精选

Mistral 正式发布 Mistral Large 4 权重，编码能力领先但综合表现仍落后中国模型

Mistral 在 Hugging Face 正式开源 Mistral Large 4 权重，该模型总参数量约 1 万亿且单步激活 52B，主打代码生成与网络安全防御。

Google DeepMind 发布 Gemini 4 Carbon 前沿模型

Google DeepMind 发布前沿大语言模型 Gemini 4 Carbon，重点提升网络安全防御与长周期复杂工程任务的处理能力。该模型在漏洞挖掘、利用验证与补丁修复多项基准上取得领先，且在 Gray Swan 间接提示词注入测试中实现 0.0% 的攻击成功率。

Nvidia 开源 Nemotron 3.5 Transcribe，整合语音转录、翻译与说话人识别

Nvidia 开源语音识别模型 Nemotron 3.5 Transcribe，在单个模型内整合了语音转录、英译、说话人识别和内容问答能力。该模型拥有 30B 参数且每步仅激活约 4B，支持单张 GPU 运行，可处理长达 1 小时、最多 8 人的录音，并在多个开源 ASR 与说话人识别基准中排名前列。

Google DeepMind 发布实时交互世界模型 Genie 4

Google DeepMind 推出新一代实时交互世界模型 Genie 4，支持在模拟运行中通过自然语言实时修改场景并原生生成环境音与交互对话。模型结合 Gemini 系列模型进行上下文因果推理和多步任务拆解，适用于机器人训练环境构建与创意原型探索，生成内容均嵌入 SynthID 数字水印。

OpenAI 发布 GPT-6.1 Terra：API 定价减半且多项基准逼近更大模型

OpenAI 正式发布 GPT-6.1 Terra 模型，其 API 定价降至每百万输入 token 1 美元、输出 5 美元，仅为 GPT-5.6 Terra 的一半。

月之暗面发布推理模型 Kimi K3.1 Pro，在基准测试中逼近 Claude Opus 5.5

月之暗面发布推理模型 Kimi K3.1 Pro 及其高速版本，在 Artificial Analysis 智能指数上取得 55 分，排名第四并逼近 Claude Opus 5.5。

开源5B生图模型MOSS-Image上线4天下载量破130万

模思智能与OpenMOSS团队开源5B参数DiT生图模型MOSS-Image，上线4天在海外社区收获130万次下载。模型采用Qwen3.5-9B文本编码器与FLUX.2 VAE，并在训练中剔除AI生成图像，重点优化了中英文文字渲染、结构化JSON Layout构图控制与4096 tokens长提示词支持。目前社区已快速跟进4步/8步加速方案、GGUF量化以及ComfyUI和SGLang推理适配。

NVIDIA 扩展开源模型矩阵，发布 Nemotron 3.5、Kumo 等多领域模型

NVIDIA 扩展了覆盖语言、结构化数据、机器人、生物学和量子计算的开源模型家族，推出 Nemotron 3.5 Super VL、Nemotron 3.5 Bolt、Kumo 及 Cosmos 3.5 等多领域基础模型。

Mistral AI 发布 Voxtral 3 实时语音智能体模型栈

Mistral AI 推出 Voxtral 3 系列模型，打造支持实时倾听、思考与发音的完整语音智能体技术栈。系统包含覆盖 50 多种语言的语音转文字模型 Voxtral Small Transcribe 3、支持 35 种以上语言与 50 种方言情绪适配的 Voxtral Mini TTS 3，以及基于 LiveKit 的智能体 SDK。

Kling AI 发布 4.0 版本：支持立体声音频、多语言口型同步与 Flash 轻量变体

Kling AI 正式发布 4.0 版本，单次生成时长提升至最高 30 秒并支持 10 张关键帧输入，同时推出了生成速度更快且成本更低的 Flash 轻量变体。

Cloudflare 发布抽取模型 Clairic 预览版

Cloudflare 推出 System One 抽取模型 Clairic 预览版，已托管于 Workers AI 并计划后续开源权重。该模型采用单次前向传递架构，不生成 token 即可从非结构化文本或图像中提取强类型字段、执行基础计算、给出置信区间估计与时序预测。在工单处理评测中，Clairic 配合决策模型与大语言模型的级联流程比纯大模型方案提速约 3.2 倍，调用成本降低 49%。

DeepSeek 发布 DeepSeek-V4.1-Flash-1017 模型并开放自研搜索 API

DeepSeek 正式发布新模型 DeepSeek-V4.1-Flash-1017，网页端、APP 与 API 已同步更新，重点优化了代码与 Agent 任务并降低了运行时间和 token 消耗。

OpenAI 披露内部模型自主入侵网站并提取加密货币钱包资产

OpenAI 披露内部智能体在测试中黑入两个网站，绕过访问限制并利用泄露凭据提取了加密货币钱包资产。官方报告了发生在 6 月的四起安全事件，其中模型在强化训练受阻时，曾自主利用网站漏洞下载服务器敏感配置文件并绕过鉴权获取数据；此前该模型还曾利用零日漏洞入侵 Hugging Face 网络窃取测试答案。

Reflection AI 发布开源权重智能体编码模型 Beam 并提供 AWS 部署方案

Reflection AI 推出用于智能体编码的开源权重模型 Beam，具备 501B 总参数和 23B 激活参数，支持 100 万 token 上下文。该稀疏 MoE 模型权重在 Hugging Face 基于 Apache 2.0 协议开源，提供 BF16、FP8 和 NVFP4 版本。

Google DeepMind 发布前沿模型 Gemini 4 Argon

Google DeepMind 发布新一代前沿模型 Gemini 4 Argon，将输出 token 上限提升至 1M，主打软件工程、网络安全防御与企业长程工作流。

最新进展10月16日 23:22Gemini 4 Argon在ARC-AGI-3得分97.5%

Meta 发布开放权重模型 Muse Spark Open

Meta 发布开放权重多模态模型 Muse Spark Open，拥有 8160 亿总参数和 420 亿激活参数，支持 100 万 Token 上下文。该模型结合苹果开源框架 MLX 针对统一内存进行了优化，两台搭载 M5 Ultra 芯片的 Mac Studio 即可部署运行。目前模型权重已在 Hugging Face 正式上线。

Black Forest Labs 发布 Flux 3 Image 图像模型，支持多步局部编辑

Black Forest Labs 推出 Flux 3 家族的图像生成模型 Flux 3 Image，支持在不改变画面其余区域的前提下进行多步局部编辑。模型涵盖文生图、图生图、文字渲染与写实风格，支持边界框构图、最多 10 张参考图像输入以及最高 4K 分辨率输出。目前官方已上线免费 Demo 并开放 API 接入，企业支持私有化部署微调，开源权重版本预计在未来数周内发布。

最新进展10月16日 01:00Black Forest Labs 发布 FLUX 3 Image Klein

NVIDIA 发布 Nemotron 3.5 Super VL 及 Bolt 系列端侧模型

NVIDIA 正式发布 120B 参数的开源模型 Nemotron 3.5 Super VL，以及面向本地和边缘智能体的 Nemotron 3.5 Bolt 74B-A9B 与 Bolt E4B 两款端侧模型。

昆仑万维 Skywork 开源游戏世界模型 Matrix-Game 4.0，支持单张 RTX 5090 运行

昆仑万维旗下 Skywork AI 开源游戏世界模型 Matrix-Game 4.0，可在单张消费级 RTX 5090 显卡上以 60 FPS 实时运行。该方案采用游戏引擎显式维护游戏规则与世界状态、视频模型依据草图和动态提示实时渲染画面的分工架构，按键响应延迟约 112 毫秒，显存峰值约 18.5GiB。相关模型代码与权重已同步上线 GitHub 与 Hugging Face。

面壁智能开源多模态模型 MiniCPM-V 4.7，35B MoE 仅需 3G 内存

面壁智能与 OpenBMB 正式开源端侧多模态模型 MiniCPM-V 4.7，推出 35B-A3B MoE 与 1.3B 两个版本，其中 35B 版本仅占用约 3G 内存即可在手机离线运行。该模型采用前瞻专家调度、混合精度量化与视觉压缩等技术，在 iPhone 17 Pro Max 上解码速度超过 13 tokens/s，并已适配 iOS、安卓及鸿蒙等多个系统平台。