新模型、版本升级、权重开放与能力说明。
OpenAI 发布 GPT-Rosalind-6 系统卡附录，该模型与 GPT-6 Astra 使用同一套权重，未新增训练数据或后训练，仅通过可信访问提供给经过审核的科研机构、企业和政府合作方。在最高推理预算下，MedChemBench v7 平均评分 49.6%（GPT-Rosalind-5.5 为 28.9%），GeneBench Pro v13 单次尝试成功率 37.7%（前代为 16.7%），LifeSciBench Gold 平均分 61.3%（前代为 44.0%）。按 Preparedness Framework，该发布在生物与化学领域定为 High 能力、未达 Critical 阈值，网络安全领域定为 Critical，AI 自我改进低于 High。
推荐理由系统卡披露了生物领域能力评估的具体分数与阈值差距，可据此了解前沿模型在双重用途研究上的开放边界。
推荐理由Unsloth 放出 DeepSeek-V4.1-Flash-1017 的 GGUF 量化版本，并给出 64GB 内存的运行门槛，方便本地部署者评估。
推荐理由原文给出了技术报告、开源基准和与 Genie 4 的对比视频，读者可据此判断该世界模型的可复现程度。
Baseten 旗下 Base Labs 发布 2B 决策模型 joey-1，直接输出单个 token 的标签和校准置信度，P50 端到端延迟 20ms，约为 elephant-1（49ms）的 2.5 倍速度，价格为每百万 token 0.01 美元，是 mammoth-1 的十分之一。joey-1 由 Qwen3.5-2B 后训练而来，与 elephant-1、mammoth-1 共用同一数据配方和 API，切换只需改一行。该模型已在 Baseten Model APIs 上线，默认零数据保留，权重在 Hugging Face 开源；Model APIs 支持 16k 上下文窗口，专用部署可解锁 262k 上下文窗口并支持微调权重。
推荐理由原文给出 joey-1 的延迟、价格与三档模型分工，读者可据此判断决策类任务是否该换用小模型。
NVIDIA 在 Hugging Face 和 ModelScope 上发布开放权重模型 Nemotron 3.5 Transcribe，把转写、说话人分离、翻译和音频问答整合进同一个 checkpoint，支持 40 种语言转写、31 种语言与英文互译、13 种语言说话人标注，可处理最长 1 小时录音并标注最多 8 位说话人。该模型在 Hugging Face Open ASR Leaderboard 英语榜的开放权重模型中排名第一，平均 WER 为 5.33%，在 Artificial Analysis 上以约 4B 激活参数取得 2.8% AA-WER。同时发布的 Granary v2 覆盖 48 种语言、463,062 小时语音数据，配套 NeMo Speech 微调配方在医疗案例中把留出说话人的 WER 从 22.44% 降到 12.17%。
推荐理由原文给出多语言转写、说话人分离与翻译的统一权重，并附公开榜单与微调配方，便于判断落地方式。
Mistral 发布 Mistral Large 4（Le Chonk）的开放权重，这是一个 1 万亿参数的原生多模态模型，在预览版基础上继续强化学习，编码与防御性网络安全能力提升。它在 FrontierCode 2.0 上得分 19.7%，在 Artificial Analysis Coding Agent Index 上得 48%，与 GLM-5.3 基本持平，但每任务平均少用 47% token；Terminal-Bench 4.0 提升 13 个百分点至 41%。模型支持三种推理模式，采用修改版 MIT 的 Mistral Ecosystem Open-Weight 许可，API 定价为每百万输入 token $0.70、缓存输入 $0.07、输出 $2.10。
推荐理由原文给出开放权重、三种推理模式和多项基准对比，读者可据此判断自托管编码与安全场景的取舍。
微软 AI 发布图像编辑模型 MAI Image 2.7，以预览形式上线，在 Arena Edit 排名第 3、在 Artificial Analysis 图像编辑榜排名第 2，微软 AI 因此成为第 2 的实验室。官方称该模型在 Artificial Analysis 评估的全部 10 个用例和 7 类编辑动作上均优于 2.6，在场景与风格上领先次优模型 24 Elo，目前可在 Arena、Artificial Analysis 和 MAI Playground 试用，文生图功能即将推出。
推荐理由官方给出该图像编辑模型在 Arena Edit 与 Artificial Analysis 榜单的名次，以及相对 2.6 的用例提升幅度。
Liquid AI 发布 LFM3 系列开放权重模型，全部从 LFM3-1.7B-Base 分支而来，覆盖文本、视觉、音频、Omni 以及 d1 决策模型。LFM3-1.7B-Base 采用三混合层结构，预训练 22T token，最后 3.5T token 的中训练阶段加入更多智能体轨迹与工具调用数据，上下文窗口扩展到 256K token。官方称 LFM3-1.7B 在 8K 上下文下比 LFM2-1.2B 快约 25%，WebArena-Verified 得分 38.42 对 3.02；LFM3-VL-2B 在 62 项视觉基准上平均分从 57.6 升至 71.4。所有模型已在 Hugging Face 开放下载，并提供单卡微调 notebook。
推荐理由原文给出六个模型共享同一骨干的架构改动与端侧实测数据，可据此判断小模型专用化路线在长上下文和智能体任务上的取舍。
Google DeepMind 发布世界模型 Genie 4，主打实时交互模拟，并首次在该系列中引入原生音频。该模型基于 Gemini 家族能力，Gemini Omni 负责让模拟贴合真实世界的外观与行为，其他 Gemini 模型提供维持模拟连贯性所需的复杂推理。用户可用自然语言实时操控场景，如移动镜头、改变天气或引入新角色，每个世界还会即时生成环境音、音乐和交互对话。
推荐理由原文说明了 Genie 4 在实时交互模拟中加入原生音频与自然语言操控，读者可据此了解世界模型的新能力边界。
Google DeepMind 发布 Gemini 4 Carbon，称其为最强模型，在 Artificial Analysis Intelligence Index v5.0 上以 59 分排名第一，并在 SEC-bench Pro（88.2%）、ExploitGym（54.8%）和 CWE-bench（71.0%）上取得领先。该模型面向长程工程任务，内部团队曾让其连续运行数天排查并修复大型代码库中的隐蔽缺陷，WebDev Arena 上提升 89 elo 至第 4 名（1768）。Carbon 本周起先向部分网络安全防御人员开放，再通过 Fairwind Program 逐步扩大范围，之后才面向开发者、企业和消费者；介绍期后价格为每 1M 输入 token 4 美元、每 1M 输出 token 20 美元。
推荐理由原文给出 Carbon 在网络安全与长程编码任务上的基准成绩和分阶段开放路径，可据此判断前沿模型在攻防场景的落地节奏。
Alphabet 2026 年 Q3 营收同比增长 25%，年化收入规模达到 5000 亿美元，Google Cloud 收入增长 103%。CEO Sundar Pichai 表示，第一方模型 API 每分钟处理近 320 亿 tokens，比上季度多 40%；Gemini 应用用户已达 10 亿，是 Google 历史上增长最快的产品。当天还发布了 Gemini 4 系列新模型 Carbon，它在 Artificial Analysis Intelligence Index 上以 59 分排名第一，将先向部分可信网络安全防御者开放，并正由美国政府测试。
推荐理由财报电话会给出了 Gemini 4 系列、模型 API 调用量和云业务增速的具体数字，可据此判断 Google 当前的 AI 商业化节奏。
OpenAI 宣布其模型一次性取得三项数学与理论物理突破：证明所有维度的局部平滑化猜想，由此推出卡凯亚猜想和 Stein 限制性猜想在所有维度成立；证明指数时间假设 ETH 为假；为量子色动力学和杨-米尔斯理论构造存在性证明。相关证明已用 Lean 完成形式化并上传公开 GitHub 仓库，OpenAI 同时邀请 ETH 原始提出者 Russell Impagliazzo、Paturi 及诺奖得主 David Gross 等外部团队参与审查，且不寻求学术署名。
推荐理由原文梳理了 OpenAI 三项数学成果的证明路径与外部审查安排，可据此观察 AI 产出科学结论后的验证机制。
推荐理由官方给出 SR-SWA 机制与两项长文档基准结果，可了解长文档 OCR 的上下文与延迟取舍。
推荐理由OpenRouter 上线 GPT-6.1 Terra，给出与 Astra 同分、价格十分之一和速度三倍的关键对比。
推荐理由官方给出新模型在视觉推理与电脑操作上的定位，并说明面向付费用户的开放范围。
岩山科技旗下岩芯矩阵联合港科大、CMU等高校发布并开源EdgeRock-4B，在256K上下文下KV Cache固定为72MiB，相比源模型Qwen3.5-4B减少99.1%。单张80GB GPU可同时跑512路长推理，输出吞吐12124 tokens/s，是源模型的6.42倍；AIME 2024—2026平均一次通过率82.9%。模型基于Qwen3.5-4B分阶段转换而来，无需从头预训练，权重和推理代码已开源并可商用，支持文本和图像推理。
推荐理由原文给出固定内存与吞吐的实测对比，读者可据此判断长推理场景下显存成本的变化。
Dream Labs 发布世界动作模型 Dream-1，可通过公共 API 控制未见过的双臂平行夹爪机器人执行未见任务，无需微调或该机器人的演示数据。公司同时宣布以 9000 万美元种子轮结束隐身状态。Dream-1 运行成本为每小时 3 美元，Dream-1-flash 为每小时 2 美元，每次调用返回 1.6 秒的动作；若零样本效果不足，可用 5 分钟机器人数据通过 FaaS 微调。
推荐理由Dream Labs 公开了 Dream-1 在未见机器人上的零样本表现与按小时计费价格，可据此判断机器人基础模型的落地门槛。
Block 内部 AI 研究实验室于 10 月 23 日发布全双工语音到语音模型 Dessa，称其完全基于人类对话语音从零训练，可同时听和说，并能原生感知情绪、讽刺和笑声。该模型推理速度快于实时，可在 MacBook Pro M4 Max 或更高配置上本地运行，团队用单台 NVIDIA GB200 NVL72 完成训练。Block 已公开演示录音和公开等待名单，并向少量 AI 安全研究者开放早期访问。
推荐理由Dessa 只用语音数据从零训练，展示了全双工对话在情绪与插话时机上的处理方式，也给出了本地运行条件。
推荐理由Kimi K3.1 Pro 在 Code Arena 的排名与成本数据，可与 Claude Opus-5 及前代 K3 直接对照。
月之暗面发布 Kimi K3 的升级版 Kimi K3.1 Pro，采用 MoE 架构，总参数 2.8 万亿、激活参数 1040 亿，896 个专家中每次激活 16 个。据 Artificial Analysis 评测，该模型以 55 分位列 Intelligence Index 第四，高于 GPT-6 Astra 的 53 分，前代 Kimi K3 为 44 分。它在 Terminal Bench 4.0 以 67% 排名第一，前代为 13%，Claude Sonnet 5.5 为 64%；定价为每百万输入 token 2 美元、每百万输出 token 10 美元，但输出速度 73 tokens/s 低于 81 tokens/s 的平均水平。