Arena 更新 Arena Alignment Index 榜单，新增两个实验室和三个模型：Meta 的 Muse Wonder 以 77.5% 排第 6，Reflection 的 Beam-1.0-501B-A23B 以 75.3% 排第 7，StepFun 的 Step 5 Preview 以 75.1% 排第 8。
Arena Alignment Index 更新新增两家实验室和三款模型，Meta 新旗舰 Muse Wonder（Max）以 77.5% 位列第 6，Reflection 的 Beam-1.0-501B-A23B 以 75.3% 排第 7，StepFun 的 Step 5 Preview 以 75.1% 排第 8。
智谱发布法律专用开源模型 GLM-Legal，在 Vals AI 法律测评中以 19.2% 任务全通过率和 86.23% 准确率位列 Harvey LAB 与 LegalBench 开放权重模型榜首。该模型在 GLM-5.3-Flash 底座上做法律语料中期训练，再经数万法律任务环境强化学习，可处理合同审查、证据梳理和跨境合规。智谱已开放 Beta 申请，并计划将相关能力接入 AutoClaw。
DeepSeek 发布新模型 DeepSeek-V4.1-Flash-1017，网页端、APP 与 API 已同步切换，配套 DeepSeek Harness 升级至 0.2.1 版本。
推荐理由：新版本在基准测试提升的同时压缩了任务运行时间和输出长度，读者可据此判断 Agent 编码的成本边界变化。
DeepSeek 发布增量更新版本 V4.1-Flash-1017，官方称其基准表现更强、任务完成更快、输出更短，已上线官网、App 和 API。该版本采用带自我反馈的强化学习训练，并适配 DeepSeek Harness v0.2.1-rc.1、腾讯 CodeBuddy、WorkBuddy 等工具。
DeepSeek V4.1-Flash-1017 在编程、终端操作和 Agent 任务专项基准中超越 GPT-5.6-Sol，但综合推理和高难度编程任务仍逊于 Claude Opus 5。相比上一版本，该模型在编程、终端操作、Agent 执行和复杂任务场景中均有明显提升。
DeepSeek 发布 DeepSeek-V4.1-Flash-1017，已在官网、App 和 API 开放，权重开源在 Hugging Face 和 ModelScope。
推荐理由：材料给出新模型在智能体与编程任务上的基准与单任务成本对比，可据此判断小模型的实际性价比。
DeepSeek 发布 DeepSeek-V4.1-Flash-1017，已在官网、App 和 API 上线，并在 Hugging Face 与 ModelScope 开源模型权重。
推荐理由：DeepSeek 新 Flash 模型在自家基准上以更低单任务成本超过更大模型，读者可据此比较性能与成本取舍。
DeepSeek 发布 DeepSeek-V4.1-Flash-1017 检查点，已上线网站、App 和 API，官方称在全部 11 项基准上超过 9 月版 V4.1-Flash，提升 2.0 到 11.1 分，DeepSWE v1.1 达 77.0。
DeepSeek V4.1 Flash 1017 已在 OpenRouter 上线，DeepSeek 是首个接入的服务商，后续还会有更多服务商接入。该模型是 V4.1 Flash 的更新版，token 效率更高，在 agentic 基准上有明显提升，上下文为 1.05M，输入 $0.15/M、输出 $0.60/M。
StepFun 以开放权重发布 Step 5 Preview，这是一个 600B 参数、每 token 激活 27B 的稀疏 MoE 模型，支持最高 1M token 上下文，FP8 和 BF16 权重已上线 Hugging Face 和 ModelScope。
Perplexity 开源两款决策模型 pplx-decider-flash-v1.2 和 pplx-decider-v1.2，分别有 4B 和 27B 参数，定价为每百万 token 1 美分和 2 美分。
Google DeepMind 的 Gemini 4 Argon (High) 进入 Agent Arena 第 5 名，净提升 +13.2%；小米 MiMo V2.6 Pro 以 +3.9% 净提升成为 Agent Arena 开源模型第一（总榜第 13）。
Arena 宣布 Reflection AI 的 Beam-1.0-501B-A23B 登上 Agent Arena 榜单，Reflection AI 由此进入 Agent Arena 前 15 实验室。
Reflection AI 的 Beam-1.0-501B-A23B 以 -3.67% Net Improvement 位列 Agent Arena 开源模型第 12 名，成为榜上排名最高的美国开源模型，超过 Hy3、MiMo V2.5 Pro 和 MiniMax M3。
Artificial Analysis 评测 Reflection 首个开源权重模型 Beam，在 Artificial Analysis Intelligence Index 得 30 分，居美国开源权重模型第二，仅次于 Meta 的 Muse Spark Open（39），高于前一日发布的 NVIDIA Nemotron 3.5 Super VL（26）。
Reflection 发布新模型家族的首个模型 Beam，采用 MoE 架构，总参数 501B、每 token 激活 23B，上下文窗口最高 100 万 token，主要接受文本输入并生成文本输出。
Reflection 发布首个开源权重模型 Beam，权重已在 Hugging Face 以 Apache 2.0 协议放出。Beam 为稀疏 MoE 模型，总参数 501B、激活 23B，面向编码、推理和长程智能体任务。该模型提供 BF16、FP8、NVFP4 精度权重和投机解码 drafter 模型。
推荐理由：Reflection 首次开源 501B 稀疏 MoE 权重，可据此了解其面向编码与长程智能体的参数配置和精度选项。
谷歌正式面向全球开发者、企业及付费订阅用户陆续开放 Gemini 4 Argon，定位为加强编程、专业知识工作和复杂任务持续执行能力，并进一步推进视觉理解、空间推理和工具调用。
蚂蚁联合清华开源 Realtime-Venus，定位为 OpenAI Realtime API 的替代方案，面向智能硬件与车载场景。该系统采用双循环架构，由两个 9B 模型与 Harness 构成，前台用 Realtime-Venus-Omni 进行音视频感知，实现全双工语音交互，并支持后台复杂 Agent 任务异步执行。
小米 MiMo 宣布 MiMo V2.6 Pro 在 Agent Arena 开源模型榜单排名第一，净提升 +3.8%。
Meta 于当地时间 10 月 15 日发布开放权重 AI 模型 Muse Spark Open，官方宣称其为迄今能力最强的美国开放权重模型。该模型采用原生多模态架构，总参数量 816B（激活参数 42B），支持 1M token 上下文窗口，专为代码构建与智能体协作设计。
阶跃星辰 Step 5 Preview 在 DeepInfra 上线（day zero），采用开放权重，为 600B MoE、27B 激活，支持 1M token 上下文和文本加视觉输入。FP8 定价为每 1M tokens 输入 $1.00、输出 $2.70、缓存 $0.05，面向 coding、frontend、finance 等长程 Agent 场景。
在为此任务生成的内部测试集上，Jev 1.13 相比其他 Decisions 模型以及 Claude Code 使用 Sonnet 5 的情况，准确率最高、成本最低。该结论由 OpenRouter 在 X 上公布。
Meta 在 Hugging Face 开源 816B 参数模型 Muse Spark Open，面向编码和智能体任务，Apple 为其 MLX 框架做了适配。
Arena 公布 Agent Arena 开源模型新排名，小米 MiMo V2.6 Pro 以 +3.8% 净提升位列第一。前五名依次为 Deepseek V4.1 Flash（Max）+3.0%、Hy4 preview +2.9%、MiMo V2.6 Flash +2.5%、GLM 5.2（Max）+2.4%。
Meta 发布开放权重模型 Muse Spark Open，称其为美国最强开放权重模型，拥有 816B 参数和 1 million token 上下文窗口，原生多模态，面向复杂编码和智能体任务。
Meta 在 Hugging Face 开源了 816B 参数的 Muse Spark Open 权重，面向编码和智能体任务，与闭源 Muse Spark 1.3 共享同一基座，仅额外做了抵御滥用的安全后训练，逆转其 4 月起的闭源权重策略。
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。
Meta 发布开源权重模型 Muse Spark Open，称其是美国最强开源权重模型，拥有 8160 亿参数和 100 万 token 上下文窗口，原生多模态，面向复杂编码任务和智能体工作。
Meta 发布开源权重模型 Muse Spark Open，称其为美国最强开源权重模型，面向编码和智能体任务，拥有 8160 亿参数（420 亿激活）、最高 100 万 token 上下文，支持文本、图像、视频和音频。
Meta 发布开放权重模型 Muse Spark Open，发布首日即可在 Baseten Model APIs 和 Dedicated Inference 上使用。
Meta 发布 Muse Spark Open 的开放权重，基于 8 月发布的 Muse Spark 1.2，已在 Hugging Face 上以 Muse Model License 提供。
Thomas Wolf 转发并评论 Muse Spark Open 的发布，称其为迄今最强美国开源权重模型。引用内容称该模型总参数 816B、激活 42B、上下文窗口 1M token、原生多模态，面向编码与长程智能体任务。配图显示其在 JobBench 61.8、HLE-Diamond 26.1、Terminal-Bench 2.1 76.4 等基准上领先所列对比模型。
Meta 发布开放权重模型 Muse Spark Open，816B 总参数、42B 激活参数，1M token 上下文窗口，原生支持文本、图像、视频、音频多模态，主打编程与智能体长周期任务。
Meta 在 Llama 系列之后重返开源权重领域，发布 Muse Spark Open，称其为最强美国开源权重模型，拥有 816B 参数（42B 激活），支持最高 100 万 token 上下文和文本、图像、视频、音频。
Meta 发布 Muse Spark Open 的开放权重，这是一个 816B 总参数、42B 激活的模型，上下文窗口 1M tokens，已在 Hugging Face 上以 Muse Model License 提供。
推荐理由：Meta 开源 816B 总参数、42B 激活的编码与智能体模型，并给出 Helion 内核与 TorchTitan 微调路径，可据此评估开源权重模型的部署与二次训练成本。
Meta 发布 Muse Spark Open，这是一个面向编码优化的 816B MoE 模型，激活参数 42B，上下文窗口 1M token。该模型在 NVIDIA GB300 NVL72 Blackwell Ultra 上训练，针对智能体编码工作流，具备更高的首次尝试准确率、可靠的工具调用和对代码库的深度理解。1M token 上下文窗口可容纳整个代码库。
Nvidia 发布开源多模态模型 Nemotron 3.5 Super VL，总参数 120B、每 token 激活 12B，采用混合专家架构，面向需在后台持续处理文本、图像、文档和视频的企业级智能体。
Nvidia 发布 Nemotron 3.5 Super VL，这是一个 1200 亿参数的开源多模态模型，面向持续在后台运行的企业智能体，处理文本、图像、文档和视频。