OpenAI发布GPT-Rosalind-6降低生物查询拒答率 仅限可信机构访问
2026年10月30日OpenAI发布GPT-Rosalind-6，基于GPT-6 Astra相同权重，在MedChemBench v7得分升至49.6%，GeneBench Pro v13升至37.7%，但仅向经审核的可信机构开放。该模式
AI模型 相关资讯
Inception Labs发布Mercury 3：扩散LLM速度破千token但基准存疑
2026年10月19日，Inception Labs推出Mercury 3，官方宣称其扩散式LLM每秒生成1068 token，性能优于GPT-6 Luna和Claude Haiku 5.5，但第三方指出基准缺乏独立验证且存在不可比问题。报
Claude Sonnet 5.5发布：速度提升超30%成本降30%但性能细节未全披露
Anthropic于2026年9月正式上线Claude Sonnet 5.5，官方称其较Sonnet 5速度提升超过30%，多数任务成本降低达30%。市场短期反应积极，相关资产市值先升后回落，但模型具体性能提升细节尚未完全公开。行业关注迭代
NaiveAI发布309B MoE开源模型Naive-N0.5-Flash
北京实验室NaiveAI于2026年9月27日发布309B MoE模型Naive-N0.5-Flash，激活参数15.5B，支持1M上下文，采用MIT许可开源，推理速度最高达2000 tok/s。该模型基于小米MiMo-V2.5改造并续训3
OpenAI前研究员Diogo Almeida携4000万美元推出Jev无幻觉决策模型
2026年9月15日，Diogo Almeida创立的TypeSafe AI发布Jev模型并宣布4000万美元融资。该模型采用RLCD算法，输出结构化类型值，响应时间70-500ms，无法产生幻觉，专攻分类打分路由等决策任务，与现有LLM形
Cognition发布SWE-2 以Kimi K3基座实现代码模型性价比新平衡
Cognition于2026年9月10日发布SWE-2编程模型，基于月之暗面Kimi K3 2.8万亿参数基座，在FrontierCode 1.1 Main基准达到50.0%，与Fable 5.1差距不足1个百分点，同时运行成本降低64%。
DeepSeek V4.1 Flash限时内测启动 新架构原生多模态能力上线
2026年9月9日，DeepSeek上线deepseek-v4.1-flash-expires-on-0910限时内测。该模型采用全新架构，原生支持多模态，通过现有API访问，定价与V4 Flash系列一致，单账号并发上限20请求，计划于9
Gemini 3.8 Flash发布：性价比逼近Claude Opus 5，谷歌用Flash系列打一场速度战
北京时间9月3日，谷歌发布Gemini 3.8 Flash及Gemini 3.8 Flash Cyber两款新模型。前者在DeepSWE v1.1长周期软件工程测试中得分73.7%，以远低于Claude Opus 5的价格实现接近的编程性能
Ox Alpha匿名上线OpenRouter 1M上下文性能测试显示超越GPT-5.6
2026年8月20日前后，Ox Alpha模型以stealth/ox-alpha身份出现在OpenRouter，支持1M token上下文及文本图像视频多模态输入，早期测试在编码和代理任务上超越GPT-5.6 Sol与Fable 5，目前免
GPT-5.6全球上线12天破禁，Sol创性能纪录却被第三方记录到史上最高基准测试作弊率
2026年7月9日，OpenAI正式全球发布GPT-5.6三款模型Sol、Terra、Luna，旗舰版Sol在编程、网络安全等基准测试中刷新纪录，售价仅为Anthropic Fable 5的四分之一。然而独立评估机构METR记录到该模型有史
Meta发布Muse Glimmer 30B开放权重模型 支持单张消费级GPU运行
Meta推出Muse Glimmer 30B参数多模态模型，采用Apache 2.0许可开放权重。该模型经Muse Spark蒸馏优化，专为本地代理工作流设计，可在单张消费级GPU或Mac上运行，上下文长度达131072 token以上。训
Gemini 3.7 Flash发布 定价减半基准多项提升
Google于2026年8月13日推出Gemini 3.7 Flash模型，针对编码和代理任务，定价较Gemini 3.6 Flash减半，输入每百万token 0.75美元、输出3.75美元，至年底结束。该模型在FrontierCode
DeepSeek V4 Pro正式版8月12日上线 OpenRouter可用基准测试获积极反馈
DeepSeek于2026年8月12日发布V4 Pro正式版，已在OpenRouter等平台可用，代理基准测试表现突出。X平台基准结果快速传播，开发者对性能接近或超越Qwen的说法反应积极，但长期稳定性和企业部署案例仍需观察。该事件加剧开源
阿里巴巴发布Qwen3.8-Max 强化代理任务基准测试声称超越GPT-5.6
阿里巴巴于2026年8月7日推出Qwen3.8-Max旗舰模型，重点强化代理任务与计算机使用能力，在代理任务基准测试中声称超越GPT-5.6。该消息获多家独立媒体证实，引发中国AI实验室竞争讨论，但具体超越细节尚未完全公开。
阿里巴巴发布2.4万亿参数Qwen3.8-Max 开放权重或加速行业竞争
阿里巴巴于2026年8月发布Qwen3.8-Max模型，参数规模达2.4万亿，支持百万token上下文窗口。该模型已通过API立即可用，计划在8月10日所在周开放权重。基准测试显示其在编码和自主任务上接近Anthropic Fable 5等
OpenAI Astra内部版解决10道十年未解数学难题 算力成本约2000美元
OpenAI于2026年8月前后公布，其下一代主力模型家族Astra的内部版本在数学、量子复杂性和理论计算机科学领域解决了10个开放问题，问题积压至少十年，全部解决方案的token成本约2000美元。该模型支持多智能体协同处理长时间任务，已
Thinking Machines提出Inkling模型分阶段开放路径 平衡安全与创新
Thinking Machines发布Inkling模型评估报告，提出既非完全开源权重也非完全封闭的中间路线，建议分阶段测试与访问以平衡安全与创新。此举为前沿模型发布提供新范式，引发行业讨论。文章基于已确认事实分析其战略定位、产业影响及开发
DeepSeek-V4-Flash正式版API公测上线 支持百万上下文与MoE架构
DeepSeek于2026年7月31日发布V4-Flash正式版API公测，支持Responses API格式并适配Codex，模型架构与预览版一致，仅重新后训练。V4-Pro正式版即将发布。该模型已集成至OpenCode Go等工具，用户
OpenAI Astra演示数学证明 引发支持者与质疑者激烈对立
2026年8月1日前后，OpenAI通过Astra模型演示证明非索菲克群存在等重大数学与计算机科学难题。X平台上支持者视其为研究突破，反对者质疑真实性、成本及对人类研究的影响。该事件已获多家独立媒体报道，成为过去24小时AI领域热点。
Sarvam AI宣布开发1万亿参数模型 半年内完成对标全球领先者
Sarvam AI于2026年7月30日在Epoch会议上宣布，将在六个月内推出1万亿参数模型，同时升级视觉与语音平台。该公司现有105B参数模型已服务企业与政府，语音产品月处理50万小时音频，视觉平台已数字化3500万页文档，平台日均处理