Meta 编程优化开源权重模型 Muse Spark Open 上架 Amazon SageMaker JumpStart
Meta 将编程优化开源权重模型 Muse Spark Open 接入 Amazon SageMaker JumpStart。模型采用 MoE 架构，总参数 816B、单 token 激活 42B，上下文 1M tokens；接收文本、图像、文档、音频与音视频输入，并作为推理模型会返回 reasoning_content。
#推理
#推理
今日 0 条AWS Machine Learning BlogAI 评分5151
Hugging Face Blog精选AI 评分6969 Swiss AI 发布 Apertus 1.5：8B/70B 开源模型扩展多模态与长上下文
Swiss AI 团队发布 Apertus 1.5 (8B/70B)，在 1.0 基础上加入原生图像与音频理解、可切换思考模式以及 262,144 token 上下文窗口（4 倍提升），权重以 Apache 2.0 开源。
推荐理由：文章对照同尺寸开源权重模型，从多模态、长上下文与思考模式三方面详述 Apertus 1.5 的能力改进与取舍，可作为了解其定位的一手参考。
The DecoderAI 评分6363 OpenAI 年内将推出至少一款新模型，旗舰模型仍需完成对齐工作
据 The Information 报道，OpenAI 员工透露公司年底前可能发布一两款新模型，但当前在研的主力升级版本因对齐工作与测试基础设施尚未完成，能否年内发布尚不确定。
The Verge · AIAI 评分7474 Google 正式发布 Gemini 4 Argon 模型
Google 正式发布 Gemini 4 Argon，定位前沿推理模型，初期定价 $2/M 输入 token、$10/M 输出 token，约为 GPT-6 Astra 和 Anthropic Fable 5 的五分之一。
Hugging Face Blog精选AI 评分6161 Liquid AI 发布 LFM2.5-24B-A2B 推理模型，总参 24B、激活 2B
Liquid AI 发布 LFM2.5-24B-A2B 推理模型，总参数 24B、激活 2B，主打端侧智能体与工具调用场景。
推荐理由：该模型以 2B 激活参数在多项工具调用基准上领先更大 MoE，为本地智能体部署提供了一份参数效率与端侧推理速度的参考。
Ars Technica · AIAI 评分5959 Gemini 4 Argon 开始在 Gemini App 和 Antigravity 推广，但仅对付费用户开放
Google 开始向付费用户推广 Gemini 4 Argon 模型，目前只在付费档位开放，较低档位也无法获得完整访问权限，能力仍以发布前公布的基准结果为准。
Google DeepMind精选AI 评分7575 Google DeepMind 发布 Gemini 4 Argon，主打复杂工程与科研任务
Gemini 4 Argon 今日全球上线，面向开发者、企业和 Google AI Ultra/Pro 订阅者通过 Gemini API、AI Studio、Gemini app 以及 Search 的 AI Mode 提供，Antigravity 中也已开放。
推荐理由：原文列出 Argon 在编码、量子化学、机器人等真实场景的可验证数字与基准排名，读者可以据此评估它在工程和科研任务中的实际能力。
Google DeepMind精选AI 评分6464 Google DeepMind 发布 Gemini 4 Argon 模型，主打机器人物理推理
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 ERQA 基准上以纯推理取得 87%，超过其他前沿模型。
推荐理由：Gemini 4 Argon 把能力铺到机器人控制、Real2Sim、物理理解和自改进四条主线，并附上可直接复用的代表性 Prompt。
The DecoderAI 评分4949 传 Google Gemini 4 "Carbon" 编程表现接近 Anthropic Opus 5.5
据 Business Insider 报道，Google 正测试代号为 Argon、Barium、Carbon 的 Gemini 4 多个变体，其中 Carbon 已在内部编程平台 Jetski 上部署，编程任务上据称超越 Argon 并接近 Anthropic Opus 5.5。
Latent SpaceAI 评分7474 Anthropic 发布 Claude Haiku 5.5，定价对齐 GPT-6 Luna
Anthropic 发布 Claude Haiku 5.5，距 Haiku 4.5 约一年后的首次小型模型更新，定价对齐 OpenAI GPT-6 Luna。
Simon WillisonAI 评分7171 Anthropic 发布 Claude Haiku 5.5，主打快速低成本
Anthropic 发布 Claude Haiku 5.5，主打快速低成本，定价 $0.10/$0.50 per million tokens，与上月发布的 GPT-6 Luna 一致。
The Decoder精选AI 评分7676 Anthropic 发布 Claude Haiku 5.5，100k token 以内价格最高下调 90%
Anthropic 发布 Claude Haiku 5.5，定位最快、最便宜的小模型，平均成本较 Haiku 4.5 低约 75%。
推荐理由：文中给出了 100k token 以内最高 90% 的阶梯定价和分词器对实际节省的影响，为高吞吐量部署提供了具体成本参考。
Hugging Face Blog精选AI 评分6969 Nemotron 通过微调与生成-验证-精炼推理在 IOI 和 IMO 2026 达到金牌水平
NVIDIA 在 Hugging Face 博客上介绍基于 Nemotron 3 微调的模型在 IOI 2026 和 IMO 2026 双双达到金牌水平。
推荐理由：把同一套 Nemotron 微调加搜索式推理配方在 IOI 与 IMO 两道不同赛道上都推到金牌水平，开源资产齐备便于复用。
Latent SpaceAI 评分5454 OpenAI 公开 722 篇内部模型数学论文；Mistral Large 4、EmbeddingGemma 2 同期密集更新
OpenAI 发布一款未公开内部模型的 722 篇数学论文（归为 372 个结果族），平均每题用约 3 小时 ChatGPT Pro 推理算力完成，多位评论者认为其覆盖了 500 个顶级开放数学问题中的相当一部分。
Simon WillisonAI 评分6161 Mistral 发布 Mistral Large 4 预览版
Mistral 发布 Mistral Large 4 预览版，这是一款 1 trillion 总参数、49B 激活参数的模型，训练在其自有的 3,800 块 NVIDIA Grace Blackwell GPU 集群上，目前通过 Mistral API 提供。
The DecoderAI 评分6464 Reflection 发布开放权重模型 Beam，以更低算力对标 DeepSeek 与 Qwen
AI 公司 Reflection 发布开放权重模型 Beam，主打以更少算力达到接近中国开源模型的水平。Beam 采用 MoE 架构，单 token 激活 501B 总参数中的 23B，在推理任务上以 3-4 倍低于 GLM-5.2 的算力取得相当成绩，并在 SWE-Bench 等编码基准上接近 Qwen 3.8 Max，Kimi K3 在原始性能上仍领先。
Simon WillisonAI 评分2121 Qwen3.8 27B 用英文单词表达加法结果的能力测试
Simon Willison 在 DGX Spark 上测试本地 Qwen3.8-27B-Q4_K_M.gguf 用英文单词输出正整数加法结果的能力。在 5,070 个禁用推理的用例中，数值准确率仅 23.57%，从 1-3 位操作数的 97.04% 骤降至 10-13 位操作数的 6.44%。开启中等推理后，在 169 个对比用例中获得 167 个正确答案。
TechCrunch · AIAI 评分5959 Reflection AI 发布开放权重模型 Beam，以更低算力对标中国开源模型
Reflection AI 发布首款前沿开放权重模型 Beam，声称在推理基准上以更低算力对标中国开源模型。Beam 采用 MoE 架构，总参数 501B、激活参数 23B，预训练数据量 23.8T tokens，上下文窗口 1M tokens，仅支持文本。
Google DeepMind精选AI 评分7979 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布新的前沿模型 Gemini 4 Argon，先通过 Fairwind Program 面向一批可信网络安全防御方开放，随后逐步向开发者、企业和消费者推出。
推荐理由：官方给出 1M 输出 token、DeepSWE v1.1 77.9% 等指标与分阶段开放安排，可据此了解前沿模型的发布节奏与安全门槛。
The DecoderAI 评分6666 Google 发布 Gemini 4 Argon，缩小与 OpenAI、Anthropic 的差距但未明显领先
Google 发布新前沿模型 Gemini 4 Argon，在部分基准上超过 OpenAI 和 Anthropic 的模型，但没有取得明显领先；推广价下每百万输入 token 2 美元、输出 token 10 美元。
AWS Machine Learning Blog精选AI 评分7070 GPT-6.1 Sol 正式上线 Amazon Bedrock
GPT-6.1 Sol 现已在 Amazon Bedrock 正式可用，为智能体编码、计算机使用和专业工作负载提供更强的推理能力。据 OpenAI 称，它在 DeepSWE v1.1 上以约五分之一的任务成本达到 GPT-6 Astra 的水平，并比 GPT-6 Sol 的最佳成绩高出 6.4 个百分点。
推荐理由：文章给出 GPT-6.1 Sol 在 Bedrock 上的可用范围与数据隔离机制，读者可据此评估现有智能体工作流的迁移成本。
AWS Machine Learning Blog精选AI 评分6767 xAI 的 Grok 4.7 上线 Amazon Bedrock
xAI 的 Grok 4.7 已在 Amazon Bedrock 上线，提供 500K token 上下文窗口和 low、medium、high、xhigh 四档推理强度。
推荐理由：文章给出在 Bedrock 上接入 Grok 4.7 的具体方式，并附与 4.6 的基准对比和输出 token 翻倍的成本取舍。
Simon Willison精选AI 评分8585 Claude Opus 5.5、GPT-6 Sol 与 GPT-6 Luna 发布，新一轮价格战开启
Anthropic 发布 Claude Opus 5.5，约一小时后 OpenAI 发布 GPT-6 Sol 和 GPT-6 Luna，两家新模型定价都较上一代大幅下调：GPT-6 Luna 为 $0.10/M 输入、$0.50/M 输出，Opus 5.5 从 $5/$25 降到 $4/$20，缓存读取价格下降 60%。
推荐理由：原文列出各家主流模型的完整定价对比，包括缓存读取价格，读者可据此判断这轮降价对应用调用成本的影响。
AWS Machine Learning Blog精选AI 评分6767 GPT-6 Sol 和 GPT-6 Luna 在 Amazon Bedrock 正式可用
OpenAI 的 GPT-6 Sol 和 GPT-6 Luna 已在 Amazon Bedrock 正式可用，API 定价显著低于前代 GPT-5.6。GPT-6 Sol 面向编码、调试和跨工具多步流程等复杂任务，OpenAI 内部事实性评估显示其事实性错误约为 GPT-5.6 Sol 的一半；GPT-6 Luna 面向高并发的信息抽取、摘要和分类，可按请求调整推理强度。
推荐理由：两个新模型以低于 GPT-5.6 的 API 定价上线 Bedrock，读者可据此比较不同任务层级的模型与成本取舍。
Latent SpaceAI 评分6666 两天内出现 6 个 Jev 复现，判别式决策模型引发社区跟进
Latent Space 的 AINews 汇总 9/17 至 9/18 的 AI 动态，核心是 Jev 发布两天内出现 6 个复现。
Google DeepMind精选AI 评分7373 Google 发布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking 语音模型
Google 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款实时语音对话模型，分别面向规模与成本效率、以及高复杂度任务。
推荐理由：两款语音模型分别面向规模成本与复杂任务，并给出各自评测数据和开放入口，可供判断语音智能体的选型。
OpenAI News精选AI 评分8080 OpenAI 发布 GPT-6 Astra，面向企业场景的新模型
OpenAI 发布 GPT-6 Astra，称其为面向企业场景能力最强的模型，具备高级推理、computer use 以及更强的写作与设计判断。目前官方只给出能力方向，未披露参数、上下文窗口和开放时间。
推荐理由：官方给出推理、computer use 与写作设计判断三项能力方向，便于对照上一代理解其在企业办公场景的定位。
Google DeepMind精选AI 评分7575 Google DeepMind 发布 Gemini 3.8 Flash 与 Gemini 3.8 Flash Cyber
Google DeepMind 发布 Gemini 3.8 Flash 与 Gemini 3.8 Flash Cyber，前者面向长程编码与自主智能体，价格与 3.7 Flash 相同，为每百万输入 tokens 0.75 美元、每百万输出 tokens 3.75 美元。
推荐理由：原文给出了与 3.7 Flash 同价同速的升级幅度以及 Cyber 版的受限开放方式，便于开发者判断是否迁移。
Hugging Face BlogAI 评分5656 Granite 4.2 推理模型如何构建：3B/8B/30B 全流程技术详解
IBM 发布 Granite 4.2 推理模型家族，包含 3B/8B/30B 三个 dense decoder-only 模型，基于 Granite-4.1 基模型后训练并以 Apache 2.0 开源。
Hugging Face Blog精选AI 评分7373 Thinking Machines 开源 1T 参数多模态模型 Inkling，支持图像文本音频输入
Thinking Machines 开源 1T 参数多模态大模型 Inkling，原生支持图像、文本和音频输入及 1M 上下文，采用 decoder-only MoE 架构（975B 总参数、41B 激活），同步提供 BF16 与 NVFP4 两个权重版本。
推荐理由：原文给出 Inkling 的 MoE 架构细节与多模态能力范围，并附 transformers、SGLang、vLLM 多框架部署示例和主流模型基准对比，方便评估其工程落地方案。
Mistral AIAI 评分5252 Mistral 发布 Leanstral 1.5：面向 Lean 4 形式化验证的开源模型
Mistral 发布面向 Lean 4 形式化验证的开源模型 Leanstral 1.5（Apache-2.0），共 119B 总参数、6B 激活参数。该模型在 miniF2F 验证与测试集均达 100%，在 PutnamBench 上解决 587/672 题，并在 FATE-H 与 FATE-X 上以 87% 与 34% 取得新 SOTA，单题成本约 $4。
Google DeepMind精选AI 评分7878 DeepMind 发布 DiffusionGemma 实验模型，文本生成最高提速 4 倍
Google DeepMind 发布开源实验模型 DiffusionGemma，以文本扩散并行生成替代逐 token 自回归，在专用 GPU 上文本生成速度最高提升 4 倍。
推荐理由：开源 26B MoE 模型用文本扩散把解码瓶颈从显存带宽转向算力，读者可据此判断本地低并发推理的取舍。
Google DeepMind精选AI 评分6161 Google DeepMind 发布 Gemini Robotics-ER 1.6，强化具身推理与仪表读数
Google DeepMind 发布 Gemini Robotics-ER 1.6，作为推理优先的机器人模型升级版，在指点、计数、成功检测等空间与物理推理上较 Gemini Robotics-ER 1.5 和 Gemini 3.0 Flash 有明显提升。
推荐理由：相比 1.5 与 Gemini 3.0 Flash，新模型新增仪表读数能力，可了解机器人具身推理的进展与开放入口。
Mistral AI精选AI 评分7070 Mistral 发布开源 Mistral Small 4，统一推理、编码与多模态能力
Mistral 发布 Mistral Small 4，采用 119B 总参数 / 6B 激活的 MoE 架构，统一 Magistral 推理、Devstral 编码代理与 Pixtral 多模态能力，支持 256k 上下文和可配置推理强度，权重以 Apache 2.0 开源。
推荐理由：原文给出统一推理、编码与多模态能力的架构与同尺寸模型的输出效率对比，可作为评估开源部署延迟与成本的参考。
Mistral AI精选AI 评分7979 Mistral 发布 Mistral 3 模型家族，涵盖 Mistral Large 3 与 Ministral 3
Mistral 发布 Mistral 3 模型家族，旗舰款 Mistral Large 3 为 41B 激活 / 675B 总参数的稀疏 MoE，在 LMArena OSS 非推理模型榜位列第 2，全系采用 Apache 2.0 协议开源。
推荐理由：原文给出 Mistral Large 3 的 MoE 规模与 LMArena 排名，以及 Ministral 3 端侧尺寸，可作为开源权重模型横向对比的坐标。
Mistral AI精选AI 评分6767 Mistral AI 发布首个推理模型 Magistral，提供开源与企业双版本
Mistral AI 发布首个推理模型 Magistral，推出开源版 Magistral Small（24B 参数，Apache 2.0）和企业版 Magistral Medium。
推荐理由：原文同时给出 Magistral Small（24B 开源）与 Medium 的 AIME2024 成绩及 Le Chat 加速倍率，方便读者与同类推理模型直接横向比较。