Arena 公布 2026 年第 42 周 AI 大模型周榜:国产模型多领域站稳中上游,kimi-k3-max 杀入代码榜前十
Arena 平台发布 2026 年第 42 周 AI 大模型盲测排名,头部格局稳定,gemini-4-argon-high 以 1525 分蝉联综合榜榜首。国产模型表现亮眼,月之暗面 kimi-k3-max 首次稳定在代码榜前十,小米 mimo-v2.6-pro 首次进入前端开发榜前 20。
Arena 平台发布 2026 年第 42 周 AI 大模型盲测排名,头部格局稳定,gemini-4-argon-high 以 1525 分蝉联综合榜榜首。国产模型表现亮眼,月之暗面 kimi-k3-max 首次稳定在代码榜前十,小米 mimo-v2.6-pro 首次进入前端开发榜前 20。
OpenAI 的 API 短暂出现 aurora-red-alpha、aurora-green-alpha 和 aurora-blue-alpha 三个模型引用,随后在盲测 Arena 中生成图像。
VAST发布并开源实时世界模型EdenLive,开放模型权重、推理代码与技术报告。在单张RTX 5090显卡、720P条件下,5B模型生成速度超24FPS,端到端延迟百毫秒级。VAST今年6月已明确状态与渲染解耦设计,该路线早于行业共识形成约3-4个月。
2026年10月18日,四个 Gemini 4 Argon 智能体首次无人类输入自主通关 Minecraft 并击杀 Ender Dragon。Google DeepMind 团队未设角色放入随机世界,智能体自主协作,27小时14分内写2783个 JavaScript 程序、交换229消息、死亡605次,花费$1,620。这是智能体 AI 击败视频游戏的最新案例,此前此类游戏需从零训练专用系统。
DeepSeek V4.1 Flash-1017 新版本发布,模型能力提升且运行耗时缩短,调用成本下降。该版本已适配多个开发平台,强化学习训练后可在素材有限时直接生成可运行项目,模型权重已开源开放下载。
Claude用不到半小时查明了五条NIST标准椭圆曲线(P-192、P-224、P-256、P-384、P-521)的种子生成方式,真相源自90年代电脑时钟而非加薪口令。
推荐理由:Claude还原了五条NIST标准椭圆曲线种子的生成来源,表明这些沿用二十多年的密码学参数并不存在安全隐患。
智谱推出法律专用开源模型 GLM-Legal,在 Harvey LAB 与 LegalBench 开放权重模型榜中分别以 19.2% 全通过率和 86.23% 准确率登顶。该模型基于 GLM-5.3-Flash 底座训练,支持审合同、证据分析及跨境合规,目前正邀请专业人士申请 Beta 测试。此前智谱曾联合幂律智能推出千亿参数级法律模型 PowerLawGLM。
DeepSeek发布V4.1-Flash-1017模型,开放自研搜索API并增强DeepSeek Harness至0.2.1版本。新模型在代码与Agent任务表现提升的同时压低了运行时间和token费用;搜索API提供Search与Fetch接口,限时免费至11月1日。
推荐理由:新模型V4.1-Flash-1017在提升Agent与代码能力的同时压低了运行开销,并开放自研搜索API供外部调用。
Claude 在 30 分钟内破解了 NIST 2000 年标准中 NSA 提供的椭圆曲线种子谜团。种子来自 lrand48 随机生成器,由 1997 年 5 月至 1998 年 4 月的 Unix 时间戳初始化,因仅输出 31 位导致高位为零暴露规律。Anthropic 表示这降低故意后门可能,并将 $36,864 奖金捐给 Internet Security Research Group。
Anthropic 即将发布的新模型 Claude Fable 5.5 预计下周上线,合作伙伴已获测试权限。泄露截图显示该模型在 Azure 目录中状态为“普遍可用”,定价为每百万输入 token $10、输出 $50,上下文窗口 100 万 token。此前 Anthropic 刚发布 Opus 5.5、Sonnet 5.5 和 Haiku 5.5,此次发布延续了其密集更新节奏。
Meta的Muse Spark Open针对新Mac Studio优化,可在双Apple M5 Ultra Mac Studio上通过MLX本地运行816B参数开放权重模型。该模型支持1M token上下文与多模态,权重已在Hugging Face等平台开放下载,开发者可定制部署。
推荐理由:Meta开放Muse Spark Open权重并支持双Mac Studio本地部署,开发者可借此在端侧运行816B参数多模态模型。
Deepseek发布V4.1-Flash-1017模型,在智能体与编码任务中超越Claude Opus 5等更大模型且单任务成本最低约$0.10。模型权重开源至Hugging Face与ModelScope,并首次开放内部Search & Fetch APIs,每千次调用收费$0.75。相比前代V4.1-Flash约$0.50的单任务成本,新模型以更短输出实现精度提升与开销下降。
Latent Space 发布 High Taste Testers 第1期 AI 新闻综述,汇总 10/15-10/16 期间多款模型发布与行业动态。内容涵盖 Meta 的 Muse Spark Open、Reflection Beam 1.0 等开源权重模型,以及中国拟对大模型等实施出口管制的草案。该节目是 Latent Space 新推出的午餐对话变体栏目。
DeepSeek 将 V4.1 Flash 升级至 DeepSeek-V4.1-Flash-1017,新模型在 HLE、Terminal-Bench 4.0 等基准提升且降低运行时间与输出长度。
DeepSeek 发布 V4.1-Flash-1017 模型,网页端、APP与API同步更新,性能提升且单次调用成本下降。新版本通过自反馈强化学习增强从零构建项目能力,支持在提示词极少时生成可运行项目,并适配DeepSeek Harness等平台。
Anthropic 于 10 月 16 日发布研究称,其 AI 模型 Claude 在几乎无需人工干预下,针对 8 类量子计算任务设计出比已发表最优电路更高效的方案。
Anthropic 宣布自 10 月 29 日起,Claude Haiku 4.5 将从 Free、Pro 和 Max 套餐的模型选择器中移除,用户将自动切换至 Haiku 5.5。
谷歌正式发布 Gemini 4 Argon 模型,API 每百万输入 token 2 美元、输出 10 美元限时半价至 11 月 30 日。该模型加强编程、多模态与长任务执行能力,第三方评测并列53分且调用成本约竞品一半到五分之一。谷歌同时发布217页安全报告。
推荐理由:Gemini 4 Argon首发API价格打五折,调用成本约竞品一半到五分之一,开发者可低成本评估其长任务能力。
Meta在Huggingface发布Muse Spark Open开放权重,这是一个816B参数的MoE模型,支持1M上下文,面向编码与智能体任务。模型可在2台Mac Studio或4块Blackwell Ultra GPU上运行,每token激活8个专家因而推理速度接近42B模型。此举逆转了Meta在4月采取的首次闭源前沿模型策略。
Anthropic 内部研究用 Claude 模型不到 30 分钟追溯出五条 NIST 标准椭圆曲线种子来源,发现其由 1997-1998 年 Unix 时间戳初始化的 lrand48 生成器产生,P-256 对应第 1,842 个候选值并公开复现代码。该研究降低了曲线参数被刻意植入后门的疑虑,但部分细节仍未解释。
Jev 发布两周内被35%的 Vercel 付费团队使用,成为该平台采用最快的 AI 模型,覆盖率接近 Sonnet 5.5 的两倍。该轻量决策模型由 TypeSafe AI 开发,用于从预设输出中做分类选择,Vercel 已用它替换 GPT-6 Luna 来识别有害命令。Vercel AI 网关数据还显示开源模型处理的 token 占比超70%。
Elorian 发布首个模型 Glimpse,以研究预览形式提供 API 访问,其核心机制“视觉草稿空间”允许模型在推理中裁剪图像或提取视频帧。该模型定价为每百万输入 token 0.60 美元、输出 3 美元,在科学图表推理等任务上表现优于 GPT-6 Astra。此前 OpenAI 已在 o 系列模型中引入类似功能,但 Elorian 称其围绕此机制构建了更小的模型。
Reflection AI 发布 Beam 开源权重模型,面向智能体编程与长程任务,并给出 AWS 部署路径。该模型总参数 501B、活跃参数 23B、上下文 1M token,以 Apache 2.0 在 Hugging Face 开放。用户可通过 SageMaker JumpStart 托管或 HyperPod 配合 SGLang、vLLM 自管推理。
Google Deepmind 新模型 Gemini 4 Argon 在 ARC-AGI-3 以 97.5% 成为继 GPT-6 Astra 后第二家突破 95% 的模型,使用 Provider Adapter Harness 取得高分但在标准环境降至 49.8%,Epoch 指数 165 分显示其数学与软件工程落后对手。
Reflection 发布 501B 参数的开放模型 Beam,采用 MoE 架构,每 token 激活 23B 参数,上下文窗口 1M tokens,基于 Apache 2.0 许可。
推荐理由:Beam 以 Apache 2.0 开放 501B MoE 权重并给出多后端部署与微调 recipe,便于团队迁移到自有硬件。
PrismML 发布 Ternary Bonsai 2 系列模型,2B 版本在 iPhone 18 Pro Max 上本地吞吐最高每秒 120 token。系列含 2B/4B/9B,基于千问(Qwen 3.5)三元权重构建,可在手机端运行 AI 智能体并执行识图与工具调用;权重以 Apache 2.0 许可证开放。
Goodfire 的 Nick Cammarata 发表文章提出“神经网络已经干净”理论,指出智能体分析可消除多义性和叠加导致的权重纠缠。该发现显著提升了模型的可解释性与对齐水平,被视为降低 AI 风险的重要进展。
微软当地时间昨日宣布完成新一代SOTA基础模型MAI-Base-2预训练,性能强于所有参测开源权重模型。该模型总参数2.8T活跃参数80B,在6000个NVIDIA GB200 GPU上历经38天训练,算力效率为DeepSeek-V4-Pro-Base的4~12倍。微软已启动MAI-Base-3准备工作。
TypeSafe AI 发布支持图像输入和更长上下文的 Jev 1.14 决策模型预览版。一天后,Liquid AI 推出 d1-ultra,其在八类任务中表现均优于 Jev 1.14 及 vLLM Semantic Router d3。
微软发布自研模型 MAI-Base-2,称性能超过 OpenAI 同类且训练算力仅其 1/4。该模型在测试 AI 理解和预测信息规律能力时优于支撑 GPT-5.6 的 Spud 模型,计算效率为 DeepSeek 的十二分之一。比较依据微软掌握的 OpenAI 模型资料,由 CEO 苏莱曼在员工大会披露。
NVIDIA 与 IIT Madras 联合发布 Nemotron-pretraining-Indic-v1,包含 22 种印度语言的 2.8 万亿 token 预训练数据及开源 GPU 加速生成管线。
小米开源空间音频理解大模型 MiDashengLM-Spatial,以 Apache 2.0 许可证完整公开模型权重和推理代码。该模型基于 MiDashengLM-7B,具备空间感知与推理能力,是业界首个开源的端到端空间音频理解大模型。此前小米已开源声音基座模型 Xiaomi Dasheng 及声音理解大模型 MiDashengLM-7B。
快手可灵AI宣布Kling 4.0模型全量上线klingai.com,单次生成视频最长可达30秒,并接入MCP与CLI支持更多创作场景。该版本在画面真实感、口型匹配、多关键帧等方面大幅升级,企业API将于近期开放。
苹果与Meta合作,在两台512GB内存的Apple M5 Ultra Mac Studio上通过MLX框架本地运行开源权重模型Muse Spark Open。该模型总参数8160亿、活跃参数420亿、上下文窗口100万token,面向编程、智能体任务与多步骤推理。两家公司CEO均确认此次罕见协作,过去多年双方在商业与生态上长期对立。
Meta 10 月 15 日发布开放权重模型 Muse Spark Open,宣称是美国最强开放权重模型。该模型原生多模态,总参数 816B(激活 42B),支持 1M token 上下文,专为代码与智能体协作设计,可凭两台 Mac Studio 本地运行,权重已上线 Hugging Face 等平台。
蚂蚁百灵开源 Ling-3.1-flash 模型,总参数约 560B、激活约 25B,最高支持 1M 上下文。该模型在 Artificial Analysis 评测中智能指数 41、输出速度约每秒 210 Token,本地部署经 MXFP4 与 block-FP8 量化使权重占用降至 292GB、Hopper GPU 由 8 卡降至 4 卡。
Granite Switch 4.1 发布,Granite-Switch-4.1-8B 与 -30B 可从单一托管端点处理聊天、决策与语音转写。
Meta发布开放权重模型Muse Spark Open,可本地运行于Mac,具备816B参数与1M token上下文窗口。该模型原生多模态,面向复杂编码与智能体任务,本地运行需至少1TB RAM,最佳搭配M5 Ultra芯片Mac Studio。Meta已将其配对Muse Code并部署至Mastodon客户端修复与DaVinci Resolve视频编辑等智能体工作流,并通过多个API平台开放。
蚂蚁百灵开源推出 Ling-3.1-flash 模型,主打真实工作流任务并采用高智效比混合架构。该模型总参数约560B、激活25B,上下文窗口达1M,量化后部署GPU由8卡降至4卡,在 GDPVal-AA V2.1 等评测中展现多步骤任务竞争力并接入内部 Agent「小虎」实测可完成电商与医疗辅助。此前百灵已推出 Ling-3.0-flash 金融与医疗模型,持续将模型能力嵌入真实专业场景。
Meta今日发布Muse Spark Open开放权重模型,称其为迄今美国最强开放权重模型,并与Apple合作让其可在两台M5 Ultra Mac Studio借MLX运行。该模型具816B参数、原生多模态,擅长复杂软件工程与多步推理。Apple同时发布MLX框架技术文章。