Reflection AI 发布首个开放权重模型 Beam,性能对标 GLM-5.2 与 Qwen3.8-Max
Reflection AI 发布首个开放权重模型 Beam,官方称其在代码和智能体任务上的性能正逐步逼近 Qwen3.8-Max,可对标 GLM-5.2。Beam 总参数量为 5010 亿,采用稀疏激活架构,每次任务激活 230 亿参数,以此加快推理速度并降低运行成本。
Reflection AI 发布首个开放权重模型 Beam,官方称其在代码和智能体任务上的性能正逐步逼近 Qwen3.8-Max,可对标 GLM-5.2。Beam 总参数量为 5010 亿,采用稀疏激活架构,每次任务激活 230 亿参数,以此加快推理速度并降低运行成本。
Reflection AI 发布其首个前沿开源模型 Beam,该公司称 Beam 在高级推理基准上性能媲美 Z.ai 的 GLM-5.2,同时推理算力消耗降低 3-4 倍。该 501B 参数模型采用 MoE 架构,拥有 23B 激活参数,支持 1M token 上下文窗口,主要面向企业级和主权 AI 场景。
同一新闻,精选展示《Hugging Face 开源 501B MoE 模型 Beam》
Reflection 发布其首个开源权重模型 Beam,这是一款 501B 总参数量、23B 激活参数的稀疏 MoE 模型,面向编码、推理与智能体工作负载。模型在 23.8T tokens 上预训练,并使用了 10.5K 块 NVIDIA GB300 GPU 进行 4 周的高强度强化学习,生成超 1 亿条 rollouts。
同一新闻,精选展示《Hugging Face 开源 501B MoE 模型 Beam》
Reka AI 发布了 190 亿参数的全模态模型 Rho-1 研究预览版。该模型通过共享上下文窗口统一处理文本、图像、视频及机器人控制动作,无需外部工具调用。其为机器人动作引入了逆动力学模型,通过从普通互联网视频中提取控制信号来应对数据稀缺问题。
Jiwo 微调 Qwen3.5 推出两款小型决策模型,在决策指数榜单中取得优异成绩。其 0.8B 版本在 sub-1B 类别排名第一,得分比该类别其他最佳 Qwen3.5-0.8B 微调模型高出 45.7%。开发工作主要集中于数据校准和外部数据集改编,作者期待社区贡献能进一步提升性能,未来 Qwen 3.8 的发布也将推动这类模型的发展。
Banbury Road 宣布推出 Kardashev-0.7,该方案利用强化学习协同训练 32 个独立模型。 其核心理念是实现模型间的互补专业化,将模型数量与协作确立为新的扩展轴。 文章指出,在相同总计算量下,需评估联合训练相对于独立训练模型集成的性能提升。
Aleph Alpha 发布了 780 亿参数的德英双语模型 Kolibri,基于 MoE 架构,单 token 激活约 30 亿参数。该模型在欧洲法规下开发,上下文窗口支持 100 万 token,推理速度超过 GPT OSS 等类似模型。Kolibri 的权重已在 Hugging Face 上以 Apache 2.0 协议开源,主要面向公共行政、航空和工业场景。
开发者将 OpenAI 的 GPT-6 Astra 连接至开源魔兽世界客户端,模型通过读取原始服务器网络数据包和 SQL 文件而非视觉画面,在 40 分钟内零死亡通关兽人起始区域并自主管理装备。此外,OpenAI 正在图像创作工作流中测试静态图像广告,面向美国部分广告主,免费用户可见而付费用户不可见。
SRA-RiskGate-4B 是一款基于 Qwen3-4B-Instruct-2507 微调的本地 LLM,旨在自主执行稳定币支付的风险评分与争议裁定。
初创企业 TypeSafe AI 发布的决策模型 Jev 近日日处理量达到 1 万亿 Token,且约 25% 的世界 500 强企业正在使用该模型。Jev 并不生成完整文本,而是将输入内容归类到预设的“是”或“否”、数值评分等输出结果中,被称为“面向校准决策的强化学习”。
推荐理由:通过拆解硅谷巨头的迅速跟进动作,该材料让读者看清了专用决策模型正在如何在底层重构大语言模型之外的应用生态位。
NASA 和 IBM 联合发布了开源的 NASA-IBM 月球基础模型,利用 LRO 等 4 次任务积累的 17 年观测数据,将月球观测转化为机器学习可用的数据。该模型在极地冰沉积预测任务中较基准模型性能提升 22%,代码和数据集已在 Hugging Face 和 GitHub 开放。
Aleph Alpha 发布英语-德语混合专家模型 Kolibri,总参数量 78B,激活参数量 3B,支持最高 1M token 上下文,并开放 Apache 2.0 许可权重供下载。该模型针对政府、工业和航空航天等监管领域进行了专项优化,在数学、编码和长上下文基准测试中达到了性能与推理成本之间的帕累托前沿。其训练基础设施具备自动化恢复能力,支持在不同推理努力层级间切换以平衡成本与答案质量。
Aleph Alpha 发布开放权重 LLM Kolibri,采用 781 亿参数 MoE 架构,每个 token 激活约 3.46 亿参数,支持德语和英语。该模型使用 Apache 2.0 协议,在 Hugging Face 提供权重,支持 26 万原生上下文及 100 万扩展上下文,需约 78 GB 显存。
推荐理由:通过对比tokenizer效率与幻觉抑制测试,帮助读者判断该模型在本地化部署与多语言推理中的实际可用性。
AI News 汇总了 2026 年 10 月 1 日至 2 日的行业动态。OpenAI 推出 GPT-6.1 Sol,定价为每百万输入 $2、输出 $10,在 DeepSWE v1.1 上以 6.4 分的优势超越 GPT-6 Sol。Anthropic 用户集中反馈 Claude Opus 5.5 在发布数日后出现代码质量下降和路由变更,引发对闭源模型静默降级的广泛担忧。
MiniMax M3.1-Flash实测生成3D网页、动效设计和鸡尾酒动画,前端表现媲美Claude Opus 5.5。该模型基于原生多模态训练支持1M上下文,能自主补全设计细节。MiniMax H3开源一个月内下载量超2400万次,体现多模态积累反哺文本能力。
Amazon 发布基于 Qwen3.5-2B 架构的开源决策模型 Strands Decider 2B,该模型支持本地运行,输出带置信度评分的校准选择而非生成文本,旨在为代理工作流提供低延迟、低成本的决策步骤。
亚马逊 Strands Agents 团队开源了基于 Qwen3.5-2B 架构的决策模型 Strands Decider 2B,权重已在 Hugging Face 发布,支持本地 CPU 和 GPU 运行。该模型采用评分指针头部并微调躯干,在 JevBench 基准中位列 2B 级别第 3 名,在 NVIDIA GeForce RTX 3090 上的决策时延中位数为 153ms。
StartLux 开源 StartLux-Decision 模型,在 Decision Index 0.2.1 基准中 38 项有 31 项超过 Jev 1.13,综合得分 63.88。
推荐理由:StartLux-Decision 以 5 个规格及 3 天研发周期开源,展示了决策模型在 Agent 高频调用场景中的分层部署价值。
AI 研究团队 Tavus 发布实时视频交互模型 Griffin 并公布一项实验结果:在一分钟视频通话中,54 名参与者里 48% 的人认为对方是真人。Griffin 采用全双工视频交互方案,其开源版本 Griffin-Lite 支持实时生成 720p 视频,延迟为 0.43 秒,并已在英伟达 VideoFDB 公开榜单上取得生成赛道最高分。
Cloudflare 发布面向 AI 智能体的两个决策模型 Clef 和 Clef-flash,可一次回答多个预定义问题并返回各选项概率,公司称 Agent 不再必须保留人工环节。
MiniMax 上线 M3.1-Flash-Preview 模型,该模型具备百万 token 上下文和原生多模态能力,在 MiniMax Code 首发并通过 API 开放。
淘宝 TaoMate-H3 已开源推理代码与 LoRA 权重,该模型基于 MiniMax H3,通过三步流式生成支持分钟级音视频连续续写与 480p 至 1080p 输出。实测中 TaoMate-H3 的纯 DiT 计算耗时较原版降低 11.45 倍,首段就绪时间缩短 27.66 倍,推理代码位于 GitHub,模型权重位于 Hugging Face,团队计划后续发布 FL2AV 流式模型。
Black Forest Labs 发布 FLUX 3 Image,是 FLUX 3 多模态模型中负责生成和编辑图像的模块。该模型支持用户通过 bounding box 将图像元素按 0 到 1000 的网格布局后,让 FLUX 3 在保持各元素位置的前提下渲染整幅图像。
{ "title_zh": "OpenAI 称 6.1 Sol 负载性能改善", "body_zh": "另外,6.1 Sol 是我们史上增长最快的模型,在负载下表现一度较慢。现在应该好多了!" } ```
Google DeepMind 发布 Gemini 4 Argon,主打编码、企业办公与网络安全,输出上限从 64K 提升至 1M token,提供 Long Decode Continuation 跨调用续写能力。
推荐理由:Argon 的 1M 长输出和 13 项基准领先是当前最核心的差异,读者可以据此对比其与 Astra 的实际使用成本。
谷歌发布新一代旗舰模型Gemini 4 Argon,面向软件工程、企业知识工作和网络安全防御,最大输出Token上限提升至100万。在DeepSWE v1.1等测试中,Argon成绩领先GPT-6 Astra和Claude系列模型;按折扣定价,其每任务成本较GPT-6 Astra降低40%。
推荐理由:原文汇总了Gemini 4 Argon在多项企业级基准中的领先数据、100万Token输出上限及实际内部落地案例,并补充了开发者关于其提示词敏感度的早期反馈。
Google 宣布了 Gemini 4 Argon AI 模型,但目前用户还无法使用它。原标题提到 Gemini 3.5 Pro,暗示新模型与其存在替代或演进关系。
Google DeepMind 发布新的前沿模型 Gemini 4 Argon,该模型在软件开发、企业知识工作和网络安全防御等复杂任务中提供前沿性能,目前先向受信任的网络安全防御团队开放,稍后开放给开发者、企业和消费者。
推荐理由:官方发布材料列出了 Argon 在软件开发、知识工作和网络安全防御上的评测数据与内部工程应用案例,可供读者判断其实际工作流价值。
百灵推出 Ling-3.1-flash 模型,总参数约 560B,激活参数约 25B,上下文窗口上限 1M。该模型在办公、医疗、软件工程等真实任务评测中表现突出,支持长达数十小时的持续代码开发与调试,并计划在免费体验期结束后同步开源。
推荐理由:文中提供了架构参数、具体任务基准及对比数据,帮助判断模型在长程任务与多场景下的实际表现与开源计划。
美团 LongCat 团队上线万亿参数预览版模型 LongCat-2.5-Preview,作者将其接入 Claude Code 进行了三项编码任务实测。模型支持 100 万 Token 上下文和原生多模态,测试显示其能完成 Meta Muse 界面复刻、SpaceX 星舰升空动画及 3D 赛车游戏,具备可运行产出但思考耗时较长。
推荐理由:实测覆盖了复刻App、动画与游戏三类任务,并给出了耗时与Token消耗等可复现指标,方便评估LongCat在Coding场景的实际可用性。
ElevenLabs 发布 Eleven v4 语音模型,它基于新架构能读取脚本的语气、节奏和上下文,更准确地执行方向标签,并让声音在长篇作品中保持一致性。
PostHog 开源了基于 Qwen3.5-9B 构建的 Jev 风格分类器 Jeeves,采用 LoRA 和指针头技术。 该模型在领域外测试中得分 0.889,优于 Jev 的 0.857;在 JevBench 公开层级上得分 0.935,优于 Jev 的 0.866。 在单张 H100 上,无推理模式请求耗时约 0.3 秒,启用推理模式后中位数为 3.3 秒;训练代码与数据均已完全开源。
OpenAI 在 DevDay 2026 推出名为 Dots 的常驻智能体和 GPT-6.1 Sol 大模型,同时更新 Ultrafast 模式与 Decisions API。
推荐理由:原文汇总了 DevDay 模型定价与 API 细节,并对比了竞品在编码和推理任务上的表现。
**summary_zh**: Audio8 ASR Infinite是一款采用原生流式架构的语音识别模型,实现每秒12.5次解码。其滚动KV Cache机制确保内存和延迟在24/7运行中保持恒定。用户可通过Hugging Chat的Gradio工作流体验该模型。
Sam Altman 宣布发布 6.1 Sol 模型,其价格仅为 Astra 的五分之一,并提供 95% 的缓存读取折扣。该模型被描述为能力极强,结合 ultrafast 功能可实现 8 倍加速,目前 Astra 已支持该功能,6.1 Sol 即将接入。
推荐理由:创始人亲自公布模型定价与缓存折扣细节,为评估性价比提供了官方依据。
NVIDIA 在 Hugging Face 和 GitHub 发布开源表格基础模型 Kumo Tabular,它基于 Transformer 架构,针对表格数据的列、行和上下文注意力设计,支持分类和回归任务,无需训练、调参或特征工程即可通过单次前向传播进行预测。
推荐理由:文章给出了模型规模、基准排名与调用代码,读者可以据此判断它是否适合替代传统树模型流程。
Ling-3.0-flash-Fin 近日在 FrontierFinance System Performance 与 Vals AI Finance Agent v2 两项金融智能体评测中取得领先成绩。
百灵大模型 Ling-3.0-flash-Fin 在 FrontierFinance System Performance 与 Vals AI Finance Agent v2 两项评测中取得领先成绩。
9 月 28 日,Qwen-Audio-3.1-TTS 在 Artificial Analysis 的 Controlled Voice Arena 中以 1177 的 Elo 评分位列全球第一。该模型支持多语种及方言合成,强调声音情绪和语速的自然表达。当前 Qwen-Audio 全线语音模型价格下调,最高降幅达 95%,API 服务已上架千问 AI 平台。
推荐理由:Qwen-Audio-3.1-TTS 登顶权威评测,且全线模型大幅降价,开发者能直接获取低成本的多语种语音 API。
本周发布的 Claude Opus 5.5 在 AI 社交媒体时间线上因生成解释视频(explainer videos)的卓越能力而主导舆论。该模型在 SimpleBench 评测中领先,视觉能力优于 Fable 5,但成本比 Fable 5.1 低约 60%。