Mistral 发布 1T 参数多模态模型 Mistral Large 4，三周后开放权重
法国 AI 实验室 Mistral AI 于周二发布 Mistral Large 4（ML4），这是一个 1 万亿参数的大规模多模态模型，绰号 Le Chonk，目前仅通过公开的 guardrail 端点访问，计划在安全测试完成后三周内开放权重。
#数据/训练
TechCrunch · AIAI 评分7171 Latent Space精选AI 评分7878 Reflection 发布 Beam：501B-A23B 美国开源 MoE 模型
Reflection 发布 Beam，一个面向编码、智能体与科研任务的纯文本 MoE 模型，总参数 501B、激活 23B，从零训练，Apache 2.0 全量权重预计本月放出。
推荐理由：Reflection 从隐身状态交出首个开源权重模型，读者可对照其训练规模与同期中美开源模型的位次。
The DecoderAI 评分6262 Aleph Alpha 发布开源权重模型 Kolibri，主打欧洲 AI 主权
Aleph Alpha 发布 Kolibri，这是一个德语和英语语言模型，参数规模 780 亿，通过混合专家架构每个 token 约激活 30 亿参数。公司称 Kolibri 在两种语言的质量与运行成本上处于帕累托前沿，德语基准得分 71%，解码速度快于 GPT OSS A5B、Qwen 3.6 A3B 和 Gemma 4 A4B 等同类模型。
The DecoderAI 评分3838 NASA 与 IBM 发布开源月球基础模型，用 17 年轨道器数据支撑月球科学
NASA 与 IBM Research 联合多家学术机构发布 NASA-IBM Lunar Foundation Model，称其为最早的开源月球科学基础模型之一。
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。
Microsoft Research精选AI 评分6666 微软研究院推出 Quine：面向生物学复杂性的 AI 研究系统
微软研究院发布 Quine，一个面向生物学复杂性的 AI 研究系统，由跨模态生物世界模型和连接科学工具、文献、湿实验与研究者的交互式 harness 组成。该系统与 Broad Institute 合作用于胰腺导管腺癌研究，从数千个化合物中筛选出可驱动肿瘤细胞状态转变的候选物，最高排名化合物在湿实验中产生了最大的预期状态转变，整个筛选到验证过程仅用一个周末。
推荐理由：微软研究院公开 Quine 的生物世界模型与实验闭环，并给出胰腺癌化合物筛选的湿实验验证结果。
量子位AI 评分5555 费米宇宙推出全链路量子增强大模型FermiQLLM 1.0
国内首家专注Q4AI的创业公司费米宇宙推出全球首个全链路量子增强大模型FermiQLLM 1.0，在数据表征、模型结构、训练、强化、评测五个环节做量子增强，基于Qwen开源基座改造，不依赖容错量子计算机，可在现有GPU基础设施上训练部署。
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 Decoder精选AI 评分7878 小米发布 MiMo-V2.6 系列开源模型，旗舰版登顶开放模型榜
小米发布 MiMo-V2.6 系列，旗舰版 MiMo-V2.6-Pro 在 Artificial Analysis 的 Intelligence Index 上得 46 分，成为当前最强的开放可用模型，领先 Kimi K3 和 Qwen。
推荐理由：小米开源 MiMo-V2.6 系列并公开 RL 训练框架与约 7000 个任务，读者可据此了解其性能与成本定位。
量子位AI 评分5757 稳准智能发布 400M 结构化数据基础模型 LimiX-2，称在 TabArena 等基准居首
稳准智能发布 400M 参数的结构化数据基础模型 LimiX-2，称在 TabArena、TALENT、BCCO 的二分类、多分类和回归任务上均居第一，超过 Google TabFM、TabPFN、TabICL、Mitra 等模型。
爱范儿精选AI 评分7878 Figure 发布 Helix 2.5：零样本进入 30 个陌生家庭，成功率 56%
Figure AI 于 9 月 17 日发布新一代模型 Helix 2.5，在 30 个真实湾区民宅完成零样本测试，420 次试验成功 237 次，零样本成功率 56%，评测为盲测。
推荐理由：Figure 公布 Helix 2.5 在 30 个陌生家庭的零样本测试数据，并给出预训练数据规模与成功率的缩放关系。
量子位AI 评分4444 清华稳准智能发布 LimiX-2 结构化数据基础模型，登顶 TabArena 等国际评测
稳准智能联合清华大学发布新一代结构化数据大模型 LimiX-2，参数规模提升至 400M，在 TabArena、BCCO、TALENT 三个国际结构化数据 Benchmark 上总体 Elo 分数分别达 1935、1432 和 1506，均位列第一，超过 Google、SAP、Amazon 等同类模型。
量子位AI 评分6262 北京中关村学院7名博士生3个月从零训练7B模型ZGCM-1并开源全流程
北京中关村学院7名博士生用一个暑假从零训练出7B模型ZGCM-1，并开放模型权重、训练代码、数据配方、中间checkpoint和日志。ZGCM-1在多项通用评测中与Qwen3-8B等同规模模型表现相近，部分数学推理和搜索评测可与Qwen3-235B-A22B、GLM-5.1等更大模型比较。
The DecoderAI 评分6060 Google 发布 TimesFM-3 时序预测模型，支持多变量与已知未来事件
Google Research 发布 TimesFM-3，可从日销量等时间序列预测未来，并结合相关变量与已知未来事件提升预测。模型基于 Transformer，将 32 个连续数据点合并为一个 patch，参数量 3.3 亿，训练数据超过一万亿个数据点，延续零样本方式、无需额外训练。
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 DecoderAI 评分7575 Suno 发布与 Warner、BMG、Believe 合作打造的 v6 音乐模型
Suno 推出 v6 音乐模型，分为面向付费 Pro 和 Premier 订阅用户的旗舰 v6、实验性的 v6-wild 以及面向所有用户免费的 v6-mini，同时停用全部旧模型。
Ars Technica · AIAI 评分2222 Google AI 天气模型更新提升预报准确率
Google 对其 AI 天气模型进行更新，扩大了输入数据范围，预报准确率随之提升。与传统天气模型一样，该模型同样受益于更丰富的输入集合。
The DecoderAI 评分7171 Google 发布 WeatherNext 3，改用实时卫星数据训练天气模型
Google Research 与 DeepMind 发布 WeatherNext 3，放弃传统物理模拟，直接学习实时地球静止卫星数据，每小时生成一次预报，最高分辨率达 5 公里。
The DecoderAI 评分5858 Artificial Analysis 发布 Intelligence Index v4.2，回应 GPT-6 Astra 评分争议
Artificial Analysis 发布 Intelligence Index v4.2，此前其评分将 GPT-6 Astra 与上一代持平，引发对其基准未能反映 Astra 实际进展的质疑。