Meta 发布 Muse Wonder 和 Muse Wonder Full 智能体前沿模型
Meta 发布 Muse Wonder 和 Muse Wonder Full 两款新模型，称其在个人和专业智能体任务上达到 SOTA 表现。新模型面向法律、金融、健康等专家领域并具备前沿编码性能，配备跨对话保留信息的 Active Memory 和遇错可换路径、需确认时先询问的 Active Focus；安全方面训练模型不未经许可分享隐私、拒绝有害请求。
全部 AI 动态
Meta：Newsroom · AIAI 评分6969 Mark ZuckerbergAI 评分7474 Meta Superintelligence Labs 发布 Muse Wonder 与 Muse Wonder Full 两款模型
Mark Zuckerberg 宣布 Meta Superintelligence Labs 成立一年多后发布 Muse Wonder 与 Muse Wonder Full 两款模型。Muse Spark 是该团队首个模型家族，Muse Wonder 是更大、更先进的模型级别，号称达到前沿水平，其中 Muse Wonder 主打快速前沿性能，Muse Wonder Full 为完整版本。
Artificial Analysis精选AI 评分7575 Artificial Analysis 评测 Google Nano Banana 2.1，两榜居第 4 且价格为前代一半
Artificial Analysis 评测 Google 于 10 月 6 日发布的图像模型 Nano Banana 2.1，在 AA-Image-T2I v2.0 和 AA-Image-Editing v2.0 两个榜单均排名第 4。
推荐理由：原文给出 Nano Banana 2.1 在两个图像评测榜上的具体排名、价格和提升幅度，读者可据此比较它与其他模型的性价比。
Arena精选AI 评分7171 Arena 公布 Claude Haiku 5.5 (High) 真实评测结果：Code Arena 1587 分首秀第 30 名
Arena 公布 Anthropic Claude Haiku 5.5 (High) 的真实评测结果，在 Code Arena: WebDev 以 1587 分首秀排名第 30，略在 Pareto 前沿之外。
推荐理由：榜单方给出 Haiku 5.5 在 Code Arena 的实际得分与各档 Claude 模型的成本分差，便于横向权衡性价比。
Arena精选AI 评分7171 Mistral Large 4 进入 Agent Arena 前十五实验室，排名第 43
Arena 宣布 Mistral Large 4 进入 Agent Arena 前十五实验室，基于超 5000 个真实智能体会话，该预览版净改进分为 -6.6%，总排名第 43，比前代 Mistral Medium 3.5（-12.60%）高出 11 位。
推荐理由：Arena 用 Agent Arena 实测数据给出 Mistral Large 4 的排名与分数，可对照其官方发布信息核实模型实际表现。
ARC Prize精选AI 评分7777 ARC Prize 2026：TUFA Labs 以 88.06% 登顶 ARC-AGI-2 高分榜
ARC Prize 公布 2026 赛季 ARC-AGI-2 高分榜，TUFA Labs 以 88.06% 排名第一。10 万美元之外另设的 15 万美元 Bonus Prize 将由所有得分超过 85% 的团队分享；榜单第 2 至第 5 名分别为 Rabbithole（80.56%）、Yi-Chia Chen（77.22%）、Nubanana（77.08%）和 _hans（67.64%）。
推荐理由：ARC Prize 官方公布 2026 赛季 ARC-AGI-2 高分赛况，88.06% 登顶并触发超过 85% 团队共享的 15 万美元奖金。
Addy OsmaniAI 评分6565 Claude Haiku 5.5 发布，运行成本比 Haiku 4.5 约低 75%
Claude Haiku 5.5 发布，已上线 Claude Platform 和 Claude Code，运行成本平均比 Haiku 4.5 约低 75%，并提供可调节的 effort 设置。官方建议将其与 Opus 5.5 或 Sonnet 5.5 搭配作为 subagent，用于摘要、compaction 或数据库查询等大批量、成本敏感任务；作者团队也将其作为 Opus 5.5 旁的 subagent 使用。
Aravind Srinivas精选AI 评分6565 Perplexity 开源 pplx-embed-v2-late 多模态 late-interaction 嵌入模型（9B 与 0.6B）
Perplexity 开源 pplx-embed-v2-late，两个针对文本和图像的 late-interaction 多向量嵌入模型，大小为 9B 和 0.6B，共享同一嵌入空间，权重已在 Hugging Face 提供。9B 可用于索引多模态数据，0.6B 可在设备端查询，无需 OCR 即可检索 PDF 页面；模型在 MADQA 得分 92.4%，BrowseComp+ 得分 64%。
推荐理由：原文给出两个规模的嵌入模型、共享空间用法和基准分数，读者可据此评估多模态检索与端侧查询的可行方案。
Arena精选AI 评分6868 Mistral Large 4 进入 Code Arena: WebDev 排名第45，得分1534
Arena 宣布 Mistral Large 4 登陆 Code Arena: WebDev，以 1534 分排名第 45，比 Mistral Large 3（第130名）高 304 分，比 Mistral Medium 3.5 高 271 分。
推荐理由：Arena 实测数据显示 Mistral Large 4 的编码得分、排名和价格对比，可帮读者评估其性价比位置。
Liquid AI 模型与工程博客精选AI 评分6161 Liquid AI 发布开源决策模型 d1-3B 和 d1-omni-600M
Liquid AI 发布开源权重决策模型 d1-3B 和 d1-omni-600M，已在 Hugging Face 上提供。
推荐理由：官方公开了模型架构、训练细节和各硬件延迟数据，读者可以据此评估小参数决策模型在边缘部署中的取舍。
Google DeepMind：Blog精选AI 评分7070 Google DeepMind 发布开源轻量多模态嵌入模型 EmbeddingGemma 2
Google DeepMind 发布 EmbeddingGemma 2，基于 Gemma 4 架构，以 Apache 2.0 许可开源，将文本、代码、图像、视频和音频映射到统一嵌入空间。
推荐理由：官方发布给出参数量、内存占用、维度裁剪和基准分数等具体细节，读者可据此评估端侧多模态嵌入方案的可行性。
Anthropic：Newsroom精选AI 评分7878 Anthropic 发布 Claude Haiku 5.5，运行成本平均降低约 75%
Anthropic 发布 Claude Haiku 5.5，定位为迄今最便宜、最快的小模型，适合摘要、压缩、数据库查询、分类等高吞吐任务，并可搭配 Opus 5.5 和 Sonnet 5.5 担任编码子智能体。
推荐理由：官方发布了定价、基准成绩与订阅 API 额度变化，读者可以据此评估小模型在低成本智能体任务中的适用场景。
Artificial Analysis 完整文章精选AI 评分7878 Anthropic 发布 Claude Haiku 5.5，Artificial Analysis 评测得分 43
Anthropic 发布 Claude Haiku 5.5，在 Artificial Analysis Intelligence Index 得 43 分，较上一代 Haiku 一年内提升 26 分，是首个支持 effort 设置与 adaptive thinking 的 Haiku 模型。
推荐理由：原文给出 Haiku 5.5 的跑分、token 消耗与分层定价细节，并指出 token 用量偏高和拒绝率问题，可作为选型参考。
ARC Prize精选AI 评分6767 DeepSeek V4.1 Flash 在 ARC-AGI (Verified) 评测中的成绩公布
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%。
推荐理由：ARC Prize 官方实测数据同时给出分数和每任务成本，读者可以据此比较 DeepSeek V4.1 Flash 与上一代的性价比取舍。
Arena精选AI 评分6767 Mistral Large 4 上线 Arena 的 Agent Arena 与 Code Arena 评测
Arena 宣布 Mistral 的 Mistral Large 4 现已进入 Agent Arena，用户可前往测试投票，分数稍后公布。该模型为 1T 参数、49B 激活的原生多模态开放权重模型，也已在 Code Arena 的 WebDev、Text 和 Vision 中可用。
推荐理由：原文说明 Agent Arena 用真实长程智能体任务和因果追踪方法评分，读者可据此理解该评测如何衡量模型表现。
Artificial Analysis 完整文章精选AI 评分6666 Mistral 发布 Mistral Large 4，Artificial Analysis 评测称其为美中之外最智能模型
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 月底开源 1T 参数（49B 激活）权重。
推荐理由：原文给出 Intelligence Index、Cyber Index、定价与上下文窗口等具体数据，读者可据此评估 Mistral Large 4 的真实水平与成本。
Liquid AI 模型与工程博客精选AI 评分6969 Liquid AI 发布 d1 决策模型并新增图像输入能力
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。
推荐理由：原文给出 d1 在六类真实应用中对 GPT-6.1 Sol 和 Claude Opus 5.5 的成本与速度对比，以及按输入 token 计费规则，便于评估是否替换现有 LLM 调用。
Arena精选AI 评分7373 GPT-6.1 Sol (Max) 进入 Agent Arena 第 5 名，以更低成本逼近前列模型
Arena 宣布 OpenAI 的 GPT-6.1 Sol (Max) 在 Agent Arena 排名第 5（+11.23%），中位任务成本 $0.56，并重塑了 Pareto 前沿。
推荐理由：官方榜单数据给出了 GPT-6.1 Sol (Max) 的排名与成本对比，读者可以据此评估它在智能体任务上的性价比位置。
Arena精选AI 评分6969 Arena 评测：Claude Sonnet 5.5 登顶 Agent Arena 第 3 名但未入 Pareto 前沿
Arena 发布 Agent 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 Agent 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 Agent Arena 前三名。
推荐理由：原文基于 Arena 榜单数据指出 Claude Sonnet 5.5 得分高但成本更高、未进 Pareto 前沿，读者可以据此比较成本与性能的取舍。
Ai2 / Allen Institute for AI精选AI 评分6262 Ai2 开源 8B 科学报告生成模型 AstaBrief
Ai2 开源 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，并连同训练数据开放下载。
推荐理由：原文给出训练数据构成、过滤方法与速度成本对比，读者可据此判断开源科学报告模型的具体做法是否可迁移。
Artificial Analysis精选AI 评分7373 Artificial Analysis：Claude Sonnet 5.5、GPT-6.1 Sol 与 Gemini 4 Argon 登顶 Coding Agent Index 榜单但成本差异大
Artificial Analysis 发布 Coding Agent 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。
推荐理由：原文对比了三个新模型在 Coding Agent Index 的成绩和每任务成本，读者可据此权衡性能与价格的组合。
NVIDIA Blog精选AI 评分6969 NVIDIA 介绍 Blackwell GPU 如何加速 OpenAI GPT-6 Astra Ultrafast
GPT-6 Astra Ultrafast 现已在 OpenAI API 及符合条件的 ChatGPT Work 和 Codex 用户中可用，运行在 NVIDIA Blackwell GPU 上。
推荐理由：原文给出 Ultrafast 模式相对 Astra Standard 的 8x 生成提速及其对 agent 开发工作流的影响，并说明开放范围和入口。
Artificial Analysis同新闻AI 评分6969 Artificial Analysis 评测：Qwen-Image-2.1 登顶两个 AA-Image 榜单的开源权重模型
Artificial Analysis 自行本地部署评测了阿里 9 月 20 日以开源权重发布的 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开源权重模型，超过 Ideogram 4.0（Quality）和 HunyuanImage 3.0 Instruct。
Arena精选AI 评分6969 MiMo-V2.6-Pro 和 MiMo-V2.6-Flash 登陆 Agent Arena，分列开源模型第5和第9
Arena 宣布 Xiaomi MiMo-V2.6-Pro 和 MiMo-V2.6-Flash 登陆 Agent Arena。Pro 在 8.1K+ 真实智能体会话中净提升 +3.17%，列开源模型第5，较 MiMo-V2.5-Pro（第13，-7.23%）提升9个名次；其 Confirmed Success 得分 +7.35%，列开源模型第2。
推荐理由：Arena 官方给出 MiMo-V2.6 两款模型在真实智能体会话中的排名、净提升和成本数据，可据此比较其实际表现与性价比。
Arena精选AI 评分7171 Claude Sonnet 5.5 (xHigh) 以 1786 分登 Code Arena: WebDev 第 3 名
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。
推荐理由：原文给出 Claude Sonnet 5.5 xHigh 的具体榜单分数与分项排名，读者可以据此比较它与 GPT-6 Astra 的性价比位置。
Artificial Analysis精选AI 评分6666 Artificial Analysis：GPT-6.1 Sol 的 Cost per Task 较 GPT-6 Sol 低约 30%
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。
推荐理由：原文拆解了 GPT-6.1 Sol 成本下降的具体构成，读者可以据此对比不同代际模型的实际任务开销。
MarkTechPost精选AI 评分7979 OpenAI 发布 GPT-6.1 Sol：以 Astra 五分之一价格接近其编码与计算机操作水平
OpenAI 发布 GPT-6.1 Sol，定价为每百万 token 2 美元输入、10 美元输出、0.10 美元缓存输入，为 GPT-6 Astra 标准价格约五分之一。
推荐理由：原文整理了 GPT-6.1 Sol 的定价、上下文与各家厂商基准对比，便于开发者评估其相对 Astra 和 Claude 的性价比。
Google DeepMind：Blog精选AI 评分7878 Google DeepMind 发布 Gemini 4 Argon，面向可信网络防御者先行开放
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向可信网络防御者开放，后续将逐步面向开发者、企业和消费者推出。
推荐理由：官方发布给出了定价、输出 token 上限和多项基准成绩，读者可以据此比较它在编码与企业工作流中的实际位置。
Arena精选AI 评分7070 GPT-6.1 Sol (Max) 以 1759 分登上 Code Arena: WebDev 第 3 名
Arena 评测榜单显示，OpenAI 的 GPT-6.1 Sol (Max) 以 1759 分位列 Code Arena: WebDev 第 3 名，混合价格为 $8/MToken。相比 GPT-6 Sol (Max) 同价提升 70 分，排名上升 4 位，且在 Consumer Product 等所有类目均有提升。
推荐理由：评测方公布了 GPT-6.1 Sol (Max) 的排名和价格数据，读者可以据此比较它在成本与性能权衡中的位置。
公众号：蚂蚁百灵精选AI 评分6767 蚂蚁百灵发布 Ling-3.1-flash，面向真实世界长任务升级
蚂蚁百灵推出 Ling-3.1-flash，总参数约 560B，每个 Token 激活约 25B，上下文窗口上限 1M，延续混合线性架构并提高线性 Attention 层比例（7 层 KDA 配 1 层 Gated MLA，512 个路由专家选 8 个加 1 个共享专家）。
推荐理由：官方发布同时给出架构细节、多项长程任务实测结果和对比数据，读者可据此评估其在办公、医疗和软件研发场景的适用性。
Arena精选AI 评分6767 GPT-6.1 上线 Arena 评测平台
Arena 宣布 OpenAI 的 GPT-6.1 现已上线 Agent Arena，用户投票将影响其评估，分数即将公布。Agent Arena 通过数百万个真实世界、长时程智能体任务评测模型，模型可调用网页搜索、文件系统和终端工具完成复杂工作流，排行榜采用因果追踪方法衡量模型相对平均模型的结果表现。
推荐理由：OpenAI 新模型上架 Agent Arena 和 Code Arena，读者可自行投票并等待基于真实智能体任务的分数。
Arena精选AI 评分8484 Claude Sonnet 5.5 (High) 以 1699 分登 Code Arena: WebDev 第 4 名
Arena 公布 Claude Sonnet 5.5 (High) 在 Code Arena: WebDev 以 1699 分排第 4，混合价格约 $8 per Mtoken，比第 2、3 名便宜 80%。相较 Sonnet 5 (High) 的 1540 分提升 159 分，Reference-Based Design、Simulations、Gaming 均从第 30 多名升至第 4。
推荐理由：原文给出实测榜单名次、分数与价格对比，读者可以据此评估该模型在成本与性能间的实际位置。
OpenAI：官网动态精选AI 评分8686 OpenAI 发布 GPT-6.1 Sol，以约五分之一价格接近 GPT-6 Astra 智能
OpenAI 发布 GPT-6.1 Sol，在 agentic 编码、computer use 和专业工作等任务上接近 GPT-6 Astra，标准 API 价格为每百万输入 token $2、缓存输入 $0.10、输出 $10，约为 Astra 五分之一。
推荐理由：官方公布了与 GPT-6 Astra 的多项基准对比和完整 API 定价，开发者可以据此评估用五分之一成本替代旗舰模型的可行性。
蚂蚁百灵：Developer Blog精选AI 评分6767 蚂蚁百灵发布 Ling-3.1-flash：560B 总参数、1M 上下文，两周免费体验
蚂蚁百灵发布 Ling-3.1-flash，总参数约 560B、每 Token 激活约 25B，上下文窗口上限 1M，采用 7 层 KDA 配 1 层 Gated MLA 的混合线性架构，围绕通用智能体、搜索、办公和软件研发优化。
推荐理由：官方发布给出架构参数和多场景评测数据，还附 Lua 编译器等长程任务案例，可据实对比模型的智能体能力。
Cohere 产品与研究博客精选AI 评分6969 Cohere 发布 Embed 5 嵌入模型家族，含 Pro 和 Fast 两档
Cohere 发布 Embed 5 嵌入模型家族，含 Pro 和 Fast 两档，支持文本与图像输入、100+ 语言、128K 上下文，已通过 Cohere API、Microsoft Foundry、Amazon SageMaker 等渠道开放。
推荐理由：官方给出两个档位的定价、基准成绩和共享嵌入空间设计，读者可以据此权衡检索质量与查询成本的部署方案。
Artificial Analysis 完整文章精选AI 评分7878 Artificial Analysis 评测 Gemini 4 Argon：Google 重回智能前三梯队
Artificial Analysis 评测 Google DeepMind 的 Gemini 4 Argon，其高推理档在 Artificial Analysis Intelligence Index 得分 53，追平 GPT-6 Astra (max)、领先 GPT-6.1 Sol (max) 1 分。
推荐理由：评测方给出与竞品的价格和智能指数对比，读者可据此评估 Google 新模型在成本与智能上的真实位置。
Hugging Face 社区博客精选AI 评分6767 NVIDIA 发布开源表格基础模型 Kumo Tabular，在 TabArena 等四项基准排名第一
NVIDIA 发布开源表格基础模型 Kumo Tabular，对带标签表格做单次前向推理即可完成分类和回归，无需训练、调参或特征工程。
推荐理由：官方技术博客披露了架构、纯人工数据预训练配方和四项基准成绩，读者可据此评估其替换梯度提升树的可行性。
Inception Labs：Blog精选AI 评分6060 Inception Labs 发布扩散语音模型 Mercury Voice
Inception Labs 推出面向语音智能体的扩散大语言模型 Mercury Voice，面向企业客户开放。
推荐理由：原文给出具体的延迟、基准和定价数据，读者可以据此评估扩散语音模型在实时语音智能体场景的取舍。
Arena精选AI 评分7777 Arena 评测：GPT-6 Luna (Max) 列 Agent Arena 第 23 名，单任务成本仅 $0.05
Arena 公布 GPT-6 Luna (Max) 在 Agent Arena 排名第 23，基于 8K 真实智能体会话，净提升 +1.6%，比 GPT-5.6 Luna (xHigh) 上升 6 位。
推荐理由：Arena 用 8K 真实智能体会话数据给出 GPT-6 Luna (Max) 的排名与成本对比，读者可据此权衡其性价比定位。
Arena精选AI 评分6969 Claude Sonnet 5.5 上线 Arena 的 Agent Arena 与 Battle Mode 评测
Arena 宣布 Anthropic 的 Claude Sonnet 5.5 已进入 Agent Arena，并开放投票。Agent Arena 基于全球用户数百万个真实的长程智能体任务评测模型，模型可使用 web search、filesystem 和 terminal 工具完成复杂工作流，榜单用因果追踪方法衡量模型相对平均模型的结果表现。
推荐理由：Arena 介绍了其 Agent Arena 的评测方式，读者可以据此理解 Claude Sonnet 5.5 在真实智能体任务上的衡量口径。