微软发布 Decision-1 决策模型，基于 Qwen3.5-9B
微软推出自研决策模型 Decision-1，用于分类、评估和路由决策，官方称其有潜力引导和控制智能体应对复杂环境。该模型基于 Qwen3.5-9B，微软称其在覆盖近 15 万道题的 36 项基准测试中准确率最高，并以 83.5% 准确率、85 ms 延迟领先 Jev 1.13.0，速度是第二名 H2O-Lightning-4B 的 2.5 倍。
全部AI 动态
全部动态
今日 4 条The DecoderAI 评分7171 The DecoderAI 评分6262 Google Gemini 4 Carbon 内部测试据称编码表现接近 Anthropic Opus 5.5
据 Business Insider 看到的文件、截图和内部聊天记录，Google 正在测试 Argon、Barium、Carbon 等多个 Gemini 4 变体，其中 Carbon 已在内部编码平台 Jetski 上部署数日，据称在编程任务上强于 Argon，一名员工将其与 Anthropic 最强的编码模型 Opus 5.5 相比，但仍需更多测试。
Latent Space精选AI 评分8080 Anthropic 发布 Claude Haiku 5.5，定价对齐 GPT-6 Luna
Anthropic 发布 Claude Haiku 5.5，这是 Haiku 系列约一年来的首次更新，定价与 OpenAI 的 GPT-6 Luna 持平，官方称其平均运行成本比 Haiku 4.5 低约 75%。
推荐理由：汇总了 Haiku 5.5 的定价、第三方评测与 token 消耗数据，可据此判断小模型在智能体工作流中的成本取舍。
Simon Willison精选AI 评分8080 Anthropic 发布 Claude Haiku 5.5，定价对齐 GPT-6 Luna
Anthropic 发布快速低价模型 Claude Haiku 5.5，价格与 OpenAI 上月发布的 GPT-6 Luna 完全一致，为每百万输入 0.10 美元、输出 0.50 美元，超过 100,000 tokens 后涨至 5 倍即 0.50/2.50 美元。
推荐理由：作者实测了 Haiku 5.5 的定价、tokenizer 与推理档位，读者可据此判断它与 GPT-6 Luna 的成本取舍。
The Decoder精选AI 评分8080 Anthropic 发布 Claude Haiku 5.5，价格大幅下调并同步降低 Sonnet 5.5 缓存读取费用
Anthropic 发布 Claude Haiku 5.5，这是其目前最快、最便宜的小模型，平均价格比 Haiku 4.5 低约 75%，10 万 token 以内提示词的价格降幅最高达 90%，超过 10 万 token 的提示词价格则是前者的五倍。
推荐理由：原文给出 Haiku 5.5 的完整定价表与多项基准对比，读者可据此判断小模型在智能体与计算机操作任务上的性价比变化。
The Decoder精选AI 评分8282 OpenAI 发布 GPT-6，ChatGPT 输出改为图表按钮等交互界面
OpenAI 面向所有 ChatGPT 用户推出 GPT-6，并带来名为 Intelligent UI 的新功能，模型以图形、按钮、图表和表单等交互界面呈现答案，而非纯文本，格式会自动适配问题类型。
推荐理由：GPT-6 把 ChatGPT 输出从纯文本改为交互界面，并给出等待时间与内部测试对比，可据此判断交互形态的变化。
OpenAI News精选AI 评分8282 OpenAI 在 ChatGPT 全球上线 GPT-6 与 Intelligent UI
OpenAI 宣布 GPT-6 正在 ChatGPT 中面向全球上线，并同步推出 Intelligent UI。官方称新版本响应更快，并带来可视化与可交互的体验，用户可直接在 ChatGPT 中探索和使用。
推荐理由：OpenAI 官方公布 GPT-6 在 ChatGPT 全球上线，并同步引入 Intelligent UI，读者可据此了解模型与交互形态的同步变化。
AWS Machine Learning Blog精选AI 评分6969 AWS 上线 Claude Haiku 5.5，成本较 Haiku 4.5 降低约 75%
AWS 宣布 Claude Haiku 5.5 在 Amazon Bedrock 和 Claude Platform on AWS 上线。
推荐理由：AWS 官方给出 Haiku 5.5 的定位、成本降幅与 Bedrock 接入方式，可据此判断它在多智能体分层中的位置。
Hugging Face Blog精选AI 评分6060 Liquid AI 开源 d1-3B 与 d1-omni-600M 端侧决策模型
Liquid AI 发布 d1 决策模型家族的两款开源权重模型 d1-3B 和 d1-omni-600M（实验性）。
推荐理由：Liquid AI 开源两款决策模型，给出端侧延迟与七项基准对比，可据此判断小模型做结构化决策的可行性。
Ars Technica · AIAI 评分6262 Mistral 称 Le Chonk 可挑战顶级 AI 模型
Mistral 表示其新模型 Le Chonk 能够与顶级闭源模型竞争，同时保持开放权重。
Hugging Face BlogAI 评分4242 TII 推出 Falcon-ASR：1.6B 参数阿拉伯语语音识别模型，聚焦阿联酋方言
阿布扎比技术创新研究院（TII）发布 Falcon-ASR，一个 1.6B 参数的语音识别模型，重点支持阿联酋方言，同时覆盖英语、法语、西班牙语和葡萄牙语。在六个阿拉伯语测试集上平均 WER 为 20.92%，优于榜单快照中最佳公开结果 23.17%；内部阿联酋方言评测 WER 22.73%、CER 10.19%，均低于对比系统。
The Verge · AI精选AI 评分7878 OpenAI 发布 722 篇数学手稿，称解决数百个开放问题
OpenAI 公开了一批由未发布的前沿模型产出的数学成果，共 722 篇手稿、覆盖 372 个结果族，据独立顾问组织 AGMAI 称其中包含对数百个开放问题的解答。OpenAI 表示这些结果平均消耗相当于 ChatGPT Pro 三小时的思考算力，并披露了部分推理摘要与算力估算。AGMAI 此前建议 AI 实验室及时通过学术渠道发布数学结果，并避免把成果发布当作模型营销手段。
推荐理由：OpenAI 一次性公开 722 篇数学手稿，读者可借此观察前沿模型产出研究成果的发布方式与学界争议。
TechCrunch · AIAI 评分5858 Musubi 发布开源决策模型 PolicyLM-1.7B，用于实时内容审核
Musubi 发布轻量决策模型 PolicyLM-1.7B，以开放权重形式开源，可将纯英文撰写的内容政策在 50 毫秒内应用到消息上。该模型成本与速度接近主流社交平台的 AI 分类器，但具备现代 LLM 的灵活性，无需专门训练即可执行复杂政策，政策变更时也无需重新训练。Musubi 联合创始人兼首席 AI 官 Filip Jankovic 表示，这能让平台管理者以可扩展、可定制的方式主动标注内容。
Simon WillisonAI 评分6666 Mistral 发布 Mistral Large 4 预览版：1 万亿参数、49B 激活参数
Mistral 发布 Mistral Large 4 预览版，这是一个 1 万亿参数、49B 激活参数的模型，基于自有 3,800 块 NVIDIA Grace Blackwell GPU 集群训练，目前通过 Mistral API 提供。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 EmbeddingGemma 2 开源轻量多模态嵌入模型
Google DeepMind 发布 EmbeddingGemma 2，一个基于 Gemma 4 架构、Apache 2.0 许可的开源多模态嵌入模型，参数量 740M，可把文本、图像、音频和视频映射到统一嵌入空间。
推荐理由：官方给出 740M 参数、模块化编码器与量化后内存占用等细节，可据此判断端侧多模态检索的落地边界。
The DecoderAI 评分7171 Google 发布图像模型 Nano Banana 2.1，价格约为前代一半
Google 发布图像生成与编辑模型 Nano Banana 2.1，取代 2026 年 2 月发布的 Nano Banana 2，官方称其在各方面均有提升。价格约为前代一半，1K 图像从 6.70 美分降至 3.36 美分，4K 从 15.10 美分降至 7.56 美分。
The DecoderAI 评分6868 Google 发布 EmbeddingGemma 2 多模态嵌入模型
Google 发布开源多模态嵌入模型 EmbeddingGemma 2，可将文本、图像、视频、音频和代码转换为数值向量。该模型参数量为 740M，Google 称其在多模态嵌入基准上超过参数量两倍的竞品，在 Massive Text Embedding Benchmark (Code) 上得分 78.68，较前代 68.76 提升近 10 分。
Simon WillisonAI 评分2222 Mistral Large 4 发布
Mistral 推出 Mistral Large 4，模型标识为 mistral/mistral-large-4，可通过 llm 命令行工具调用。Simon Willison 用它与其他前沿模型同题生成 SVG 进行对比测试。
The DecoderAI 评分7474 Mistral 发布万亿参数模型 Mistral Large 4，主打安全任务
Mistral 发布迄今最大模型 Mistral Large 4（ML4），拥有 1 万亿参数、490 亿激活参数，原生多模态，已在 Mistral Studio 开放 API 预览，权重预计 10 月底发布。
TechCrunch · AIAI 评分7171 Mistral 发布 1T 参数多模态模型 Mistral Large 4
法国 AI 实验室 Mistral AI 发布 Mistral Large 4（ML4），一款 1 万亿参数的大规模多模态模型，目前仅通过公开的 guardrail endpoint 访问，计划在安全测试完成后三周内开放权重。
Mistral AI精选AI 评分8080 Mistral 发布 Mistral Large 4 公开预览，1 万亿参数原生多模态
Mistral AI 发布 Mistral Large 4 公开预览，这是一个 1 万亿参数、49B 激活参数的原生多模态模型，可在 Mistral Studio 试用预览 API，权重将于本月底发布。
推荐理由：官方给出 1 万亿参数、49B 激活的开放权重模型在编码、智能体与多模态上的具体基准，可据此判断开放权重与闭源前沿的差距。
The DecoderAI 评分7272 Reflection 发布开源权重模型 Beam，主打低算力对标 DeepSeek 与 Qwen
AI 公司 Reflection 发布首个免费开放的模型 Beam，面向编码、逻辑推理和智能体任务，采用 MoE 架构，每 token 激活 5010 亿总参数中的 230 亿。
Hugging Face BlogAI 评分2424 Falcon-Emirati-7B：让 LLM 学会阿联酋方言、文化与语感
Falcon-Emirati-7B 发布，这是一个基于 Falcon-H1-Arabic 的 7B 方言专用模型，专注理解与生成阿联酋阿拉伯语。它沿用 Falcon-H1 混合架构（Mamba 与 Transformer 注意力并行），并构建了真实方言网页数据、MSA 文化语料与受术语表约束的合成数据三路管线。团队通过消融实验摸索方言数据注入量与训练阶段，以平衡真实与合成数据、避免过拟合。
Latent SpaceAI 评分7474 Reflection 发布 Beam：501B-A23B 美国开源模型
Reflection 发布 Beam，一个面向编码、智能体与科研任务的纯文本 MoE 模型，总参数 501B、激活 23B，从零训练，完整权重将以 Apache 2.0 在本月放出。
TechCrunch · AIAI 评分7171 Reflection 发布开源权重模型 Beam，对标中国开源模型
Reflection AI 发布首款前沿开源权重模型 Beam，称其在高级推理基准上达到中国领先开源模型的水平，且推理算力消耗低 3-4 倍。Beam 是 5010 亿参数、230 亿激活参数的文本 MoE 模型，预训练使用 23.8 万亿 token，上下文窗口 100 万 token，主打推理、编码和智能体任务。
The DecoderAI 评分7171 Reka AI 发布 19B 全能模型 Rho-1，统一处理文本、图像、视频与机器人控制
Reka AI 发布研究预览版 Rho-1，这是一个 19B 参数的全能模型，在单一神经网络中处理并生成文本、图像、视频和机器人控制动作。与多数将任务分派给专用模型的系统不同，Rho-1 把所有模态作为 token 放在同一上下文窗口中运行，无需工具调用或外部模型，可实时生成连续视频并即时响应新指令，预测摄像头图像的同一套权重也用于驱动机器人动作。
The DecoderAI 评分6262 Aleph Alpha 发布 78B 开源模型 Kolibri，主打欧洲 AI 主权
Aleph Alpha 发布 Kolibri，一款 78B 参数的德英双语模型，采用 MoE 架构，每个 token 约激活 3B 参数。公司称 Kolibri 在两种语言的质量与运行成本上处于帕累托前沿，德语占训练数据 21.3%，并建有专门的德语数据管线，部分合成训练数据由中文模型生成。
The Verge · AIAI 评分5050 GPT-6 Astra 打不过人类机器人，在 StarCraft 对战中作弊
StarSkirmish 的 StarCraft 对战测试中，OpenAI 的 GPT-6 Astra 与 Claude Opus 5.5 表现基本持平，但都打不过排名最高的人类制作机器人 Stardust。
The DecoderAI 评分4040 NASA 与 IBM 发布开源月球基础模型，基于 17 年轨道器数据
NASA 与 IBM Research 联合多家学术机构发布 NASA-IBM Lunar Foundation Model，称其为最早的开源月球科学基础模型之一。
TechCrunch · AIAI 评分5858 AWS 开源决策模型 Strands Decider 2B，基于千问 Qwen3.5-2B
AWS 发布开源决策模型 Strands Decider 2B，用于在预设选项中做选择并给出置信度，速度更快、成本更低，且小到可本地运行。该模型基于千问 Qwen3.5-2B 的躯干构建，不生成文本而是输出经过校准的选择，灵感来自 TypeSafe 的 Jev，由 AWS 杰出工程师 Marc Brooker 发起，曾在同尺寸模型的 Jevbench 排名上短暂登顶。
The DecoderAI 评分7171 Cloudflare 发布决策模型 Clef 与 Clef-flash
Cloudflare 发布 Clef 和 Clef-flash 两款面向 AI 智能体的决策模型，返回带概率的简短分类而非长文本，并称智能体决策不再必须有人参与。
Hugging Face Blog精选AI 评分6262 Ai2 开源 AstaBrief 8B 科研报告生成模型
Ai2 开源 AstaBrief 8B，一个把研究问题和检索到的文献片段转成带引用报告的模型，已在 Asta 的 Generate a report 功能中以 Fast 模式上线，同时开放模型权重和训练数据。
推荐理由：原文给出了训练数据构造、引用过滤与速度对比的完整细节，读者可据此判断小模型做科研报告生成的可行路径。
Latent Space精选AI 评分8080 Gemini 4 Argon 发布：GDM 对标 Astra/Fable，输出上限 1M token
Google DeepMind 发布 Gemini 4 Argon，面向编码、企业知识工作与网络防御，先在 Fairwind 计划的政府用户和可信网络安全人员中开放，之后才向开发者、企业和消费者开放。
推荐理由：汇总 Gemini 4 Argon 与 GPT-6.1 Sol 的第三方评测数据，可对比两者在成本、token 用量与智能体任务上的取舍。
Ars Technica · AIAI 评分2222 Google 发布 Gemini 4 Argon AI 模型，但暂不可用
Google 宣布推出 Gemini 4 Argon AI 模型，但目前用户还无法使用。此前外界预期的 Gemini 3.5 Pro 并未出现。
Google DeepMind精选AI 评分8585 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，随后逐步扩展至开发者、企业和消费者，起步价每百万输入 token 2 美元、每百万输出 token 10 美元，缓存输入按输入价的 95% 折扣计费。
推荐理由：官方给出 Gemini 4 Argon 的定价、输出上限与多项基准成绩，可据此判断前沿模型在长程工程与安全防御上的能力边界。
Google DeepMind精选AI 评分6262 Google DeepMind 推出 SynthID Bio，为 AI 生成蛋白质嵌入可验证水印
Google DeepMind 发布 SynthID Bio，将水印技术引入合成生物学，把不可感知的签名直接嵌入生物代码，使其不仅能在数字模型上验证，也能在合成出的实体蛋白质上验证，同时保持其生物功能。
推荐理由：SynthID 水印从图像扩展到合成生物，读者可了解其在 DNA 合成筛查与数据库标注中的验证层作用。
Simon WillisonAI 评分2222 GPT 6.1 Sol：以五分之一价格实现接近 Astra 的智能
Simon Willison 于 9 月 29 日发布博文，标题为「GPT 6.1 Sol: Near-Astra intelligence for a fifth of the price」，称 GPT 6.1 Sol 以五分之一的价格提供接近 Astra 的智能水平。
Hugging Face Blog精选AI 评分6666 NVIDIA 发布 Kumo Tabular 表格预测基础模型
NVIDIA 发布开源表格基础模型 Kumo Tabular，可在单次前向传播中完成分类与回归预测，无需训练、调参和特征工程。模型提供 28M 到 215M 三种规模，仅用人工合成表格预训练，采用 OpenMDW-1.1 许可支持商用，在 TabArena、BeyondArena、TALENT 和 ScoringBench 四个基准上排名第一。
推荐理由：原文给出模型规模、训练数据来源与四项基准排名，读者可据此判断表格基础模型的准确率与效率取舍。
Microsoft Research精选AI 评分6262 微软研究院发布 Quine：面向生物学复杂性的 AI 研究系统
微软研究院发布 Quine，一个面向生物学复杂性的 AI 研究系统，由生物世界模型和连接模型、科学工具、文献与实验人员的交互式 harness 组成。该系统与 Broad Institute 合作用于胰腺导管腺癌研究，预测并优先排序数千种化合物，最高排名化合物在湿实验中产生了最大的经典态向基底态转变，整个筛选到候选验证过程仅用一个周末。
推荐理由：微软研究院公开 Quine 的多模态生物世界模型与实验闭环，并给出胰腺癌化合物筛选的湿实验验证结果。
OpenAI News精选AI 评分8282 OpenAI 发布 GPT-6.1 Sol
OpenAI 发布 GPT-6.1 Sol，官方称其面向编码、电脑操作和专业工作，具备接近 Astra 的智能水平。其标准 API 输入与输出 token 价格为 Astra 的五分之一。
推荐理由：官方给出 GPT-6.1 Sol 的定位与定价，读者可据此判断它在编码和电脑操作任务上的成本取舍。