GPT-6 与 Intelligent UI 面向所有人推出
GPT-6 正在 ChatGPT 中全球推出,搭载 Intelligent UI 提供带视觉的更快交互体验。
推荐理由:GPT-6 正在 ChatGPT 中全球推送并搭载 Intelligent UI,提供带视觉的更快交互体验,读者可据此了解官方新模型的能力方向。
GPT-6 正在 ChatGPT 中全球推出,搭载 Intelligent UI 提供带视觉的更快交互体验。
推荐理由:GPT-6 正在 ChatGPT 中全球推送并搭载 Intelligent UI,提供带视觉的更快交互体验,读者可据此了解官方新模型的能力方向。
微软正计划将 MAI Code 1.1 Flash 模型(130B 参数、256K 上下文)引入 Windows 11 设备。该升级版模型已集成 GitHub Copilot 等开发环境,采用 3-bit 量化缩小 80%,新增看图写代码能力,编码基准提升约 22% 且输出更快。这是继 6 月发布后从工具走向系统层整合的延伸。
今日 Liquid AI 发布开放权重 d1 决策模型 d1-3B 与实验性 d1-omni-600M,可在边缘设备做多模态决策。d1-3B 在 Decision Index 0.2.1 得 48.57 分超 Decider 35B-A3B,于 Jetson 延迟低至 16 毫秒。模型基于 LFM 单前向传播不生成 token,已在 Hugging Face 开放。
推荐理由:Liquid AI 开放 d1-3B 等决策模型权重,以单前向传播在 Jetson 实现低于 50 毫秒多模态推理。
Mistral 表示其模型 Le Chonk 能够与顶级闭源模型相媲美。该模型保持开放权重特性,旨在提供高性能的开源替代方案。
Nemotron 3 经 SFT 与 RL 微调后在 IOI 2026 和 IMO 2026 均超过金牌阈值。IOI 2026 中 Nemotron-3-Ultra-CC 获 535.4/600,IMO 2026 系统得 30/42,模型、数据集与 NeMo-Skills 推理管线已在 Hugging Face 开放。
推荐理由:原文给出了从 Nemotron 3 通过 SFT、RL 与推理循环微调至竞赛金牌水平的复用配方,读者可参照适配其他专业领域。
OpenAI 公开内部前沿模型生成的722篇数学论文与证明工件,称解决500大开放数学问题中的90个,平均每个结果约3小时 ChatGPT Pro 计算。同期 Mistral 发布 Large 4 模型(1T参数、49B激活),Google 推出 EmbeddingGemma 2 多模态嵌入模型与 Nano Banana 2.1 图像模型,行业动态密集。
OpenAI公开722篇由未发布内部模型生成的数学手稿,涵盖准黎曼猜想、霍奇猜想、BSD猜想等17个方向。论文源码与部分Lean证明已传至GitHub,但三位菲尔兹奖得主在内的顾问组表示不代表认可结果。此前9月流体力学证明争议已现,数学界阅卷才刚起步。
谷歌正式发布 AI 图像模型 Nano Banana 2.1,在视觉设计、蒙版编辑与主体一致性方面实现提升。该模型部署至 Gemini 应用、Google AI Studio 等平台,开发者可使用模型 ID gemini-nano-banana-2.1 调用,支持文本、图片、音频、视频输入与 1K、2K、4K 图像输出。
OpenAI 发布了 722 篇数学手稿,包含未发布前沿模型解决的“数百”个开放问题解。手稿发布至 GitHub 仓库并附推理摘要与算力估计,此前 9 月该公司称模型已解决超 100 个长期开放问题。
OpenAI 公布一批包含722份手稿与372个结果家族的文件,展示未发布前沿模型解决数百个长期数学难题。文稿含模型推理摘要与算力估算,单成果耗算力约等同 ChatGPT Pro 连续思考三小时。
推荐理由:OpenAI 公开未发布模型解决数百数学难题的手稿与算力估算,延续 AI 实验室进入数学领域引发的伦理讨论。
OpenAI 发布了内部前沿模型在数学开放问题上的新结果,并在 GitHub 分享 Lean 证明形式化与研究细节。
推荐理由:OpenAI 公开前沿模型在数学开放问题的新结果,并放出 Lean 证明形式化与 GitHub 研究细节,便于学界验证进展。
谷歌正式推出 EmbeddingGemma 2,将嵌入能力从文本扩展至代码、图像、视频、音频,可统一映射到同一嵌入空间。该模型基于 Gemma 4 架构,总参数 7.4 亿,量化后纯文本端侧运行仅需约 191 MB 内存,配备 8K Token 上下文窗口。开发者可在 Hugging Face 下载并用于搭建离线跨模态检索系统,这是初代 EmbeddingGemma 的升级版本。
Google DeepMind 发布 EmbeddingGemma 2,一个 740M 参数、基于 Gemma 4 架构并采用 Apache 2.0 许可的开源多模态嵌入模型,可将文本、代码、图像、视频和音频统一映射到嵌入空间。
推荐理由:原文给出了轻量多模态嵌入模型的端侧性能指标与模块化设计,读者可据此评估本地 RAG 与跨模态搜索的可行性。
Mistral 于2026年10月6日发布 Mistral Large 4 预览版 Le chonk,模型为1万亿参数、490亿活跃参数,经 API 开放。公司承诺本月底释放开放权重,仅支持 none 与 high 两档推理级别。
Google 新图像模型 Nano Banana 2.1 以更低成本生成更好图像,替代 2026 年 2 月发布的 Nano Banana 2。1K 图价格从 6.70 美分降至 3.36 美分,4K 从 15.10 降至 7.56 美分,并已接入 Gemini 应用、AI Studio 等谷歌产品。前代 gemini-3.1-flash-image 将于 2026 年 10 月 29 日关停。
Google 称 EmbeddingGemma 2 多模态嵌入模型以 740M 参数在基准上超越两倍大小竞品。模型开源可本地运行,配合 Gemma 4 支持离线 RAG,权重发布于 Hugging Face 与 Kaggle。其在 MTEB(Code) 获 78.68 分,较前代 68.76 提升近 10 点,浏览器 WebGPU 查询需 20-70 毫秒。
Google Earth AI 的 Population Dynamics Foundation Model (PDFM) 开放预览,将搜索趋势、移动等隐私信号压缩为月度位置嵌入,可直接接入流行病学模型而无须微调。
Mistral 发布 Mistral Large 4,该万亿参数模型主打处理 Claude 与 GPT-6 拒绝的安全任务。其在 Artificial Analysis 智能指数获 38 分仍落后闭源顶尖模型,但开放权重预计 10 月底发布并支持本地部署。Mistral 正将重心转向企业客户,此前已将 Le Chat 重建为工作工具 Vibe。
Mistral AI 发布千亿参数多模态模型 Mistral Large 4(ML4),目标超越中美封闭与开源竞争对手。模型暂未开源权重但计划三周后开放,训练采用 4000 块 NVIDIA GPU 且算力少于对手。优化场景涵盖网络安全、金融与芯片设计,契合欧洲前沿实验室定位。
Mistral 发布 Mistral Large 4 预览版,这是拥有 1T 参数和 49B 激活参数的原生多模态 MoE 模型,具备指令遵循、推理与智能体能力。
Mistral AI 于 10 月 6 日推出 Mistral Large 4 公开预览版,即日提供 API 体验且本月底开放模型权重。该模型拥有 1 万亿总参数、490 亿激活参数,是原生的多模态模型,官方称其在开源模型中达到 SOTA 并大幅领先欧美开放权重模型。模型在欧洲自建数据中心基于 3,800 块英伟达 Grace Blackwell GPU 从零训练,遵循欧盟法规。
Mistral 发布 Mistral Large 4 公开预览版,这是一款 1 trillion-parameter 原生多模态开放权重模型,预览 API 已上线、权重月底发布。它在编码、智能体与多模态理解上超越欧美开放权重模型,并支持企业自主部署于网安等敏感领域。此为 Mistral 获 €3 billion Series D 后首个里程碑。
推荐理由:Mistral Large 4 开放权重预览已上线,企业能在欧洲自建设施部署前沿多模态模型,降低对第三方API与内容审查的依赖。
Reflection 发布首个免费开放权重模型 Beam,面向编码、逻辑推理和智能体任务,主打以更低算力取得强结果。Beam 采用 MoE 架构,每 token 激活 501B 总参数中的 23B,Reflection 称其在推理任务上以少三到四倍算力达到 GLM 5.2 的水平,但原始性能仍不及 Kimi K3 等更强的开放模型。
Mistral AI 首席执行官 Arthur Mensch 在阿布扎比 Ai Everything 会议上宣布,公司将于本日发布新的人工智能模型。他声称该模型在网络安全等某些方面优于中国模型,以此反驳“欧洲无法竞争”的说法。Mensch 未具体说明比较对象及网络安全以外的优势领域。
Hugging Face 发布 Falcon-Emirati-7B,这是基于 Falcon-H1-Arabic 构建的阿联酋方言专用模型,旨在理解并生成符合母语者习惯的词汇、语气及文化语境。该模型采用 7B 参数规模,在保持训练与推理成本可控的同时,通过混合真实方言数据、MSA 文化内容及受控合成数据,弥补了通用阿拉伯语模型在方言细微差别上的不足。
Reflection 发布纯文本 MoE 模型 Beam,总参数 501B、激活参数 23B,采用 Apache 2.0 协议。该模型在 SWE-bench Verified 上得分 80.9,推理效率为 GLM 5.2 的 3-4 倍。这是 Reflection 成立一年多后首次正式推出模型,标志着其作为美国本土实验室的正式亮相。
由英伟达投资的初创企业 Reflection AI 推出首款开放权重模型 Beam,主打代码编写与智能体任务。Beam 总参数量达 5010 亿,采用稀疏激活架构,每处理一项任务只激活 230 亿参数,公司称其性能可对标智谱 AI 的 GLM-5.2,在代码与智能体任务上正逐步逼近 Qwen3.8-Max。作为对比,GLM-5.2 总参数量约 7440 亿,激活参数量为 400 亿。
华为与高通达成覆盖 5G、AI 等领域的广泛专利许可协议,高通将收购华为部分美国专利,交易完成后华为专利许可累计总金额超 69 亿美元。DeepSeek V4.1 Flash 发布后,中国顶尖 AI 模型与美国领先模型在 LiveBench 跑分差距缩小至 3%。
Reflection AI正式发布开放权重模型Beam,声称以3-4倍更少推理计算匹配GLM-5.2等中国模型性能。Beam为501B参数文本MoE模型,具备1M token上下文窗口,本月将开放权重与技术细节。这是其构建西方方案对抗DeepSeek与Qwen开放模型的举措。
Reka AI 发布 Rho-1 研究预览,该 19B 参数全模态模型在单一神经网络中处理并生成文本、图像、视频与机器人控制动作。模型将所有模态作为 token 置于共享上下文窗口,无工具调用或外部模型,并用逆向动力学从普通互联网视频提取控制信号应对机器人数据稀缺。
Aleph Alpha 发布开源权重语言模型 Kolibri,这是一个德国英语双语模型,780 亿参数,采用 MoE 架构,每个 token 约激活 30 亿参数。
初创企业 TypeSafe AI 的决策模型 Jev 每日处理 token 已达 1 万亿,创始人迪奥戈 · 阿尔梅达称约 25% 的财富世界 500 强企业正在使用这款模型。
爆料者 @elder_plinius 提取并公开了 OpenAI GPT-6 Sol Codex 约 29.4 万字符、1902 行的完整系统提示词与工具定义。
NASA 与 IBM 联合发布开源的 NASA-IBM Lunar Foundation Model,基于 17 年月球轨道观测数据训练,旨在提升月球科学数据利用效率。该模型在极地冰层沉积预测任务中,相比最佳基线 SwinV2-B 将预测误差降低最多 22%,并在粗尺度陨石坑检测中表现优于基线近 19%。这是首批面向月球科学的开源基础模型之一,通过预训练大幅降低了对标注数据的需求。
SentinelOne 的 AI 工程师卡特·丘奇使用 OpenAI GPT-6 Astra 破解了拿破仑 1809 年 3 月 16 日写给继子欧仁·德·博阿尔内的加密军事信件,耗时约 6 小时。
Aleph Alpha 发布开放权重英德双语模型 Kolibri,采用 MoE 架构,总参数 78.1B、每 token 激活 3.46B,支持最长 100 万 token 上下文,权重以 Apache 2.0 许可在 Hugging Face 开放下载并可本地部署。
Aleph Alpha 于 2026年10月3日发布开放权重德英双语 MoE 模型 Kolibri,总参数78.1B、每token激活3.46B。它采用 Apache 2.0 许可,权重在 Hugging Face,原生上下文262,144 tokens 可扩至1,048,576,支持四级推理与工具调用,评测中德语与长上下文表现优于同规模开放模型但编码较弱。
亚马逊 Strands Agents 团队推出开源决策模型 Strands Decider 2B,支持在本地 CPU/GPU 上运行。该模型基于 Qwen3.5-2B 躯干,通过 rank-16 LoRA 微调并替换为小型评分头部,总参数仅略超一百万。在 JevBench 上,其 2B 级别模型排名第 3,常见硬件上决策时延中位数为 113ms。
Kimi 官方开源 Kimi K2,该 MoE 模型总参数 1T、激活参数 32B,包含 Kimi-K2-Base 与 Kimi-K2-Instruct 两个版本。官方还发布更新权重,增强智能体编码并支持 256K 上下文;Kimi K2 针对工具调用和多步任务优化,网页端与移动端已可免费使用。预训练在 15.5T tokens 上使用 MuonClip 优化器完成。
推荐理由:Kimi K2 以 1T 总参数、32B 激活参数的 MoE 架构开源,并公开 MuonClip 优化器,读者可了解其工具调用能力的实现路径。
微软 AI 发布实时语音转文字模型 MAI-Transcribe-2-Streaming,并同时推出 MAI-Voice-2.1 与 MAI-Voice-2.1-Flash 两款语音模型。