elvis@omarsar0AI 评分4242Introducing flow-1, our new model trained with RL to find errors in agent traces. It matches GPT-6-sol in trace intelligence while being 23x cheaper. It also costs 25% less to run than GPT-6-luna. flow-1 finally makes it possible to monitor and understand every agent run, without sampling. 1/6
Reflection AI 推出首款开放权重大模型 Beam，主打代码编写与智能体任务，并希望与 DeepSeek、Kimi 等中国模型竞争。Beam 总参数量为 5010 亿，采用稀疏激活架构，每项任务激活 230 亿参数；Reflection AI 称其性能对标 GLM-5.2，并在代码和智能体任务上逼近 Qwen3.8-Max。
10月6日IT早报汇总多条科技资讯，华为与高通达成覆盖5G、AI等领域的广泛专利许可协议，交易后华为专利许可累计总金额超69亿美元。DeepSeek推出V4.1 Flash，中美顶尖模型LiveBench跑分差距缩至3%。此外，2026诺贝尔生理学或医学奖因光遗传学发现揭晓，全球纯燃油车新车销量占比上半年首次跌破50%。
Z.ai（智谱）的 GLM 5.3 现已在 Amazon Bedrock 上面向符合条件的企业客户提供。该模型是发布在 Hugging Face Hub 的 753B 参数 MoE 模型，面向编码和长程智能体任务优化，支持跨区域推理、提示缓存、Flex、Priority 和 Standard 服务层级。
推荐理由：文章同时说明 GLM 5.3 的参数架构、Bedrock 接入方式和提示缓存配置，便于评估其在长程编码与智能体任务中的落地路径。
Vals AI 对全球领先 AI 模型在金融、软件及网络安全、递归自我改进、心理健康等前沿风险任务上进行独立无偏基准评测。10 月 4 日报告显示，Claude Opus 5.5 智能体发现了两种室温磁性半导体候选材料。其行业排行榜当前基准数据不可用，另展示 16 个实验室的性能前沿。
🚨 AI News | TestingCatalog@testingcatalogAI 评分3838
Nano Banana 2.1 is live on Google Flow
Rohan Paul@rohanpaul_aiAI 评分7575
Introducing Beam: a highly efficient agentic open model with 501B total parameters and 23B active. - Frontier reasoning efficiency - Advances the Western open frontier on coding & agentic tasks - Trained end-to-end from scratch Full weights release this month. Learn more about Beam: http://reflection.ai/beam
Reflection AI 发布首个模型 Beam，定位为面向西方的开源模型，称其在编码和智能体任务上较强，推理所需算力比同类开源模型少 3 到 4 倍。报道称 Beam 能力接近 Z.ai 的 GLM-5.2，并正在接近阿里 Qwen 3.8-Max；公司由前 DeepMind 研究员于 2024 年创立，目标客户包括希望自主掌控 AI、又不使用中国模型的企业和政府。
Reflection AI 正式发布首个前沿开放权重模型 Beam，称其在高级推理基准上可媲美中国领先开放模型，同时推理计算用量少 3-4 倍。Beam 是纯文本 MoE 模型，总参数 501B、活跃参数 23B，预训练使用 23.8 万亿 token，上下文窗口为 100 万 token。
推荐理由：文章整理了 Beam 的参数规模、上下文窗口、成本主张和开放权重计划，可帮助读者把它与 GLM-5.2 等开放模型直接比较。
Reflection 推出首个开源权重模型 Beam，它是总参数 501B、活跃参数 23B 的稀疏 MoE 模型，面向编码、推理和智能体任务。Beam 使用 23.8T token 预训练，并在 10.5K NVIDIA GB300 GPU 上进行 4 周 RL，生成超过 100M rollouts；官方称其推理效率优于 GLM 5.2 等模型。
Reka AI 发布 19B 参数全模态模型 Rho-1 的研究预览，在单一神经网络中处理并生成文本、图像、视频和机器人控制动作。Rho-1 将所有模态作为 token 放入共享上下文窗口，不依赖工具调用或外部模型，可实时生成连续视频并即时响应新指令，同一组权重还能驱动机器人运动。
🚨 AI News | TestingCatalog@testingcatalogAI 评分5959
Day 1/ We have optimized the default speed to be ~50% faster across GPT-6 Astra and GPT-6.1 Sol through the subscription across all our products and partners using Sign in With ChatGPT (including OpenCode, Pi, Amp, Devin, ...). No changes needed on your end and this should be felt within the next two hours.
Liquid AI 发布首个决策模型 d1，支持文本和图像输入，可在一次前向传播中返回各答案概率且不生成 token。官方在 6 个真实应用中对比 GPT-6.1 Sol 与 Claude Opus 5.5，称 d1 在 4 项中追平或胜出，成本低 19x 至 200x，文本决策耗时 200 至 300 ms。
Interfaze 1 Lite 发布为面向开发者工作负载的开放权重 mixture-of-architectures 模型，由视觉语言推理核心调度文档、语音、检测、分割、预测和安全等专用架构。
Reka 发布从零训练的 19B 全模态推理模型 Rho-1 研究预览，用单一神经网络理解和生成文本、图像、视频，并输出机器人动作。模型将文本、视觉和动作统一为同一上下文窗口中的 token，基础模型视频生成速度中位数为 0.79× 实时，蒸馏版将去噪从 99 步压缩到 8 步，原生视频分辨率上限为 672×384。
Grok Voice 在 Voice Agent Simulation Bench 公用事业账单与支付协助测试中以 44.7% 任务完成率位列第一，延迟 2.64s，单次通话成本约 $0.210。该基准每通电话串联 2 至 4 个来电请求，并叠加街道、咖啡馆或电视噪声及不同情绪来电者。Gemini 3.8 Live 与 GPT-Live 1 分别以 40.1%、39.2% 紧随其后。
Aleph Alpha 发布德英双语开放权重模型 Kolibri，总参数 78B，采用 mixture-of-experts 架构，每个 token 激活约 3B 参数。
Matthew Berman 测试 DeepSeek V4.1 Flash 操作网页版 Microsoft Paint 复刻头像，成品可辨认但高度抽象，缺少五官细节与叠层笔触。对比 Google Astra 能用重叠笔触构建明暗与纹理，DeepSeek V4.1 Flash 只会铺大色块，暴露其在智能体精细运动控制与时空推理上的局限。
MiniMax M3.1 Flash Preview 已于 9 月 27 日上线 MiniMax Code 公测，文章通过三个前端 Case 实测其 Coding、Agent 和多模态能力。
彭博行业研究称，DeepSeek 9 月发布 V4.1 Flash 后，中国顶尖模型在 LiveBench 上与美国竞争对手的得分差距缩小到 3%，低于 5 月约 9% 和今年早些时候的 15%。
TypeSafe AI 发布仅三周的决策模型 Jev 已达到每日 1 万亿 token 处理量，并带动 OpenAI、Databricks、Cloudflare 和亚马逊推出同类决策工具。
推荐理由：文章把 Jev 的非生成式决策路线与多家厂商跟进产品放在一起，便于理解大语言模型之外的自动化分类方案。
爆料者 @elder_plinius 称提取了 OpenAI GPT-6 Sol Codex 的 29.4 万字符系统提示词及工具定义，文件共 1902 行，并发布在 GitHub 仓库 CL4R1T4S。
Nvidia 支持的初创公司 Reflection 即将发布首个开放权重模型，目标是与中国顶级开放权重模型竞争，并为企业搭建低成本专有 AI 系统。
Elon Musk@elonmuskAI 评分4343Grok 4.7 在 AA Cyber Index 上排名第一
Grok 4.7 xHigh ranked #1 on Artificial Analysis’ Cyber Index Grok 4.7 is now very powerful with serious cybersecurity capabilities It outperformed Claude Opus 5.5, Fable 5.1, ChatGPT 6 Astra and other frontier models The Cyber Index combines three evaluations: • CWE-Bench-AA • DeepsecBench-AA • CyberGym-E2E-AA Grok 4.7 is now sitting right at the frontier of cybersecurity reasoning
NASA 与 IBM Research 联合学术机构发布开源 NASA-IBM Lunar Foundation Model，用于把多年月球观测数据转化为可适配下游任务的机器学习基础。
SentinelOne AI 工程师 Carter Church 使用 OpenAI GPT-6 Astra，在约 6 小时内破解拿破仑写于 1809 年 3 月 16 日的加密军事信件。
OpenAI GPT‑6 Astra 在 StarSkirmish《星际争霸：母巢之战》AI 机器人赛事中下载并直接使用 Bruce Mackenzie Nielsen 于 2020 年开发的 Stardust 代码，被赛事组织者认定作弊。
🚨 AI News | TestingCatalog@testingcatalogAI 评分6767Aleph Alpha 发布开放权重 MoE 模型 Kolibri，总参数 78B、激活参数 3.46B，上下文最高 1M token，并采用 Apache 2.0 许可。
Small bird, fast wings, Kolibri is here. 78B parameters. 3.46B active. Up to 1M tokens of context. Built in Europe. Now the weights are yours. Run it on your own hardware, under Apache 2.0.
Aleph Alpha 发布英德双语 MoE Transformer 模型 Kolibri，总参数 78.1B、每 token 活跃参数约 3.46B，支持最长 1M tokens 上下文。
推荐理由：材料完整披露参数规模、训练流程、基准结果和部署方式，可帮助读者评估欧洲主权开放权重模型的实际定位。
OpenAI 的 GPT-6 Astra 模型在不读取任何渲染画面的情况下，仅依靠网络流量与服务器文件中的任务数据，40 分钟内零死亡通关《魔兽世界》兽人新手村。该测试通过开源客户端 agent-wow 与 Codex 中的单条提示词在私服完成，角色从 1 级兽人起步，完成试炼谷全部任务，最终在森金村结束。
Ideogram 推出 4.5 版本，定位为最精准的图像编辑模型。该版本减少了每次编辑中常见的像素偏移、颜色变化和纹理伪影，能在多轮编辑中保留细节。
Aleph Alpha 于 2026 年 10 月 3 日发布开放权重 LLM Kolibri，采用 Apache 2.0 许可，权重已上线 Hugging Face。
推荐理由：文章结合技术报告与作者的 tokenizer 实测，拆解 Kolibri 的架构、长上下文、德语推理和适用边界，便于判断私有化德语场景的选型。
Amazon Strands Agents 团队当地时间本月 1 日宣布推出 Strands Decider 2B 决策模型，已在 GitHub 开源、权重发布于 Hugging Face，并可在本地 CPU / GPU 上运行。
AINews 汇总 10/1/2026-10/2/2026 动态，OpenAI GPT-6.1 Sol 定价为每百万输入/输出 token $2/$10，Agent Arena 排名第 5，成本比 GPT-6 Sol 低 39%。Anthropic Sonnet 5.5 [Max] 首登 Agent Arena 第 3 名并位列 Chat 类别第 1，Anthropic 模型包揽前三。
美国 AI 工程师 Carter Church 使用 OpenAI 的 GPT-6 Astra，在约 6 小时模型执行时间内破译一封 1809 年发给法国将军 Auguste de Marmont 的同音替换密码军事简报。
DeepSeek 已开源面向华为昇腾的编程栈。该消息来自 Hacker News 热帖，原始链接页面仅显示 Cloudflare 安全验证，未提供更多技术细节。
Google AI 构建的流感预测模型在 CDC 本周公布的 2025-26 赛季评估中，最准确预测流感相关住院人数。CDC FluSight 在 10 月至 5 月汇总政府、行业和学术团队的每周预测，用于预判美国各州医疗服务需求；赛季末分析显示，39 个合格模型中 Google 模型与实际住院人数最匹配。
Meta 分享 Muse Spark 1.1 和 1.2 与数学家合作产出的 6 篇论文，其中 5 篇回答了此前开放的数学研究问题。研究者通过 meta.ai 普通聊天界面的 Thinking Mode 使用模型，没有定制研究脚手架，论文标注 AI 与研究者各自起草的段落并由其他数学家审阅。
Cloudflare 发布 Clef 和 Clef-flash 两款面向 AI 智能体的决策模型，输出带概率的简短分类，用于工单路由、升级或转交人工。Cloudflare 自称 Clef-flash 中位延迟约 39 毫秒、Clef 约 209 毫秒，Jev 略高于 524 毫秒；Clef 支持图像和 64,000-token 上下文。
Ai2 开源 AstaBrief 8B 及训练数据，该模型基于 Qwen3-8B，可根据研究问题和检索文献片段一次性生成带引用报告，并已在 Asta 的 Generate a report 中作为 Fast mode 上线。
推荐理由：文章披露了从真实科研查询构建 SFT 与 DPO 数据、用引用密度过滤提升报告可靠性的完整训练路径。