腾讯和宁德时代联合领投的 120 亿美元融资。
匹配字段摘要、正文
CrowdStrike 报告称，一名疑似中文使用者于 2026 年 9 月底至 10 月初攻击多家韩国金融机构，仅新韩银行就有超过 25000 条含姓名、联系方式、收入和信用额度的记录被窃取。攻击者使用了 7 月首次发布在 GitHub 上的中国开源工具 ARTEX，该工具借助 AI 语言模型自动进行渗透测试，背后模型为 DeepSeek v4.1-flash、GLM-5.3 和 Grok 4.6。研究人员还在攻击者开放的目录中发现 Claude Code 会话日志，显示其搜索出售被盗数据的 Telegram 群组。
匹配字段摘要、正文
Unsloth 发布 Unsloth Studio 与 Unsloth Desktop 的安全概览，说明模型从下载转入执行时会触发四道检查：代码指纹绑定审批、独立的权重文件拦截、操作系统沙箱探测和包内容扫描。代码指纹变化后需重新授权，Hugging Face 的恶意扫描结论会拦截加载路径中被标记的权重文件，工具则在 bubblewrap、Seatbelt、MXC 等系统级沙箱中运行。文中提到 deepseek-ai/deepseek-ocr 与 moonshotai/Kimi-VL-A3B-Instruct 在加载时会弹出审批并列出发现项，Unsloth 也在其适配仓库中移除了 eval 调用等问题代码。
匹配字段摘要、正文
Arena 在 Agent Arena 上用超 4700 个真实智能体会话评测了 typesafeai 的 Jev Router，结果显示它未能推进当前帕累托前沿：与 DeepSeek V4.1 Flash (Max) 性能相近时成本高 38%，中位模型请求延迟高 1.7 倍。它主要路由到帕累托高效模型，最常选 DeepSeek V4.1 Flash，GPT-6.1 Sol 与 GPT-6 Luna 也常被选中。其核心优势是可操控性，得分 +10%，接近 Claude Opus 5.5 (High) 的 +10.48。
匹配字段摘要、正文
Jev Router 若进入 Agent Arena 榜单，将录得 +3.6% 净提升，每任务中位成本 $0.155。它排名低于其最常路由到的 DeepSeek V4.1 Flash，但在 Steerability（+10.0% vs -0.2%）和 Praise vs Complaint（+6.3% vs +2.1%）上胜出；DeepSeek 则在 Confirmed Success（+8.3% vs +2.2%）、Bash Recovery（+7.8% vs -0.7%）和 Tool Hallucination（+0.4% vs +0.2%）上更强。其 Steerability 得分距 Claude Opus 5.5 (High) 仅低 0.48 个百分点。
匹配字段摘要、正文
总的来说，Jev Router 做出了明智的选择。它最常用的 5 个模型中有 4 个位于帕累托前沿，其可控性也明显很强。 但这还不足以带来更好的权衡。直接调用 DeepSeek V4.1 Flash 能以更低的成本和延迟获得相似的性能。 我们的结果说明了模型路由为何困难：同时平衡任务成功率、可控性、成本和延迟仍是一个未解难题。
总的来说，Jev Router 做出了明智的选择。它最常用的 5 个模型中有 4 个位于帕累托前沿，其可控性也明显很强。 但这还不足以带来更好的权衡。直接调用 DeepSeek V4.1 Flash 能以更低的成本和延迟获得相似的性能。 我们的结果说明了模型路由为何困难：同时平衡任务成功率、可控性、成本和延迟仍是一个未解难题。
匹配字段摘要、正文
Arena 发布对 Mistral Large 4 的首批评测，该模型由 MistralAI 推出，为 1T 参数、49B 激活，开放权重将于本月底发布。Arena 用一系列真实场景测试将其与多家闭源和开源模型对比，包括 GPT-6.1 Sol、Astra、Claude Fable、Claude Opus 5.5、Claude Sonnet 5.5、Kimi K3、GLM 5.3 Flash、DeepSeek Flash 和 Muse Spark，以展示其当前水平，后续还会公布更多分数和更新。
匹配字段摘要、正文
Mistral 发布 Mistral Large 4 研究公开预览版，在 Artificial Analysis 智能指数上得分 38，与 GPT-6 Luna（max，38）和 DeepSeek V4.1 Flash（max，39）相当。该模型为 1T 参数、49B 激活，计划 10 月底开放权重，上下文窗口 512k tokens，支持文本和图像输入。标准定价为每 1M 输入/输出 tokens 1.36/4.18 美元，前两周五折，其每任务成本仍高于 GLM-5.3-Flash 和 DeepSeek V4.1 Flash。
匹配字段摘要、正文
Mistral 发布 Mistral Large 4 预览版，这是一个 1 万亿参数、490 亿激活参数的模型，在自家 3,800 块 NVIDIA Grace Blackwell GPU 集群上训练，目前通过 API 提供。该模型在 Mistral API 中只支持 none 和 high 两档推理级别，官方承诺本月底放出开放权重版本。它在 Artificial Analysis 上得分 38，略低于 552B 的 DeepSeek 4.1 Flash，相比去年 12 月得分 9 的 Mistral Large 3 提升明显。
匹配字段摘要、正文
Mistral 发布 Mistral Large 4 Research Public Preview，在 Artificial Analysis Intelligence Index 上得分 38，与 GPT-6 Luna（max，38）和 DeepSeek V4.1 Flash（max，39）接近，成为美国和中国之外最智能的模型。该模型为 1T 参数（49B 激活），计划 10 月底开放权重，上下文窗口 512k tokens，支持文本和图像输入、文本输出。标准定价为每 1M 输入/输出 tokens 1.36/4.18 美元，缓存输入 0.14 美元，每任务成本 1.13 美元，前两周五折后降至 0.57 美元，仍高于 GLM-5.3-Flash（0.25 美元）和 DeepSeek V4.1 Flash（max，0.27 美元）。
匹配字段摘要、正文
Mistral Large 4 Preview 按标准定价 $1.36/$4.18 每 1M 输入/输出 token 计算，每个 Intelligence Index 任务成本为 $1.13，缓存输入 token 为 $0.14 每 1M。前两周，Mistral Large 4 Preview 将以 50% 的发布折扣提供服务，使其每任务成本降至 $0.57。这仍比 GLM-5.3-Flash（$0.25）和 DeepSeek V4.1 Flash（max，$0.27）更贵。
匹配字段摘要、正文
Reflection 发布 Beam，一个面向编码、智能体与科研的纯文本 MoE 模型，总参数 501B、激活 23B，从零训练，Apache 2.0 全量权重预计本月发布。团队称预训练用了 23.8T token，并在约 10,500 块 GB300 上各跑四周预训练与 RL，自报 SWE-bench Verified 得分 80.9。观察者认为 Beam 大致处于 GLM-5.2 水平，部分基准低于 DeepSeek V4 Flash。
匹配字段摘要、正文
Together AI 发布免费、MIT 许可的 CLI 工具 Together Link（beta），可把 Claude Code、Claude Desktop、Codex、ChatGPT Desktop、OpenCode 和 Pi 连接到 Together AI 上托管的开源模型。它只需一条安装命令和 Together API key，不运行本地代理，会话默认使用虚拟 auto 模型按首个任务路由，有 Anthropic key 时在 Opus 5.5 与 GLM 5.3 之间切换，否则在 GLM 5.3 与 GLM 5.3 Flash 之间切换。文档列出 Kimi K3、GLM 5.3、GLM 5.3 Flash 和 DeepSeek V4.1 Flash，均为 1M 上下文，其中 Kimi K3 定价为每百万 token 输入 $3.00、输出 $15.00，GLM 5.3 为 $1.40 和 $4.40。
匹配字段摘要、正文
Mistral 发布 Mistral Large 4 研究公开预览版，在 Artificial Analysis 智能指数上得分 38，与 GPT-6 Luna（max，38）相当，低于 DeepSeek V4.1 Flash（max，39），成为美国和中国之外最智能的模型。该模型为 1T 参数、49B 激活，计划 10 月底开放权重；网络防御指数得分 50，与 GLM-5.3-Flash 持平，CyberGym-E2E-AA 得分 82%。标准定价为每 1M 输入/输出 token 1.36/4.18 美元，每任务成本 1.13 美元，前两周五折后降至 0.57 美元，仍高于 GLM-5.3-Flash 的 0.25 美元和 DeepSeek V4.1 Flash 的 0.27 美元。模型支持 512k token 上下文窗口，接受文本和图像输入、输出文本，API 单次请求可接受 100 张图片。
匹配字段摘要、正文
新京报报道称，2026年双11各大电商平台将AI确立为大促核心增长引擎，AI经营能力成为商家参与大促的硬性标配。《2026年二季度中国消费者消费意愿调查报告》显示，79.4%的消费者购物前会先咨询豆包、DeepSeek等AI工具，AI对消费决策的影响力达43.7%，首次超过传统媒体广告的42.6%。天猫上线AI作战室与升级版生意管家，抖音、快手推出全域AI投放与内容生成工具，京东9月23日升级京麦AI经营中心，整合五大模块、汇聚60余款AI工具，近三个月京麦AI工具商家活跃率增长超过150%。豆包推荐已对住宿类订单按成交收取渠道服务费，综合费率12%，各品类独立费率从8.4%到17.4%不等，面向AI检索的商品结构化运营GEO正成为商家新增必修课。
匹配字段摘要、正文
台湾《新头壳》作者用 Ollama 运行本地 Qwen3.5:4b 询问文革中吴淑芳之死，模型先说无法确认此人存在，换成四选一问题后经数百行“思考”才给出答案。美国《基督科学箴言报》报道称，对 DeepSeek、Kimi、Qwen 与 GLM 的 200 个问题测试中，中国聊天机器人超三分之一（35%）拒答、使用官方措辞或给出错误答案，DeepSeek 上这一比例达 63%，而 Claude 全部作答。
匹配字段摘要、正文
台湾《新头壳》刊文记录作者用本地 Ollama 运行 Qwen3.5:4b 询问文革人物吴淑芳，模型先称无法确认此人是否存在，改为四选一后经数百行思考只回一个字母。作者另向 DeepSeek、Kimi、Qwen 与 GLM 提交 200 个问题，发现超三分之一拒答、使用官方措辞或给出可证伪答案，DeepSeek 上这一比例达 63%。《基督科学箴言报》报道称中国模型正通过开发者与企业扩散，OpenRouter 数据显示美国企业使用量自 2025 年初以来增长近十倍。
匹配字段摘要、正文