月之暗面发布 Kimi K3.1 Pro，100 万 token 上下文，开放权重将于 11 月 4 日前释出
月之暗面发布 Kimi K3.1 系列首个模型 Kimi K3.1 Pro，为 3T 级开放权重模型，上下文窗口 100 万 token，并同步推出速度快 2-3 倍的 Kimi K3.1 Pro Highspeed。
推荐理由：官方公布了关键基准成绩、开放权重时间表和网络安全数据清理做法，读者可据此评估这代开放权重模型的实际能力边界。
#编码
Moonshot AI：Kimi Blog精选AI 评分8181
MiniMax (official)@MiniMax_AI精选AI 评分6969MiniMax 宣布 M3.1 Flash 权重公开，总参数 428B、每 token 激活 23B，提供 Hugging Face 和 ModelScope 下载。
引用MiniMax (official)@MiniMax_AIMiniMax M3.1 Flash：太空级性能 + 兔子级速度 🚀🐰 没错，Space Bunny——曾以 200T+ tokens 登顶全球排行榜——正是 M3.1 Flash 的早期版本。 💰重新定义智能体 AI 的性能经济学。M3.1 Flash 在 Cowork（Automation-Bench：62%；ALE：30%）、编程（DeepSWE：74%）和视觉推理（BabyVision：91%）等关键任务上达到前沿级智能水平，成本仅为 M3 的 1/3，速度提升 3 倍。 API 定价（统一费率）：每 1M 输入/输出 tokens 分别为 $0.15 / $0.60，缓存读取为 $0.015 / 1M tokens。 模型权重将于 10 月 23 日发布。 API：http://platform.minimax.io M Plan：https://www.minimax.io/m-plan MiniMax Code 桌面版：https://agent.minimax.io/download
推荐理由：官方公布权重开放和关键基准分数，并说明稀疏注意力等效率设计，可据此评估其在智能体与编码任务上的性价比。
Arena.ai@arena精选AI 评分6565引用Arena.ai@arena由 @AIatMeta 推出的 Muse Wonder (Max) 已进入 Code Arena：WebDev 以 1651 分位列第 15，Text Arena 以 1513 分位列第 2！ 在 Code Arena：WebDev 中，Muse Wonder (Max) 以 1651 分位列第 15。这一结果略低于以 1659 分位列第 12 的 Muse Spark 1.3 (Max)，与以 1655 分位列第 14 的 Kimi K3 (Max) 相差 4 分以内，并比以 1640 分位列第 16 的 Grok 4.7 (xHigh) 高 11 分。 此次发布在 Text Arena 中相较过去的 Muse 模型有显著提升。与以 1494 分位列第 11 的 Muse Spark 1.3 (Max) 相比，Muse Wonder (Max) 提升了 +19 分并上升 9 位至第 2。它落后于以 1525 分排名第 1 的 Gemini 4 Argon (High) 12 分。 祝贺 @AIatMeta 团队发布这一版本！
推荐理由：榜单方公布了 Meta 新模型在 Code Arena WebDev 的首秀成绩和分项排名，读者可以据此对比各实验室模型的当前位次。
MiniMax：Blog精选AI 评分7070 MiniMax 发布 M3.1 Flash，推理提速近三倍、用量成本降低 70%
MiniMax 发布 MiniMax M3.1 Flash，匿名模型 Space Bunny 是其早期版本，曾处理超过 200 万亿 token。
推荐理由：官方给出具体基准分数、推理速度和每百万 token 定价，读者可直接对比智能体任务的性价比变化。
- Arena.ai@arena精选AI 评分6969引用DeepSeek@deepseek_ai
🚀 DeepSeek-V4.1-Flash-1017 来了！ 与上一版本相比，基准测试表现更强、任务完成更快、输出更短——在性能与成本上实现了帕累托改进。现已在我们的网站、应用和 API 上线。 🛠️ 针对 @DeepSeekHarness、Tencent CodeBuddy、WorkBuddy 等进行了优化。升级到 DeepSeek Harness v0.2.1-rc.1 或更高版本，以获得新模型的最佳体验。 1/4
推荐理由：Arena 榜单给出了具体排名、分数和价格点，读者可以据此评估 DeepSeek 新版模型在 WebDev 编码上的性价比位置。
公众号：DeepSeek精选AI 评分7272 DeepSeek 发布 V4.1-Flash-1017：性能费用帕累托改进并开放自研搜索 API
DeepSeek 发布 DeepSeek-V4.1-Flash-1017，网页端、APP 与 API 已同步更新，各基准测试相比上一版 V4.1 Flash 明显提升，同时缩短任务运行时间与输出长度，在多个 Harness 下达到新的性能-费用帕累托最优，建议升级到 DeepSeek Harness 0.2.1-rc.1 及以上。
推荐理由：官方公告同时给出基准提升、许愿式编程案例和搜索 API 定价，读者可据此评估升级成本与新工作流可能。
- Arena.ai@arena精选AI 评分8080
Arena 公布 Meta 发布的 Muse Spark Open (Max) 在 Code Arena: WebDev 以 1511 分位居美国开源模型第一、开源模型总榜第 13。
引用AI at Meta@AIatMeta今天我们发布 Muse Spark Open，这是迄今为止能力最强的美国开放权重模型。 专为编程和智能体工作打造，它擅长长周期任务、复杂软件工程和多步推理。 关键模型规格： → 816B 总参数 / 42B 激活参数 → 1M token 上下文窗口 → 原生支持文本、图像、视频、音频多模态
推荐理由：基于 Arena 自家 Code Arena 榜单给出 Muse Spark Open 的具体得分、排名与定价对比，读者可据此定位该开源模型的真实水准。
Reflection Blog精选AI 评分8383 Reflection 发布首个开源权重模型 Beam，501B 参数 MoE 采用 Apache 2.0 协议
Reflection 发布首个开源权重模型 Beam，权重已在 Hugging Face 以 Apache 2.0 协议放出。Beam 为稀疏 MoE 模型，总参数 501B、激活 23B，面向编码、推理和长程智能体任务，提供 BF16、FP8、NVFP4 精度权重和投机解码 drafter 模型。
推荐理由：原文给出权重、精度格式、生态支持与自托管路径等具体信息，可据此评估落地与选型。
PyTorch：Blog精选AI 评分8383 Meta 发布开源权重模型 Muse Spark Open，816B 参数、1M 上下文
Meta 发布开源权重模型 Muse Spark Open，已在 Hugging Face 以 Muse Model License 提供。模型总参数 816B、激活 42B，上下文窗口 1M token，面向编码与智能体工作流，原生多模态（图像、音频、文档），并相比 8 月发布的 Muse Spark 增加了安全后训练。
推荐理由：Meta 开放了 Muse Spark 的权重，并给出 Helion 内核与 TorchTitan 微调支持，读者可据此评估其部署与定制路径。
StepFun@StepFun_ai精选AI 评分7777阶跃星辰（StepFun）宣布 Step 5 Preview 开放权重，BF16 和 FP8 权重已上线 Hugging Face 和 ModelScope，并附技术博客。
推荐理由：官方公告直接给出权重规格和下载入口，需要开源 MoE 权重的读者可据此评估是否纳入自己的工作流。
Google DeepMind：Blog精选AI 评分8585 Google DeepMind 发布 Gemini 4 Argon，全球上线 API、Gemini 应用和 Antigravity
Google DeepMind 发布 Gemini 4 Argon 并全球开放，定价为每百万输入 token $2、输出 $10（缓存输入 95% 折扣），支持 1M 统一输入输出 token 上限，并在 Vals Index 排名第一。
推荐理由：原文给出定价、基准成绩和工程与科学落地案例，读者可以据此评估该模型在自己领域的工作流适用性。
Artificial Analysis 完整文章精选AI 评分7676 Meta 发布 Muse Wonder 和 Muse Wonder Full，Artificial Analysis 实测智能水平较前代显著提升
Meta 发布 Muse Wonder 和 Muse Wonder Full 两款模型，在 Artificial Analysis Intelligence Index v4.3 上分别得 52 和 56 分（max reasoning effort）。
推荐理由：Artificial Analysis 独立实测了两款新模型的智能指数、token 用量和成本，读者可据此对比它们在同类模型中的位置。
- Arena.ai@arena精选AI 评分7171引用Claude@claudeai
隆重推出 Claude Haiku 5.5：我们迄今为止发布的最便宜、最快、最强大的小型模型。 平均而言，它的运行成本比 Claude Haiku 4.5 低约 75%。
推荐理由：榜单方给出 Haiku 5.5 在 Code Arena 的实际得分与各档 Claude 模型的成本分差，便于横向权衡性价比。
- Arena.ai@arena精选AI 评分6868引用Arena.ai@arena
激动人心的更新：具备 xHigh 推理能力的 Claude Sonnet 5.5 已登陆 Code Arena: WebDev。以 1786 分位列第 3！ 在每百万 token 综合成本 8 美元的情况下，Claude Sonnet 5.5 凭借 xHigh 推理能力依然处于帕累托前沿。此次发布距离以 1788 分位列第 2 的 GPT-6 Astra 仅差 2 分，而价格只有其 80%。 按领域划分，Claude Sonnet 5.5（xHigh）位列： - 在 Gaming、Reference-Based Design 和 Brand & Marketing 中排名第 2 - 在 Simulations 中排名第 3 - 在 Content Creation Tools 和 Consumer Product 中排名第 4 - 在 Data & Analytics 中排名第 6 再次祝贺 @AnthropicAI 发布此版本！
推荐理由：原文同时给出 Agent Arena 与 Code Arena 排名、分数和成本数据，读者可据此比较 Claude Sonnet 5.5 相对前代和竞品的性价比位置。
Artificial Analysis@ArtificialAnlys精选AI 评分7373推荐理由：原文对比了三个新模型在 Coding Agent Index 的成绩和每任务成本，读者可据此权衡性能与价格的组合。
- Arena.ai@arena精选AI 评分7171引用Arena.ai@arena
Claude Sonnet 5.5 (High) 由 @AnthropicAI 推出的真实世界结果出炉了。它刚刚以 1699 分在 Code Arena: WebDev 中排名第 #4，并凭借其成本效率重塑了帕累托前沿！ Claude Sonnet 5.5 (High) 以每百万 token 综合 $8 的价格提供了近乎顶尖的性能，重塑了帕累托前沿！该模型比总排名第 #3 的 Claude Fable 5.1 (Max) 和排名第 #2 的 GPT-6 Astra (Max) 都便宜 80%。 见下方帕累托位置。 总体而言，Claude Sonnet 5.5 (High) 相比排名第 #37、得分 1540 的 Sonnet 5 (High) 提升了 +159 分。与其前代变体相比的这一提升目前也体现在以下关键领域： - 基于参考的设计：#38 → #4 - 模拟：#37 → #4 - 游戏：#36 → #4 祝贺 @AnthropicAI 发布！
推荐理由：原文给出 Claude Sonnet 5.5 xHigh 的具体榜单分数与分项排名，读者可以据此比较它与 GPT-6 Astra 的性价比位置。
Google DeepMind：Blog精选AI 评分7878 Google DeepMind 发布 Gemini 4 Argon，面向可信网络防御者先行开放
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向可信网络防御者开放，后续将逐步面向开发者、企业和消费者推出。
推荐理由：官方发布给出了定价、输出 token 上限和多项基准成绩，读者可以据此比较它在编码与企业工作流中的实际位置。
- Arena.ai@arena精选AI 评分7070引用OpenAI@OpenAI
GPT-6.1 Sol：以五分之一的价格提供接近 Astra 的智能。 它是当今可用的、在其性能水平上最具成本效益的模型。
推荐理由：评测方公布了 GPT-6.1 Sol (Max) 的排名和价格数据，读者可以据此比较它在成本与性能权衡中的位置。
公众号：蚂蚁百灵精选AI 评分6767 蚂蚁百灵发布 Ling-3.1-flash，面向真实世界长任务升级
蚂蚁百灵推出 Ling-3.1-flash，总参数约 560B，每个 Token 激活约 25B，上下文窗口上限 1M，延续混合线性架构并提高线性 Attention 层比例（7 层 KDA 配 1 层 Gated MLA，512 个路由专家选 8 个加 1 个共享专家）。
推荐理由：官方发布同时给出架构细节、多项长程任务实测结果和对比数据，读者可据此评估其在办公、医疗和软件研发场景的适用性。
Artificial Analysis 完整文章精选AI 评分6969 GPT-6.1 Sol 发布 7 天后接替 GPT-6 Sol，智能指数距 GPT-6 Astra 仅 1 分
OpenAI 发布 GPT-6.1 Sol，接替仅上线 7 天的 GPT-6 Sol，Artificial Analysis 智能指数比 GPT-6 Sol 高 4 分、比 GPT-6 Astra 低 1 分。
推荐理由：Artificial Analysis 用自家基准拆解了新模型的智能得分与每任务成本，读者可据此比较它相对前代和旗舰档的实际性价比。