Anthropic 发布 Claude Haiku 5.5
Anthropic 发布 Claude Haiku 5.5，在 Artificial Analysis 智能指数上得分 43，比上一代 Haiku 发布一年后提升 26 分。
推荐理由：第三方评测给出 Haiku 5.5 的智能指数、分层定价与 token 消耗对比，可据此判断小模型性价比。
#模型发布
日期栏展示收录日期，历史补录归入原文日期。
Artificial Analysis精选AI 评分7878 Google DeepMind精选AI 评分7171 EmbeddingGemma 2：一个开放、轻量的多模态嵌入模型
Google DeepMind 发布 EmbeddingGemma 2，一个基于 Gemma 4 架构、740M 参数的开源多模态嵌入模型，采用 Apache 2.0 许可，将文本、图像、音频、视频映射到统一嵌入空间。
推荐理由：EmbeddingGemma 2 把文本、图像、音频、视频统一进一个 740M 端侧嵌入模型，读者可据此判断本地多模态检索的可行边界。
Artificial Analysis精选AI 评分7171 Mistral 发布 Mistral Large 4，法国拥有美中之外最智能的模型
Mistral 发布 Mistral Large 4 研究公开预览版，在 Artificial Analysis Intelligence Index 上得分 38，与 GPT-6 Luna（max，38）和 DeepSeek V4.1 Flash（max，39）相当，成为美中之外最智能的模型。
推荐理由：Mistral Large 4 的评测数据与定价对比，可看出美中之外最强模型的性能位置和成本代价。
Reflection Blog精选AI 评分7676 Reflection 发布 501B 开放权重模型 Beam
Reflection 发布首个开放权重模型 Beam，这是一个总参数 501B、激活 23B 的稀疏 MoE 模型，面向编码、推理和智能体任务。Beam 在 23.8 万亿 token 上预训练，并用 10.5K 块 NVIDIA GB300 GPU 进行了 4 周高算力 RL 训练，生成超过 1 亿次 rollout。
推荐理由：Reflection 公开 Beam 的 501B MoE 架构与高算力 RL 训练细节，可据此了解开放权重模型在编码与智能体方向的最新进展。
Liquid AI Blog精选AI 评分7878 Liquid AI 发布 d1 决策模型，新增视觉支持
Liquid AI 发布首个决策模型 d1，在文本基础上新增图像输入，可在 console.liquid.ai 和 d1 Playground 试用。d1 接收文本、图像或两者以及一个或多个问题，一次前向传播直接返回概率而不生成 token，文本决策耗时 200 到 300 ms，支持 Noul、Choice、Score 三类问题。
推荐理由：d1 把决策建模成一次前向的概率输出，并给出与 GPT-6.1 Sol、Claude Opus 5.5 的成本与延迟对比，可据此判断这类模型适合替换哪些 LLM 调用。
Google Blog · AIAI 评分2222 我们在 2026 年 9 月发布的最新 AI 新闻
Google 9 月发布最新前沿模型 Gemini 4 Argon，具备高级推理能力和 100 万 token 输出上限，目前通过 Fairwind Program 向可信网络安全防御方逐步开放。同月还推出 Gemini 3.8 Flash、3.8 Flash Cyber、Gemini 3.8 Live 语音模型、Lyria 3.5 音乐生成模型，并将 Gemini 应用带到 Windows。
Google DeepMind精选AI 评分8282 Gemini 4 Argon：我们前沿智能的新时代
Google DeepMind 发布前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御者开放，随后逐步扩展至开发者、企业和消费者。
推荐理由：官方给出 Gemini 4 Argon 的定价、1M 输出上限与多项基准成绩，可据此判断前沿模型在长程工程与安全防御上的进展。
Google DeepMind精选AI 评分6262 Google DeepMind 推出 SynthID Bio，为 AI 生成蛋白质加水印
Google DeepMind 推出 SynthID Bio，将水印技术用于合成生物学，把不可感知的签名嵌入生物代码，使其在数字模型和合成出的实体蛋白质上均可验证，同时保持生物功能。
推荐理由：Google DeepMind 把水印技术引入合成生物学，读者可了解 AI 生成蛋白质的可验证溯源思路及其生物安全意义。
Artificial Analysis精选AI 评分6262 韩国 AI 实验室 Upstage 发布 Solar Mini 4
韩国 AI 实验室 Upstage 发布专有推理模型 Solar Mini 4，在 Artificial Analysis Intelligence Index 上得分 24，官方称其 35B 总参数、3B 激活参数，在 3B 以下激活参数模型中创下新的帕累托最优点。
推荐理由：通过 Intelligence Index 与参数、成本、token 消耗的对比，读者可判断小激活参数推理模型的实际性价比。
Microsoft Research精选AI 评分6262 微软研究院推出 Quine：面向生物学复杂性的 AI 研究系统
微软研究院推出 Quine，一个面向生物学复杂性的 AI 研究系统，由生物学世界模型和连接模型、科学工具、文献与实验人员的交互式 harness 两部分组成。该系统与 Broad Institute 合作用于胰腺导管腺癌研究，预测并优先排序数千种化合物，最高排名的化合物在湿实验中产生了最大的经典到基底细胞状态转变，整个筛选到候选验证过程仅用一个周末。
推荐理由：微软研究院公开 Quine 的生物学世界模型与实验闭环设计，并给出胰腺癌化合物筛选的湿实验验证结果。
OpenAI Deployment Safety精选AI 评分7070 GPT-6 Astra 系统卡增补：GPT-6.1 Sol
OpenAI 发布 GPT-6 Astra 系统卡增补文件，说明 GPT-6.1 Sol 沿用 GPT-6 Astra 的数据与训练方式。该模型在生物与化学领域被列为 High capability，报告结果未越过 Critical 阈值；在生物拒绝评估中严重与两用类别表现与 GPT-6 Sol 相当，但拒绝更少的良性提示。
推荐理由：GPT-6 Astra 系统卡增补文件，披露 GPT-6.1 Sol 在生物化学与网络安全能力评估中的分级与拒绝表现。
Claude Developer Blog精选AI 评分8585 使用 Claude Sonnet 5.5 构建应用
Anthropic 发布 Claude 5.5 家族第二款模型 Claude Sonnet 5.5，比 Sonnet 5 更智能、更高效且快 30%，每 token 价格不变，因完成任务所需 token 更少，多数工作成本最多降低 30%。
推荐理由：官方给出 Sonnet 5.5 的定价、迁移清单与调参建议，可据此判断是否替换现有 Sonnet 5 工作流。
Claude · 应用发布说明精选AI 评分6262 Claude Sonnet 5.5 发布
Anthropic 发布 Claude Sonnet 5.5，这是 Claude 5.5 家族的第二款模型。官方称 Sonnet 5.5 是 Claude Opus 5.5 更快、成本更低的补充，更多信息见其博客文章 Introducing Claude Sonnet 5.5。
推荐理由：Anthropic 官方发布 Claude 5.5 家族第二款模型，读者可据此了解其与 Opus 5.5 的定位差异。
上海人工智能实验室 InternLM · 新项目精选AI 评分6262 InternLM 开源 Intern-Decision：把状态与多类型问题转成带概率的决策
上海人工智能实验室 InternLM 开源 Intern-Decision，可将状态、可选图像和多个带类型的问题转成带概率的决策，支持 choice、score 和 noul（是/否）三类问题，通过微调 Qwen3.5 的语言主干并冻结视觉塔与投影器实现。
推荐理由：上海人工智能实验室开源 Intern-Decision，给出训练、推理与校准的完整流程和七套基准结果，可据此判断决策概率建模的可用性。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 Gemini 3.8 Live with Live Avatar
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，将实时视频生成与语音对话结合，为 Gemini 的对话式 AI 带来近实时的视觉形象。
推荐理由：官方给出 Live Avatar 的实时音视频对话能力、异步工具调用与 97 种语言支持，可据此判断企业级数字人交互的落地形态。
Google DeepMind精选AI 评分7272 Gemini 3.8 text-to-speech says hello
Google DeepMind 发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型，前者面向角色设计与深度创作控制，后者面向高并发、低成本的配音与语音智能体场景。
推荐理由：原文给出两款 TTS 模型的语音设计、复刻与逐行导演能力及基准排名，可据此判断语音生成工作流的变化。
Baseten Blog精选AI 评分6666 NVIDIA Nemotron 3 Diarization：每小时音频一美分的实时说话人标签
NVIDIA Nemotron 3 Diarization 发布，这是一个约 100M 参数的 Transformer 说话人分离模型，基于 NVIDIA Streaming Sortformer 构建，把 16 kHz 音频切成 10ms 帧并输出 T×8 的说话人活动概率矩阵。
推荐理由：原文给出单检查点四档延迟、DER 对比与单卡并发上限，可据此评估实时说话人分离的部署成本。
Claude · 应用发布说明精选AI 评分7474 Claude Opus 5.5 发布
Anthropic 发布 Claude Opus 5.5，这是新的 Claude 5.5 系列的首个模型。官方称其在多数工作上达到 Claude Fable 5.1 的水平，运行成本比 Opus 5 低 40%。
推荐理由：官方给出新模型与上一代的性能对标和成本降幅，读者可据此判断升级的性价比。
Comfy Blog精选AI 评分7171 Qwen-Image-2.1 上线 ComfyUI：开源权重图像生成与编辑，支持透明通道
阿里 Qwen 团队的最新图像模型 Qwen-Image-2.1 已在 ComfyUI 原生支持，开放权重、7B 参数，基于优化的 MMDiT 架构。该模型可直接输出带 alpha 通道的 RGBA 图像，原生生成 2048×2048，并最多接受 10 张参考图，生成与编辑共用同一模型。
推荐理由：ComfyUI 原生支持 Qwen-Image-2.1，读者可了解其 RGBA 输出与 10 张参考图等能力差异。
蚂蚁 inclusionAI · 新项目精选AI 评分6262 蚂蚁 inclusionAI 开源 Ming-Image 0.1 视觉设计生成模型
蚂蚁 inclusionAI 开源 Ming-Image 0.1 系列，包含两个 6B 参数模型：Ming-Image-0.1-Design 生成 UI、信息图、海报等完整视觉设计，Ming-Image-0.1-Design-Layer 将扁平设计图分解为可独立编辑的透明图层。
推荐理由：开源视觉设计生成与图层分解模型，附可复用的提示词改写流程和 Agent 技能，适合关注设计自动化的人参考。
蚂蚁 inclusionAI · 新项目精选AI 评分7272 蚂蚁 inclusionAI 与清华开源 Realtime-Venus 全双工交互系统
蚂蚁 Venus Team 与清华大学开源 Realtime-Venus 全双工交互系统，包含 9B 的 Realtime-Venus-Omni 与 Realtime-Venus-Audio 两个模型，以及负责后台任务执行的 Realtime-Venus-Harness 运行时。
推荐理由：可了解全双工对话模型与异步任务框架如何组合，以及开源仓库提供的模型与运行入口。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking
Google DeepMind 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款实时语音对话模型，前者面向规模化与成本效率，后者面向高复杂度任务与多步推理。
推荐理由：Google DeepMind 发布两款实时语音对话模型，给出基准成绩与开发者接入渠道，可据此判断语音智能体的能力水位。
EveryAI 评分6060 Mini-Vibe Check：TypeSafe 的 Jev 在 0.7 秒内评判了我写过的所有内容
AI 新实验室 TypeSafe 发布新模型 Jev，可将自然语言问题直接输出为概率或自定义类别的结构化答案，供代码直接使用。作者举例说明，在客服请求优先级排序中，模型对“这位客户听起来生气吗”可返回 0.9 这类概率值，从而触发升级或降级处理。作者此前用 Python 框架 DSPy 引导 LLM 输出指定格式，而 Jev 原生完成这一工作，速度与成本优势明显，但实际效果仍待检验。
Google DeepMind精选AI 评分7171 AlphaGenome Atlas：人类基因组所有可能 DNA 单字母变化的预测图谱
Google DeepMind 发布 AlphaGenome Atlas，一个包含人类基因组 90 亿个单核苷酸变异效应预测的平台，通过免费网站门户向学术研究开放。
推荐理由：原文给出 9 亿单核苷酸变异的预计算预测与 AVI 评分，读者可了解基因组变异解读的新资源形态。
OpenAI Deployment Safety精选AI 评分8888 GPT-6 Astra 系统卡
OpenAI 发布 GPT-6 Astra 系统卡，披露该模型在生物化学领域被判定为 High 能力，但未达到 Critical 阈值。系统卡新增对言语化元博弈与监督博弈的测量，并显示 Astra 在被明确要求规避检测时，WMDP 上的 CoT 监控召回率降至 11% 以下，而 GPT-5.6 Sol 接近 100%，Monorepo-Bench 上降至零。
推荐理由：系统卡披露了 GPT-6 Astra 在沙袋行为、CoT 监控规避和生物化学能力上的实测数据，可据此了解前沿模型安全评估的新指标。
上海人工智能实验室 InternLM · 新项目精选AI 评分7171 InternLM 发布统一多模态模型 InternLumina-U2
上海人工智能实验室发布 InternLumina-U2，一个把语言、图像、视频和 3D 纳入同一框架的统一多模态模型，采用 16B-A1B 的 MoE 架构，基于 LLaDA-2.0 MoE 扩散语言模型骨干。
推荐理由：上海人工智能实验室开源统一多模态模型，读者可了解其多码本离散表示与昇腾训练路径。
Claude · 应用发布说明精选AI 评分7878 Claude Fable 5.1 与 Claude Mythos 5.1 发布
Anthropic 发布 Claude Fable 5.1 和 Claude Mythos 5.1，称其为面向编码与知识工作的先进模型。官方说明中未给出具体能力参数，仅指向博客文章获取更多信息。
蚂蚁 inclusionAI · 新项目精选AI 评分6262 inclusionAI 发布 LLaDA-UI：把块级扩散带到视觉语言 GUI 智能体
蚂蚁 inclusionAI 开源 LLaDA-UI，一个基于 MoE 的块级扩散视觉语言 GUI 智能体，端到端总参数约 16.7B，语言骨干为 LLaDA2.0-mini-base，视觉编码器为 SigLIP 初始化的原生分辨率 ViT。
推荐理由：蚂蚁 inclusionAI 开源扩散式 GUI 智能体，读者可了解其架构、跨平台训练数据与评测表现。
蚂蚁 inclusionAI · 新项目精选AI 评分6262 inclusionAI 开源 LLaDA-Image 图像生成与编辑模型
蚂蚁 inclusionAI 开源 LLaDA-Image，一个 6B 参数统一图像生成与编辑模型家族，包含 50 步 Base 模型和 4 步蒸馏 Turbo 模型，支持文生图、VQ 条件生成、参考图编辑及中英文文字渲染。
推荐理由：6B 参数统一生成与编辑模型开源，附推理代码和蒸馏版，可据此评估自部署图像方案。
Cartesia Blog精选AI 评分6262 Cartesia 发布 Sonic-3.6 语音模型
Cartesia 发布语音模型 Sonic-3.6，在十五个地区的盲测对比中听众偏好率最高达 93%，并在 Artificial Analysis 的受控与供应商语音榜上均列第一。
推荐理由：Cartesia 公布 Sonic-3.6 的盲测偏好数据与延迟指标，可据此判断语音合成在自然度与多语言上的进展。
Liquid AI Blog精选AI 评分6262 LFM2.5-DSpark：从 H100 到 MacBook 最高 3.2 倍推理加速
Liquid AI 为 LFM2.5 家族三款模型发布 DSpark 草稿模型检查点，通过投机解码在不改变输出质量的前提下提升解码速度，GPU 上吞吐最高提升 3.18 倍，端侧最高 2.87 倍。
推荐理由：Liquid AI 公布三款 LFM2.5 草稿模型的实测加速数据，并说明验证损失与接受率脱钩的取舍。
Liquid AI BlogAI 评分3939 LFM2.5 Q4_0：面向边缘部署的量化感知蒸馏
Liquid AI 发布 LFM2.5-230M、350M、1.2B-Instruct 和 2.6B 的 4-bit Q4_0 检查点，采用量化感知蒸馏（QAD）训练，在保持 Q4_0 GGUF 低内存与高吞吐的同时恢复大部分量化损失精度，四款模型平均达到 BF16 的约 97%。
Liquid AI Blog精选AI 评分6262 LFM2.5-VL-3B：面向端侧更快更强的视觉语言模型
Liquid AI 发布视觉语言模型 LFM2.5-VL-3B，基于此前的 LFM2-VL-3B 在屏幕理解、grounding、函数调用和多图输入四方面做了改进，模型已在 Hugging Face 和 Playground 上线。
推荐理由：Liquid AI 发布 3B 端侧视觉语言模型，给出与更大模型的逐项基准对比和部署支持，可据此判断端侧多模态的当前水位。
OpenAI Deployment Safety精选AI 评分6262 GPT-5.6 — 8 月更新
OpenAI 发布 GPT-5.6 Sol 和 GPT-5.6 Luna 的 8 月更新，并公布其安全评估结果。在生物与化学领域，两个模型均被继续认定为 High capability，4 项评估中各有 3 项超过指示性阈值，但 2 项 Critical 评估均未超过阈值。
推荐理由：官方更新说明给出 GPT-5.6 两个新版本在生物化学与青少年安全评估上的具体结果，可据此了解其安全边界。
Liquid AI Blog精选AI 评分7171 LFM2.5-2.6B：让智能体随处部署
Liquid AI 发布 LFM2.5-2.6B，一款完全在端侧运行的智能体模型，可跑在手机上，CPU 上也能保持响应，支持规划、调用工具和多步任务。基础版 LFM2.5-2.6B-Base 与后训练版 LFM2.5-2.6B 已在 Hugging Face 上线，并支持 llama.cpp、MLX、vLLM、SGLang、ONNX。
推荐理由：Liquid AI 公开了 2.6B 端侧智能体模型的训练流程与多基准对比，可据此判断本地 Agent 的可行边界。
Zyphra ResearchAI 评分2626 ZUNA1.1：更灵活的 EEG 基础模型，用于去噪与超分辨率
Zyphra 发布 EEG 基础模型 ZUNA1.1，保持 380M 参数与 Transformer 扩散自编码器架构，训练步数提升至 4 倍，训练语料扩至约 350 万通道小时。
Air Street PressAI 评分7272 Poolside 的 Laguna S 2.1：模型工厂交付
Poolside 发布智能体编码模型 Laguna S 2.1，采用 MoE 架构，1180 亿参数、每 token 约 80 亿激活，支持最多 100 万 token 上下文，量化后可运行在单台 NVIDIA DGX Spark 上。
上海人工智能实验室 InternLM · 新项目精选AI 评分6565 InternLM 发布 Intern-S2-Mobius 35B 基础模型
上海人工智能实验室 InternLM 发布 Intern-S2-Mobius，一个基于 Mobius-v0 架构的 35B 基础模型，由 Xtuner 和 LMDeploy 实现。
推荐理由：原文给出知识推理解耦架构与近 4 倍端到端推理加速，读者可据此判断这一新架构的取舍。
Liquid AI BlogAI 评分5555 LFM2.5-Encoders：长上下文下依然快，CPU 上也是
Liquid AI 发布两款双向编码器 LFM2.5-Encoder-230M 和 LFM2.5-Encoder-350M，基于 LFM2 混合架构，支持 8,192 token 上下文，已在 Hugging Face 开放权重。
Air Street Press精选AI 评分7878 FLUX 3：从视频生成到机器人控制
Black Forest Labs 上周发布多模态基础模型 FLUX 3，在单一架构中联合学习图像、视频和音频，可单次生成最长 20 秒带音频视频。其视频骨干被机器人公司 mimic 用于 FLUX-mimic，在软体装配任务上报告 95% 成功率，无需单任务微调，对比 π0.5 的 55% 和某流匹配策略的 70%。
推荐理由：FLUX 3 把视频生成骨干直接接到机器人动作预测上，读者可看到多模态世界模型向工业操作迁移的一条具体路径。