内容类型
各家新模型的发布、开源与迭代：旗舰更新、开源权重放出、能力与价格变化。
16 条精选近 30 天 15 条共收录 35 条
Mistral AI 正式开源 1 万亿参数原生多模态旗舰模型 Mistral Large 4（Le Chonk）的模型权重。该版本强化了强化学习训练，在 FrontierCode 2.0 和 Terminal-Bench 4.0 等编码与终端基准测试中位居开源模型前列，并新增 Low、Medium、High 三种推理模式以平衡性能与推理成本。
推荐理由：原文提供了各推理模式与基准表现，开发者可据此评估其在高性价比编程智能体中的落地可行性。
Google DeepMind 发布前沿模型 Gemini 4 Carbon，主打网络安全防护与长程工程任务，在 SEC-bench Pro 漏洞挖掘达 88.2%、CWE-bench 修复达 71.0%。
推荐理由：原文披露了长程工程智能体与网络安全攻防的实测数据，便于评估前沿模型在实际系统漏洞修复中的适用度。
NVIDIA 开源语音模型 Nemotron 3.5 Transcribe 及配套数据管线 Granary v2。该模型将多语言转写、说话人日志、翻译与音频问答整合入单一检查点，总参数量 30B 且每 token 仅激活约 4B，支持 40 种语言转写和最多 8 位说话人区分。
推荐理由：模型将转写、说话人识别和问答整合进单一检查点，并配套开源了大规模数据清洗流程与微调方案。
Liquid AI 推出新一代 Liquid Foundation Models（LFM3）系列开源权重，基于 LFM3-1.7B-Base 统一底座衍生出覆盖文本、视觉、音频、全模态和决策任务的 6 款 2B 级模型。
推荐理由：该系列将多模态能力统一到2B级轻量底座并支持单卡微调，适合作为端侧智能体与具身控制的专用模型参考。
Google DeepMind 发布新一代交互式世界模型 Genie 4，支持实时通过键鼠和自然语言指令生成并调整具备物理规律的仿真环境。该模型原生支持同步生成环境音效与角色交互对话，并引入 Gemini 模型作为引导 Agent 维持场景的多步推理与因果连贯性。
推荐理由：该模型结合语言模型推理与实时像素生成，展示了如何通过自然语言与键控交互驱动高保真物理仿真与多模态环境生成。
OpenAI 发布 GPT-6.1 Terra，API 价格是 GPT-5.6 Terra 的一半，输入每百万 token 1 美元、输出 5 美元，缓存输入降至每百万 token 0.05 美元。
推荐理由：以 API 价格减半和每任务成本对比为主线，读者可据此判断中端模型在成本与能力间的取舍。
Moonshot 发布 Kimi K3.1 Pro，这是一款 2.8 万亿总参数、104B 激活参数、100 万 token 上下文的多模态 MoE 模型，已在官网、App、Kimi Work、Kimi Code 和 API 上线标准版与 Highspeed 版，权重承诺 11 月 4 日开放。
推荐理由：聚合了第三方基准与社区对成本、安全干预和推广争议的多方讨论，便于对照厂商宣传与独立评测的差异。
月之暗面 Kimi K3.1 Pro 已在 Kimi API 上线，尚未开源权重，官方承诺 2026 年 11 月 4 日前发布完整模型权重。定价为输入 $2.00/百万 token、输出 $10/百万 token，与 GPT-6.1 Sol 持平，为 Claude Opus 5.5 的一半；另提供速度快 2-3 倍、价格翻倍的 Highspeed 版本。
推荐理由：材料同时给出 Kimi K3.1 Pro 的定价、权重开放时间与第三方评测位次，便于对照前沿模型判断其定位。
NVIDIA 发布预训练关系型基础模型 Kumo Relational，直接在企业数据库上做预测，无需任务特定训练、特征工程或表扁平化。在 15 个数据库的 41 项任务上，它超过监督式关系深度学习模型和专家特征工程 GBDT 管线；在 SAP SALT 企业基准上，其 MRR 比 AutoGluon 集成高 8%，微调后扩大到 16%。
推荐理由：原文给出与企业数据库上直接预测的对比结果和开放权重，可供读者判断无需训练的范式在关系型数据上走到哪一步。
Mistral 发布 Voxtral 3 系列语音模型和基于 LiveKit 的语音智能体 SDK，把听、推理、工具调用和说合成一条实时流式管线，单轮响应在 1 秒内。
推荐理由：Mistral 一次性发布语音转写、语音合成和语音智能体 SDK 这整套语音栈，并给出价格与基准对比，读者可据此评估自建语音 Agent 的成本与替代方案。
Mistral AI 发布首个时间序列基础模型系列 Timestral，提供 5M、28M、123M 和 209M 四个尺寸。最大的 209M 模型在 GIFT-Eval、TIME 和 fev-bench 三项公开基准的预训练零样本模型中均排名第一，参数量为前 SOTA 的三分之二。
推荐理由：原文给出了四个尺寸的参数量、三项基准排名和 CPU 推理延迟，便于横向比较时间序列基础模型的准确率与成本。
Google DeepMind 发布 Gemini 4 Argon，主打物理理解、代码生成与视觉语义推理，在 Embodied Reasoning（ERQA）基准上以纯推理取得 87%，超过其他前沿模型。
推荐理由：官方给出 Argon 在 ERQA 物理推理基准的得分，并用机器人控制、Real2Sim 等多组提示词展示能力边界。
Google DeepMind 发布 Gemini 4 Argon，面向开发者、企业、科研人员和消费者开放，定价为每百万输入 token 2 美元、每百万输出 token 10 美元，缓存输入 token 享 95% 折扣。
推荐理由：官方给出多领域实测与定价细节，可据此判断新模型在编码、科研和企业工作流中的具体位置。
Google DeepMind 发布 EmbeddingGemma 2，这是一个可原生映射文本、图像、音频和视频到统一嵌入空间的多模态嵌入模型，基于 Gemma 4 架构，采用 Apache 2.0 许可，参数量 7.4 亿。
推荐理由：EmbeddingGemma 2 把文本、图像、音频和视频嵌入统一到 7.4 亿参数的端侧模型，给出各模态参数拆分和内存占用，便于评估私有化检索方案。
Mistral 发布 Mistral Large 4 公开预览，可通过 Mistral Studio 试用预览 API，权重将于本月底放出。
推荐理由：官方给出 1 万亿参数、520 亿激活的开源权重路线与多项基准对手对比，便于判断开放权重阵营的位置。
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，后续将面向开发者、企业和消费者推出，起步定价为每百万输入 token 2 美元、每百万输出 token 10 美元。
推荐理由：原文给出了模型在编码迁移、网络安全和企业知识工作上的具体内部用例与基准成绩，并说明了分阶段开放的节奏。