Cantina 开源 apex-flash-1：321.3B 安全研究模型在 60 项漏洞任务中解出 40 项
Cantina Security 联合 Yeta Labs 发布开源权重模型 apex-flash-1，基于 GLM-5.3-Flash 用 GRPO 微调，321.3B 总参数、18B 激活参数，MIT 许可。
全部AI 动态
全部动态
今日 3 条MarkTechPost（RSS）AI 评分5050 MarkTechPost（RSS）AI 评分6868 GPT-6 Astra、GPT-6.1 Sol、Gemini 4 Argon 与 Claude Fable 5.1 四款前沿模型对比：哪种任务选哪个
MarkTechPost 汇总对比 30 天内发布的四款前沿模型：Claude Fable 5.1（9 月 1 日）、GPT-6 Astra（9 月 3 日）、GPT-6.1 Sol（9 月 29 日）和 Gemini 4 Argon（9 月 30 日）。
X：Elon Musk (@elonmusk, xAI)AI 评分3232 Grok 4.7 登顶 AA Cyber Index
Grok 4.7 在 AA Cyber Index 上排名第一
Hacker News 热门（buzzing.cc 中文翻译）AI 评分6464 Aleph Alpha 发布开放权重德英双语 MoE 模型 Kolibri
Aleph Alpha 于德国统一日发布开放权重模型 Kolibri，为 78B 总参数、约 3B 激活的德英双语 MoE Transformer，支持最长 1M token 上下文，权重以 Apache 2.0 许可上传 Hugging Face。
Hacker News：AI 热帖AI 评分6262 Aleph Alpha 开源德英双语模型 Kolibri：MoE 架构、Apache 2.0 与本地部署实测解析
Aleph Alpha 于 2026 年 10 月 3 日发布开放权重模型 Kolibri，为面向德语和英语的 MoE 模型，总参数 781 亿、每 token 激活约 34.6 亿，权重以 Apache 2.0 发布在 Hugging Face。
IT之家（RSS）AI 评分4545 亚马逊 Strands Agents 推出 Strands Decider 2B 开源决策模型，支持本地部署
亚马逊 Strands Agents 团队推出 Strands Decider 2B 决策模型，已在 GitHub 开源、权重上线 Hugging Face，可在本地 CPU / GPU 运行。
X：Artificial Analysis (@ArtificialAnlys)AI 评分5353 Ideogram 4.5 首次进入 Artificial Analysis 图像编辑榜单，编辑榜第 23、文生图榜第 34
Artificial Analysis 评测显示，Ideogram 4.5 在 AA-Image-Editing v2.0 榜单首秀排名第 23，是 Ideogram 首个上榜的模型，在 AA-Image-T2I v2.0 排名第 34，较 Ideogram 4.0 的第 40 上升。
X：Claude (@claudeai)AI 评分2323 Claude Sonnet 5.5 折纸城市演示
一座快闪城市，每栋建筑都是画在平面画布上的折纸，Sonnet 5.5。
X：Artificial Analysis (@ArtificialAnlys)AI 评分5555 Ideogram 4.5 首次登上 Artificial Analysis 图像编辑榜单，编辑排名第 23
Ideogram 4.5 首次进入 Artificial Analysis 的 AA-Image-Editing v2.0 榜单，排名第 23，Text to Image 排名第 34，比 Ideogram 4.0 的第 40 有所上升。
X：Arena (@arena)精选AI 评分7373 GPT-6.1 Sol (Max) 进入 Agent Arena 第 5 名，以更低成本逼近前列模型
Arena 宣布 OpenAI 的 GPT-6.1 Sol (Max) 在 Agent Arena 排名第 5（+11.23%），中位任务成本 $0.56，并重塑了 Pareto 前沿。
推荐理由：官方榜单数据给出了 GPT-6.1 Sol (Max) 的排名与成本对比，读者可以据此评估它在智能体任务上的性价比位置。
X：Cohere（@cohere）AI 评分3434 Cohere Embed 5 采用新评测方法
你可能已经注意到，我们 Embed 5 的基准测试看起来有点不一样 👀 Embed 5 是首个采用 RCP-nDCG@10 评测的模型系列，这是我们最新的方法论，改进了对真实场景检索质量的评估。
X：Arena (@arena)精选AI 评分6969 Arena 评测：Claude Sonnet 5.5 登顶 Agent Arena 第 3 名但未入 Pareto 前沿
Arena 发布 Agent Arena 最新榜单，Anthropic 的 Claude Sonnet 5.5 以 +12.5% 净提升得分排名第 3，单任务中位成本 $2.74，比排名第 2 的 Claude Opus 5.5（$1.58）高约 73%，且 Opus 5.5 得分更高，因此 Sonnet 5.5 未进入 Agent Arena 的 Pareto 前沿。据引用内容，Sonnet 5.5 在 Chat 类目以 +15.6% 排名第 1，Anthropic 模型包揽 Agent Arena 前三名。
推荐理由：原文基于 Arena 榜单数据指出 Claude Sonnet 5.5 得分高但成本更高、未进 Pareto 前沿，读者可以据此比较成本与性能的取舍。
X：Arena (@arena)AI 评分6868 Claude Sonnet 5.5 登顶 Arena 双榜第3，Chat 类别拿下第1
Arena 公布 Claude Sonnet 5.5 (Max) 在 Agent Arena 首秀排名 #3，净提升 +12.5%，比 Claude Sonnet 5 (High) 高 8.1 个百分点，并在 Chat 类别以 +15.6% 排名 #1。
Hacker News 热门（buzzing.cc 中文翻译）AI 评分7272 Black Forest Labs 发布 FLUX 3 Image，支持边界框构图与像素级编辑
Black Forest Labs 发布 FLUX 3 Image，是 FLUX 3 多模态模型中负责图像生成与编辑的部分，可用边界框在 0 到 1000 的画布网格上控制每个元素的位置，也支持直接用提示词生成。
X：Arena (@arena)AI 评分5757 GPT-6.1 Sol、Sonnet 5.5、Gemini 4 Argon 等四个新模型改变 Arena 榜单 Pareto 前沿
Arena 发布本周榜单更新：GPT-6.1 Sol (Max) 进入 Code Arena: WebDev 第 3 并以 $8/MToken 加入 Pareto 前沿，随后被 Sonnet 5.5 挤至第 4 并跌出前沿。
Hugging Face：Blog（RSS）AI 评分6262 Ai2 开源科学报告生成模型 AstaBrief 8B 及其训练数据
Ai2 开源基于 Qwen3-8B 的科学报告生成模型 AstaBrief 8B 及训练数据，该模型将研究问题和检索到的文献片段一次性生成带引用的报告，已作为 Fast 模式上线 Asta 的报告生成功能。
The DecoderAI 评分6565 Black Forest Labs 发布 Flux 3 Image，支持多步局部编辑
Black Forest Labs 发布 Flux 3 家族的图像模型 Flux 3 Image，支持多步编辑且不改动画面其余部分，覆盖文生图、图生图、文字渲染和写实生成。
TechCrunch · AIAI 评分5959 Google 发布 Gemini 4 Argon，称其为迄今最强模型
Google 发布 Gemini 4 Argon，称其可处理编程、研究和写作等任务，目前仅通过 Fairwind Program 向部分网络安全合作伙伴开放。该模型专门针对防御性网络安全训练，Google 称它能自主发现、验证并修复关键软件漏洞，自家员工已用它做调试和代码库迁移，还可解析长视频和图表。
Ai2 / Allen Institute for AI（RSS）精选AI 评分6262 Ai2 开源 8B 科学报告生成模型 AstaBrief
Ai2 开源 AstaBrief 8B，一个基于 Qwen3-8B、将研究问题和检索文献片段转化为带引用报告的科学报告生成模型，现已在 Asta 的 Generate a report 功能中作为 Fast mode 上线，并连同训练数据开放下载。
推荐理由：原文给出训练数据构成、过滤方法与速度成本对比，读者可据此判断开源科学报告模型的具体做法是否可迁移。
MarkTechPost（RSS）AI 评分5454 AWS Strands Labs 发布开源决策模型 Strands Decider 2B，中位延迟约 115 ms
AWS Strands Labs 开源决策模型 Strands Decider 2B（1.9B 参数），不生成文本，只在选项、yes/no 概率或量表评分中给出带置信度的答案。
X：X.PIN (@thexpin)AI 评分5454 小米 MiMo V2.6 Pro 进入 Arena Agent 榜单第 19 名，输出价格 $0.87/百万 tokens 低于前 18 名
小米 MiMo V2.6 Pro 进入 Arena 的 Agent 榜单第 19 名，输出价格为每百万 tokens $0.87，低于排在其前的 18 个模型。其单任务中位成本 $0.10，并列 top 19 中最低，与排第 15 的 DeepSeek V4.1 Flash (Max) 持平。
IT之家AI 评分4343 Cloudflare 推出基于 Qwen 的开源多模态决策模型 Clef
Cloudflare 推出基于 Qwen 的开源多模态决策模型 Clef，包含 Clef 与 Clef-flash 两款。两者分别基于 Qwen3.8-27B 和 Qwen3.5-9B，在 Jev 决策指数（Decision Index 0.2.1）评测中 Clef 处于领先地位，且完全兼容 Jev-API。
公众号：可灵AI（快手·视频）AI 评分5555 可灵超级创作者实测 Kling 4.0：30秒打戏、运镜稳定性与一致性表现
可灵AI公众号发布超级创作者、奥美资深创意总监盛健松对 Kling 4.0 内测版的实测。Kling 4.0 已开启内测，将于10月正式发布，支持最长30秒原生视频生成、主体与场景资产调用、声音延续、动作迁移，并提升复杂运镜稳定性、长提示词理解和跨镜头一致性。
MarkTechPost（RSS）AI 评分6161 Cloudflare 发布开源权重决策模型 Clef 与 Clef-flash，输出类型化概率而非文本
Cloudflare Workers AI 团队发布首批自训模型 Clef（27B，基于 Qwen3.8-27B）和 Clef-flash（9B，基于 Qwen3.5-9B），二者为决策模型，针对类型化问题返回各选项概率而非自由文本，以 Apache 2.0 开源并兼容 TypeSafe AI 的 Jev System One API。
X：Artificial Analysis (@ArtificialAnlys)精选AI 评分7373 Artificial Analysis：Claude Sonnet 5.5、GPT-6.1 Sol 与 Gemini 4 Argon 登顶 Coding Agent Index 榜单但成本差异大
Artificial Analysis 发布 Coding Agent Index 榜单，Claude Sonnet 5.5 (max) 在 Claude Code 以 68 分居首，但每任务成本最高达 $14.19。
推荐理由：原文对比了三个新模型在 Coding Agent Index 的成绩和每任务成本，读者可据此权衡性能与价格的组合。
X：Testing Catalog (@testingcatalog)AI 评分6262 Black Forest Labs 发布 FLUX 3 Image，支持精确编辑与 4K
Black Forest Labs 宣布发布新图像模型 FLUX 3 Image，主打精确编辑并支持 4K。用户已可在 Tools Playground 试用新功能，开放权重计划在未来几周内放出。
IT之家（RSS）AI 评分6464 微软发布首个实时流式语音转写模型 MAI-Transcribe-2-Streaming，词错误率 2.50%、延迟 0.13 秒居 Artificial Analysis 榜首
微软于 10 月 1 日发布首个实时流式语音转写模型 MAI-Transcribe-2-Streaming，支持 60 种语言和自动语言检测，可在讲话进行时持续输出文字。
X：Artificial Analysis (@ArtificialAnlys)精选AI 评分6969 Artificial Analysis 评测：Qwen-Image-2.1 登顶两个 AA-Image 榜单的开源权重模型
Artificial Analysis 自行本地部署评测了阿里 9 月 20 日以开源权重发布的 Qwen-Image-2.1，该模型在 AA-Image-T2I v2.0 和 AA-Image-Editing v2.0 上均排名第 18，为两个榜单上排名第一的开源权重模型，超过 Ideogram 4.0（Quality）和 HunyuanImage 3.0 Instruct。
推荐理由：原文给出了自主评测的榜单排名、参数与授权细节，可与同类开源图像模型直接比较。
X：Peter Steinberger (@steipete)AI 评分4040 Cloudflare 发布 Clef 决策模型
"今天，我们发布两个由 Cloudflare 训练的决策模型，Clef 和 Clef-flash" https://blog.cloudflare.com/clef-decision-models/ 从没见过一个想法传播得如此之快。
X：Rohan Paul (@rohanpaul_ai)AI 评分6262 Tavus 发布 Human Interaction Model Griffin，48% 真人误认其为人类
Tavus 发布首个 Human Interaction Model（HIM）Griffin，称其为首个通过视频图灵测试的模型。48% 与其实时视频对话的人误以为对方是真人，此前系统通过率低于 3%，并位列 NVIDIA 全双工 AI 视频基准第一。作者 Rohan Paul 转引 Tavus 官方发布并补充演示视频中的表现。
X：ARC Prize (@arcprize)AI 评分4545 ARC-AGI-3 里程碑2获奖者公布
ARC Prize 2026：ARC-AGI-3 里程碑 #2 获奖者 恭喜三位获奖者开源了他们的高分 ARC-AGI-3 解决方案： 1. Daniel Franzen - 27.9%，$25K 2. Lord Han Solo - 23.8%，$7.5K 3. Lohit Siriki - 22.5%，$5K 了解更多关于每个提交方案的信息：
X：Rohan Paul (@rohanpaul_ai)AI 评分5151 Grok 4.7 上线网页端
Grok 4.7 已在网页端可用。截图显示 Expert 模式提示“Thinks hard Grok 4.7”，界面还提供 Auto、Fast、Build、Heavy 等模式选项。
X：Karina Nguyen（@karinanguyen）AI 评分3030 Fable 5.1 登顶 PostTrainBench
一个有趣的结果：Fable 5.1 得分 44.6%，高于 Fable 5 的 37.3%，同时平均少用 33 分钟。这里的进步也意味着从每小时的自主工作中获得更多产出。 大多数智能体运行 8–10 小时，却取得显著不同的分数。下一个有趣的问题是，每多运行一小时，每个智能体能获得多少提升！
X：Arena (@arena)精选AI 评分6969 MiMo-V2.6-Pro 和 MiMo-V2.6-Flash 登陆 Agent Arena，分列开源模型第5和第9
Arena 宣布 Xiaomi MiMo-V2.6-Pro 和 MiMo-V2.6-Flash 登陆 Agent Arena。Pro 在 8.1K+ 真实智能体会话中净提升 +3.17%，列开源模型第5，较 MiMo-V2.5-Pro（第13，-7.23%）提升9个名次；其 Confirmed Success 得分 +7.35%，列开源模型第2。
推荐理由：Arena 官方给出 MiMo-V2.6 两款模型在真实智能体会话中的排名、净提升和成本数据，可据此比较其实际表现与性价比。
X：fal (@fal)AI 评分5454 Tavus 发布视频图灵测试模型 Griffin
Tavus 发布 Griffin，称其为首个通过视频图灵测试的模型，属于 Human Interaction Model（HIM）。与 Griffin 实时对话的受访者中 48% 认为它是真人，此前系统通过率低于 3%，并在 NVIDIA 的全双工 AI 视频基准上排名第一。fal 转发该发布并祝贺 Tavus 团队。
X：Elvis Saravia (@omarsar0, DAIR.AI)AI 评分4747 webAI 开源 3.6B 模型 TwIL-LM3-Pro，BIG-Bench Hard 得分 95.4
webAI 发布开源模型 TwIL-LM3-Pro，仅 3.6B 参数，可在普通电脑本地量化运行，BIG-Bench Hard 得分 95.4，远超 Qwen3-8B 的 63.7。其训练配方为：在形式逻辑上微调、将权重合并回基座模型，再用程序化验证器做 RL，逻辑分数提升的同时通用推理保持稳定。该模型在 SVAMP 上得 95%、MuSR 上得 64.1%，均为所比较小模型中的最高分。
X：Testing Catalog (@testingcatalog)AI 评分5353 Grok 4.7 开始在 Grok 网页版和移动应用上线
Grok 4.7 正在 Grok 网页版和移动应用中推出，成为所有模式下的基础模型，包括 Fast、Expert、Build 和 Heavy。作者提到明天的每日 AI 简报预计会因此变得更好。
X：Elvis Saravia (@omarsar0, DAIR.AI)AI 评分5656 Tavus 发布 Griffin 视频对话模型，称其首个通过视频图灵测试
Tavus 发布 Griffin，称其为首个通过视频图灵测试的 Human Interaction Model，48% 与其实时对话的人以为对方是真人，此前系统通过率低于 3%。作者获早期访问体验，称该视频到视频模型可边看边听、打断和被打断并反应房间内发生的事；在 NVIDIA Video Full-Duplex Benchmark 上生成得分 3.83/5，真人为 3.92。
X：Testing Catalog (@testingcatalog)AI 评分4848 微软MAI语音转录与语音模型上新
MICROSOFT 🔥：MAI-Transcribe-2-Streaming、MAI-Voice-2.1 和 MAI-Voice-2.1-Flash 模型即将登陆 MAI Playground 和 API！ > "MAI-Transcribe 和 MAI-Voice 模型：准确、快速、低成本，在音频理解与生成方面名列前茅，助你构建最佳的对话式语音智能体。" MAI Playground 还新增了 "Chatter" 演示语音体验。 测试时间 👀
X：Rohan Paul (@rohanpaul_ai)AI 评分6464 Tavus 发布 Griffin，48% 的人将其误认为真人
Tavus 发布 Griffin，称其为首个通过视频图灵测试的人类交互模型（HIM），48% 与之实时对话的人认为它是真人，此前系统通过率低于 3%。Griffin 在 NVIDIA 全双工 AI 视频基准上得 3.83 分（真人为 3.92），次优系统为 2.80 分；它将听、想、说和面部动画整合在单一系统中，可在对话者仍在说话时读取表情、语气并实时反应。