DaisyRose-27B:提升后训练效率的前沿模型
RadixArk 发布其首个模型 DaisyRose-27B,基于 Qwen3.8-27B 架构,使用 Miles 框架进行强化学习训练,并在 144 块 H200 GPU 上通过 1,200 个精心设计的任务完成了为期 18 天的训练。
推荐理由:RadixArk 基于 Qwen3.8-27B 发布了首个模型 DaisyRose-27B,展示了其在长程智能体任务上的强化学习训练效果。
RadixArk 发布其首个模型 DaisyRose-27B,基于 Qwen3.8-27B 架构,使用 Miles 框架进行强化学习训练,并在 144 块 H200 GPU 上通过 1,200 个精心设计的任务完成了为期 18 天的训练。
推荐理由:RadixArk 基于 Qwen3.8-27B 发布了首个模型 DaisyRose-27B,展示了其在长程智能体任务上的强化学习训练效果。
谷歌新模型 Gemini 4 Carbon (High) 以 1526 分首次登顶 Arena 平台综合榜,与 Gemini 4 Argon (High) 分差仅 4 分。
推荐理由:文章汇总了多平台最新模型表现,读者可据此快速掌握不同赛道头部模型的竞争态势。
阿里巴巴正式发布全新一代基座大模型Qwen4-Max,总参数2.4T,原生支持视觉能力与百万上下文。新模型采用MoE架构,每次尝试平均Token用量较上代减少近50%,完成单个任务的平均费用降低58%。在CodeArena全球盲测中,Qwen4-Max前端排名全球第6;同时,Qwen4-Max已上线千问AI平台提供API服务,其系列中的中小尺寸模型将陆续开源。
推荐理由:原文详细拆解了Qwen4-Max的MoE架构改进与成本优势,并列举了其在长周期任务及AI For Science领域的落地成果,为评估下一代基座大模型提供了关键数据参考。
OpenAI 正式发布 GPT Images 2.6,已面向 ChatGPT、Codex 和 API 开放,图像生成速度较此前提升 50%。该模型在 API 端提供 Flare 和 Sunburst 两款定位不同的模型,新增支持通过文字提示词生成 GIF 动图以及 SVG 导出功能,并引入 complexity 参数用于控制模型的场景规划投入。
推荐理由:原文实测了 GIF 生成、SVG 导出等核心能力,读者可据此评估其在设计工作流中的实用性。
腾讯发布旗舰模型Hy4,该模型首次加入视觉能力并计划开源。实测显示其能操作微信、利用图片进行3D建模,长程任务保持力较强。其API价格对齐DeepSeek-V4系列,并已在腾讯云、CodeBuddy等平台上线,同时完成了昇腾NPU生态的适配。
推荐理由:实测展示了该模型在视觉与长程任务上的具体能力,并给出了与同类模型的价格对比。
Avartha 发布名为 Ava Zero 1 的开源权重语音模型,其在 Sierra 的 τ³-Voice 基准测试中以 86.0% 的任务完成率位居榜首,超越 OpenAI GPT Live 1、xAI Grok 及 Google Gemini。
推荐理由:原文通过对比任务完成率,展示该开源语音系统在实时场景下超越主流闭源闭环的能力。
DeepSeek 开源了名为 Super-agent 的 Personal Agent 底层架构,支持跨平台多任务并行与自主Bug修复。实测显示该方案任务完成时间中位数为12.4分钟,95分位数为15.7分钟,优于传统单会话方案。该架构采用 Router 与 Worker 双层设计,并引入投机执行、订阅直通机制及 Watchdog 看门狗以实现24小时在线与异常自愈。
推荐理由:原文展示了双层架构与实测数据,读者可据此理解长期在线Agent的工程实现路径。
Kimi于2026年10月23日发布K3.1 Pro,其在Artificial Analysis Intelligence Index上得分55.1,落后最佳闭源模型Claude Opus 5.5(得分57.6)2.5分。
推荐理由:文章将开源AI的基准领先程度量化为时间维度,并指出Kimi K3.1 Pro显著缩短了中国实验室与非中国实验室在开源模型性能上的差距。
MiniMax M3.1 Flash 正式发布,并确认是匿名模型 Space Bunny 的正式版,主打高速推理与低成本。该模型在 Automation-Bench、DeepSWE、ALE 等基准上表现强劲,在 ALE 任务中花费约 739 元即可跑完,性能追平甚至部分反超旗舰级模型如 Claude Opus 5。
推荐理由:M3.1 Flash 的定价与多任务基准成绩被并排放在 DeepSeek V4.1 Flash 和 Opus 5 的坐标系中,可以直接看出当前低段位模型的价格锚点。
MemTensor开源发布MemT 1.0系列,将记忆计算原生集成进Transformer架构以支持AI自我改进。该模型在SWE-bench Verified等基准测试中表现优于或持平外部文本记忆,且推理速度提升约1.86倍、状态占用大幅降低。
推荐理由:文章解析了MemT 1.0如何通过记忆原生架构实现经验复用,其性能逼近外部记忆且显著降低部署成本。
Arena 宣布 DeepSeek-V4.1-Flash-1017(Max)以 1670 分超过 Kimi K3(Max),成为 Code Arena: WebDev 榜单排名最高的开源模型。该模型在 DeepSWE v1.1 测试中得分超越 GPT-6 Astra 等模型,每百万 Token 输入成本约为 Kimi K3 的 1/10,支持一次性生成可运行的 3D 场景与网页游戏。
推荐理由:读者能基于实测案例和价格数据,判断新模型在创意原型开发中的性价比。
MiniMax 正式发布 M3.1 Flash,定位为 Coding/Agent 优化轻量级模型,拥有 100 万 token 上下文。
推荐理由:两日内的连续发布让两款 Flash 模型在基准与价格上正面碰撞,为长程 Agent 和自动化任务新增了一个可对比的选择。
DeepSeek 发布 V4.1-Flash-1017,在多个 Agent 与编码任务中达到更高分并降低单任务成本。模型在 DeepSWE 基准上取得 77.0%,平均成本低于 $0.20。DeepSeek 同时公开了搜索与抓取 API,开发者可按每 1,000 次调用 $0.75 使用。
推荐理由:文章给出成本与性能变化,读者可以评估新模型在 Agent 任务中是否值得替换。
DeepSeek V4.1 Flash 更新至 V4.1-Flash-1017 版本,官方网页端、APP 与 API 已同步变更。新版通过强化学习提升了游戏开发与 3D 建模等项目构建能力,并优化了性能与成本平衡,支持在较少的提示词条件下实现复杂任务。
推荐理由:新版本提升了游戏与3D项目开发能力,开放了带鉴权的自研搜索 API,并同步更新多端入口。
Anthropic 发布 Claude Haiku 5.5,官方跑分显示其在基准测试中全面超越 GPT-6 Luna。对于 10 万 token 以内的请求,输入输出价格直接砍 90%,使得除缓存命中外的价格低于 DeepSeek-V4.1 Flash。
推荐理由:文章量化了 Haiku 5.5 相对 4.5 的成本降幅与性能跃升,并揭示了升级中涉及的 API 参数兼容性陷阱。
DeepSeek 正式发布 V4.1 Flash 模型,该模型为 552B 参数的 MoE 架构,具备原生多模态视觉理解能力。
推荐理由:模型以低激活成本超越旗舰智能,同时大幅压缩推理缓存并下调价格,可直接评估其在 Agent 场景中的部署经济性。
智谱今日上线并开源 GLM-5.3-Flash (320B-A18B),这是 GLM-5 系列首个原生多模态模型,在 AA 综合智能指数中取得 57 分,性能与 Claude Opus 4.8 持平,定价仅为后者的 1/40。
推荐理由:GLM-5.3-Flash 以1/40的价格提供与前沿模型持平的智能,且全程跑在国产芯片集群上,展示了低成本推理的可行性。
千问团队正式发布多模态 MoE 模型 Qwen3.8-Flash,主模型参数量 125B,支持 262k 至 1M token 上下文,其训练成本仅为 Qwen3.7-Plus 的 1/9 且已上线 API 服务。
推荐理由:千问团队发布 Qwen3.8-Flash 模型及开源 Next 版本,通过架构创新显著降低训练成本并优化长上下文效率。
硅基流动上线 DeepSeek-V4-Flash-0731,作为 V4 系列效率型版本,在维持推理速度和调用成本基础上系统升级 Agent 能力。该模型仅做后训练,结构不变,在官方 9 项 Agent 基准评测中超过此前 Preview 版本,并原生支持 OpenAI Responses API、三档 reasoning effort 与 Codex 适配。
推荐理由:模型在速度成本不变前提下完成 Agent 能力升级,并补齐工程适配环节。
DeepSeek V4 Pro 正式版上线,同步开放 APP、网页端与 API。Agent 能力显著提升,生产环境表现尤为突出。API 新增原生支持 OpenAI Responses API 并适配 Codex;V4-Pro 与 V4-Flash 支持 low、high、max 三档思考强度。
推荐理由:正式版的Agent能力增强和三档思考强度控制,让开发者在简单日常和高复杂度任务间有了更细的切换空间。