OpenAI 发布 GPT-6,ChatGPT 启用支持图表和按钮的智能交互界面
OpenAI 面向 ChatGPT 用户推出 GPT-6 及 Intelligent UI 功能,将回答形式从纯文本升级为包含图形、按钮、图表和表单的交互界面,并能自动根据问题适配展示格式。该模型在生成最终回答前会提前部分输出,OpenAI 表示此举使等待时间缩短 44%;付费用户可使用 GPT-6 Sol,免费用户将使用 GPT-6 Luna。
OpenAI 面向 ChatGPT 用户推出 GPT-6 及 Intelligent UI 功能,将回答形式从纯文本升级为包含图形、按钮、图表和表单的交互界面,并能自动根据问题适配展示格式。该模型在生成最终回答前会提前部分输出,OpenAI 表示此举使等待时间缩短 44%;付费用户可使用 GPT-6 Sol,免费用户将使用 GPT-6 Luna。
OpenAI在ChatGPT中向所有用户推送GPT-6和Intelligent UI功能。Intelligent UI提供快速交互回答,使日常问题更可视化,复杂主题更易理解,并即时提供任务相关的交互工具。
GPT‑6 已在 ChatGPT 全球范围内上线,搭载 Intelligent UI 界面,提供带视觉元素的快速响应及可交互探索的体验。
Anthropic 发布最快且最廉价的小模型 Claude Haiku 5.5,平均成本比前代低 75%,在 100k tokens 以内请求中价格最高可降 90%。
同一新闻,精选展示《Claude Haiku 5.5 上线 AWS》
Anthropic 发布最新模型 Claude Haiku 5.5。官方称其为迄今最廉价、最快速且能力最强的小型模型,其平均运行成本较 Claude Haiku 4.5 降低约 75%。
同一新闻,精选展示《Claude Haiku 5.5 上线 AWS》
微软在 10 月 7 日的活动上表示,计划将 MAI Code 1.1 Flash 模型引入 Windows 11 设备,该模型含 1300 亿个参数,采用 3-bit 量化、上下文窗口 256K,且已集成到 GitHub Copilot 与 VS Code 用于编码、仓库问答、重构和工具调用。
Liquid AI发布两个开源决策模型:d1-3B 和 d1-omni-600M(实验版)。d1-3B 支持文本和图像,在 NVIDIA Jetson AGX Thor 上单问题响应时间仅 16 ms,在 RTX 4090 上低于 10 ms。
推荐理由:d1-3B在端侧设备实现毫秒级推理,为边缘场景提供了高性能的多模态决策模型方案。
Apple 在 macOS 27 中不允许用户移除内置的 Apple Intelligence 模型,即使 Siri 已被禁用。用户发现其设备存储中占用了30 GB的无用模型空间。
Mistral Large 4 是一款 1 万亿参数的多模态模型,定位为欧洲 AI 系统的替代方案。 OpenAI 推出的 Decisions API 进入公开 Beta,比 GPT-6 Luna 快 10 倍;Nano Banana 2.1 基于 Gemini 3.6 Flash,支持 100 万 token 上下文。
Qwen-Image-2.1-Multiple-Angles-LoRA 模型:https://huggingface.co/akhaliq/Qwen-Image-2.1-Multiple-Angles-LoRA
OpenAI发布了722篇由内部前沿模型生成的数学论文,声称解决了前500个未解数学难题中的90个,其中准黎曼假设(Quasi-Riemann Hypothesis)被视为重大进展。
推出 Pleias-RAG-350m 和 Pleias-RAG-1B 两款小型推理模型,原生支持引用与事实溯源,并在 HotPotQA 等 RAG 基准上超越 4B 参数以下 SLM。
Fiorillo v0.5 是一款基于 Qwen3-4B-Base 的小型开源模型,采用 Apache License 2.0 授权发布。该模型通过低秩适配器微调,专门用于阅读随机对照试验文章并推断干预效果,支持对干预是否显著增加、减少或无变化进行概率预测。
OpenAI 公布 722 篇数学手稿,涉及准黎曼猜想、霍奇猜想等难题,平均每项结果消耗算力约相当于 ChatGPT Pro 思考 3 小时。由三位菲尔兹奖得主组成的独立顾问组表示,这不意味着他们认可这些结果,需由数学家慢慢消化和验证。
同一新闻,精选展示《OpenAI 发布内部前沿模型产生的新数学成果》
谷歌于 2026 年 10 月 7 日发布 Nano Banana 2.1,这是其 AI 图像生成与编辑模型的升级版本。该模型主要在视觉设计、蒙版编辑和主体一致性三个方面做出改进,支持 1K、2K 和 4K 分辨率输出,并开放给开发者使用。
Google DeepMind 正式发布 Nano Banana 2.1,该模型底层基于 Gemini 3.6 Flash,已集成至 Gemini API 等七大平台。其核心改进包括支持 4K 输出与 14 张参考图融合,大幅增强蒙版局部编辑及多角色一致性,同时显著提升图像自然度。
推荐理由:Nano Banana 2.1 基于 Gemini 3.6 Flash 发布,重点提升设计感与局部编辑,并保留 Flash 速度优势,适合专业图像工作流。
Google DeepMind 发布前沿模型 Gemini 4 Argon,该模型在长期软件工程、法律和金融工作以及网络防御任务中表现突出,在多项基准测试中超过 GPT-6 Astra 等其他模型。Argon 支持在单次响应中生成多达 100 万个输出 tokens,目前通过 Google Fairwind 项目向受信任的网络防御者开放使用。
谷歌正式发布多模态嵌入模型 EmbeddingGemma 2,基于 Gemma 4 架构,总参数量 7.4 亿,支持将文本、代码、图像、视频和音频映射至统一嵌入空间。模型采用 Apache 2.0 许可,配备 8K Token 上下文窗口,量化后在 Pixel 11 Pro 上纯文本推理内存占用仅 191MB,完整多模态约 567MB,可在 MTEB Code 等基准中达到子 1B 模型领先水平。
同一新闻,精选展示《EmbeddingGemma 2 发布:端侧开源多模态嵌入模型》
Mistral 发布 1 万亿参数开源模型 Mistral Large 4(ML4),该公司称其为西方开发的最强开源权重模型,在编码、金融和多模态等任务中表现优于中国开源系统。ML4 已在欧洲数据中心的 4000 块 Nvidia Grace Blackwell GPU 上训练两个月,目前向开发者、网络安全领导者和政府机构提供预览访问,核心参数将于本月晚些时候广泛发布。
Google 发布开源多模态嵌入模型 EmbeddingGemma 2,参数量 740M,官方称其在多模态嵌入基准测试中性能优于两倍于其规模的竞品模型。
Google DeepMind 发布 EmbeddingGemma 2,这是一款基于 Gemma 4 架构、采用 Apache 2.0 许可的 740M 参数开源多模态嵌入模型,支持将文本、图像、音频和视频映射至统一嵌入空间,适用于端侧推理。
推荐理由:原文给出了EmbeddingGemma 2的架构、MRL优化机制及端侧部署内存细节,为评估其在隐私RAG与跨模态检索中的实际能力提供了可参照的参数基础。
Mistral 发布 Mistral Large 4 预览版,是一个 1 万亿参数、49 亿激活参数的模型,将在月底开放权重,目前仅通过 API 提供并支持两档推理级别。在 Artificial Analysis 上评分为 38,显著高于去年 12 月 Mistral Large 3 的 9 分。
同一新闻,精选展示《Mistral Large 4 发布:1T 参数开源多模态模型》
Google 发布图像生成与编辑模型 Nano Banana 2.1,替代 2026 年 2 月发布的 Nano Banana 2,并称其在多个方面都有改进。
Mistral 发布 1 万亿参数开源模型 Mistral Large 4(Le Chonk),宣称其为除中国外最强开源权重模型,性能接近顶级专有模型。该模型专门优化了编码、网络防御及金融制造等垂直领域,目前处于预览阶段,正式版将于月底发布。背景显示,美国政府对前沿模型的访问限制促使 Mistral 强调自持模型的重要性,公司刚完成 33 亿美元融资,估值达 240 亿美元。
推荐理由:文章揭示了地缘政治如何改变开源大模型的竞争格局,读者可借此理解欧洲实验室在技术主权与访问控制争议中的战略卡位。
Mistral 发布预览版 Mistral Large 4,这是一万亿参数、原生多模态模型,并强调在自有欧洲数据中心训练,API 已开放,权重预计 10 月底发布。
同一新闻,精选展示《Mistral Large 4 发布:1T 参数开源多模态模型》
法国AI实验室Mistral发布了多模态模型 Mistral Large 4。该模型拥有万亿参数,目前正在通过公共端点提供服务,预计三周内将在完成安全测试后开放模型权重。Mistral 方面称该模型仅使用了4000块 NVIDIA GPU 进行训练,算力消耗比中国竞争对手少两到三倍。
同一新闻,精选展示《Mistral Large 4 发布:1T 参数开源多模态模型》
Mistral AI 推出 Mistral Large 4 公开预览版,可在 Mistral Studio 使用预览 API,权重将于本月底开放下载。该模型为 1 万亿总参数、490 亿激活参数的原生多模态模型,官方称其在网络安全、金融与法律等企业工作负载中达到开源模型 SOTA,并在部分领域表现超越当前前沿闭源模型。
同一新闻,精选展示《Mistral Large 4 发布:1T 参数开源多模态模型》
Reflection 推出名为 Beam 的 501B 参数稀疏 MoE 模型,针对编码、推理及智能体负载优化,采用 23.8T 预训练 token 和超 100M RL 样本训练。 该模型激活参数为 23B,计划于 10 月下旬开放权重及开发者资源包,旨在提升复杂任务处理能力与部署效率。
Reflection 发布首个可自由使用的模型 Beam,其采用 501B 总参数、每 token 激活 23B 参数的 MoE 架构,主打编码、逻辑推理和 agentic 任务。
同一新闻,精选展示《Hugging Face 开源 501B MoE 模型 Beam》
Mistral 推出 Mistral Large 4(ML4)公共预览,该模型具有 1 万亿总参数和 490 亿激活参数,为原生多模态架构。ML4 基于 3800 块 NVIDIA Grace Blackwell GPU 在欧洲 Mistral 自有数据中心从零开始训练。
推荐理由:Mistral 开源 1T 多模态模型的 49B 激活架构,展示其在网络安全和 Agent 编码任务中相比闭源前沿模型的优势。
清华深圳国际研究生院团队开源了基于 Qwen 3.8-27B 后训练的模型 VeriLoop E2,该模型引入了独立外部证据决定状态提交的递归推理机制,在代码、数学与物理等任务上取得了显著性能提升。
TII 发布 Falcon-Emirati-7B,这是一款基于 Falcon-H1-Arabic 构建的阿联酋方言专用大语言模型。它旨在理解和生成 Emirati 方言,捕捉词汇、语气及文化语境。
开发者 Belmante 展示《超级马力欧兄弟:惊奇》原生 Windows 移植版,无模拟器下 RTX 3050 笔记本帧率约 60 帧,运行几乎完美。 移植版采用重编译 C++ 代码及 NVN 到 Vulkan 转换层,项目发展得益于 AI 协助,并计划开源私有代码库。 开发者将测试英特尔 UHD 770 核显的最低配置要求,但不提供游戏文件。
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。