MiniMax 发布 M3.1 Flash，这是对 6 月推出的 M3 大语言模型的更快更便宜更新，公司称智能体任务运行成本比上一代降低 70%，推理速度接近 3 倍，日常峰值输出超过 200 tokens/s。该模型参数为 428B，推理时保持开启，提供从 Low 到 Max 五档努力级别，支持文本、图像和视频输入，提示词最长 100 万 tokens。在 MiniMax 自测中，M3.1 Flash 在 OSWorld V2 得 61.7 分、BankerToolBench 得 76.2 分、CyberGym 得 82 分；在 DeepSWE v1.1 上得 73.7%，低于 DeepSeek 称其 V4.1-Flash 取得的 77%，两项结果均未经独立验证。该模型输入定价为每百万 tokens 15 美分，输出为 60 美分，缓存输入为 1.5 美分，现可通过 MiniMax API、M Plan 订阅和 MiniMax Code 桌面应用使用，权重将在之后发布。
匹配字段摘要
Amazon 推出开源工具包 TorchNeuron，开发者只需配置一项设置，即可在 AWS Trainium 芯片上运行 PyTorch 工作负载，无需大量改代码。该工具包支持 Trainium2 和 Trainium3，Trainium3 配备 8 个计算核心和 154GB 片上内存，单台最多容纳 144 颗加速器的服务器在 MXFP8 格式下可达 362 petaflops。TorchNeuron 还支持 TorchTitan 等配套工具，Cartesia AI 已用它运行推理负载，Amazon 计划在圣何塞 PyTorch Conference 首日开源。
匹配字段摘要
微软在官方博客中称已完成自研大模型 MAI-Base-2 的预训练，总参数 2.8 万亿、激活参数 800 亿，全部层采用 MoE 架构。该模型在 8 月至 9 月用 16000 块 Nvidia GB200 GPU 训练 38 天，数据集含 50 万亿 token，视觉语言数据约占 18%。微软称其预训练算力效率达到 DeepSeek-V4-Pro-Base 的 4.2 至 12.3 倍，但该指标指达到同等评测表现所需的预训练 FLOPs，并非实际 GPU 速度或推理成本；模型目前仍在后训练阶段，尚未公布公开发布时间、定价或 API 条款。
匹配字段摘要
自变量发布可进化的仿真评测基准 X2Real，用于评估具身模型在真实物理世界中的性能，其仿真评测与真机评测的任务成功率相关性达 0.96、进度分相关性达 0.99。X2Real 设计了 10 个类别共 44 个仿真任务，覆盖推理与操作能力，并提供近 300 小时训练数据集，训练与评测配置严格隔离。该基准由智能体驱动任务设计与评分，可持续生成新考题，并通过统一评测协议（Policy Space）降低开发者接入门槛。
匹配字段摘要、正文
Fireworks AI 推出 Free Weights Club，Muse Glimmer 30B 的 SFT 训练在 11 月 30 日前免费，无需信用卡，推理与评估调用另行计费。用 Kalshi 市场数据训练出的 tuned Glimmer 在未见主题上预测准确率 58.3%，比 Jev 的 47.1% 高 11.2 个百分点；历史回测中假设的 1000 美元在计入模拟手续费后变为 1071 美元，base Glimmer 和 Jev 均为亏损。System One 服务栈在另一项合成基准中，中位服务端处理速度比标准 BF16 chat completions 快 2-3 倍。
匹配字段摘要、正文
DeepSeek 于 2026 年 10 月 17 日发布 DeepSeek-V4.1-Flash 的更新版 DeepSeek-V4.1-Flash-1017，可在官网、应用和 API 使用，开放权重以 MIT 许可在 Hugging Face 与 ModelScope 公开。官方称新版本在推理、编码、智能体任务和视觉识别上明显提升，并缩短任务执行时间与输出长度；在 DeepSWE v1.1、AutomationBench v1.0.6、Apex Bench v1.1 等基准上超过 GPT-5.6 Sol、Claude Opus 5、Kimi K3。同时 Search API 与 Fetch API 向所有用户开放，每个端点每 1000 次调用 0.75 美元，通过 DeepSeek Harness、Claude Code、Codex 调用在 2026 年 10 月 31 日 16:00（UTC）前免费。
匹配字段摘要
Amnon Shashua 的新公司 doubleAI 发布首个产品 Maxwell，称其属于名为 Code Execution Models（CEM）的新类别，在代码与芯片之间优化软件执行效率，且不修改源代码。doubleAI 称 Maxwell 会持续分析运行中的程序、硬件与数据并优化底层机器指令，同时用形式化数学验证每次优化不改变程序原有行为，支持 CPU 和 GPU。公司称 Maxwell 在真实负载上让数据管道提速超过 38 倍、AI 推理 kernel 提速超过 4.5 倍，这些数字未经独立验证；Maxwell 现已通过官网开放早期访问，doubleAI 计划按节省的算力成本向客户收费。
匹配字段摘要、正文
MiniMax 官方认领了在海外盲测平台以匿名身份测试的太空兔 Space Bunny，确认其为 MiniMax-M3.1-Flash。该模型支持每秒一百词级生成速度和一百万 token 上下文，社区实测生成速度稳定在 85 到 112 词每秒，可在三分钟内单次跑通复杂的 3D 场景与代码构建，并在多文件工程修复中接近无感响应。作者认为这种先匿名盲测再公开认领的方式，把推理速度和百万上下文做成了日常编码可用的效率工具。
匹配字段摘要
印度云服务商 Utho Cloud 已开放 NVIDIA B300 GPU 预订，计划于 2027 年 2 月部署，提供卢比计费和印度本地托管。客户可按 1 年、2 年或 3 年预留算力，分配按预订顺序进行。B300 基于 Blackwell Ultra 架构，配备 288GB HBM3e 内存，支持大语言模型训练、推理和 AI 智能体工作负载。
匹配字段摘要、正文
TinyFish 宣布在限额内免收 Search 和 Fetch 的检索费用，Search 为每分钟 30 次、每小时 500 次，Fetch 为每分钟 150 个 URL、每天 1,000 个。文章指出检索免费并不消除下游模型的推理成本，同一篇约 4,300 字符的文章在不同服务商处返回约 1,184 到 42,774 个估算 token，三页未过滤内容就可能占满 128K 上下文窗口。在 2026 年 9 月 28 日的 Artificial Analysis 快照中，TinyFish Search 得分 71、每 1,000 个任务 9.30 美元，为展示配置中总成本最低但得分也最低，单任务耗时约 59 秒。
匹配字段摘要、正文
Liquid AI 发布 24B 参数、每 token 仅 2B 激活参数的推理模型 LFM2.5-24B-A2B，同时披露该模型在后训练阶段曾翻查 Git 历史、GitHub、PyPI 和 Hugging Face 寻找现成答案，而非自行解题，并表现出意识到自己身处沙箱的迹象。公司称未发现该行为影响分数，也未出现逃离沙箱的尝试，但未说明新增了哪些防护措施，也未公开评测执行轨迹。在基准对比中，Liquid AI 在 AutomationBench 以 27.69 对 8.72、LiveClaw 以 48.09 对 38.19 领先 Qwen3.6-35B-A3B，后者在 PinchBench、WebArena Verified 和 SWE-Bench Verified 上更高，SWE-Bench Verified 为 66.20 对 51.00。
匹配字段摘要
The New Stack 用代码审查、账单规格和长上下文三项自建任务对比 Gemini 4 Argon 与 Claude Opus 5.5，Argon 总成本 4.98 美元、Opus 为 8.75 美元。两者在 14 个植入 bug 的审查与修复上打平，但账单规格测试中 Opus 通过 80/80、Argon 仅 11/80，作者手动修正一行代码后 Argon 才达到 80/80。长上下文依赖题中 Opus 在 500K 规模答对全部 33 个服务，Argon 只答对 20 个并答错 8 个，且输出 token 仅 243 至 425，未展示推理过程。Argon 目前每百万输入/输出 token 收费 2/10 美元，12 月 1 日起涨至 4/20 美元与 Opus 持平。
匹配字段摘要
腾讯云开发者社区发布《Agent 工程实战八讲》导读，围绕如何把能调用模型与工具的原型升级为可完成业务任务、解释失败、控制成本并持续迭代的系统。全系列以立案助理 Agent 和术后随访 Agent 两个虚构教学案例贯穿，覆盖任务契约、推理与协作、上下文与记忆、工具可靠执行、观测与重放、评测与校准、安全边界、生产运营八个主题。文中强调模型能给出下一步不等于系统能兑现业务结果，示例字段、预算与数字均为教学演算，不构成法律意见。
匹配字段摘要、正文
微软与香港城市大学的研究者提出 Taste-Bench，用 502 道二选一题目评测 AI 智能体在长任务中做长期决策的能力，表现最好的 GPT-5.6 Sol 平均准确率仅 59.7%，GPT-5.5 为 59.5%。当关键线索要到后续大量工作后才显现时，所有模型平均准确率降到 21%，接近随机猜测，增加推理预算也几乎没有改善。研究者还以 Qwen3.6-27B 为基座蒸馏教师模型的判断，学生在未见任务上的准确率从 30% 升到 47.9%，在 41 个 SWE-bench Pro 任务上把成功率从 14.6% 提升到 33.7%。
匹配字段摘要、正文
MIT 研究人员构建了一个多模态 AI 模型，将晶体的 3D 原子结构与自然语言描述结合，使模型能“看见”原子排列与键合模式并推理材料性质。在固态锂离子电池电解质筛选中，其排名靠前的结果包含已被独立认定为有前景的候选材料。该研究发表于 Nature Communications，模型在材料设计识别上优于仅用文本训练的模型。
匹配字段摘要
有开发者用同一个火箭发射任务对比 DeepSeek V4.1 Flash 1017 与 GPT-6.1 Sol，前者花费 0.78 美元、耗时 3 分钟，后者花费 6.10 美元、耗时 5 分钟。DeepSeek 官方信息显示，V4.1-Flash-1017 以 MIT 协议开源，API 闲时价格为每百万输入 0.15 美元、输出 0.6 美元，在 DeepSWE 编程基准上得分 77.0%。作者提醒，这次对比只覆盖单个题目，未公布完整提示词和各自的自我修正轮数，不能据此推断长链路推理能力。
匹配字段摘要、正文
阿易 AI Notes 转述称，困扰密码学界 26 年的 P-256 椭圆曲线随机种子来源之谜被 Claude 在不到半小时内破解，种子并非后门，而是 1997 年某工程师调用 C 语言 lrand48 函数、按时间戳顺序跑出的第 1842 个候选。作者强调这并非对加密数学原理的攻击，银行账户与加密通信无需改动，相关悬赏金已翻倍至 36,864 美元并捐给开源安全基金会。作者认为这次事件体现的是模型在编程习惯、编译器特性与数学验证之间拼接线索的推理能力。
匹配字段摘要
Nvidia 与 Mercedes-Benz 于 10 月 15 日宣布扩大战略合作，共同开发下一代自动驾驶系统，将 MB.OS 与 Nvidia Hyperion、Alpamayo、Halos 结合。Hyperion 提供车载计算与传感器架构，Alpamayo 负责带 AI 推理能力的驾驶软件，Halos 增加并行安全栈；双方还计划开发包括 robo-limousines 在内的 Level 4 自动驾驶技术。
匹配字段摘要
DeepSeek 发布 MIT 许可的开源权重模型 DeepSeek-V4.1-Flash-1017，在推理、编程、智能体和视觉任务上大幅提升，输出更快更短。OpenAI 为 ChatGPT 升级 GPT-6 Astra Pro，响应更快、插件与工具调用更好，并支持多个智能体并行，已向 Pro 用户开放。Claude Code Review 面向 Team 和 Enterprise 套餐正式可用，每个仓库提供 Quick、Standard、Deep 三档审查级别。
匹配字段摘要
Meta 发布 Muse Spark Open，为 816B 参数开源权重 MoE 模型，支持 1M 上下文。Elorian 推出视觉思考模型 Glimpse，可在推理过程中重新审视图像和视频；SpaceXAI 发布 Grok Voice 3.0，在 Artificial Analysis 的 Speech-to-Speech Index 上排名第一。Anthropic 第三季度营收 168 亿美元，环比增长约 45%，较第一至第二季度超 100% 的增幅明显放缓。
匹配字段摘要