用 LFM3 構建專用多模態模型
Liquid AI 發佈 LFM3 新一代模型系列,以共享骨幹涵蓋文字、視覺、音訊、全模態及決策模型。LFM3-1.7B 以少 35% 參數超越 LFM2.5-2.6B;文字模型的上下文窗口為 256K,所有模型均可在單張 GPU 微調。LFM3 全系列採開放權重,現已在 Hugging Face 提供。
推薦理由:LFM3 將文字、視覺、音訊與決策模型建基於同一骨幹,並支援單張 GPU 微調及端側部署,呈現小型模型按任務專門化的實作路徑。
新模型的發佈、開源與迭代:大模型廠商的旗艦更新、開源權重放出、性能與價格變化的第一時間記錄。
Liquid AI 發佈 LFM3 新一代模型系列,以共享骨幹涵蓋文字、視覺、音訊、全模態及決策模型。LFM3-1.7B 以少 35% 參數超越 LFM2.5-2.6B;文字模型的上下文窗口為 256K,所有模型均可在單張 GPU 微調。LFM3 全系列採開放權重,現已在 Hugging Face 提供。
推薦理由:LFM3 將文字、視覺、音訊與決策模型建基於同一骨幹,並支援單張 GPU 微調及端側部署,呈現小型模型按任務專門化的實作路徑。
OpenAI 推出 GPT-6.1 Terra,支援理解圖片和螢幕,以及操作瀏覽器、桌面和應用,API 價格亦低於 GPT-5.6 Terra。
推薦理由:文章並列 GPT-5.6 Terra 對照任務的耗時、token 用量與帳單,再比較綜合測試得分和成本,呈現降價、速度與評測表現之間的差異。
OpenAI 發佈 GPT-6.1 Terra,並稱其在視覺推理、專業任務執行及電腦操作基準上達到接近前沿模型的表現。最高推理力度下,該模型在 Agents’ Last Exam 得分 60.0%、每項任務成本 $1.01;GPT-5.6 Terra 得分 50.7%、成本 $3.58。
推薦理由:文章並列專業任務、視覺推理及桌面操作基準與單項任務成本,呈現 GPT-6.1 Terra 相較同系列模型的能力與成本取捨。
OpenAI 發佈主攻視覺理解和電腦操作的 GPT-6.1 Terra,並將標準 API 價格較 GPT-5.6 Terra 下調 50%。其標準 API 輸入、輸出及快取輸入價格分別為每百萬 token 1 美元、5 美元及 0.05 美元。
推薦理由:文章把 GPT-6.1 Terra 降價連結至 OpenAI 擴大 API 呼叫量的策略,並以 Anthropic 的收入增長和算力成本作對照,呈現兩家公司商業化的共同壓力。
OpenAI 發佈 GPT-6.1 Terra,主打視覺理解與電腦操作,並將標準 API 價格較上一代下調 50%。每百萬 token 的輸入、輸出及快取輸入價格分別為 1 美元、5 美元及 0.05 美元;在 Agents' Last Exam 中,中等推理強度較 GPT-5.6 Terra 高 15 個百分點,單項任務成本約降至三分之一。
推薦理由:文章把 GPT-6.1 Terra 的定價、任務成本和評測表現放在一起,並連結 OpenAI 擴大調用量與算力投入壓力,呈現降價背後的商業化考量。
OpenAI 發佈並開始提供 GPT-6.1 Terra,強化視覺推理、電腦操作和文字表達,標準 API 價格為 GPT-5.6 Terra 的一半。在 Agents' Last Exam 中,medium 推理設定較 GPT-5.6 Terra 高 15 分,成本約為三分之一;low 設定下的事實錯答率約為 GPT-5.6 Terra 的三分之一。
推薦理由:文章以基準結果和定價對照 GPT-6.1 Terra 與 GPT-5.6 Terra,呈現視覺操作和工作任務表現提升時的成本變化。
OpenAI 發佈平衡型 AI 模型 GPT-6.1 Terra,並稱其在視覺推理、電腦操作及編程方面表現提升。其標準 API 價格較 GPT-5.6 Terra 低 50%;每個 token 價格為 GPT-6 Astra 的十分之一,任務處理速度快逾 3 倍。
推薦理由:多項基準測試同時列出得分與任務成本,並比較 Terra 和 GPT-6.1 Sol、GPT-6 Astra 在複雜編程上的能力差異。
OpenAI 發佈 GPT-6.1 Terra,主打更快的回應速度、視覺理解和電腦操作能力,以及較低使用成本。
推薦理由:文中並列 GPT-6.1 Terra 在基準測試、電腦操作任務及 API 定價上的數據,呈現其與旗艦模型在能力、速度和成本上的取捨。
OpenAI 發佈 GPT-6.1 Terra,該模型在 Agents' Last Exam 最高推理檔得分 60.0%,高於 Astra 的 59.3% 和 Sol 的 58.6%。
推薦理由:Agents' Last Exam 的分數與單次任務成本對照,呈現 Terra 在不同推理檔位下與 Astra、Sol 的能力和成本差異。
OpenAI 發佈 GPT-6.1 Terra,作為面向視覺推理、電腦操作及寫作的快速模型,取代 GPT-5.6 Terra,並已在 API 上線。標準 API 價格為每百萬輸入 token $1、輸出 token $5,是 GPT-6.1 Sol 價格的一半;在 Agents’ Last Exam v1 中,medium 得分為 57.6%,每項任務 $0.29。
推薦理由:文章並列 GPT-6.1 Terra 的 API 價格、電腦操作及視覺基準與同級模型比較,也呈現其編碼測試分數低於多個對手。
OpenAI 發佈 GPT-6.1 Terra,主打以較低價格提供快速、強大的電腦操作能力,並結合視覺推理與自然寫作。在 Agents' Last Exam 中,中等推理強度下的得分較 GPT-5.6 Terra 高 15 個百分點,成本約為其三分之一;與 GPT-6 Astra 表現相若,每個 Token 的價格則為其十分之一。
推薦理由:文章並列 GPT-6.1 Terra 在電腦操作、視覺推理及編程基準的成績與成本,呈現其相較前代和高階模型的取捨。
OpenAI 於 10月27日推出 GPT-6.1 Terra,主打以較低成本完成複雜電腦操作,尤其是需要視覺推理及操作桌面軟件的工作。
推薦理由:多項基準與定價數據並列比較 GPT-6.1 Terra、前代及同系列模型,呈現其在桌面操作、推理和編碼任務上的表現與成本差異。
OpenAI 發佈 GPT-6.1 Terra,這款中端模型結合精細視覺推理、精準電腦操作及更自然的寫作,面向日常辦公任務。模型已向 ChatGPT Plus、Pro、Enterprise 和 Edu 用戶開放,可在 ChatGPT Work 與 Codex 使用;開發者亦可透過 OpenAI API 以 gpt-6.1-terra 調用。
推薦理由:文章以 Agents'Last Exam、OSWorld 2.1 等基準對照前代及旗艦模型,呈現 Terra 在推理、電腦操作與任務成本上的差異。
OpenAI 發佈 GPT-6.1 Terra,主打以較低成本完成複雜電腦操作任務,並提升事實準確性和編程能力。在 Agents’ Last Exam 中,採用中等推理強度時,Terra 得分較 GPT-5.6 Terra 高 15 個百分點,任務成本約為後者三分之一;在最高推理強度下,每項任務成本約為 Claude Opus 5.5 的九分之一。
推薦理由:多項基準成績、成本與錯誤率對比,呈現 Terra 在桌面操作、視覺推理及編程任務上的表現及適用邊界。
OpenAI 發佈 GPT-6.1 Terra,API 價格較 GPT-5.6 Terra 減半,並在多項推理、編碼和電腦操作基準上提升表現。
推薦理由:文章將 GPT-6.1 Terra 與前代及其他模型的價格、基準表現和安全測試並列,呈現其成本與任務能力的具體取捨。
OpenAI 發佈 GPT-6.1 Terra,這款更快、成本更低的模型面向日常電腦工作,能理解螢幕內容、點擊、輸入及在應用程式間切換。模型即日起供 ChatGPT Plus、Pro、Enterprise 和 Edu 用戶使用,亦可在 Codex 使用;開發者每百萬個輸入 tokens 收費 $1,每百萬個輸出 tokens 收費 $5。
推薦理由:文章把螢幕操作、圖像理解及多項成本和表現比較放在一起,並交代測試由 OpenAI 自行進行且未經獨立核實,呈現模型定位與數據來源限制。
OpenAI 發佈 GPT-6.1 Terra,每百萬個輸入/輸出 token 分別定價 $1/$5,低於 GPT-5.6 Terra 的 $2/$12。在 max effort 下,其 Artificial Analysis Intelligence Index 比 GPT-5.6 Terra 高 6 分,單項任務成本由 $1.40 降至 $0.40。
推薦理由:文章以 Artificial Analysis 多項基準比較 GPT-6.1 Terra 與前代及同系模型,呈現成本效率、編碼智能體表現和幻覺率的差異。
Moonshot AI 發佈 Kimi K3.1 Pro,這款 Kimi K3 的後訓練升級版約有 3 trillion parameters,並設有 1-million-token 上下文窗口。
推薦理由:文章並列基準排名、推理定價與公開權重安排,讓讀者比較 Kimi K3.1 Pro 在能力、成本和可取得性上的定位。
Moonshot 發佈多模態 MoE 模型 Kimi K3.1 Pro,總參數量為 2.8T、活躍參數為 104B,並稱上下文窗口為 1-million-token;權重尚未公開,承諾於 2026 年 11 月 4 日公開。
推薦理由:文章把獨立基準成績、任務成本與權重尚未公開的狀態並列,呈現模型評測表現與實際部署條件之間的差異。
月之暗面推出 Kimi K3.1 Pro,稱其為公司迄今能力最強的產品,參數規模達 3 萬億級,支援 100 萬 Token 上下文。
推薦理由:稿件列出 Kimi K3.1 Pro 在代碼、3D 建模和事實錯誤測試中的數據,並呈現安全過濾前後的基準差異,便於對照能力與安全取捨。