模型

MiniCPM-V 4.7 本地 VLM 效率与质量胜出

本地 VLM 的有趣结果。MiniCPM-V 4.7 35B-A3B 不仅用了更少的 token，还生成了比 Qwen 3.6 35B-A3 更好的体素宝塔。效率 + 质量正在成为多模态模型真正的战场。🔥

Gemini 4 Argon 今日面向 Ultra 订阅者上线

GOOGLE 🔥：已正式确认，今天就是 Gemini 4 Argon 到来的日子（面向 Ultra 订阅者）。 它要来了 👀

MiniCPM-V-4.7-35B-A3B 实测智能体工作流

很高兴看到 MiniCPM-V-4.7-35B-A3B 在真实智能体工作流中接受测试。👀 强大的工具调用、长上下文处理以及智能体循环，正是高效模型需要证明自己的地方。

Arena 测试 Meta Muse Wonder 3D 场景生成

观看 @petergostev 对 @AIatMeta 的 Muse Wonder（Max）进行测试，涵盖一次性 3D 场景、动画 HTML 和前端设计。 他将其与 Astra、Opus 5.5、GPT-6.1 Sol、Claude Sonnet 5.5、Fable、Kimi 和 Mistral 进行对比，并附上了每次生成的费用。 Muse Wonder 的 Arena 评分即将公布。敬请关注，同时可以先看看 @petergostev 的第一印象。 https://www.youtube.com/watch?v=w0fFiXLKmEI

Meta 发布 Muse Wonder 系列 Agent 模型，作者解读四大能力支柱与泛化论证

Meta 发布面向个人与专业场景的 Agent 旗舰模型系列 Muse Wonder，定位为替用户做事而非通用聊天。作者梳理其四大能力支柱：领域专业知识（覆盖法律、金融、医疗与 Harvey 的 LAB 基准）、主动记忆、主动专注（配套自建 FocusBench 和 SWE-Marathon）与前沿编程。

Meta 发布 Muse Wonder 与 Muse Wonder Full 旗舰模型，对标 Anthropic 与 OpenAI

Meta 于当地时间周一发布 Muse Wonder 与 Muse Wonder Full 两款旗舰 AI 模型，Meta 提供的数据显示其在推理、写作与代码测试中得分接近 Anthropic 顶尖模型。

Meta 发布 Muse Wonder 和 Muse Wonder Full，Artificial Analysis 实测智能水平较前代显著提升

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）。

推荐理由：Artificial Analysis 独立实测了两款新模型的智能指数、token 用量和成本，读者可据此对比它们在同类模型中的位置。

Cognition FrontierCode 1.1 上线基准榜

FrontierCode 1.1 现已登陆 @ArtificialAnlys！ FrontierCode 由开源维护者共同打造，是首个衡量端到端代码质量与可合并性的基准：维护者是否真的会合并这个 PR？

Meta 发布前沿模型 Muse Wonder 系列，Muse Wonder Full 以 56 分跻身 AI 顶级梯队

Meta 发布前沿模型 Muse Wonder 和 Muse Wonder Full，在 Artificial Analysis Intelligence Index v4.3 上分别得 52 和 56 分，较前代 Muse Spark 1.3 的 48 分明显提升。

SubQ Snap 长上下文决策模型：384K 上下文、线性延迟

SubQ 推出 SubQ Snap，号称首个面向企业真实工作的长上下文决策模型，支持 384K 多模态上下文，是 Jev 的 12 倍。其延迟随上下文线性增长：100K tokens 660ms、384K 2.5 秒，而标准二次注意力在该区间成本约涨 15 倍。

Meta 发布前沿模型 Muse Wonder，多项基准超过 Opus 5.5 和 GPT-6 Astra

Meta 发布新前沿模型 Muse Wonder，定位为个人智能体和专业智能体上达到 SOTA 的最大最强模型。作者汇总的基准图显示其在 Personal Superintelligence Index 59.1%、AutomationBench-AA 45.4%、SWE-Marathon 和 DeepSWE 上领先 Opus 5.5 与 GPT-6 Astra，其中 SWE-Marathon 得分 57.5 对 Opus 5.5 的 46.3，该基准要求 AI 智能体在 2 到 10 小时内独立完成整个软件项目（如 C 编译器或 Slack 克隆），所有隐藏检查通过才计分。

Meta Muse Wonder 系列上线 Agent Arena，分数即将公布

Arena 宣布 Meta 的 Muse Wonder 系列模型上线 Agent Arena，用户可实测，分数即将公布。

推荐理由：Meta 新模型刚上架 Arena，分数尚未公布，读者可先在 Agent Arena 实测其智能体任务表现。

Agent Arena 数据：7 月最强的 Claude Fable 5 如今只算平均水准

Arena 发布 Agent Arena 的 Confirmed Success 追踪数据：7 月 1 日 Claude Fable 5 领先所有模型，仅 12 周后 Top 20 平均水平就已追平。

Artificial Analysis 推出 Cognition FrontierCode 1.1 编码评测榜单

Artificial Analysis 上线 FrontierCode 1.1 榜单，这是 Cognition 于 2026 年 6 月发布、7 月更新至 1.1 的私有编码评测，要求智能体在真实开源仓库上完成任务并通过维护者合并标准。

Meta 发布首批前沿模型 Muse Wonder 和 Muse Wonder Full

Meta Superintelligence Lab 周一发布 Muse Wonder 和 Muse Wonder Full 两款模型，是 Meta 首次推出前沿模型。

Meta 发布 Muse Wonder 与 Muse Wonder Full 两款新模型

Meta 发布 Muse Wonder 和 Muse Wonder Full 两款新模型，即日起向 Muse Code 订阅者开放，Wonder 也可通过 Meta Model API 访问。

Meta 发布 Muse Wonder 与 Muse Wonder Full，主打个人与专业智能体能力

Meta 发布 Muse Wonder 系列模型，包括 Muse Wonder 和 Muse Wonder Full，称其在个人与专业智能体任务、记忆和编码基准上达到 state-of-the-art。

Meta 发布 Muse Wonder 系列模型，顶配版在 14 项基准中 8 项超过 Claude Opus 5.5

Meta 发布 Muse Wonder 系列前沿模型，主打个人与专业智能体工作，顶配版 Full 在 14 项公开基准中 8 项超过 Claude Opus 5.5。

Meta 发布 Muse Wonder 与 Muse Wonder Full，Artificial Analysis 智能指数分别达 52 和 56

Meta 发布 Muse Wonder 和 Muse Wonder Full，Artificial Analysis Intelligence Index v4.3 得分分别为 52 和 56，较 Muse Spark 1.3（max）的 48 明显提升，发布间隔仅 6 周。

面壁智能发布开源多模态模型 MiniCPM-V 4.7 系列，含 35B-A3B 与 1B 两个型号

面壁智能 OpenBMB 发布开源多模态模型系列 MiniCPM-V 4.7，包含 35B-A3B 和 1B 两个型号。

Meta 发布 Muse Wonder 系列模型，含 Muse Wonder 与 Muse Wonder Full

Meta 推出 Muse Wonder 系列模型，包含 Muse Wonder 和 Muse Wonder Full，定位为面向个人与专业智能体任务的前沿模型。Muse Wonder 当日起通过 Meta Model API 和 Muse Code 提供，Muse Wonder Full 面向 Muse Code 订阅用户开放，并将首先向订阅用户推送至其个人智能体产品 Muse。

Meta Muse Wonder 系列基准测试获 SOTA

Muse Wonder 系列在个人与专业智能体、记忆和编程等关键基准测试上取得了 SOTA 结果。 Muse Wonder 和 Muse Wonder Full 将专业知识应用于人们在工作与日常生活中遇到的问题，从理解租约到解读财务或健康信息。我们的评估包含法律、金融和健康领域的任务，以测试这一能力。

Meta 训练 Muse Wonder 模型家族

实现个人超级智能需要在对齐和安全方面进行重大投入，并要求模型对私人信息保持审慎、抵御滥用。 我们训练了 Muse Wonder 模型家族，使其在这两个维度上都处于领先，能够抵御对抗性指令并谨慎处理私人信息。

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。

Meta 发布 Muse Wonder 与 Muse Wonder Full，后者在 Artificial Analysis Index 排名第二

Meta 发布 Muse Wonder 系列模型，包括 Muse Wonder 和 Muse Wonder Full。作者称 Muse Wonder Full 在 Artificial Analysis Index 排名第二，距 Claude Opus 5.5 仅 2 分，并在 DeepSWE 上得 79 分。

Meta 发布 Muse Wonder 前沿模型家族，主打个人与专业智能体任务

Meta 发布 Muse Wonder 前沿模型家族，宣称在个人和专业智能体任务上达到 SOTA 表现。作者引用数据称 Muse Wonder Full 在 Artificial Analysis Intelligence Index 上仅比 Claude Opus 5.5 低 2 分，DeepSWE v1.1 得分 79.0%，高于 Astra（74.1%）和 Opus（74.2%），SWE-Marathon 上击败 Astra 和 Opus 5.5，并呼吁开源该模型。

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。

Z.ai 发布法律领域模型 GLM-Legal，Harvey LAB 全通过率达 19.2%

Z.ai 发布法律领域模型 GLM-Legal，在 Harvey LAB 上取得 19.2% 全通过率，比基座模型 GLM-5.3-Flash 提升 12.5 个百分点，并在 LegalBench 和 PLawBench 上以更精简的参数规模对标前沿闭源模型。

Mistral 新模型 Le Chonk 视觉定位

Le Chonk 在视觉定位上表现炸裂。 能精准指出图像中物体的位置。 在 Dense 200 上达到 42%，甚至领先于前沿闭源模型。

Meta 推出 Muse Wonder 模型系列

突发 🔥：Meta 正在 Meta Model API 平台上推出 Muse Wonder 和 Muse Wonder Full！ > Muse Wonder Full - 我们能力最强的模型，以最大推理量运行。面向最难、耗时最长的工作——仅对 Muse Code 订阅用户开放，不在 API 上提供。 > Muse Wonder - 在真实世界编程中达到 SOTA，专为长时间运行的任务打造。它能规划工作、并行调用工具、将部分任务交给子智能体，并从错误中恢复，让复杂任务得以完成。

智谱推出法律专用模型 GLM-Legal

推出 GLM-Legal 基于 GLM-5.3-Flash 构建，GLM-Legal 在主流法律基准测试上比肩前沿模型。 专为真实法律工作流设计：合同审查、证据分析、合规等。 技术博客：http://z.ai/blog/glm-legal 申请 API 访问：http://z.ai/consultation/legal 试用 AutoClaw：http://autoclaw.z.ai

Hugging Face 发布 DNA 模型 Carbon-A

蓝色 = 已知的。绿色 = 新增的。我们还处在非常早期的阶段。 （引用推文：我们发布了 Carbon-A：一个 DNA 模型，在 22k 个物种中提出了超过 500M 个基因候选！）

Gemini 4 Argon 据称在 Antigravity 上 A/B 测试

GOOGLE 🔥：据报道，Gemini 4 Argon 已在 Antigravity 上以 Gemini 3.8 Flash 的名义进行了一段时间的 A/B 测试。 相比现有的 Flash 模型，这似乎是一次巨大的跃升。 世界生成提示词 > Gemini 4 Argon（据称）

Arena 公布 2026 年第 41 周大模型周榜：Claude Opus 5.5 Max 首登智能体榜首

Arena 平台发布 2026 年第 41 周（10 月 5 日至 11 日）AI 大模型排行榜，Anthropic 的 Claude Opus 5.5 (Max) 首次入榜智能体榜即以 15.53% 净提升度登顶，任务确认成功率 17.29%，工具幻觉率 0.37%。

TII 发布 Falcon-ASR：1.6B 阿拉伯语语音模型，平均 WER 20.92%

阿布扎比 TII 发布 1.6B 参数的阿拉伯语语音识别模型 Falcon-ASR，在 6 个阿拉伯语测试集上平均 WER 为 20.92%，比 Audar-ASR-V1-Turbo 的 23.17% 低 2.25 个百分点。

Cloudflare 发布 Clef-omni：30B-A3B 多模态决策模型，单次调用评分文本、图像、音频和视频

Cloudflare 于 2026 年 10 月 9 日发布开放权重决策模型 Clef-omni，可在一次调用中对文本、图像、音频和视频打分。

vLLM Semantic Router 发布开源多模态决策模型 Decision 3.0，共 5 个尺寸

vLLM Semantic Router 团队发布 Decision 3.0 系列开源决策模型，读取文本、JSON 和图片，返回概率而非生成文本，全部采用 Apache-2.0 许可。

华为与华东师大联合研发昇腾原生时序预训练模型七曜，登顶 TIME-leaderboard 和 GIFT-Eval 双榜单

华为云行业大模型团队与华东师范大学联合研发的昇腾原生时序预训练模型“七曜”，登顶国际权威时序评测榜单 TIME-leaderboard 和 GIFT-Eval（Pretrained 类目）。该模型可直接用于零样本时序预测任务，适配电网负荷研判、工业设备异常时序检测、金融趋势分析等场景，并支持低成本二次微调。

OrcaRouter 发布 OrcaCyber Zero 1.5 网络安全模型，支持 1M 上下文

OrcaRouter 发布 OrcaCyber Zero 1.5 网络安全模型，面向授权漏洞研究，支持 1M token 上下文窗口、原生函数调用与结构化输出，仅通过 OrcaRouter 托管 API 提供，定价 $3.00 / $7.50 每 1M tokens。

Odyssey 开放世界模型 Odyssey-3 公开研究预览，可免费试用

加州 AI 公司 Odyssey 推出 Odyssey-3 世界模型的公开研究预览，用户可用文本提示生成并实时探索交互环境，开发者可申请 API。

Viggle Animate 2 开放权重即将发布

Viggle Animate 2 开放权重即将发布 👀

Image-to-WebDev Arena 更新：Claude Opus 5.5 (Max) 以 1749 分登顶

Arena 更新 Image-to-WebDev Arena 榜单，Anthropic 的 Claude Opus 5.5 (Max) 以 1749 分排名第一，Claude Sonnet 5.5 (xHigh) 以 1740 分位居第二，两者均落在 Pareto 前沿。

Microsoft 发布 Decision-1 决策模型，基于 Qwen3.5-9B

Microsoft 发布决策模型 Decision-1，用于分类、评估和路由决策，基于 Qwen3.5-9B，据称可引导智能体在复杂环境中行动。

Google Gemini 4 "Carbon" 被曝编程性能接近 Anthropic Opus 5.5

Google 正在内部测试 Gemini 4 的 Argon、Barium、Carbon 三个变体，其中 Carbon 已在内部编程平台 Jetski 部署，编程任务表现优于 Argon，有员工将其与 Anthropic 最强编程模型 Opus 5.5 相提并论。

Nace AI 开源 9B 决策模型 Drex 1.5，为选项打分而非生成文本

Nace AI 开源 9B 决策模型 Drex 1.5，读取状态和类型化问题后为每个选项输出概率，不生成文本。其在公开 Decision Index 0.3.1 上得分 58.08，与闭源模型 Jev 1.13.0（57.96）处于并列区间，权重已上架 Hugging Face，托管版在 OpenRouter 上按每 1M 输入 token 收费 $0.04、输出 $0。

Cloudflare 推出开放权重决策模型 Clef-omni，新增音频和视频输入

Cloudflare 于 10 月 9 日发布开放权重决策模型 Clef-omni，在 Clef 系列基础上新增音频和完整视频输入，支持 wav、mp3、mp4 和 webm 格式，可单次 API 调用处理文本、图像、音频和视频，模型权重已在 Hugging Face 开放。

OpenAI 未公布模型 gpt-rosalind-discovery 现身 API 定价页

OPENAI 🔥：API 定价页上出现了一个新的 gpt-rosalind-discovery 模型。该模型迄今尚未公开发布。 该模型定价与 gpt-rosalind-research 相同，具体用途尚不清楚。 它会不会是专门用于药物发现的模型？ 那将是大新闻 👀

蚂蚁百灵回应 DesignArena 对 Ling-3.1-flash 的评测并宣布限时免费

蚂蚁百灵转发 DesignArena 对其新模型 Ling-3.1-flash 的评测视频并致谢，该评测盲测认为模型在详细 SVG、动画 SVG 和完整移动应用生成方面表现突出。作者宣布模型现可在 OR/Vercel 及 day0 合作伙伴渠道限时免费使用。

Underdog AI 发布 Saluki 27B：2-bit 量化 Qwen3.8-27B，仅 7.89GB

Underdog AI 发布 Saluki 27B 模型，这是 Qwen3.8-27B 的 2-bit 量化调优版本，仅保留文字 I/O 能力，文件大小 7.89 GB。

生数科技发布视频生成模型 Vidu Q4 Preview 预览版，支持 2K、4K 输出

生数科技发布新一代视频生成旗舰模型预览版 Vidu Q4 Preview，支持图生视频和参考生视频。最多支持 3 段参考音频、15 张参考图与 2K、4K 输出，10bit 色深，单次最长生成 16 秒视频，提升动态运镜、切镜与复杂镜头衔接；首发优惠价 0.09 元/秒起，适合 AI 短剧、广告营销、社交互动和影视创作等场景。

微软推出 Microsoft-Decision-1 决策模型，基于 Qwen3.5-9B 后训练

微软发布 Microsoft-Decision-1 决策模型，专为结构化决策任务打造，现已上线 Microsoft Foundry 并接入 OpenRouter。该模型基于 Qwen3.5-9B 后训练，在 36 项基准测试中准确率最高，响应速度比 Quyet-1.0-Large 快 4.5 倍、比 GPT-6 Sol 快 35 倍。定价为每百万 Token 输入 0.042 美元，输出免费。

Gemini 4 Argon 现身 Antigravity，推理档位统一

Google 在 Antigravity（隐藏项）中新增 Gemini 4 Argon 模型引用，支持 low、medium、high 三档推理强度；Gemini 网页端也已为所有模型显示这三档推理选项，统一了各工具的推理选择器。

Microsoft-Decision-1 决策模型上线 OpenRouter

Microsoft-Decision-1 上线 OpenRouter。官方称其在 36 项盲测基准（约 15 万题）中准确率最高，比第二名快 4.5 倍、比 GPT-6 Sol 快 35 倍，扰动输入下仅 1.3% 的决策翻转；基于 Qwen3.5-9B 后训练，定价 $0.042/M input、输出免费，32K 上下文。

HiDream-O1-Video-1.0 在 Artificial Analysis 图生视频音频榜首秀排第 6

HiDream-O1-Video-1.0 在 Artificial Analysis Video Arena 图生视频（含音频）榜排名第 6，紧随 Dreamina Seedance 2.0 720p，与 MiniMax H3、Vidu Q4 Preview、Gemini Omni Flash 处于接近梯队，领先 Wan 3.0。

阿里千问发布 Qwen-Image-2.1-Turbo：7B 图像模型 8 步生成 2K 图像

阿里千问发布 Qwen-Image-2.1-Turbo，将 Qwen-Image-2.1 的 40 步去噪缩减为 8 步，保持 7B 架构，支持 2K 生成、多参考图编辑和透明 RGBA 输出，文本编码器为 Qwen3-VL 8B。

微软发布 Microsoft-Decision-1 决策模型

微软在 Microsoft Foundry 上线 Microsoft-Decision-1，基于 Qwen3.5-9B 后训练，用于快速单次决策打分，后续计划迁移到 MAI 和 OpenAI 模型。

微软推出 Decision-1 决策模型

推出 Microsoft-Decision-1，我们用于快速决策的新模型。 它在结构化决策任务上表现顶尖，在延迟和质量上均优于 LLM 和其他决策模型。 我们已在微软内部测试它，应用范围涵盖事件响应、质量控制到科学发现。

HeyGen Voice 登顶 TTS 竞技场榜首

HeyGen Voice 在 Artificial Analysis 受控语音 TTS 竞技场以 Elo 1,201 登顶，超过 Qwen-Audio-3.1-TTS-Plus（1,182）和 Eleven v4 Turbo（1,166）。其发音鲁棒性得分 83.1%，定价 $30/1M 字符，生成速度为每秒 40 字符。

Artificial Analysis 实测四个前沿图像编辑模型连续30步编辑的一致性

Artificial Analysis 对 GPT Image 2.5 Sunburst、Ideogram 4.5、FLUX 3 和 Nano Banana 2.1 做了30步连续房地产布景编辑测试。

François Chollet 谈 Kaggle 上 ARC-AGI-2 分数已达 88.06%

François Chollet 转发 ARC Prize 消息称 Kaggle 上 ARC-AGI-2 分数已达到很高水平。ARC Prize 2026 榜单第一名为 tufa labs，得分 88.06%，第二名 Rabbithole 为 80.56%；超过 85% 的团队将分享在保底奖金之外的 15 万美元 Bonus Prize。

ARC Prize 2026 ARC-AGI-3 高分榜

新的 ARC Prize 2026 - ARC-AGI-3 高分 Yi-Chia Chen 取得 59.17% 他们已超越 @tufalabs

https://www.kaggle.com/competitions/arc-prize-2026-arc-agi-3/leaderboard

https://www.kaggle.com/competitions/arc-prize-2026-arc-agi-3/leaderboard

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。

https://www.kaggle.com/competitions/arc-prize-2026-arc-agi-2/leaderboard

https://www.kaggle.com/competitions/arc-prize-2026-arc-agi-2/leaderboard

小米 MiMo-V2.5-Pro 与 MiMo-V2.5 模型下线，可迁移至 MiMo V2.6 系列

小米发布 MiMo-V2.5-Pro、MiMo-V2.5 下线通知，建议迁移至推理能力更强、性价比更高的 MiMo V2.6 系列，其中 mimo-v2.5-pro 替换为 mimo-v2.6-pro、mimo-v2.5 替换为 mimo-v2.6-flash。

Arena 一周榜单：Nano Banana 2.1、Mistral Large 4 与 Claude Haiku 5.5 排名更新

Arena 发布本周榜单更新：Nano Banana 2.1 在三个 Image Arena 模式进入前六，其中 Multi-Image Edit 排第 4（1431 分）。

通义千问发布 Qwen-Image-2.1-Turbo，8 步去噪即可生成和编辑图像并开放权重

通义千问发布 Qwen-Image-2.1-Turbo，基于同一 7B 视觉生成架构的加速 checkpoint，只需 8 个去噪步骤即可生成和编辑图像，权重已开放。

Step 5 Preview 登 OpenRouter 榜单

Step 5 Preview 现已登上 @OpenRouter 的 New & Trending 排行榜。 感谢每一位试用的人，也感谢我们的合作伙伴将它带入你们的工作流。