OpenAI 发布 722 份手稿，披露未发布前沿模型的数百项数学研究成果

OpenAI 在包含 722 份手稿、涵盖 372 个结果家族的文件中，公布某款未发布前沿模型对数百个长期未解数学问题的解答。资料还包含模型推理过程摘要、算力消耗估算和尝试问题数量，OpenAI 称一项普通成果的算力约等于 ChatGPT Pro 连续思考三小时。

OpenAI 发布 722 份数学手稿，称未发布前沿模型解决数百个开放问题

OpenAI 在 GitHub 发布 722 份数学手稿，覆盖 372 个结果族，称其中包含由未发布前沿模型解决的数百个长期开放数学问题。材料还包含模型推理摘要、算力估算和尝试问题数量，OpenAI 称平均每项结果相当于 ChatGPT Pro 思考 3 小时。

Google 发布 EmbeddingGemma 2：7.4 亿参数多模态嵌入模型，量化后手机端文本运行约需 191MB

Google 正式推出 EmbeddingGemma 2，将嵌入能力从文本扩展到代码、图像、视频和音频，并把这些内容统一映射到同一嵌入空间。模型总参数 7.4 亿，基于 Gemma 4 架构，以 Apache 2.0 许可发布；纯文本部分为 2.7 亿参数，可按需加入视觉和音频编码器。

🚨 AI News | TestingCatalog@testingcatalogAI 评分6363

OpenAI 发布 GitHub 仓库，公开由其未发布内部前沿模型产出的一系列新数学结果，仓库地址为 https://github.com/openai/math。OpenAI 称发布前咨询了 Institute for Advanced Study 的独立数学与人工智能咨询小组。绝大多数结果通过同一流程获得，平均每项结果使用 3 小时 ChatGPT Pro 思考算力，评测中模型共被提出约 4,000 个问题。

Vals.ai 独立评测 TypeSafe Jev：声明核验追平前沿模型，LegalBench 排名末位

Vals.ai 独立评测 TypeSafe 的 Jev 1.13.0，在 400 项 SEC 文件声明核验任务中得分 0.975，追平 GPT-6 Astra、GPT-6.1 Sol 和 GPT-6 Luna，成本为每 1,000 个案例 $0.02，约为 GPT-6 Astra 的 1/498。

Mistral 发布 1 万亿参数开源模型 Mistral Large 4，称可匹敌中国顶尖开源系统

Mistral 发布 Mistral Large 4（ML4，又称 le Chonk），称其跻身全球最强开放权重模型之列。该模型拥有 1 万亿参数，面向网络安全、编码、制造、金融和多模态任务，目前以预览版提供给开发者、网络安全负责人及政府机构，本月晚些时候扩大开放。

Rohan Paul@rohanpaul_aiAI 评分6969

Google DeepMind 发布 Apache 2.0 许可的 EmbeddingGemma 2，这是一款面向端侧的原生多模态开放嵌入模型，可把文本、代码、图像、音频和视频统一到可搜索空间。

Mistral Large 4 预览版发布，1T 参数模型将开放权重

Mistral 发布 Mistral Large 4 预览版，模型拥有 1 万亿参数、49B 激活参数，使用 3,800 块 NVIDIA Grace Blackwell GPU 训练，现已通过 Mistral API 提供，并承诺在本月底发布开放权重。

Musubi 发布开源内容策略审核模型 PolicyLM-1.7B

Musubi 发布 PolicyLM-1.7B，这是一款面向 Trust & Safety 实时内容审核的 1.7B 开源决策模型，权重以 Apache 2.0 许可发布在 Hugging Face。

Musubi 发布开放权重内容审核决策模型 PolicyLM-1.7B

Musubi 发布面向实时内容审核的轻量级决策模型 PolicyLM-1.7B，并开放权重。该模型可把英文内容政策应用于消息，处理时间低于 50 毫秒，政策变化时无需重新训练。模型输出二元判断，成本和速度接近社交平台常用的 AI 分类器，同时保留 Transformer 架构的灵活性。

Aravind Srinivas@AravSrinivasAI 评分5555

Perplexity 发布更新的开放权重多模态决策模型 pplx-decider-v1.1-27b，并在 Hugging Face Decision Index 0.3 基准上取得最高分。该模型 API 输入价格较 v1 减半，为每百万 input tokens 0.02 美元；Aravind Srinivas 转发开发者消息并确认 Decision API 已降价。基准页面：https://huggingface.co/spaces/multimodalart/jev-decision-index

Mistral Large 4 与多款前沿模型的 SVG 生成测试

2026 年 10 月 6 日，wren6991 用同一生成穿渔网袜犰狳在火星乱穿马路 SVG 的提示词，测试 claude-opus-5.5、gpt-6.1-sol、gemini-3.8-flash 和 mistral/mistral-large-4，并列出各模型的默认推理等级。

Google DeepMind 发布开源轻量多模态嵌入模型 EmbeddingGemma 2

Google DeepMind 发布 EmbeddingGemma 2，这是基于 Gemma 4 架构、采用 Apache 2.0 许可的 740M 参数多模态嵌入模型，可将代码、文本、图像、视频和音频映射到统一嵌入空间。

Google 发布图像生成模型 Nano Banana 2.1，价格较 Nano Banana 2 约减半

Google 发布图像生成与编辑模型 Nano Banana 2.1，取代 2026 年 2 月推出的 Nano Banana 2，并基于 Gemini 3.6 Flash。

Google 发布开源多模态嵌入模型 EmbeddingGemma 2

Google 发布开源多模态嵌入模型 EmbeddingGemma 2，可将文本、图像、视频、音频和代码转换为数值向量。模型为 740M 参数，在 Massive Text Embedding Benchmark (Code) 上得分 78.68，较前代 68.76 提升近 10 分；Google 称其表现可超过两倍参数量的竞品。

Mistral Large 4 Preview：智能、性能与价格分析

该分析围绕 Mistral Large 4 Preview，从智能、性能和价格三个维度评估模型。评估指标包含能力指数、token 使用成本、上下文窗口，以及输出速度、首 token 延迟和输出 500 token 的端到端响应时间。

Jev 与 Haiku 4.5、GPT-5.4-mini、Gemini 3.5 Flash 的 Agent 分类场景实测对比

作者在客服升级和模型路由两个 Agent 分类用例中实测 Jev、Claude Haiku 4.5、GPT-5.4-mini 与 Gemini 3.5 Flash，各用 200 条平衡数据并由 3 个模型评委打分。

OpenAI 与 Ironclad 合作推进 AI 智能体的计算机使用能力

OpenAI 与 Ironclad 合作，将合同工作流转化为训练与评测任务，GPT‑6 Astra 成为首个基于 Ironclad 任务训练的前沿模型。在 11 项研究任务中，GPT‑6 Astra 平均得分 55.0%，高于 GPT‑5.6 Sol 的 41.6%，平均每次尝试耗时从 37.0 分钟降至 19.2 分钟。

Aravind Srinivas@AravSrinivasAI 评分5858

Perplexity 发布更新的开放权重多模态决策模型 pplx-decider-v1.1-27b，称其在 Hugging Face Decision Index 0.3 基准上得分最高。该模型输入价格为 $0.02 per million input tokens，成本为 v1 的一半，现已开放使用：https://huggingface.co/spaces/multimodalart/jev-decision-index

🚨 AI News | TestingCatalog@testingcatalogAI 评分6262

Google 发布采用 Apache 2 许可证的开源权重嵌入模型 EmbeddingGemma 2。该模型为轻量级多模态嵌入模型，可将文本、代码、图像、视频和音频映射到统一嵌入空间；模型规格为 740M 参数，采用模块化编码器，并提供 8K 上下文窗口。

TOD 发布面向任务设计的通用决策模型，可读取文本和图像并选择下一步动作

TOD 发布 v1 通用决策模型，约 400M 参数，基于开放的 Gemma 4 12B 模型训练，可读取文本与图像、提取事实并对可用动作排序，再按置信度直接执行或交给现有 LLM。

Aravind Srinivas@AravSrinivasAI 评分4848

Perplexity Decision Model（开放权重）在 @huggingface Decision Index 上得分最高

Google DeepMind 发布 EmbeddingGemma 2 端侧多模态嵌入模型

Google DeepMind 发布 EmbeddingGemma 2，这是一个 740M 参数的端侧多模态嵌入模型，可将文本、代码、图像、视频和音频映射到统一嵌入空间。

Mistral 发布万亿参数模型 Mistral Large 4，主打网络安全与开放权重

Mistral 推出迄今最大模型 Mistral Large 4 公开预览，模型为原生多模态，总参数 1.05 万亿、活跃参数 490 亿，上下文窗口为 100 万 token，权重计划于 10 月底发布。

Google Earth AI 用 PDFM 行星级地理空间基础模型支持全球公共卫生研究

Google Research 介绍 Google Earth AI 的 Population Dynamics Foundation Model（PDFM），将隐私保护的搜索趋势、人口流动、建成环境和环境因素压缩为按月更新的位置嵌入向量，并作为即插即用输入接入现有公共卫生模型。

Mistral 发布 1T 参数多模态模型 Mistral Large 4，计划三周后开放权重

Mistral AI 发布多模态大模型 Mistral Large 4，参数规模达 1T，内部代号 Le Chonk，目前只能通过带护栏的公开 endpoint 使用。

Yuchen Jin@Yuchenj_UWAI 评分7373

Mistral 发布 Mistral Large 4，又称 Le Chonk，模型拥有 1T 参数、49B 激活参数，原生支持多模态，并已通过 API 开放。Mistral 称其在综合基准上是美国或欧洲最佳开放权重模型，在网络防御、制造和金融等任务上达到先进水平，开放权重计划于 10 月底发布。转发作者 Yuchen Jin 表示，欧洲开源大语言模型领先美国开源模型出乎其意料，并称 Mistral 声称该模型击败 GLM-5.3。

🚨 AI News | TestingCatalog@testingcatalogAI 评分4747

Mistral Large 4 跃升至 Open-Weight Artificial Analysis Index 的第 6 位。 Le Chonk 还在 CyberGym-E2E (AA) 基准测试中取得 82 分。其他 Cyber 基准测试也呈现类似性能。 现在需要测试了 👀 总体而言，这看起来是一次不错的发布。最大的问题是 Mistral 能以多快速度推出新模型升级，以保持竞争力。

Mistral AI 发布 Mistral Large 4 公开预览版，月底开放权重

Mistral AI 于 10 月 6 日推出 Mistral Large 4 公开预览版，简称 ML4，用户可在 Mistral Studio 体验预览版 API，模型权重将于本月底开放下载。

🚨 AI News | TestingCatalog@testingcatalogAI 评分7575

Mistral 宣布推出 Mistral Large 4 “Le Chonk”，这是一款 1T 参数的开放权重模型，拥有 49B 活跃参数并原生支持多模态。模型当天通过 API 推出，开放权重版本计划于 10 月底发布；Mistral 称其在包括网络防御在内的关键工作负载上达到 SOTA。

🚨 AI News | TestingCatalog@testingcatalog精选AI 评分7777

Mistral 发布 1T 参数开放权重模型 Mistral Large 4 “Le Chonk”，激活参数 49B，支持原生多模态，API 当日开始推出，开放权重计划于 10 月底发布。TestingCatalog 引用 VentureBeat 称，其 DeepSWE 得分为 62%，高于 GLM-5.3；Finch 金融任务得分为 67%，Harvey 法律智能体基准得分为 15%，后两项均称为开放权重 SOTA。

Mistral Large 4 跑分参数信息

Mistral Large 4 的跑分默认提供方为 Mistral AI，部分基准测试可能采用不同提供方与参数。其配置为 Temperature 1、Top P 0.95、Top K 默认、Max Output Tokens 256,000，Reasoning Effort 设为 high。

Mistral Large 4 公开预览发布，月底开放权重

Mistral 发布 Mistral Large 4 公开预览，内部称 ML4，模型为 1 万亿参数、490 亿活跃参数的原生多模态模型，权重将于本月底发布。模型在 Mistral Studio 提供预览 API，使用 3,800 块 NVIDIA Grace Blackwell GPU 在欧洲自有数据中心从零训练，训练数据覆盖 160 多种语言。

Mistral Large 4 开放权重多模态模型发布

Mistral Large 4 是开放权重的通用多模态模型，采用细粒度 Mixture-of-Experts 架构。模型拥有 49B 活跃参数、1.05T 总参数，并配备 1.6B 视觉编码器。原文链接为 https://docs.mistral.ai/models/mistral-large-4-0。

Reflection 发布开放权重模型 Beam，主打低算力编码与智能体任务

Reflection 发布首个免费开放权重模型 Beam，定位为以较低算力对标 DeepSeek、Qwen 等中国开放模型，面向编码、逻辑推理和智能体任务。

🚨 AI News | TestingCatalog@testingcatalogAI 评分4545

MISTRAL 🔥：据路透社报道，Mistral 的一款新大模型即将发布。 > “我们今天实际要发布的模型，在某些方面确实优于中国模型，包括网络安全。因此，欧洲无法竞争的说法是不成立的。” 既然我们预计它会优于中国模型，那么它有很大可能会是开放权重的。对吧？ 很大的可能 👀

Mistral AI 预告今日发布新模型，称其在网络安全等方面优于中国竞品

Mistral AI 首席执行官 Arthur Mensch 在阿布扎比 Ai Everything 会议上表示，该公司将于今日发布新 AI 模型，并称其在网络安全等方面优于中国模型。他未说明具体比较对象及网络安全以外的优势领域，并借此反驳“欧洲无法竞争”的说法。

TII 发布 Falcon-Emirati-7B：面向阿联酋方言与文化理解的大语言模型

TII 基于 Falcon-H1-Arabic 的 7B 版本推出方言专用模型 Falcon-Emirati-7B，面向阿联酋阿拉伯语的词汇、语气和文化语境。训练数据结合阿联酋方言网页、关于阿联酋文化的现代标准阿拉伯语材料，以及按词汇表和风格规则约束生成的合成数据，并通过持续预训练、SFT 和偏好优化等阶段实验确定配方。

Reflection 发布 501B-A23B 开源 MoE 模型 Beam

Reflection 发布纯文本 MoE 模型 Beam，总参数 501B、活跃参数 23B，面向编码、AI 智能体和科学任务，Apache 2.0 完整权重将于本月放出。

elvis@omarsar0AI 评分4242

和 Jev 一样，我相信 RL 将解锁更多类似成果，大幅削减关键智能体操作的成本。 flow-1 在性能上具有竞争力，同时在发现智能体轨迹中的失败方面能极大节省成本。 RSI 不仅适用于通用智能。它同样会加速专用智能。