DeepSeek-V4.1-Flash-1017 发布，已在网站、App 和 API 上线
DeepSeek 发布 DeepSeek-V4.1-Flash-1017，称其相比上一版本基准测试表现更强、任务完成更快、输出更短，在性能与成本上是帕累托改进，现已在网站、App 和 API 上线。该版本针对 DeepSeek Harness、腾讯 CodeBuddy、WorkBuddy 等做了优化，需升级到 DeepSeek Harness v0.2.1-rc.1 或更高版本以获得最佳体验。
#部署/工程
RadarAIAI 评分6262
RadarAIAI 评分5858 Liquid AI 发布多模态决策模型 d1-ultra，Artificial Analysis 决策指数得 65 分
Liquid AI 发布决策模型 d1-ultra，可读取文本、图像或两者，对有界问题按概率作答，单次前向传播输出 0 个 token，现已在 Liquid API 上线，输入价格 $0.042/1M tokens。
RadarAI同新闻AI 评分8282 Meta 发布 Muse Spark Open：816B 开源权重 MoE 模型，支持 1M 上下文
Meta Superintelligence Labs 发布 Muse Spark 模型的开源权重版本 Muse Spark Open，为 816B 总参数、每 token 激活 42B 的多模态 MoE 模型，支持文本、图像、视频和音频输入，上下文窗口 1M token，权重以 BF16 和 NVFP4 格式在 Hugging Face 发布。
RadarAIAI 评分6262 Artificial Analysis 发布 NVIDIA Vera Rubin NVL72 在 AA-AgentPerf 上的首批评测结果
Artificial Analysis 在 agentic 推理基准 AA-AgentPerf 上发布 NVIDIA Vera Rubin NVL72 的首批结果，其每兆瓦总吞吐最高约为前代 GB300 NVL72 的 5.7 倍。
RadarAIAI 评分7171 蚂蚁百灵开源 Ling-3.1-flash 模型，约 560B 总参数、最高支持 1M 上下文
蚂蚁百灵昨日宣布开源 Ling-3.1-flash 模型，总参数约 560B、每个 Token 激活约 25B，最高支持 1M 上下文。在 Artificial Analysis 公开评测中，其智能指数为 41、输出速度约每秒 210 Token。
量子位AI 评分6262 蚂蚁百灵开源 Ling-3.1-flash，主打真实工作流任务
蚂蚁百灵开源推出 Ling-3.1-flash，定位高智效比专业模型，主打把真实工作流里的任务干完。模型约 560B 总参数、每 Token 激活约 25B，采用 7 层 KDA 配 1 层 Gated MLA 的混合线性注意力与稀疏 MoE，上下文窗口上限 1M，混合精度量化后权重从约 534GB 降至 292GB，部署 GPU 由 8 卡降至 4 卡。
RadarAIAI 评分7171 阶跃星辰展示 Step 5 Preview 在 NVIDIA GB300 上的推理性能
阶跃星辰表示 Step 5 Preview 在 NVIDIA GB300 上推理表现出色，并期待开发者用它构建应用。其转发的 NVIDIA 内容称该模型是阶跃星辰规模最大的开放权重发布，采用 600B MoE 架构，可处理最长 24 小时的 Agent 任务，在 GB300 上使用 NVFP4 达到近 8K tokens/sec/GPU。
RadarAIAI 评分7171 阶跃星辰开源 Step 5 Preview 权重，华为昇腾、沐曦、壁仞、摩尔线程提供 0Day 支持
阶跃星辰开放 Step 5 Preview 模型权重，包含 BF16 与 FP8 两个版本，已上线 Hugging Face 和 ModelScope，开发者可通过 vLLM 或 SGLang 部署兼容 OpenAI 接口的 API 服务，也可用 Transformers 离线推理。
RadarAIAI 评分3131 TypeSafe AI 发布 Jev 1.14：新增图像、Box 类型与 262k 上下文
TypeSafe AI 发布 System One 决策模型 Jev 1.14，以 jev-preview 别名上线，新增图像输入、Box 边界框类型和 262k 长上下文三项实验性功能，官方称均未达到生产可用。
RadarAIAI 评分5050 Google TPU v7 基准测试性价比超越 NVIDIA GB300 NVL72
Google TPU v7 运行 FP8 vLLM 的每美元性能比 NVIDIA GB300 NVL72 运行 FP4 高出 1.67 倍。该基准测试结果由 Google 提交，显示 TPU v7 在性价比维度上领先 NVIDIA 当前旗舰级机架方案。
Hacker NewsAI 评分3838 TypeSafe 发布 Jev 1.14.0，并面向“梦想家”推出实验性功能
TypeSafe 发布 Jev 1.14.0，并以免责的“danger zone”API 开关形式开放图像、box 类型和更长上下文三项实验功能。图像能力通过 assets 中的查找替换实现，可放入 state、instructions 或 criteria；box 返回单个边界框，仅 jev-1.14.0 支持。
RadarAIAI 评分4848 Artificial Analysis 将 DeepSeek V4.1 Flash 纳入 AA-AgentPerf，GB300 吞吐领先
Artificial Analysis 将 DeepSeek V4.1 Flash 加入智能体推理性能基准 AA-AgentPerf，榜单现覆盖四款模型。
RadarAIAI 评分2222 本地大模型榜单解读：NVIDIA RTX 4090 的性价比之选
NVIDIA 本地大模型基准测试显示，RTX 4090 在 4-bit 量化下可达每秒约 47.4 token，成为应对专业级 RTX 6000 高昂成本的高性价比替代方案。该推文基于一张 NVIDIA 本地大模型性能图，指出其每秒 45-50 token 的表现。
RadarAI同新闻AI 评分8787 谷歌发布 Gemini 4 Argon，支持 100 万 token 输出并面向开发者开放
谷歌发布 Gemini 4 Argon，面向全球开发者和企业开放，可通过 AI Studio、Gemini 平台 API 使用，并支持 Google AI Ultra 与 Pro 订阅用户。
The Verge · AI同新闻AI 评分8282 Google 发布 Gemini 4 Argon 模型
Google 发布 Gemini 4 Argon，称其在编程、网络安全、科学、金融和法律等基准上超过 GPT-6 Astra、Claude Fable 5.1 和 Claude Opus 5.5。
量子位AI 评分6060 智谱 GLM-5.3-Highspeed 现身 Zcode，网友实测 490 tokens/s
智谱在 Zcode 3.15.1 中上线 GLM-5.3-Highspeed 模型，订阅用户随机灰度获得，有网友晒出 490 tokens/s 的输出速度。作为对比，上月发布的 GLM-5.3-FlashX 最高速度为 200 tokens/s，GLM-5.3-Flash 在 Z.ai API 上约为 60 tokens/s。
RadarAIAI 评分5858 Cloudflare 发布 Clef-omni：30B-A3B 多模态决策模型，单次调用评分文本、图像、音频和视频
Cloudflare 于 2026 年 10 月 9 日发布开放权重决策模型 Clef-omni，可在一次调用中对文本、图像、音频和视频打分。
RadarAIAI 评分4141 vLLM Semantic Router 发布开源多模态决策模型 Decision 3.0，共 5 个尺寸
vLLM Semantic Router 团队发布 Decision 3.0 系列开源多模态决策模型，含 d3-lite（0.85B）到 d3（26.09B）共 5 个尺寸，全部采用 Apache-2.0 许可。
RadarAIAI 评分3838 GLM 5.3 EXL3 实现约 95 tok/s 的本地解码速度
完整版 GLM 5.3 在 EXL3 量化下借助 TensorFold，于本地多 GPU 工作站硬件上实现约 95 tok/s 的解码吞吐量。Ash Hart 指出，这是一项解码性能里程碑。
RadarAIAI 评分4444 OrcaRouter 发布 OrcaCyber Zero 1.5 网络安全模型，支持 1M 上下文
OrcaRouter 发布 OrcaCyber Zero 1.5 网络安全模型，面向授权漏洞研究，支持 1M token 上下文窗口、原生函数调用与结构化输出，仅通过 OrcaRouter 托管 API 提供，定价 $3.00 / $7.50 每 1M tokens。
GitHubAI 评分2020 EPIC-SHARC MOHTE v0.3.5 更新：token 记忆改用环形缓冲区
EPIC-SHARC MOHTE 发布 v0.3.5，将 token 记忆改为环形缓冲区，并新增缓存 token 计数，使 copy-bias 查找不再每步重扫整个记忆窗口。该版本让 token 记忆置信度改用真实的 top-1 与 top-2 差距，默认在训练时跳过 token 记忆复制与锚点记账，并新增相应冒烟测试。项目以 GNU AGPLv3 源码开放，非商业用途免费，商业部署需付费授权。
Hacker NewsAI 评分6666 微软在 Foundry 上线 Microsoft-Decision-1，基于阿里 Qwen3.5-9B 后训练
微软在 Foundry 上线 Microsoft-Decision-1 决策模型，基于阿里 Qwen3.5-9B 后训练，而非 OpenAI 的模型，并计划后续迁移到自家 MAI 模型和 OpenAI 模型上。
RadarAIAI 评分6262 微软发布 Microsoft-Decision-1：基于 Qwen3.5-9B 的决策评分模型
微软发布 Microsoft-Decision-1，一个由 Qwen3.5-9B 后训练的决策评分模型，对固定选项输出校准概率而非生成文本，已上线 Microsoft Foundry 和 OpenRouter。
RadarAIAI 评分6262 微软推出 Microsoft-Decision-1 决策模型，基于 Qwen3.5-9B 后训练
微软发布 Microsoft-Decision-1 决策模型，专为结构化决策任务打造，现已上线 Microsoft Foundry 并接入 OpenRouter。该模型基于 Qwen3.5-9B 后训练，在 36 项基准测试中准确率最高，响应速度比 Quyet-1.0-Large 快 4.5 倍、比 GPT-6 Sol 快 35 倍。定价为每百万 Token 输入 0.042 美元，输出免费。
GitHubAI 评分6262 strands-labs 开源决策模型 strands-decider，新增 Gemma 4 系列
strands-labs 发布 strands-decider 决策模型，用指针头替换 LLM 的语言建模头，在选项间做选择、判断是与否或按量表打分，并给出置信度。
Hacker NewsAI 评分6262 Cloudflare 发布 Clef-omni 多模态决策模型，Clef-flash 降价、Clef 提速
Cloudflare 发布 Clef-omni，在文本和图像之外新增音频（wav、mp3）与视频（mp4、webm）输入，模型权重已在 Hugging Face 开源，基于 Qwen3-Omni-30B-A3B-Instruct MoE 底座并去掉文本转语音输出部分。
RadarAIAI 评分6262 Conway Research 发布 2-bit 量化版 Saluki 27B，7.89 GB 工具调用反超原版 Qwen3.8-27B
Conway Research 旗下 Underdog 以 Apache 2.0 发布 Saluki 27B，这是 Qwen3.8-27B 的 2-bit 混合精度 GGUF 量化版，文件从 54 GB 压到 7.89 GB，可在原版 llama.cpp 运行并支持完整 GPU 卸载。
GitHubAI 评分2222 Hanok-LLM：面向商业化的韩语大模型栈
Hanok-LLM 是一个模块化、面向生产的韩语大语言模型栈，基于 Korean-llm 项目持续研究构建，目标明确指向完全商业化。模型为原生 decoder-only Transformer（KoreanLLM），默认 20 层、隐藏维度 1,920、10 个注意力头、词表 128,256，实例化参数约 1.09B，支持最长 2,048 序列长度与 KV cache。
RadarAIAI 评分6262 Anthropic 将 Sonnet 5.5 缓存读取价格减半至 $0.10/百万 token
Anthropic 将 Sonnet 5.5 的缓存读取价格下调一半，在 Claude Platform 上现为 $0.10 每百万 token，输入 $2、输出 $10。官方称这让 Sonnet 5.5 在大多数 agentic 工作上运行成本降低约 20%。此次调价仅限 API，Claude Code 的用量限制不变。
Hacker NewsAI 评分6666 JetBrains 发布 Mellum2.1：面向编码智能体的快速开源模型
JetBrains 发布 Mellum2.1，这是其 6 月开源的 12B MoE 模型的新版本，采用 Apache 2.0 许可，激活参数 2.5B，架构与 Mellum2 相同，改动集中在后训练。
TechCrunch · AIAI 评分6060 Musubi 发布开源决策模型 PolicyLM-1.7B，用于实时内容审核
Musubi 发布轻量级决策模型 PolicyLM-1.7B，以开放权重形式开源，用于实时内容审核。该模型可将纯英文撰写的内容政策直接应用于消息，在 50 毫秒内给出二元判断，成本与速度接近主流社交平台的 AI 分类器，且政策变更时无需重新训练。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、可定制的方式主动为内容打标。
Hacker NewsAI 评分6262 Mistral 发布万亿参数开源权重模型 Mistral Large 4（Le Chonk）
Mistral 公开预览 Mistral Large 4，昵称 Le Chonk，采用 MoE 架构，总参数 1 万亿、推理时激活 490 亿，前代 Mistral Large 3 为 6750 亿总参数、410 亿激活。
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 相同，同日还下调了 Sonnet 5.5 与订阅方案价格。
推荐理由：汇总了 Haiku 5.5 的定价、独立评测与 token 消耗数据，可对照 GPT-6 Luna 判断小模型在智能体工作流中的成本取舍。
AWS Machine Learning Blog精选AI 评分6666 AWS 上线 Claude Haiku 5.5
AWS 宣布 Claude Haiku 5.5 在 Amazon Bedrock 和 Claude Platform on AWS 上线。
推荐理由：原文给出 Haiku 5.5 在 Bedrock 上的能力定位与成本变化，读者可据此判断它在多智能体分工中的位置。
科技媒体 RSSAI 评分6262 Claude Haiku 5.5 在 AWS 上线
Claude Haiku 5.5 现已在 Amazon Bedrock 和 AWS 上的 Claude Platform 开放使用。据 Anthropic 介绍，它是 Claude 5.5 系列中速度最快、效率最高的模型，面向子智能体和高并发、成本敏感的任务，在多数任务上比 Claude Haiku 4.5 便宜约 75%。
科技媒体 RSSAI 评分7171 Mistral 发布 Mistral Large 4 预览版 Le chonk
Mistral 发布 Mistral Large 4 预览版，这是一个 1 万亿参数、490 亿激活参数的模型，在自有的 3800 块 NVIDIA Grace Blackwell GPU 集群上训练，目前通过其 API 提供。
Hacker NewsAI 评分2121 在消费级硬件（RTX 4090）上以 100T/s 运行 Qwen 3.8 Flash Next（125B）
有开发者展示了在单张 RTX 4090 消费级显卡上运行 Qwen 3.8 Flash Next（125B）的可行方案，推理速度达到 100T/s。该方案针对 125B 参数规模的模型在消费级硬件上实现了高吞吐推理。
Air Street Press精选AI 评分7878 Poolside 发布 Laguna S 2.1 智能体编码模型并开放权重
Poolside 发布智能体编码模型 Laguna S 2.1，采用 MoE 架构，1180 亿参数、每 token 约 80 亿激活，支持最高 100 万 token 上下文，量化后可运行在单台 NVIDIA DGX Spark 上。
推荐理由：作者以预发布实测者身份记录 Laguna S 2.1 的开放权重、评测轨迹与桌面端运行方式，可据此判断本地跑多小时代码智能体的可行性。