阶跃星辰开放 Step 5 Preview 权重，600B 稀疏 MoE 面向长程 Agent
10 月 15 日，阶跃星辰正式开放 Step 5 Preview 权重，包含 BF16 与 FP8 两个版本，并同步发布技术博客、开源开发工具及部署指南，权重已上线 Hugging Face 和 ModelScope。
推荐理由：原文披露了 Step 5 Preview 的架构与训练设计，读者可据此判断长程 Agent 在上下文管理上的工程取舍。
#推理
InfoQ 中文精选AI 评分7878
爱范儿精选AI 评分8888 谷歌发布 Gemini 4 Argon，主打长程任务与低价 API
谷歌正式面向全球上线 Gemini 4 Argon，定位复杂多步骤真实世界任务，覆盖编程、金融、法律、网络安全与前沿科学等领域。API 提供 100 万统一输入输出 Token 上限，首发优惠期每百万输入 Token 2 美元、输出 10 美元，缓存输入折扣 95%，开发者可通过 AI Studio、Android Studio 与 Gemini API 接入。
推荐理由：谷歌新旗舰的定价与长程任务表现，以及未付费用户额度收紧的规则变化，是判断其可用性的关键。
Google DeepMind精选AI 评分9292 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布 Gemini 4 Argon，面向开发者、企业和消费者开放，通过 AI Studio、Gemini API、Google Antigravity、Gemini 应用和 Search 的 AI Mode 提供，定价为每百万输入 token 2 美元、输出 token 10 美元。
推荐理由：官方给出 Argon 在编码、科研与安全对齐上的具体案例和定价，可据此判断前沿模型在专业工作流中的落地程度。
Ars Technica · AIAI 评分6969 Gemini 4 Argon 开始在 Gemini 应用和 Antigravity 推送，仅限付费用户
Google 的 Gemini 4 Argon 开始大范围推送，目前仅面向付费用户，且低档订阅方案无法获得完整访问权限。Google 称模型能力未变，仍以其上月公布的基准测试作为高级推理和智能体编码能力的依据，并设有拒绝恶意指令的训练与自动失准监控。
TechCrunch · AI精选AI 评分7878 Meta 发布首个前沿模型 Muse Wonder 与 Muse Wonder Full
Meta 的 Superintelligence Lab 发布 Muse Wonder 和 Muse Wonder Full 两款新模型，这是该公司首次尝试前沿模型。
推荐理由：Meta 首次发布前沿模型，给出定价、基准对比与仅限订阅的版本差异，可据此判断其市场位置。
量子位AI 评分6262 智谱 GLM-5.3-Highspeed 在 Zcode 灰度，实测速度达 490 tokens/s
智谱在 Zcode 3.15.1 中灰度上线 GLM-5.3-Highspeed 模型，订阅用户随机获得体验资格，有网友晒出 490 tokens/s 的输出速度。
The Decoder精选AI 评分7777 Anthropic 发布 Claude Haiku 5.5，价格最高下调 90%
Anthropic 发布 Claude Haiku 5.5，官方称这是其最快、最便宜的小模型，平均成本比 Haiku 4.5 低约 75%，提示词在 100,000 token 以内的请求价格最高下降 90%，超过该长度的请求价格则是五倍。
推荐理由：对比 Haiku 4.5 与 GPT-6 Luna 的跑分和每任务成本，可看出小模型降价背后的 token 消耗代价。
Simon WillisonAI 评分7474 Anthropic 发布 Claude Haiku 5.5，定价对齐 GPT-6 Luna
Anthropic 发布快速低价模型 Claude Haiku 5.5，价格与 OpenAI 上月发布的 GPT-6 Luna 一致，为 $0.10/$0.50 每百万 token，超过 100,000 token 后涨至 $0.50/$2.50。
The DecoderAI 评分7474 Mistral 发布万亿参数 Mistral Large 4，主打网络安全任务
Mistral 发布迄今最大模型 Mistral Large 4，拥有 1 万亿参数、490 亿激活参数，采用细粒度 MoE 架构，上下文窗口 100 万 token，已通过 Mistral Studio 开放 API 公开预览，权重预计 10 月底发布。
The Decoder精选AI 评分7676 Reflection 发布首款开源权重模型 Beam，主打低算力下的编码与推理
AI 公司 Reflection 发布首款免费开放的模型 Beam，面向编码、逻辑推理和智能体任务。
推荐理由：Reflection 首款开源权重模型 Beam 以 MoE 架构和超大规模 RL 训练换取低算力成本，读者可据此了解开源模型竞争的新路线。
TechCrunch · AIAI 评分7474 Reflection 发布开源权重模型 Beam，对标中国开源模型
Reflection AI 正式发布首款前沿开源权重模型 Beam，称其在高级推理基准上达到领先中国开源模型的水平，且推理成本大幅更低。Beam 是文本-only 的 MoE 模型，总参数 5010 亿、激活 230 亿，预训练使用 23.8 万亿 token，上下文窗口 100 万 token；公司称其推理算力消耗比对手少 3-4 倍，但性能数据尚未经独立验证。
The DecoderAI 评分6666 Cloudflare 发布 Clef 决策模型，称 AI 智能体决策不再需要人类在环
Cloudflare 发布决策模型 Clef 与 Clef-flash，称智能体可以自行收集上下文、做出决策并执行动作，必要时再交由人类处理。
爱范儿精选AI 评分7878 Google 发布 Gemini 4 Argon，写作与知识能力领先编程
Google 正式发布 Gemini 4 Argon，目前仅通过 Fairwind 计划向少量网络安全合作伙伴开放，官方称后续先向付费 API 用户和 Google AI Ultra 订阅者开放。
推荐理由：官方跑分与第三方盲评显示 Gemini 4 在知识与写作上领先、编程与终端偏弱，可据此判断其能力取舍。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，随后逐步扩展到开发者、企业和消费者，起价每百万输入 token 2 美元、输出 token 10 美元。
推荐理由：官方给出 Argon 在编码、企业知识与网络安全上的基准表现和分阶段开放路径，可据此判断前沿模型的能力边界。
TechCrunch · AIAI 评分7474 Anthropic 发布 Sonnet 5.5，称更快更便宜的工作助手
Anthropic 发布中端模型 Sonnet 5.5，称其比前代快 30%，token 消耗速度明显更慢，定位为日常任务助手，涵盖编码和办公文档生成。Anthropic 基准显示 Sonnet 5.5 在智能体编码上表现优于 Opus 5.5，可能得益于其能在不超成本限制的情况下生成多个智能体。
爱范儿精选AI 评分8888 Anthropic 发布 Claude Opus 5.5，性能直逼 Fable 5.1 并降价 20%
Anthropic 正式发布 Claude Opus 5.5，这是 Claude 5.5 家族首款模型，官方称其在多数任务上达到 Claude Fable 5.1 水平，典型任务成本比 Opus 5 降低 40%，输出速度提高超过 30%。
推荐理由：Anthropic 发布 Claude Opus 5.5，给出评测、价格与长任务实测数据，可据此判断旗舰模型降价对 Agent 工作流的影响。
The DecoderAI 评分7070 OpenAI 发布 GPT-6 Sol 与 Luna：token 价格减半，性能提升有限
OpenAI 发布 GPT-6 Sol 和 Luna 两款模型，token 价格较 GPT-5.6 Sol 和 Luna 减半，Sol 为每百万输入 token 2 美元、输出 10 美元，Luna 为输入 0.10 美元、输出 0.50 美元，OpenAI 将降价归因于缓存和推理优化。
量子位精选AI 评分8888 小米MiMo-V2.6开源发布：6天RL训练花费350万美元，Pro登顶开源第一
小米发布MiMo-V2.6-Pro和Flash，Pro为1.02万亿参数、420亿激活，在Artificial Analysis Intelligence Index上以46分位列开源第一，两款模型各跑完30个训练Step，总花费约350万美元。
推荐理由：小米公开了MiMo-V2.6的RL训练账单与工程细节，读者可据此了解大规模强化学习在成本、评测与防作弊上的真实约束。
The DecoderAI 评分6060 Runway 研究实时视频生成：边描述边出流，首帧目标低于 100 毫秒
Runway 公开了其实时视频生成研究，用户不再输入提示词后等待成片，而是边描述边以流式方式生成视频，目标是尽量缩短首帧时间。该方案基于 GWM-1 逐帧生成，可接受镜头运动、机器人指令或音频作为控制信号，并沿用 Gen-4.5；Runway 称实时生成能减少等待并降低 GPU 成本。
The Decoder精选AI 评分8282 GPT-6 Astra 通关宝可梦、Factorio 与辐射3，却在 Minecraft 中陷入种土豆循环
GPT-6 Astra 在多项游戏测试中大幅超越前代模型：据 GPT Plays Pokemon 运营者 Clad3815，它用 18 小时 12 分钟拿下 Pokemon FireRed 冠军。
推荐理由：通过 Astra 在多个游戏中的实测对比，读者可以看到自主智能体从经验中提炼规则的能力边界与过度泛化的代价。
量子位AI 评分7171 云知声发布U2-Flash：稀疏MoE架构，代码与Agent成绩反超上一代U2
云知声发布U2-Flash，采用稀疏MoE架构，总参数约266B、单次推理仅激活约10B，生成速度相比U2提升2.1倍，Agent任务完成时间缩短35%，Token消耗降低20%至30%。
The DecoderAI 评分4848 前 OpenAI 研究员打造 Jev：不写文本、只做判断的 AI 模型
初创公司 TypeSafe AI 推出模型 Jev，不生成文本，而是在软件内部对开发者预设的问题和选项打分并给出概率，响应时间 70 至 500 毫秒，输入定价 $0.042 per million tokens、输出免费。
量子位AI 评分6262 紫东太初开源 ZDTaichu5.0-9B 多模态大模型，九项空间基准八项第一
紫东太初开源通用多模态大模型 ZDTaichu5.0-9B，在九大国际空间理解基准测试中八项第一，10B 档位开闭源模型中领先，MindCube-tiny 得分 78.27，高于 Gemini 3 Pro 的 70.87 和 Grok 4 的 63.56。
TechCrunch · AIAI 评分6262 Salesforce 与 Nvidia 发布推理模型 Koa，基于 Nemotron 后训练
Salesforce 在 Dreamforce 大会上发布其首个推理模型 Koa，基于 Nvidia 开源权重模型 Nemotron 后训练，专攻销售、营销和客户支持任务。
The DecoderAI 评分6060 GPT-6 Astra 登顶 ErdosBench，OpenAI 称未专门优化数学
GPT-6 Astra 在 ulam.ai 的 ErdosBench 上以 3.23 分位列第一，解出 226 道开放数学问题中的 106 道，其中 43 道完全解决，并证伪 27 道；该基准开发者 Przemek Chojecki 称其在多项数学研究技能上带来约 5%-10% 的提升。
The Decoder精选AI 评分7878 DeepSeek 发布 V4.1-Flash，大幅压缩智能体 KV cache 内存占用
DeepSeek 发布多模态模型 V4.1-Flash，主要目标是降低长上下文智能体的运行成本。该模型语言主干有 5520 亿参数，支持最多 100 万 token 上下文。
推荐理由：原文给出 KV cache 压缩比例与激活参数等具体数字，读者可据此判断长上下文智能体的部署成本变化。
The Decoder精选AI 评分7878 基准评测对 GPT-6 Astra 看法不一，但 ARC-AGI-3 上超越人类的效率让 Chollet 提前了 AGI 预测
GPT-6 Astra 在 ARC-AGI-3 上取得 62.7% 的成绩，远高于前代 GPT-5.6 Sol 的 7.78% 和 Claude Opus 5 的 30.16%，测试成本约 2.6 万美元。
推荐理由：ARC-AGI-3 上 Astra 的得分与效率数据，以及 Chollet 对 AGI 时间表提前的表态，可供读者判断基准与厂商自测口径的差异。
爱范儿精选AI 评分8888 OpenAI 发布 GPT-6 Astra：主打电脑操作能力，定价创下新高
OpenAI 正式发布 GPT-6 Astra，官方称其为代际跃迁，能力覆盖电脑操作、软件工程、专业工作、科学和网络安全。Astra 在 ARC-AGI-3 上取得 99.9%，OSWorld 2.0 得分 72.6%，高于 Sol 的 65.7%，平均完成一项任务约 40 分钟。
推荐理由：梳理 Astra 的跑分、定价与 Computer Use 表现，并对比第三方独立测试，可看清旗舰模型竞争转向环境操作能力。
爱范儿精选AI 评分8787 OpenAI 发布 GPT-6 Astra，主打计算机操作与软件工程能力
OpenAI 发布 GPT-6 Astra，官方称其为全球最智能、最符合人类意图的模型，最大变化是 Computer Use 能力，可调用工具、操作软件、浏览网页并独立完成复杂任务。
推荐理由：OpenAI 发布 GPT-6 Astra，给出 Computer Use 与软件工程基准对比及分级开放策略，可据此判断 Agent 能力边界。
The Decoder精选AI 评分8888 OpenAI 发布 GPT-6 Astra，首个被列为关键级网络安全风险的模型
OpenAI 发布 GPT-6 Astra，该模型在超过 10 万块 GPU 的 Stargate 设施上预训练，OpenAI 研究员 Aidan Clark 称这是公司史上最大规模训练。
推荐理由：OpenAI 发布 GPT-6 Astra，并首次将其列为 Preparedness Framework 下的关键级模型，读者可据此了解能力跃升与安全限制的边界。
TechCrunch · AI精选AI 评分8282 OpenAI 发布新模型 Astra，称其为最强且最具争议的模型
OpenAI 周四发布新模型 Astra，称其是公司迄今最强、能力最全面的模型，并宣称在计算机与浏览器使用上代表新前沿。Astra 当天先向使用其网络安全项目 Daybreak 的客户开放，接下来一周将陆续登陆 Pro、Plus、Enterprise、Business 等付费方案及 API。
推荐理由：OpenAI 发布新模型 Astra，除能力宣称外还涉及不透明递归推理与可监控性下降的争议，可供读者判断能力与安全之间的取舍。
The DecoderAI 评分6060 Claude Fable 5.1 破解 1653 年 Sir Thomas Urquhart 的 Cyphral Distich 数字谜题
Anthropic 的 Claude Fable 5.1 破解了研究人员认为未解的数百年数字谜题。据 Vals AI，1653 年出版的 Sir Thomas Urquhart 作品 Cyphral Distich 由两行各 32 个数字组成，Fable 5.1 在无人工帮助下用 44 分钟解出。
Ars Technica · AIAI 评分6262 Google 发布 Gemini 3.8 Flash，六周内第三个 Flash 模型
Google 发布 Gemini 3.8 Flash，这是其六周内推出的第三个 Flash 模型，Google 称其为迄今推理和编码能力最强的模型。该模型分两个版本：标准版 Flash 定位为通用主力模型，适用于智能体任务和软件开发；Gemini 3.8 Flash Cyber 基于相同底座，针对漏洞检测与修复做了调优。