模型动态

可灵AI正式上线视频模型 Kling 4.0，9月底曾向部分黑金年卡及Ultra年订用户开放4.0 Flash尝鲜版。作者实测后认为提升集中在三方面：最长30秒一镜到底直出，城市追逐、马戏团等复杂场景中人物与纸箱接触的物理形变等细节表现更好；大范围动态和复杂打斗的动作衔接、镜头临场感相较前代明显提升；视频首尾帧改为最多10帧的多帧参考，全能参考可替换运镜、场景和人物

Arena 宣布 Meta 的 Muse Spark Open 已进入 能自动完成任务的AI助手 Arena，用户可实测，评分即将公布。该模型为 816B 总参数、42B 激活参数，1M token 一次能记住多少内容，原生能看图、听声音、懂文字的综合能力

Meta 发布代码公开可免费使用权重模型 Muse Spark Open，已在 Hugging Face 以 Muse Model License 提供。模型总参数 816B、激活 42B，一次能记住多少内容 1M token，面向编码与能自动完成任务的AI助手工作流，原生能看图、听声音、懂文字的综合能力（图像、音频、文档），并相比 8 月发布的 Muse Spark 增加了安全后训练

ARC Prize 公布 Gemini 4 Argon 在 ARC-AGI (Verified) 的评测成绩。ARC-AGI-3 上，provider adapter harness 得分 97.5%、成本 $4.8K，标准 harness 得分 49.8%、成本 $5.8K；ARC-AGI-2 得分 91.3%、$0.32/task；ARC-AGI-1 得分 98.5%、$0.16/task。Google DeepMind 是第二家在 ARC-AGI-3 上得分超过 95% 的前沿 AI 实验室

Microsoft AI 宣布完成 MAI-Base-2 基础学习阶段，这是一个 800 亿激活、2.8T 总参数的 多位专家协作的模式 基础模型，在 held-out 评测中 BPB 低于所测全部代码公开可免费使用权重模型，基础学习阶段 FLOPs 效率比 DeepSeek-V4-Pro-Base 高 4.2 至 12.3 倍

阶跃星辰转发 FeatherlessAI 的消息，Step 5 Preview 已上线该平台，以 FP8 精度提供服务。该开放权重模型为 600B 稀疏 多位专家协作的模式 架构、每 token 激活 27B，面向长程能自动完成任务的AI助手工作，在软件工程和专业知识工作（尤其金融）上有前沿级表现，按 Artificial Analysis 数据其每任务成本约为 Claude Opus 5.5 的 1/6，智能水平与 Kimi K3 相当

Arena 宣布 Meta 的 Muse Wonder 系列模型上线 能自动完成任务的AI助手 Arena，用户可实测，分数即将公布

Meta 发布 Muse Wonder 和 Muse Wonder Full 两款模型，在 Artificial Analysis Intelligence Index v4.3 上分别得 52 和 56 分（max reasoning effort）

Google DeepMind 发布 EmbeddingGemma 2，基于 Gemma 4 架构，以 Apache 2.0 许可代码公开可免费使用，将文本、代码、图像、视频和音频映射到统一嵌入空间

ARC Prize 公布 DeepSeek V4.1 Flash 在 ARC-AGI (Verified) 的成绩：ARC-AGI-2 得分 72.9%，每任务成本 $0.13；ARC-AGI-1 得分 94.5%，每任务成本 $0.07。相比 V4 Flash 的最佳成绩，ARC-AGI-1 高 5.5 分，ARC-AGI-2 高 11.5 分，但每任务成本高约 250%

Arena 宣布 Mistral 的 Mistral Large 4 现已进入 能自动完成任务的AI助手 Arena，用户可前往测试投票，分数稍后公布。该模型为 1T 参数、49B 激活的原生能看图、听声音、懂文字的综合能力开放权重模型，也已在 Code Arena 的 WebDev、Text 和 Vision 中可用

Google 发布 Gemini Nano Banana 2.1（gemini-nano-banana-2.1），定位为高效图像生成与对话式编辑模型，是 Nano Banana 2（gemini-3.1-flash-image）的更新版

Mistral 发布 Mistral Large 4（Research Public Preview），在 Artificial Analysis Intelligence Index 得分 38，与 GPT-6 Luna（max, 38）相当，为美中之外最智能模型，计划 10 月底代码公开可免费使用 1T 参数（49B 激活）权重

Liquid AI 发布 d1 决策模型，新增文本与图像输入，可通过 console.liquid.ai 和 d1 Playground 使用

Arena 宣布 OpenAI 的 GPT-6.1 Sol (Max) 在 能自动完成任务的AI助手 Arena 排名第 5（+11.23%），中位任务成本 $0.56，并重塑了 Pareto 前沿

Arena 发布 能自动完成任务的AI助手 Arena 最新榜单，Anthropic 的 Claude Sonnet 5.5 以 +12.5% 净提升得分排名第 3，单任务中位成本 $2.74，比排名第 2 的 Claude Opus 5.5（$1.58）高约 73%，且 Opus 5.5 得分更高，因此 Sonnet 5.5 未进入 能自动完成任务的AI助手 Arena 的 Pareto 前沿。据引用内容，Sonnet 5.5 在 Chat 类目以 +15.6% 排名第 1，Anthropic 模型包揽 能自动完成任务的AI助手 Arena 前三名

Ai2 代码公开可免费使用 AstaBrief 8B，一个基于 Qwen3-8B、将研究问题和检索文献片段转化为带引用报告的科学报告生成模型，现已在 Asta 的 Generate a report 功能中作为 Fast mode 上线，并连同学习用的素材开放下载

LMSYS 团队发布 Vicuna-13B，通过约 70K ShareGPT 用户共享对话针对性训练优化 LLaMA，训练成本约 $300，代码、权重和在线 demo 以非商业许可公开。GPT-4 作为评审的初步评估显示其达到 ChatGPT/Bard 90% 以上质量，在 45% 问题上不逊于 ChatGPT；团队同时提出基于 GPT-4 的自动评测框架，并说明其尚非严谨方法

Artificial Analysis 发布 Coding 能自动完成任务的AI助手 Index 榜单，Claude Sonnet 5.5 (max) 在 Claude Code 以 68 分居首，但每任务成本最高达 $14.19

GPT-6 Astra Ultrafast 现已在 OpenAI 调用接口 及符合条件的 ChatGPT Work 和 Codex 用户中可用，运行在 NVIDIA Blackwell 高性能计算芯片 上

Artificial Analysis 自行本地部署评测了阿里 9 月 20 日以代码公开可免费使用权重发布的 Qwen-Image-2.1，该模型在 AA-Image-T2I v2.0 和 AA-Image-Editing v2.0 上均排名第 18，为两个榜单上排名第一的代码公开可免费使用权重模型，超过 Ideogram 4.0（Quality）和 HunyuanImage 3.0 Instruct

Arena 宣布 Xiaomi MiMo-V2.6-Pro 和 MiMo-V2.6-Flash 登陆 能自动完成任务的AI助手 Arena。Pro 在 8.1K+ 真实能自动完成任务的AI助手会话中净提升 +3.17%，列代码公开可免费使用模型第5，较 MiMo-V2.5-Pro（第13，-7.23%）提升9个名次；其 Confirmed Success 得分 +7.35%，列代码公开可免费使用模型第2

Arena 宣布 Claude Sonnet 5.5（xHigh）进入 Code Arena: WebDev 榜单，以 1786 分排名第 3，距第 2 名 GPT-6 Astra 的 1788 分仅差 2 分

Artificial Analysis 数据显示，GPT-6.1 Sol 的 Cost per Task 约 $0.72，比 GPT-6 Sol（$1.05）低约 30%，后者已约为 GPT-5.6 Sol（$1.99）的一半

Arena 公布 Gemini 4 Argon (High) 在 能自动完成任务的AI助手 Arena 排名第 8，净提升分 +7.92%，每任务成本 $0.62

Arena 宣布 Claude Opus 5.5 （High） 以 1509 分首次登顶 Text Arena，比 Opus 5 （High） 高 18 分（现列第 11）。Opus 4.6 （High） 以 4 分之差保持第 2，Anthropic 包揽该榜前六名；Opus 5.5 （High） 按每百万 token 输入/输出定价折算的混合价格为 $16/M文字处理单位，进入 Text Arena 的 Pareto 前沿

Arena 宣布 Claude Opus 5.5 （Max） 以 1818 分登顶 Code Arena： WebDev，领先第二名 GPT-6 Astra （Max） 26 分，比 Opus 5 （Max） 的 1692 分高出 126 分

Google DeepMind 发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型，支持用自然语言提示词从零设计声音、30 秒样本复刻声音，并提供逐行表演指导、长时音频生成和双说话人场景编排，覆盖 100 多种语言

小米发布代码公开可免费使用全模态模型 MiMo-V2.6 Pro 与 Flash，通过规模化通过试错来学习训练，Pro 在 Artificial Analysis Intelligence Index 得分 46，为代码公开可免费使用模型中最高，并在多数 能自动完成任务的AI助手 基准上表现与 Claude Opus 5 和 GPT-5.6 Sol 相当

Qwen 发布 Qwen-Audio-3.1，ASR、TTS 与 Realtime ，并新增音频创作模型 TTS-Next 和音频理解模型 ASR-Next，共五个模型覆盖理解、生成、交互与创作。全线降价，TTS 约 70% off、Realtime 约 85% off、ASR 最高 95% off；Realtime 可边说边听、随时打断，检测到低落情绪时会放慢语速并共情回应

Anthropic 发布 Claude Opus 5.5，称典型按 token 计费工作负载运行成本比 Opus 5 低约 40%，其中缓存读取降价 60%、输入输出 token 降价 20%

Qwen 团队代码公开可免费使用 Qwen-Image-2.1，将文生图与图像编辑统一到一个模型中，视觉生成组件仅 7B 参数，并原生支持生成和编辑透明图像。模型支持最多 10 张参考图、圆形/涂鸦/独立蒙版指定局部编辑，通过混合粒度注意力架构和 KV cache 复用提升推理效率，同时改进文字渲染、人像光照与人物产品保真度，并覆盖全景图、信息图和分镜等任务

阶跃星辰发布旗舰基座模型 Step 5 Preview，采用稀疏 多位专家协作的模式 架构，总模型复杂度 600B、激活 27B，支持 100 万 文字处理单位 上下文和文本与视觉输入，在 Artificial Analysis Intelligence Index 得 44 分，居全球代码公开可免费使用模型前三，单任务成本为 Claude Opus 5 的 1/8

Qwen 发布 Qwen3.8-LiveTranslate，采用 Interleave 架构与 Hybrid-多位专家协作的模式 Thinker-Talker 设计重构实时同声传译，平均滞后（LAAL）从上一代的 2.8 秒降至 2.3 秒

Qwen 发布下一代原生全模态模型 Qwen3.8-Omni-Flash，支持文本、图像、音频和视频输入及 1M token 一次能记住多少内容，29 项评测平均分较 Qwen3.5-Omni-Plus 提升超过 25%，音频输入每小时价格下降超过 98%，音视频输入每小时价格下降超过 93%

DeepSeek 发布 DeepSeek-V4.1-Flash，一个 552B 参数的能看图、听声音、懂文字的综合能力 多位专家协作的模式 模型，支持最长 100 万 token 上下文，模型权重已在 Hugging Face 开放

微软 AI CEO Mustafa Suleyman 发文反对"模型福利"理念，认为 AI 并无意识、不会感受或痛苦，赋予其受照料权会让让AI行为符合人类期望与管控更难甚至不可能

Google DeepMind 发布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking 两个近实时语音对话模型，主打语音能自动完成任务的AI助手和复杂任务执行

生数科技正式发布 Vidu S2，包含面向数字角色实时交互的 Vidu S2-Avatar 和面向视频流实时编辑的 Vidu S2-Editing，并探索面向 VR 头显的实时空间视频生成与编辑

阶跃星辰发布 StepAudio 3 系列，包含 Realtime、ASR、TTS、Gen 和 Music 五款模型，已在阶跃星辰开放平台上线

硅基流动（SiliconFlow）宣布代码公开可免费使用模型 Hy4 preview 上线其平台。该模型总参数 770B、每 token 激活 49B、支持 1M 上下文，采用 Apache 2.0 协议，面向编码、分析、研究和复杂实际工作。用户可将其接入 Claude Code、Codex、Cursor 等已有工具；图片显示定价为每 1M tokens 输入 $0.834、输出 $2.501、缓存 $0.042

Fireworks 发布 DeepSeek-V4.1-Flash 并公布完整基准结果：在 DeepSWE 上以 max 档取得 74.34% pass@1，与 GPT-6 Astra 同一水平，但每任务成本 $0.43，约为 Astra 的 1/15

小红书 AllSpark 团队发布并代码公开可免费使用 Search 能自动完成任务的AI助手 模型 Iris，权重和评测代码已公开，数据与训练配方将陆续公布

Suno 发布新一代音乐模型 v6，与 Warner Music Group、BMG、Believe 等行业伙伴合作开发，后续将全面替换旧模型。v6 分为三个版本：旗舰 v6 和探索向的 v6-wild 面向 Pro 与 Premier 订阅用户，更快的 v6-mini 向所有人开放

DeepSeek 本周在 HuggingFace 代码公开可免费使用 DeepSeek-V4.1-Flash 权重，模型已在 Baseten Model 调用接口s 上线。规格为 552B 总参数、prefill 激活 8B、decode 激活 16B、1M token 上下文、支持文本加图像输入

Artificial Analysis 评测显示，DeepSeek V4.1 Flash 在 Intelligence Index 得分 40，超过 DeepSeek V4 Pro 0813 成为 DeepSeek 新旗舰，输入激活参数 8B、输出激活参数 16B，支持 1M token 上下文，MIT 许可

WorkBuddy 宣布 DeepSeek V4.1-Flash 已在其平台上线，免费试用两周。引用的 DeepSeek 公告称 V4.1-Flash 已登陆 DeepSeek 调用接口 并支持原生能看图、听声音、懂文字的综合能力