中美開放權重 AI 模型競爭升温,DeepSeek 發佈 DeepSeek-V4.1-Flash-1017 更新版
中美開放權重 AI 模型競爭升温,DeepSeek 發佈更新版 DeepSeek-V4.1-Flash-1017,美國多款開放權重模型亦相繼公佈。
中美開放權重 AI 模型競爭升温,DeepSeek 發佈更新版 DeepSeek-V4.1-Flash-1017,美國多款開放權重模型亦相繼公佈。
DeepSeek-V4.1-Flash-1017 在 Arena 的 WebDev 和 Agent Arena 兩項榜單均列開源模型第一,整體排名分別約第 12 和第 11。WebDev 得分 1670,超越 Kimi K3(Max),成本約為後者的 1/10;Agent Arena 中位任務成本約 $0.19–$0.20。整體排名仍落後於 Claude Opus、GPT-6 系列等頂尖閉源模型。
Google DeepMind 的 4 個 Gemini 4 Argon 智能體在隨機《Minecraft》生存世界中歷時 27 小時 14 分鐘擊敗末影龍。它們沒有預設角色或策略,自行形成分工,編寫 2,783 個 JavaScript 程式、交換 229 則聊天訊息並死亡 605 次;第五個 Observer 智能體審核了整場過程。
Cloudflare 的 Clef 27B 多模態決策模型現可在 Ollama 本機執行或 Ollama Cloud 使用。模型支援文字及圖像輸入,根據狀態和具型別問題作出決策,兼容 Jev 和 System One API;模型以 Qwen3.8-27B 微調,採用 Apache 2.0 授權。
Nace AI 發佈 Drex Max 多模態決策模型,可讀取文字和圖像並返回經校準的概率,不生成文字;模型在公開 Decision Index 0.3.2 得分 67.59,較 Jev 1.14 高 6.9 分。
Anthropic 傳將於明日推出 Fable 5.5,測試者稱其推理、直覺判斷及理解用戶意圖的能力超越 Anthropic 目前在售的所有模型。Google 的 Gemini 4 Carbon 已在內部測試,OpenAI 新一代 Terra 則可能於未來幾周推出。
螞蟻百靈開源 Ming-3.0 語音系列,共提供五款模型,涵蓋語音合成、音訊理解與對話,以及語音識別。Ming-3.0-tts 的 Voice Design 可用文字描述目標音色,或透過參考音訊設定音色;導演模式則可描述台詞的表演方式、情緒變化、重讀詞及節奏。
螞蟻百靈開源 Ming-3.0 語音系列,面向聲音創作、長語音分析及業務語音轉寫三類任務,提供共五款模型。系列包括語音合成、音訊理解與對話、語音識別三類模型,開發者可按任務選擇,或組合不同能力加入自己的工作流程。
Inception 推出擴散式 LLM Mercury 3,並稱其在智能體基準測試中勝過 GPT-6 Luna、Claude Haiku 5.5 和 GLM-5.3 Flash。Inception 稱 Mercury 3 的速度快 4x 至 8x。
螞蟻百靈開源 Ming-3.0 語音系列,涵蓋語音合成、音訊理解與對話、語音識別三類任務,共提供五款模型。Ming-3.0-tts 的 Voice Design 支援以文字描述或參考音訊設定音色,導演模式可描述情緒變化、重讀詞及節奏;Ming-3.0-audio-flash / tiny 可轉寫、總結及分析長音訊的觀點,並輸出結構化內容。
Darwin-27B-ZTC-v9 在 S1MB 英文版涵蓋 137 項基準的排行榜中取得 Borda 排名第一,評測包含 197 個模型。S1MB 逐項按基準排名後加總;該模型按任務平均分 72.20 排第二,兩種排序回答不同問題。ZTC 模型以單次前向傳播輸出選項概率而不生成文字,權重以 Apache-2.0 授權公開;文章指出,校準概率可用於設定自動判斷門檻。
稀宇科技宣佈 MiniMax M3.1 Flash 上線,線上推理速度提升近 3 倍,使用成本降低 70%。官方表示,曾以匿名身份處理超過 200T Token 的 Space Bunny 是該模型的早期版本;M3.1 Flash 在 Automation-Bench、DeepSWE 及 Agents' Last Exam (ALE) 以極低任務成本達到頂尖模型級表現。
Cloudflare 發佈 Clairic 預覽版,稱其為新類別 System One 抽取模型的首款模型,現於 Workers AI 提供。模型以單次並行推理,從非結構化文字及最多四張圖像抽取具型別欄位,亦可計算、估算和預測;不生成輸出 token,輸入定價為每百萬 token $0.10。
OpenAI 表示,最新模型在低資源程式語言的程式建置及 COBOL 遷移評測中均有提升。在最高推理力度下,GPT‑6 Astra 在 20 種語言的 MultiLangBench 平均測試通過率為 87.4%,高於 GPT‑5.6 Sol 的 26.8%;GPT‑6.1 Sol 在低推理力度的 COBOL 遷移評測準確率為 86.6%,GPT‑5.6 Sol 則為 5.4%。
推薦理由:兩項評測分別檢視跨語言程式建置和 COBOL 遷移,並以通過率、遷移準確率及 API 成本呈現模型表現差異。
MiniMax 發佈 M3.1 Flash,稱其智能體任務成本較前代降低 70%,推理速度接近 3 倍,日常高峯輸出超過 200 tokens/s。
Cloudflare 推出 Clairic,稱這款 System One 級抽取模型處理非結構化數據的速度更快、成本更低,準確度亦高於一般 LLM。
fal 於 2026 年 10 月 19 日推出 FLUX 3 Max,這款影片生成模型由 fal Research 與 Black Forest Labs 基於 FLUX 3 合作後訓練,並於同日透過 fal 推理平台提供。
作者以多組影片實測 Kling 4.0,認為其運鏡、人物一致性和聲畫配合適合電影製作。Kling 4.0 支援最長 30 秒原生生成,並可組合最多 15 項參考素材及最多 10 張關鍵幀。實測涵蓋多語種 MV、15 秒長鏡頭打戲及電影風格短片;作者亦指出,提示詞需精確描述台詞和動作,否則畫面可能像 PPT。
doubleAI 開發了 Maxwell,一種介乎程式碼與硬件之間的新型模型,可在程式執行期間提升執行速度,而毋須更改任何程式碼。它會根據執行追蹤、效能分析資訊及數據流,按硬件、其他正在執行的程式和輸入動態調整;目前已開放搶先體驗。
OpenNVR 維護者在無 GPU 的 4 vCPU 電腦上測試攝影機智能體依賴的模型,測試後有四項預設設定改變。語言模型測試中,granite4:micro 得分 44 / 60,舊預設 qwen3:1.7b 得分 21 / 60,而 qwen3:4b 得分 9 / 60;作者指出,模型在決策前是否調用工具,比參數量更關鍵。
Google Gemini 4 Argon 展示設計迭代、3D 導向輸出及提案簡報生成,讓企業可透過對話探索早期設計構想,而無需自行編寫程式。
Mercury 3 正式推出;InceptionLabs 稱它在多項基準中勝過 GPT-6 Luna 和 Claude Haiku 5.5,並以 4–8x 更快的速度達每秒 1,000+ tokens。
推薦理由:材料列出速度、上下文窗口和價格,並提供 Mercury 3 在 50 項 Mind2Web 導航任務中的結果,便於對照模型指標與部署案例。
Timestral Mistral 在零樣本預測中勝過 Google TimesFM-3,並以較低成本運行。文章稱,該模型在 M4-M5 基準測試的 MSE 低 12%,其 Mistral Cloud API 約比 Google TimesFM-3 API 便宜 30%。模型提供開源權重及雲端 API,並支援只微調不多於 0.5% 參數的 adapter-lite 方法。
Inception 發佈旗艦擴散式大語言模型 Mercury 3,稱其在多項基準測試中勝過 GPT-6 Luna 和 Claude Haiku 5.5。公司稱模型在 NVIDIA GPUs 上達到 1,068 tokens per second,上下文窗口為 one million tokens,較 Mercury 2.5 的 260,000 tokens 增加。
MiniMax 發佈 M3.1 Flash 推理模型,其 Artificial Analysis Intelligence Index 得分為 42,較 M3 高 13 分,單項任務成本不到一半。
Google 推出 Gemini 4 Argon,定位為可處理複雜多步驟工作,並支援 Antigravity 的多智能體 Blender 工作流程。Argon 可配合 Blender MCP 建構和修改 3D 場景、動畫及互動原型;文中的 Wizard Chess 是示範項目,並非 Google 獨立推出的遊戲。
Microsoft AI 的 MAI-Transcribe-2 在 David AI 的 DAI-ASR-I18N 公開評測中,於 21 種語言中的 18 種取得最低轉錄錯誤率,並在 16 種語言的錯誤率低於 10%。
Laminar 推出以 RL 訓練的 flow-1,分析 AI 智能體追蹤記錄並找出隱性錯誤。在 Laminar 自家基準測試中,flow-1 的錯誤偵測質素媲美 GPT-6-sol,成本低 23x,可逐條分析生產環境中的智能體追蹤記錄,無須抽樣。Laminar 採用 Apache 2.0 授權,並支援自行託管。
Inception 的 Mercury 3 是擴散式大語言模型,貼文列出其在 NVIDIA GPU 上的生成速度為每秒 1,068 個 token。貼文稱其品質媲美或優於 GPT-6 Luna、Claude Haiku 5.5 等速度優化前沿模型;上下文窗口由 Mercury 2.5 的 260K 增至 1M tokens。
Kling AI 發佈 Kling 4.0,加入立體聲音訊及多語言口型同步,並推出較輕量的 Kling 4.0 Flash。主模型單次可生成最長 30 秒影片,提示詞上限為 8,000 tokens,Omni Reference 單次生成最多接受 15 項參考素材。
Mercury 2 入選 TIME 2026 年最佳發明的人工智能類別,是以擴散模型為基礎、具推理能力的 LLM。它每秒生成超過 1,000 個 tokens,速度較領先的速度優化 LLM 快逾 5 倍,並可在普遍可用的 NVIDIA GPU 上運行。公司其後推出 Mercury 2.5、Mercury Voice、Mercury Router 和 Mercury Decide。
inclusionAI推出醫療專用研究模型 Ling-3.0-flash-Sante,基於 Ling-3.0-flash,總參數量為 124B,每個 token 啟用 5.1B 參數。模型訓練上下文長度達 256K tokens,支援醫療推理、深度研究及工具輔助工作流程,權重可在 Hugging Face 和 ModelScope 取得。它不是醫療器械,不能取代專業醫療建議、診斷或治療。
六個 AI 模型透過各自的 CLI 進行 12 局棋賽,沒有一局以將死結束。11 局因第三次犯規告負,唯一打滿 60 ply 的對局由 Gemini 4 Argon 與 Opus 5.5 下成和局。Opus 5.5 和 Gemini 4 Argon 未用過後備走法;Opus 5.5 平均每步 13 秒,是最快的模型。
DeepSeek 於 2026 年 10 月 17 日發佈 V4.1 Flash 1017,稱這是小幅更新,基準分數提高、任務完成更快,輸出更短。作者於 10 月 18 日將 1017 接入 LU Cloud,舊模型 ID 會轉送至新 ID,讓已儲存的預設選擇、舊聊天和 API 腳本繼續使用。
作者在 MacBook Air 上微調 Qwen3-4B-Instruct,推出開源模型 qwen3-4b-deslop,毋須 system prompt,可透過 Ollama 在本機執行。
MiniMax 於 2026 年 10 月 19 日正式推出 M3.1 Flash,並確認匿名運行期間處理超過 200 trillion tokens 的 Space Bunny 是新模型的早期版本。
Nvidia 推出 Nemotron 3.5 Super VL 及兩款 Bolt 開放權重模型,分別面向企業智能體,以及本機 AI PC 和工作站部署。Super VL 有 120 billion 個參數;Nvidia 稱它的參數少於 Nemotron 3 Ultra,但在指令遵循和工具使用任務上的準確度相若。
Reflection AI 發佈 Beam,這款總參數量 501.3 billion 的稀疏 MoE 模型,在解題品質相若時,推理生成 token 約比同類開放模型少 3–4×。
MiniMax 推出 M3.1 Flash,並稱這款模型在智能體任務、編碼、電腦操作及網絡安全方面帶來「代際飛躍」。模型權重預定於 10 月 23 日推出。
谷歌研究人員宣佈,4個 Gemini 4 Argon 智能體在無預設策略及無人類即時介入下,於隨機生成的《我的世界》中自主協作,耗時27小時擊敗末影龍。智能體透過遊戲內聊天框協調分工,發送229條訊息、運行2783個程序,並死亡605次。研究團隊稱,這是 AI 首次完全自主從零通關該遊戲。