实测隐藏工具描述能否让 AI 智能体对用户隐瞒信息：8 个可评分模型中 4 个每次都遵守

Small Print 作者测试用户不可见的工具描述是否会让 AI 智能体隐瞒信息，在 10 家公司的 13 个模型上保留 800 次运行；预订案例中 8 个可评分模型有 4 个每次都向客户隐藏内部预订编号，Claude Haiku、Sonnet、Fable 和 Granite 4.0 Tiny 则每次都告知。

Cloudflare 发布开放权重决策模型 Clef-omni，支持音频与视频输入

Cloudflare 于 10 月 9 日推出开放权重决策模型 Clef-omni，可在单次 API 调用中处理文本、图像、音频和视频，权重已在 Hugging Face 开放。

Underdog AI 发布 Saluki 27B：2-bit 量化 Qwen3.8-27B，文件 7.89GB

Underdog AI 本月发布 Saluki 27B，它是 Qwen3.8-27B 的 2-bit 量化调优版本，仅保留文字 I/O，文件大小 7.89GB。

JetBrains 发布编程 AI 模型 Mellum2.1，高负载推理吞吐量接近 Qwen3.5-9B 两倍

JetBrains 于 10 月 8 日上线 Mellum2.1，重点增强智能体编程能力。该模型延续 Mellum2 的 12B 混合专家架构和 2.5B 活跃参数，采用 Apache 2.0 许可证，并通过强化学习训练提升代码库探索、文件编辑、失败测试根因识别与修复验证能力。

阶跃星辰 Step 5 Preview 登陆 OpenRouter，支持 1M 上下文

阶跃星辰 Step 5 Preview 已出现在 OpenRouter，模型采用稀疏 MoE 架构，参数为 27B active / 600B total，上下文窗口 1,000,000 token，发布时间为 Oct 8, 2026。

Anthropic 发布 Claude Haiku 5.5，并更新 Claude Platform API 与 SDK

Anthropic 于 10 月 7 日发布 Claude Haiku 5.5，模型 ID 为 claude-haiku-5-5，面向高吞吐量和低延迟工作负载，支持 1M token 上下文窗口、128k 最大输出 token 和通过 effort 参数控制的自适应思考。

Anthropic 发布 Claude Haiku 5.5，并更新 Claude Platform 多项 API 与 SDK 能力

Anthropic 于 10 月 7 日发布 Claude Haiku 5.5，模型 ID 为 claude-haiku-5-5，面向高并发和低延迟工作，支持 1M token 上下文窗口、128k 最大输出 token 和通过 effort 参数控制的自适应思考。

Anthropic 发布 Claude Haiku 5.5，并下调 Claude Sonnet 5.5 缓存读取价格

Anthropic 于 10 月 7 日发布 Claude Haiku 5.5，模型 ID 为 claude-haiku-5-5，面向高并发和低延迟工作负载，支持 1M token 上下文窗口、128k 最大输出 token 和通过 effort 参数控制的自适应思考。

Anthropic 发布 Claude Haiku 5.5，并更新 Claude Platform API 与 SDK

Anthropic 于 10 月 7 日发布 Claude Haiku 5.5，模型 ID 为 claude-haiku-5-5，面向高并发和低延迟工作负载，支持 1M token 上下文窗口、128k 最大输出 token 和通过 effort 参数控制的自适应思考。

Anthropic 发布 Claude Haiku 5.5，并下调 Claude Sonnet 5.5 缓存读取价格

Anthropic 于 10 月 7 日发布 Claude Haiku 5.5，面向高吞吐量和延迟敏感工作，支持 1M token 上下文窗口、128k 最大输出 token 和通过 effort 参数控制的自适应思考。

DeepSeek V4.1 Flash 实测：378 tok/s、99.7% 缓存命中率

RunInfra Model APIs 上线 DeepSeek V4.1 Flash，实测输出速度 378 output tokens per second、近 24 小时缓存命中率 99.7%，上下文窗口为 1,048,576 tokens。

Strands 发布开源决策模型 Strands Decider 2B

Strands 发布 2B 参数开源决策模型 Strands Decider 2B，面向快速实验、本地开发和智能体工作流，权重在 Hugging Face、代码在 GitHub，并开放训练数据与脚本。

Z.ai GLM 5.3 登陆 Amazon Bedrock

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。

Interfaze 1 Lite 开放权重模型发布，面向文档、语音与视觉任务

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。

DeepSeek V4.1 Flash 操作网页版 Paint 画肖像遇挫：AI 智能体视觉与动作能力测试

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。

OpenAI GPT-6 Sol Codex 系统提示词被提取，IT之家解读其代码 Agent 设计

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。

🚨 AI News | TestingCatalog@testingcatalogAI 评分6767

Aleph 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。

Aleph Alpha 发布主权开放权重大模型 Kolibri

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。

Black Forest Labs 发布 FLUX 3 Image 图像生成与编辑模型

Black Forest Labs 推出 FLUX 3 Image，用于从零生成和编辑图像，支持用 bounding boxes 在画布上规划元素、逐框修改并保持其他区域不变。

GPT-6.1 Sol 实测：编码与多模态生成效果逼近 GPT-6 Astra

小林coding 实测新上线的 GPT-6.1 Sol，认为其在 DeepSWE v1.1 软件工程测试和多项生成场景中已接近 GPT-6 Astra。GPT-6.1 Sol 每百万 token 常规输入价格为 2 美元、输出为 10 美元，缓存输入为 0.1 美元；作者用 SVG、3D 建模、动效、视频、游戏和 Web 网页测试，称其整体可替代 GPT-6 Sol 作为日常主力。

Claude Platform 版本说明（2026 年 9 月 30 日）

Anthropic 在 Claude Platform 版本说明中宣布 Claude Sonnet 4.5 将于 2026 年 11 月 30 日从 Claude API 退役，建议迁移至 Claude Sonnet 5.5。

CAISI 评估 Z.ai GLM-5.3 的网络安全能力

CAISI 评估认为，Z.ai 于 2026 年 8 月 14 日发布并在两周后开放权重的 GLM-5.3，是迄今网络安全能力最强的开源权重模型，但综合表现仍比当前美国前沿模型低约四个月。

Liquid AI 发布决策模型 D1

Liquid AI 发布面向结构化决策的模型 D1，可在一次 API 调用中完成分类、路由和评分，并返回校准概率，usage.output_tokens 始终为 0。

H Company 发布 Holo4 通用计算机操作智能体模型与 Holotron4 Nano

H Company 发布 Holo4 系列智能体模型，包含 27B dense 与 35B-A3B MoE 两个版本，并推出基于 Nemotron 3 Nano Omni 的 Holotron4 Nano。

H company 发布 Holo4 通用计算机操作智能体模型系列

H company 发布 Holo4 智能体模型系列，包含 27B dense 与 35B-A3B MoE 两个版本，并推出基于 Nemotron 3 Nano Omni 的 Holotron4 Nano。

Anthropic 发布 Claude Sonnet 5.5 并说明 API 迁移变化

Anthropic 于 9 月 28 日发布 Claude Sonnet 5.5（claude-sonnet-5-5），已在 Claude API、Amazon Bedrock、Claude Platform on AWS、Google Cloud 和 Microsoft Foundry 提供。

Claude Platform 版本说明（2026 年 9 月 24 日）

Anthropic 在 Claude Platform 版本说明中宣布推出 Claude Sonnet 5.5，并恢复对部分输出前拒绝请求计费。

阶跃 Step 5 Preview 实测：金融与数据可视化表现突出，游戏资产和长上下文仍有短板

阶跃星辰发布 Step 5 Preview，总参数量 600B、激活参数 27B，支持视觉输入，官方称单任务成本为 Claude Opus 5 的 1/8，并宣称在 Artificial Analysis 上进入全球开源前三。

Anthropic 发布 Claude Opus 5.5，并更新 Claude Platform 多项 API 能力

Anthropic 于 9 月 22 日发布 Claude Opus 5.5，面向长时间运行的智能体编码和知识工作，默认 1M token 上下文窗口、128k 最大输出 token，价格为 $4 / $20 USD per MTok。

形界智能发布 Genesis-1.0 视频双工模型，支持 24 小时持续互动

形界智能发布视频双工模型 Genesis-1.0，主打开放环境中的实时、持续角色互动和世界状态维护。模型将 Genesis-1.0-Brain 与感知渲染层解耦，Brain 负责语言风格和 MCP 调用，视频双工层负责感知用户与渲染动作、表情；官方称端到端画面延迟最佳 1.2 秒，最大稳定生成时长 24 小时，定价为 0.003 美元每秒。

Jev 发布两天后涌现 6 个克隆项目：AINews 盘点复现路线与生态反应

非生成式决策模型 Jev 发布两天内出现 Laya、DiffusionGemmaJev、Bespoke Nimble、SemIf、Jevlike、Kev-0.5B 六个克隆项目，其发布视频两天获 36M 次观看。

Claude Platform 版本说明（2026 年 9 月 18 日）

Anthropic 在 Claude Platform 版本说明中宣布推出 Claude Opus 5.5 与 Claude Sonnet 5.5，并更新 API、SDK、Console 的计费、合规与缓存诊断能力。

TypeSafe 推出 Jev「System One Model」：仅做决策、分类、路由与评分，比小型前沿 LLM 快逾 100 倍、成本低逾 200 倍

TypeSafe 发布基于 RLCD 训练的 Jev 决策模型，专为分类、判断、路由与评分等结构化输出设计，不生成自由文本。官方称其速度提升 20–200 倍、成本降低 40–400 倍且输出 token 免费，可在生产系统中替代 LLM 承担结构化分类器、裁判与路由策略任务。

Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking 语音对话模型

Google DeepMind 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款近实时语音对话模型，分别面向规模化成本效率与高复杂度多步推理任务。

实测 GPT-6 Astra：人还能站在机器之上吗？

作者实测 GPT-6 Astra，借助 Blender MCP、Computer use 和 Browser use 完成 3D 建模、网页游戏等任务，包括约 750 棵树、25 万簇草的实时 3D 森林及含 22000 多个像素块的樱花塔。其在 3D 火山模拟中表现优于 Fable 5.1，并登上 Arena 前端开发排行榜。作者认为模型虽强，仍是自回归工具，出题、纠偏与责任仍在人的一方。

Claude Platform 9 月版本说明发布 Sonnet 5.5、Opus 5.5、Fable 5.1 与 Mythos 5.1

Anthropic 在 Claude Platform 9 月版本说明中发布 Claude Sonnet 5.5、Claude Opus 5.5、Claude Fable 5.1 和 Claude Mythos 5.1，并说明 API、SDK、Console 与 Managed Agents 更新。

腾讯混元 Hy4 preview 实测：聚焦代码、办公与科学任务

作者实测腾讯混元 Hy4 preview，覆盖代码、办公和科学等真实生产力任务。该模型总参数 770B、激活参数 49B、上下文 1M，定位开源模型第一梯队；测试包括生成全息卡片、跑酷游戏、3D 场景、流体艺术网站、网页 Windows、PPT/Excel/Word 联动文档、修复全栈项目 bug 和火山喷发模拟。

Google DeepMind 发布语音转文字模型 Gemini 3.5 Transcribe

Google DeepMind 推出 Gemini 3.5 Transcribe 语音转文字模型，并通过 Google AI Studio 的 Gemini API 和 Gemini Enterprise Agent Platform 向开发者开放公开预览。

IBM 发布 Granite 4.2 推理大模型家族并说明构建方法

IBM 发布 Granite 4.2 稠密 decoder-only 推理大模型家族，包含 3B、8B、30B 三种规格，并以 Apache 2.0 许可证开放。

SpaceXAI@SpaceXAIAI 评分3838

Grok Voice Think Fast 2.0 目前在 Artificial Analysis 语音对语音指数上排名第一。 该指数衡量语音智能体能否对听到的语音进行推理、解决真实客户问题，并使用智能体工具正确完成任务。