宣称“欧美最强开源模型”:Mistral AI 发布 Mistral Large 4 公开预览版,月底开放权重
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 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。
电信运营商正基于开放模型构建 AI 战略,NVIDIA 报告显示 89% 的受访者认为开源模型对其 AI 战略至关重要。NVIDIA 发布了 300 亿参数的 Nemotron 3 Large Telco Model,并提供了基于 NeMo 的端到端微调配方,以支持电信特定任务的定制。此前,SoftBank 和 AT&T 等运营商已利用开放模型基础开发本地化 AI 能力。
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。
DeepSeek 正接近完成至少 120 亿美元的新一轮融资,知情人士称总额可能接近 150 亿美元,宁德时代与腾讯出资占比最大。该轮最初目标约为 75 亿美元、估值约 750 亿美元,融资完成后公司计划重组并在 2027 年初 IPO,同时还在建设至少 16 万颗华为 AI 芯片的数据中心。
开发者 Niko1221 开源推出 Strata 引擎,能在 12GB 显存消费级显卡上运行量化版 Qwen3.8-Flash-Next(125B 参数)模型。
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。
开发者 Belmante 展示了《超级马力欧兄弟:惊奇》的原生 Windows 移植版,在 RTX 3050 笔记本上无需模拟器即可运行,帧率约 60 帧。该项目使用重新编译的 C++ 代码和 NVN 到 Vulkan 转换层,并计划开源代码库。此前 Belmante 曾展示该游戏在 macOS 上的移植版本,但存在重大问题。
GLM 5.3 已在 Amazon Bedrock 上线,这是 Z.ai(智谱)推出的 753B 参数 MoE 模型,面向编码和长周期智能体任务。用户可通过 OpenAI 兼容的 Responses 与 Chat Completions API 调用,并支持提示词缓存、跨区域推理和服务层级,目前面向符合条件的企业客户开放。
推荐理由:文章给出 GLM 5.3 在 Bedrock 上的调用代码与提示词缓存示例,便于评估开源权重模型接入托管推理的成本。
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。
本地部署的 Qwen3.8-27B 模型在禁用推理模式下,纯文字加法数值准确率仅为 23.57%,且随操作数位数增加性能从 97.04% 骤降至 6.44%。启用推理模式后,该模型在 169 个测试用例中正确回答 167 次。该实验旨在复现并对比 GPT-4o 此前在同类任务中的表现。
TechCrunch Disrupt 2026 将举办四场对话,探讨 AI 创业者在开放与闭源模型间的构建选择。议题涵盖多模型应用、AI 栈所有权决策、开放与专有模型权衡,以及 AI 设计硬件的趋势。该活动定于 10 月 13-15 日在旧金山 Moscone West 举行,预计吸引超过 10,000 名创始人、投资者及科技领袖参与。
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。
开源命令行工具 RemoveMacAI 发布,可一次关闭 Siri、Writing Tools、Genmoji、Image Playground、ChatGPT 扩展和各类摘要,删除 Apple Intelligence 的本地模型并阻止 macOS 重新下载。
文章分析公众对AI厌恶感上升却使用量激增的矛盾现象,认为反感源于企业强行推广而非技术本身。ChatGPT于5月达到十亿月活,Gemini于7月达9.5亿用户,半数美国成年人使用聊天机器人。美国50州已提出或通过将近2100项AI法案,开源替代方案为消费者提供选择空间。
Linus Torvalds 于当地时间 10 月 4 日发布 Linux 7.3-rc6 测试版,代码变更统计恢复到约一半来自驱动修复的常见状态。他提到大量由 AI / LLM 发现或辅助生成的小型错误路径修复补丁进入内核代码树,并将其称为新的“AI normal”。
Reflection 等多家西方企业本月将推出开放权重 AI 模型,以支持本地部署并满足数据安全要求。Reflection 的新模型预计初期落后于美国顶尖闭源模型,但足以与中国顶级开放权重模型竞争。此前该公司已与 SpaceX 签署最高价值 63 亿美元的算力合作协议。
Meta 于当地时间 10 月 2 日推出开源项目 Muse Gadgets,并在 GitHub 按 Apache 2.0 许可发布 ESP32 固件和 Linux 设备 SDK,开发者可用低成本 ESP32 开发板或树莓派等 Linux 设备为个人 AI 智能体 Muse 打造自定义硬件。
Google 因 AI 自动化提交显著上升暂停其开源漏洞赏金计划,自10月1日生效并承诺2027年第一季度更新。公司称绝大多数自动提交无效,工程师和开源维护者被含幻觉的无效报告淹没。参与者被建议考虑 Google 其他漏洞赏金计划。
SCM 是一款 macOS 本地优先应用,利用视觉模型、OCR 和 Whisper 对照片及视频帧进行自然语言搜索。其默认使用 Qwen3 1.7B 模型,支持离线运行且媒体数据不离开设备。该工具通过 Homebrew 分发,旨在提供完全私密的媒体检索体验。
DeepSeek Harness 组成员崔添翼回应新版本加入 Claude Code Mods 兼容的问题,他本人是该兼容层的作者。
System76 更新 COSMIC 项目 PR 模板,新增强制检查清单禁止提交 AI 辅助生成的代码、注释及描述。该团队认为 AI 缺乏大型项目上下文,易生成难以维护的复杂代码并增加审查成本。此前 Ladybird 浏览器项目也于今年 6 月采取了类似的限制措施。
谷歌自2026年10月1日起暂停开源软件漏洞奖励计划(OSS VRP)接收产品漏洞提报,直接原因是AI生成的幻觉报告淹没维护团队。该计划原激励研究员披露开源安全缺陷,部分谷歌云仓库仍可通过Cloud VRP接收,官方计划2027年第一季度公布优化进展。
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。
哈佛大学物理学家 Matthew Schwartz 发布开源 harness BootLoops,让 Claude 等 AI 模型执行精确科学计算,源代码已在 GitHub 公开。
Latent Space 的 AINews 汇总了 10 月 1 日至 2 日的 AI 动态,OpenAI 发布 GPT-6.1 Sol,定价 $2/$10 每百万输入/输出 token,据称在 DeepSWE v1.1 上比 GPT-6 Sol 高 6.4 分。
开源项目 ldraw-nova 利用 AI 智能体生成 LDraw 格式的乐高模型,支持 3D 查看、VR 交互及 Blender 编辑。该工具通过 Python 脚本生成几何数据以规避 LLM 数学短板,并借助 GPT-6 Astra 和 Claude Opus 5.5 优化了开发流程。
Meta 推出开源项目 Muse Gadgets,提供固件与 Linux SDK 让开发者构建连接个人 AI 智能体 Muse 的硬件。开发者可使用树莓派或 ESP32 等将 Muse 接入显示屏与传感器,Meta 也自研了免费赠送的 Muse Home Link 设备。
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。
Meta 开源了自制 Muse AI 设备的代码和 SDK,用户可用现成的 ESP32 开发板或 Raspberry Pi 搭建带 Muse 智能体的设备,连接屏幕、按钮和传感器。Meta 同时赠送自制的 Muse Home Link,借助社区技能可控制灯光、电视、打印机等,共生产 5000 台。该设备现已开放候补名单,本月内发货。
Google 宣布推出基于 TEE 的下一代联邦学习系统,借助可信执行环境实现端到端可验证数据匿名化。Gboard 已部署该系统训练英文和日语下一词预测模型并获得显著加速。系统将访问策略发布至公共透明日志并开源代码,外部可审计,是 2017 年联邦学习提出后的重要演进。
Ai2 开源 AstaBrief 8B,一个把研究问题和检索文献片段转成带引用报告的小模型,已在 Asta 的 Generate a report 功能中作为 Fast 模式上线,并同步开放模型权重、训练数据和可从自有 PDF 生成报告的示例工作流。
推荐理由:原文给出数据过滤和 SFT 加 DPO 的具体配方,读者能据此判断开源小模型在科学报告生成上保留了多少专有模型的质量。
MiniMax 正式发布全模态生成模型 H3,支持对文本、图像、视频、声音组成的多模态上下文统一理解,可输出原生双声道音视频,最高支持 15s 2K 分辨率。官方称在 2K 分辨率下每秒价格不到主流模型的 1/3,768P 下约为主流模型 720P 的 1/2。MiniMax 计划在未来几天内在符合相关法律法规的前提下开放模型权重,并称 H3 设计初期已考虑多款现有国产芯片的兼容性。
推荐理由:官方给出全模态生成的预训练任务划分与三项关键技术取舍,可看清视频模型从专用走向任务统一的路线。
月之暗面(Kimi)发布开源思考模型 K2 Thinking,作为思考智能体在 HLE(44.9% with tools)、BrowseComp(60.2%)等基准达到 SOTA,支持 200–300 步连续工具调用。模型已在 kimi.ai 聊天模式上线并开放 API,原生 INT4 推理带来约 2 倍生成加速。这是其通过扩展思考 token 与工具步骤进行测试时缩放的最新尝试。
推荐理由:Kimi K2 Thinking 以开源权重实现 HLE 44.9% 等得分,读者可据此对比闭源前沿模型思考与代理能力差距及适用场景。
DeepSeek-V3.1 现已更新至 DeepSeek-V3.1-Terminus,官方 App、网页端、小程序与 DeepSeek API 均已同步更新,并开放 Hugging Face 和 ModelScope 开源下载。
推荐理由:官方列出 Terminus 在 Agent 与语言一致性上的改进及测评对比,便于了解本次版本更新重点。
DeepSeek 发布实验性模型 DeepSeek-V3.2-Exp,在 V3.1-Terminus 基础上引入 DeepSeek Sparse Attention 稀疏注意力机制,针对长文本训练和推理效率做优化,在公开评测集上表现与 V3.1-Terminus 基本持平。
推荐理由:稀疏注意力在公开评测表现基本持平的前提下降低长文本推理成本,API 价格随之下降五成以上。
DeepSeek 同时发布 DeepSeek-V3.2 和 DeepSeek-V3.2-Speciale 两个正式版模型,网页端、App 和 API 已由 DeepSeek-V3.2-Exp 升级为正式版 V3.2。
推荐理由:DeepSeek 同时发布 V3.2 与 V3.2-Speciale 两个正式版模型,并把思考模式接入工具调用,读者可据此比较开源与闭源模型在 Agent 评测上的差距。
DeepSeek 上线并开源全新系列模型 DeepSeek-V4 预览版,分为 DeepSeek-V4-Pro 与 DeepSeek-V4-Flash 两个版本,均支持 1M 上下文和思考模式。
推荐理由:官方给出 V4 两个版本的参数、上下文与各项评测位次,可据此判断开源模型在 Agent 与推理上的当前位置。