其它几张 Landscape 图谱画的是结构，这一张记发布：每期 AI Buzzwords 的「本周新模型」栏目核实过的主要新模型——谁家的、哪天发的、多大、能不能下、什么许可、一手链接在哪。每期的栏目就是这里按那一期的时间窗口筛出来的视图；想看别的时间段、只看开放权重、或者按开发者和关键词找，在下面改筛选。
EP.108 · 窗口 2026-10-16 → 2026-10-23（起点不含） · 共 44 个（窗口内 28 + 边界日 / 背景 16）换期、换时间段和筛选需要启用 JavaScript；全部期的数据见 models.json。
发布日以官方公告或模型卡为准，不是 HF 仓库的创建日——仓库往往先建后发，同一个模型的仓库日期可以比公告早一两个月。要点后括号里标了信息来自“厂商自述”“模型卡”还是“独立”：厂商自述的基准本刊没有重跑，模型卡指规格和许可类事实来自 HF 卡本身，独立指第三方榜单或媒体实测。各类按窗口内的在前、边界日和背景的在后排。
| 模型 | 开发者 | 发布 | 规模 / 类型 | 可得性 | 要点 | 链接 |
|---|---|---|---|---|---|---|
| Flint | Recursive（CEO Richard Socher） | 10-21 | 39.8B 总 / 约 2.5B 激活的 MoE（49 层，256 个路由专家激活 6 个，另有 1 个共享专家） | 开放权重，不设门槛；HF 上的 RecursiveSI/flint（BF16 约 80 GB）及 int4 / NVFP4 / GGUF 版；另有托管 API 和 Apple 芯片本地引擎 rec 许可：Apache-2.0 | 编程 agent 模型，文本进文本出，带推理和多轮工具调用（模型卡）Recursive 称小团队不到四个月从零训成，自研的“Eureka Machine”自动研究系统参与了几乎每个环节（厂商自述）自报：Terminal-Bench 2.1 54.9%、SWE-bench Verified 74.2%、SWE-bench Pro v2 89.7%；模型卡注明 Terminal-Bench 把靠联网检索得到的解算作失败，别家分数未必做同样处理（厂商自述）Wired 记者在 48GB 的 Mac 上试用后给了正面评价，是单人上手，不是基准（独立）上下文：博客写最长 512k，HF 卡写文档化配置是 262,144 | Recursive 官方博客OFFICIALHF 模型页OFFICIALTechCrunchMEDIAWiredMEDIA |
| DeepSeek V4.1 Flash 1017 | DeepSeek | 10-17 | 主干 552B + 196B 的 Engram 条件记忆；预填充激活 8B、解码激活 16B；1M 上下文（数字取自基础版 V4.1-Flash 的模型卡，1017 版的卡没有重述，配置一致） | 开放权重，不设门槛（FP8，专家为 FP4）；同时上了 DeepSeek 网页、App 和 API（模型名 deepseek-flash，价格不变） 许可：MIT | 对 V4.1-Flash 的小更新：官方称推理、编码、agent 和视觉基准都有提升，任务耗时和输出更短（模型卡）自报（对比 V4.1-Flash）：HLE 无工具 42.6 对 36.8，Terminal-Bench 4.0 42.3 对 31.2，DeepSWE v1.1 77.0 对 74.2（厂商自述）官方更新日志写明针对 DeepSeek Harness、腾讯 CodeBuddy、WorkBuddy 做了优化Artificial Analysis 开放权重榜第 2（45.10，10-19 读取）（独立） | 官方新闻页OFFICIALHF 模型页OFFICIALAPI 更新日志OFFICIAL |
| MiniMax M3.1 Flash | MiniMax | 10-23 | 约 428B 总 / 23B 激活的 MoE，1M 上下文，多模态输入、文本输出；稀疏注意力 + 量化感知训练，附 DSpark 推测解码的 draft head（HF 元数据里的张量总数约 2,200 亿，是 FP8/U8 打包所致，官方口径 428B） | API 10-19 起：每百万 token 输入 0.15、输出 0.60、缓存输入 0.015 美元；权重 10-23 01:06 UTC 公开（HF MiniMaxAI/MiniMax-M3.1-Flash）。商业使用要显著标注 “Built with MiniMax M3.1-Flash”，年收入超 2,000 万美元的产品须事先书面授权，附录禁止军事用途 许可：MiniMax Community License（非商业免费；HF 标签 other） | 定位 agent 任务、编程、computer use、网络安全；官方称线上推理快近 3 倍、成本比上一代降 70%（厂商自述）自报：DeepSWE v1.1 73.7、Terminal Bench 4.0 38.1、HLE 无工具 43.4；同表里 Opus 5 分别是 74.0、51.8、55.6（厂商自述）“击败 DeepSeek 和 Opus 5”是 VentureBeat 的标题，指 Automation-Bench 上 MiniMax 自己的对比图（62.2 对 60.5）（厂商自述）；第三方复测本刊没有核到 | 官方博客OFFICIAL官方 X 帖（权重公开）OFFICIALHF 模型页OFFICIALArtificial Analysis 页面OFFICIALVentureBeatMEDIA |
| MemT-1.0（Nano / Flash） | MemTensor | 10-19 | Nano：36B 总 / 3B 激活（Qwen3.6-35B-A3B 骨干，451M 可训练记忆参数）；Flash：288B 总 / 17B 激活（DeepSeek-V4-Flash 骨干，3.61B 记忆参数） | 开放权重（HF 标签：Nano Apache-2.0，Flash MIT）；论文 arXiv 10-19 提交，HF 仓库 10-15 和 10-17 创建（先建后发） 许可：Apache-2.0 / MIT | 在主干旁加“原生记忆块”，把交互历史压成固定大小的记忆状态（不是长上下文，也不是外挂 RAG）；论文摘要称 128K 历史下 Nano 端到端推理快约 1.86 倍、持久存储比完整 KV 缓存少 66 倍（论文自述）在 11 个记忆基准上，Flash 和 Nano 在“参数化记忆”方法里排第 1、第 2，但论文自己写 “Strong textual-memory systems remain ahead overall”（文本式记忆系统总体仍领先）；X 上流传的“256K、120 倍”不在摘要和模型卡里，本刊没有核到 | arXiv 论文OFFICIALHF 模型页（Nano）OFFICIAL |
| Beam 1.0边界日 · 10-16 | Reflection AI | 10-16 | 501.3B 总 / 23.4B 激活，100 万 token 上下文，仅文本 | 开放权重，不设门槛；HF 上的 reflection/Beam-1.0-501B-A23B。模型卡写明不禁止蒸馏，也不禁止用输出训练别的模型 许可：Apache-2.0 | 自报：Terminal Bench v2.1 80.1%、SWE Bench Pro v1 66.1%、GPQA Diamond 90.6%（厂商自述）技术报告标着“coming”，目前放出的是一份 Safety Technical Report（模型卡）Artificial Analysis 开放权重榜第 10（30.33，10-19 读取）（独立） | 官方博客OFFICIALHF 模型页OFFICIAL |
| Muse Spark Open背景 · 10-15 | Meta | 10-15 | 816B 总 / 42B 激活，1M 上下文；输入含文本、图像、视频、音频（输入模态据 The Decoder） | 开放权重，但要在 HF 填表、人工审批才能下（gated: manual）；须标注 “Built with Muse Spark Open”；以 API 形式对外卖且收入超 2000 万美元的服务商要另签协议 许可：Muse Model License（非 OSI） | Meta 自称“迄今最强的美国开放权重模型”，依据是自家的评分图；Meta 自己的表里 Terminal-Bench 2.1 是 76.4，低于 Beam 的 80.1（厂商自述）Artificial Analysis 开放权重榜第 7（38.87，10-19 读取），美国模型里最高（独立） | Meta 研究博客OFFICIALHF 模型页OFFICIAL |
| Nemotron 3.5 Super VL背景 · 10-15 | NVIDIA | 10-15 | 120B 总 / 12B 激活（模型卡）；HF 张量合计 124.45B，含视觉编码器。Mamba-2 + MoE + 注意力混合，C-RADIO 视觉编码器，上下文最长 1M | 开放权重，不设门槛；BF16、NVFP4、Base 三个仓库 许可：OpenMDW-1.1 | 文本、图像、视频输入，文本输出；由 Nemotron 3 Ultra 蒸馏而来（NVIDIA 自述）自报：CharXiv 推理 80.8%（用 Python 84%）；NVIDIA 自跑的卡表里 Terminal-Bench 2.1 是 60.67，低于同表里 Qwen3.8-Flash-Next 的 85.80（厂商自述）NVIDIA 称在同尺寸开放模型里单卡吞吐最高可达 5 倍（厂商自述） | NVIDIA 开发者博客OFFICIALHF 模型页OFFICIAL |
| Nemotron 3.5 Bolt背景 · 10-15 | NVIDIA | 10-15 | 74B 总 / 9B 激活；24GB 版把专家权重压到 2 比特 | 开放权重，不设门槛；BF16、24GB、GGUF 版 许可：OpenMDW-1.1 | 视觉语言 MoE（混合 Mamba-Transformer），目标是在 24GB 显存里本地跑日常 agent 任务（RTX / DGX Spark）；由 Super VL 用 NVIDIA 的 “Star Elastic” 路由引导压缩得到（模型卡）自报（NVIDIA 自跑的卡表）：GPQA-Diamond 88.83（24GB 版 86.43），Qwen3.6-35B-A3B 是 83.40（厂商自述） | NVIDIA 研究博客OFFICIALHF 模型页OFFICIAL |
| Nemotron Labs Dory 1.0 4B边界日 · 10-16 | NVIDIA | 10-16 | 约 4B（HF 张量 3.98B）；循环结构：8 层输入 + 20 层共享循环块 + 8 层输出，循环块可跑 1、2 或 4 遍；英文，256K 上下文 | 开放权重，不设门槛；BF16、MXFP8、NVFP4、GGUF 版；vLLM 和 llama.cpp 当时还靠未合并的 PR 许可：OpenMDW-1.1 | 同一份权重按预算跑 1、2 或 4 遍，不用重训（模型卡）自报（NVIDIA 自跑的卡表，1 / 2 / 4 遍）：SWE-bench Verified 50.3 / 59.5 / 61.8，多数项落后 Qwen3.6-35B-A3B（厂商自述）没有找到官方发布稿，发布日以 HF 模型卡的 10-16 为准 | HF 模型页OFFICIAL |
| 模型 | 开发者 | 发布 | 规模 / 类型 | 可得性 | 要点 | 链接 |
|---|---|---|---|---|---|---|
| Mercury 3 | Inception Labs | 10-19 | 参数量未披露（官方称总参数是 Mercury 1 的 40 倍以上）；1M 上下文；扩散式（非自回归）文本模型 | 仅 API（Inception API 平台、OpenRouter、Baseten、Vercel），没有声明开放权重；每百万 token 输入 0.20、输出 0.70 美元，首发五折 | Inception 称约 1,068 token/s，在一系列基准上优于 GPT-6 Luna 和 Claude Haiku 5.5 且快 4 到 8 倍；博客页上没有基准表（厂商自述）合作方 TinyFish 的 50 个 Mind2Web 实时任务，完成了 50%（厂商自述）本刊只读了官方博客，没有核到独立评测 | 官方博客OFFICIAL |
| Ampersand v0.1 | humans& | 10-20 | 约 744B 总 / 约 40B 激活的 MoE，1M 上下文；基座是 Z.ai 的 GLM 5.3（模型卡） | 仅 API（Agents API，用 OpenAI 的客户端调用），没有权重；每百万 token 输入 1.00、缓存输入 0.20、输出 5.20 美元 | 定位“为人们一起做成事而训练”的协作模型：用强化学习在长程社交场景里训练，模拟用户由他们的 Persimmon 模型扮演（厂商自述）模型卡标明“结果为暂定”：CooperBench 有搭档时 39.0%、单做 48.8%，基座 GLM 5.3 是 17.3% / 52.5%（厂商自述）模型卡的安全表：WMDP-cyber 80.6% → 89.0%，提示注入敏感度“明显高于前沿模型”（模型卡自述） | 官方博客OFFICIAL模型卡OFFICIAL价格文档OFFICIAL |
| Muse Wonder / Wonder Full背景 · 10-12 | Meta | 10-12 | 未披露，1M 上下文 | 闭源。Wonder 走 Meta Model API 和 Muse Code（每百万 token 输入 4、缓存输入 0.20、输出 20 美元）；Wonder Full 只在 Muse Code 订阅里，没有 API 价 | Artificial Analysis Intelligence Index v4.3：Wonder 52、Wonder Full 56，上一代 Muse Spark 1.3 是 48（The Decoder 转述，本刊没有重新核）（独立）Vals AI Index：Wonder 第 10，Wonder Full 第 5（The Decoder 转述）（独立）Meta 说完整评估报告“soon”，核查时还没看到 | Meta 官方稿OFFICIALdev.meta.ai 模型页OFFICIALThe DecoderMEDIA |
| Gemini 4 Argon背景 · 10-13 | Google DeepMind | 10-13 | 未披露，1M 上下文 | 闭源。9-30 先给可信的网络防御者小范围用，10-13 全面开放（Gemini API 付费档、AI Studio、Android Studio、Antigravity、Gemini 应用）；介绍价每百万 token 输入 2、输出 10 美元 | Google 称 Vals 指数第一；12 个端到端模拟网络攻击场景全部解出（此前是 5 个）（厂商自述）Artificial Analysis：AA-Omniscience 42，在指数 45 分以上的模型里幻觉率最低（15%）（The Decoder 转述）（独立） | Google 官方博客OFFICIAL安全与保障说明OFFICIAL |
| Mistral Large 4背景 · 10-06 | Mistral AI（法国） | 10-06 | 约 1.05T 总 / 52B 激活（HF 占位页写 49B，含 embedding 和输出层为 52B），1M 上下文，MoE | 10-06 起是公开预览的 API，每百万 token 输入 1.36、缓存输入 0.14、输出 4.18 美元；官方说本月底放权重，HF 占位页的倒计时是 10-31，页面上没写许可证；到 10-22 权重还没放出 许可：未公布 | 官方称在 3,800 块 NVIDIA Grace Blackwell GPU 上、自家的欧洲数据中心从零训练；基准是 Mistral 自报（厂商自述）Mistral 是法国公司，上期把它归成“美系”是错的 | 官方博客OFFICIAL文档页OFFICIALHF 占位仓库OFFICIAL |
| 模型 | 开发者 | 发布 | 规模 / 类型 | 可得性 | 要点 | 链接 |
|---|---|---|---|---|---|---|
| Voxtral 3 系列 | Mistral AI（法国） | 10-20 | Mini Transcribe 3 是 4B；其余型号博客和文档页都没写 | Mistral API（欧、美和全球端点），文档标 PUBLIC PREVIEW + PREMIER（商用，非开放权重）；HF 的 mistralai 组织下没有 Voxtral 3 仓库 许可：商用 API | 四个型号：Small Transcribe 3（旗舰，带说话人分离、上下文偏置、话轮结束检测）、Mini Transcribe 3（批量，4B）、Mini Transcribe Realtime 3（流式，延迟低于 500 毫秒）、Mini TTS 3（文档里叫 Voxtral TTS 3）价格：Mini Transcribe 3 批量每分钟 0.0035 美元，Realtime 0.008，Small Transcribe 3 0.0040，Mini TTS 3 每百万字符 13 美元转写覆盖 50 种语言；博客称 Small 优于 Whisper、Scribe v2 和 Gemini 3.5 Transcribe，但博客自己的 FLEURS-45 图里，Small（约 4.1% WER）和 Microsoft AI Transcribe 2（约 4.0%）几乎持平（厂商自述）TTS 的语种数，博客写 35+，文档页写 9 种，两处不一致，本刊两个数都不采用 | 官方博客OFFICIALSmall Transcribe 3 文档OFFICIALMini TTS 3 文档OFFICIAL |
| Granite Speech 5.0 2B | IBM | 10-20 | 约 2B（HF 张量 2.31B）：16 块 conformer CTC 编码器 + Q-former 投影 + 基于 granite-4.0-1b-base 的语言模型 | 开放权重，不设门槛 许可：Apache-2.0 | 语音识别：英、法、德、西、葡、日；翻译：上述语言与英语互译，另有英译意大利语和普通话；训练用了 39 万小时公开音频加合成数据（模型卡）IBM 称在 Open ASR 榜的开放权重模型里，平均英语 WER 5.06% 排第 2；本刊没有打开榜单核（厂商自述）可用语言提示、最多 2,000 个关键词偏置、按需输出标点和大小写 | IBM 的 HF 博客OFFICIALHF 模型页OFFICIAL |
| Phonon（31m / 40m） | Gradium（巴黎） | 10-20 | 31M 与 40M 参数（Q8 约 64 MB 与 75 MB） | 开放权重 + Rust 推理运行时；31m（英语）Apache-2.0，40m（单语或五语合一）CC BY-NC，商用要走 Gradium；40m 的 HF 仓库要申请 许可：Apache-2.0 / CC BY-NC | 端侧 TTS，CPU、GPU、NPU 都能跑；称笔记本 CPU 上 7 毫秒开口（厂商自述）Gradium 自建的 500 句难句测试（数字、邮箱、邮编）：英语 WER Phonon 31m 1.70%，Kokoro 3.50%（厂商自述）是 4 月宣布、一直内测的模型的开放版本 | 官方博客OFFICIALNEO LAB № 60 GradiumSELF |
| Ming-3.0-tts（0.5B / tiny） | 蚂蚁集团（inclusionAI / Ant Ling） | 10-19 | 0.5B 稠密骨干（基于 Qwen2.5-0.5B，整份 checkpoint 约 1.5B）；另有 7.9B 总 / 1.3B 激活的 MoE tiny 版 | 开放权重，需配套 GitHub 推理代码；GitHub 初始发布提交在 10-19，Artificial Analysis 10-20 评测，没有找到蚂蚁官方稿的日期 许可：MIT | 零样本声音克隆、声音设计，情感/语速/音调/音量控制；44.1 kHz；中英德西法韩日加四川话、粤语（模型卡）Artificial Analysis：Controlled Voice 竞技场开放权重第一，Pronunciation Robustness 并列第一；前 10 里别的开放权重 TTS 都在 3.5B 以上，它用少 7 到 70 倍的参数进了同一档（独立）；闭源的 Eleven v4 系列仍在它前面（AA 页面 Elo 1189.67 对 1329–1335） | HF 模型页OFFICIALGitHubGITHUBArtificial AnalysisOFFICIALAA 的 X 帖 |
| 模型 | 开发者 | 发布 | 规模 / 类型 | 可得性 | 要点 | 链接 |
|---|---|---|---|---|---|---|
| Nemotron 3.5 Embed（8B / 1B） | NVIDIA | 10-20 | 8B 版 8.38B（4096 维）；“1B”版实为 1.55B（2048 维）；32,768 token 上下文，支持 Matryoshka 截断 | 开放权重，不设门槛；8B 基于 Ministral-3-8B-Instruct，1B 由 8B 蒸馏；另有 NVFP4 版 许可：OpenMDW-1.1 | 多模态检索嵌入：文本查询去找页面图像、文本或图文（模型卡）；文本评测 34 种语言，视觉检索 18 种自报：ViDoRe v3.1 nDCG@10，8B 版 61.17，称是稠密检索器第一（截至 10-20）；MIRACL Vision 72.6，比 Qwen3-VL-Embedding-8B 高 4.3（厂商自述）1B 的 NVFP4 版吞吐 +27.1%，保留 99.85% 的 ViDoRe v3 精度（厂商自述） | HF 博客OFFICIALEmbed-8B 模型页OFFICIALEmbed-1B 模型页OFFICIAL |
| Nemotron 3.5 Rerank 8B | NVIDIA | 10-20 | 8.38B，交叉编码器，32,768 token 上下文 | 开放权重，不设门槛 许可：OpenMDW-1.1 | 多语言、多模态重排：文本查询加文本、页面图或图文文档，输出相关性 logit（模型卡）自报：新的 ViDoRe v3.1 重排榜（与 MTEB 团队合作）图文 60.49，Qwen3-VL-Reranker-8B 是 59.17；在 agent 检索测试里加上 Rerank，每次查询的 token 成本降约 13% 到 14%（厂商自述） | HF 博客OFFICIALHF 模型页OFFICIAL |
| Nemotron 3.5 Parse | NVIDIA | 10-21 | 630.8M（C-RADIOv4-SO400M 视觉编码器 + 10 层 mBART 解码器） | 开放权重，不设门槛；HF 仓库 9-03 就建了，模型卡的发布日期栏是空的，这里以 10-21 的博客为准 许可：OpenMDW-1.1 | 文档图像解析：输出带语义版面类别、框和阅读顺序的 Markdown / HTML 表格和图表结构；取代 Nemotron Parse 2.0（模型卡）自报：ParseBench 三遍均值 75.20，称是 1B 以下第一（截至 10-20）；单遍 72.74、每秒 16.1 页（H100）（厂商自述） | HF 博客OFFICIALHF 模型页OFFICIAL |
| EmbeddingGemma 2背景 · 10-06 | Google DeepMind | 10-06 | 7.4 亿总参数（文本 2.7 亿 + 视觉编码器 1.7 亿 + 音频编码器 3 亿；纯文本用 2.7 亿）；768 维，8,192 token 上下文 | 开放权重，不设门槛 许可：Apache-2.0 | 原生多模态嵌入：文本（含代码）、图像、视频、音频映射到同一空间，100+ 语言（模型卡）自报：MTEB Code 相对 EmbeddingGemma 1 从 68.76 提到 78.68；Pixel 11 Pro 上量化后纯文本约 191MB 内存（厂商自述）10-21 NVIDIA 的检索博客把它当对照基线，所以这周又被提到 | Google 官方博客OFFICIALHF 模型页OFFICIAL |
| 模型 | 开发者 | 发布 | 规模 / 类型 | 可得性 | 要点 | 链接 |
|---|---|---|---|---|---|---|
| FLUX 3 Max | fal（fal Research；在 Black Forest Labs 的 FLUX 3 Video 上后训练） | 10-19 | 未披露 | 仅 API（fal）：文生视频、图生视频、关键帧；720p，可升 1080p，5 到 20 秒；每秒 0.17 美元（720p）、0.29 美元（1080p），首发 75% 折扣到 11-07 | fal 称 10 秒视频约 12 秒生成，Seedance 2.5 要 277.80 秒，约快 22 倍；两者在 Artificial Analysis 的初步图生视频榜上都是 1,139 Elo（厂商自述）VentureBeat 核了 AA 的实时榜：FLUX 3 Max 1,138 Elo（置信区间 1,123 到 1,153），Seedance 2.5 1,138，MiniMax H3 1,140，区间重叠，AA 给的名次范围是第 1 到第 5（独立）速度是 fal 自己的计时，取决于设置 | fal 页面OFFICIALVentureBeatMEDIA |
| Cosmos3-H-Embodied-Nano / Cosmos3-H-Dreams | NVIDIA（含 CMR Surgical 的数据） | 10-20 | Embodied-Nano 16B（约 7B 在后训练中更新）；Dreams 15.17B | 开放权重，不设门槛 许可：NVIDIA Open Model License | 手术机器人世界模型：Embodied-Nano 在 15 个手术数据集上联合训练前向动力学、逆动力学和策略；Dreams 在 CMR Surgical Versius 的胆囊切除视频加运动学上微调，再蒸馏成 4 步的自回归学生（模型卡）NVIDIA 称这是第一个用临床胆囊切除录像训练、支持实时运动控制的生成式手术模拟器，单张 RTX PRO 6000 可交互运行（厂商自述）博客说有 4 步和 2 步两个检查点，模型卡只列了 4 步，2 步未确认 | HF 博客OFFICIALEmbodied-Nano 模型页OFFICIALDreams 模型页OFFICIAL |
| Cosmos3-Nano 的 Sim-Auto / Sim-Bimanual / Sim-Transfer / Transfer-Auto | NVIDIA | 10-20 | 各约 16B | 开放权重，不设门槛；卡片日期是 10-20，但仓库 8 月就建了，没有找到单独的发布稿 许可：OpenMDW-1.1 | Sim-Auto：实时闭环驾驶模拟，生成多视角相机视频和激光雷达；Transfer-Auto：批量生成多视角相机 + 激光雷达数据，可改天气和时间；Sim-Bimanual：双臂机器人动作下的环境演化模拟（模型卡） | HF 合集OFFICIALSim-Auto 模型页OFFICIAL |
| Canva Craft | Canva（Canva Research） | 10-22 | 未披露；两阶段：先由规划模型写出构图计划（元素、位置关系、层级、要出现的文字），再由渲染模型出图；最高 2K，30 多种宽高比，可生成 55 种语言的文字 | 闭源，没有权重；Canva 里从 Dream Lab 进入，对全部用户开放，另有公共 API；MCP“即将”支持；更快更便宜的 Craft-fast 和 Craft-ultrafast“upcoming”；价格没披露 | Canva 称这是它第一个从零训练的基础模型，训练数据强调设计而非照片，含数百万个人工制作的模板（官方稿自述）DesignArena 众包榜首发总榜第 4（官方自述；The Verge 补充：排在 OpenAI 的 GPT-Image-2.5 Sunburst、Flare 和 GPT-Image-2 之后），“人物与肖像”“风景与自然”两类第 1；别写成总榜第一 | Canva 官方稿OFFICIALTechCrunchMEDIAThe VergeMEDIA |
| HeyGen Video 1 | HeyGen | 10-22 | 未披露 | API / 平台（HeyGen Platform）：文生视频、图生视频、参考图生成，5 到 15 秒、480p 到 2K，场景自带同一提示词生成的声音；发布价约 0.018 美元/秒 | HeyGen 称这是它的第一个通用视频模型，在 Artificial Analysis 的盲测里文生视频排第 1（官方 X 帖，厂商自述；本刊没有打开榜单核） | HeyGen PlatformOFFICIAL官方 X 帖OFFICIAL |
| Kling 4.0 / 4.0 Flash边界日 · 10-16 | Kling AI（快手） | 10-16 | 未披露 | 闭源。Kling 网站和 App（积分制）；企业 / 开发者 API 和 Adobe Firefly 接入都写“即将” | 10-16 的全球发布稿：原生 30 秒生成（可延到 2 分钟）、最多 15 个多模态参考和 10 个关键帧、8,000 token 提示、更多语言和口音（厂商自述）官方博客 9-30 写新体验自 9-28 起分批开放；10-bit HDR 和 21:9 写“soon”没有标准化基准 | 全球发布稿MEDIAKling 官方博客OFFICIAL |
| MOSS-Image（Base / SFT）边界日 · 10-16 | OpenMOSS 团队 | 10-16 | 5B（HF 张量约 5.08B） | 开放权重；有 ComfyUI 插件和 Diffusers 流水线 许可：Apache-2.0 | 文生图，用 JSON 提示指定物体、要渲染的文字和框，文字渲染强，中英双语（厂商自述）社区很快出了 4 步 / GGUF / DMD 变体；GitHub 1,428 星（10-23 取） | 项目页OFFICIALHF 模型页OFFICIAL |
| FLUX.3 Image Klein背景 · 10-15 | Black Forest Labs | 10-15 | 5.6B（文本编码器 Qwen3-VL 不计） | 开放权重，要在 HF 申请（自动通过）；个人和年收入不足 500 万美元的公司可免费商用，研究与非商用免费，更大的组织要自托管许可或走 API；BFL API 每千张图 0.009 美元起 许可：FLUX Kommunity License | 文生图、编辑、最多 10 张参考图的多参考生成，原生 4K，支持框布局控制；BFL 称内部评测在文生图、多参考和编辑上排第一（厂商自述）INT8 版最低 8GB 显存可跑；HF 博客称 H100 上 1024×1024 约 2 秒（厂商自述） | BFL 官方博客OFFICIALHF 博客OFFICIAL |
| Flora（Captioner 27B / Rewarder 27B / TempSeg 9B）背景 · 10-15 | NVIDIA | 10-15 | Captioner 和 Rewarder 在 Qwen3.5-27B 上后训练，TempSeg 在 Qwen3.5-9B 上后训练 | 权重在 HF，不设门槛，但非商用，仅限研究开发 许可：NVIDIA OneWay Noncommercial License | 训练 GR00T-2 用的数据引擎：TempSeg 在操作视频里定位动作区间，Captioner 给每段写动作指令，Rewarder 给整段结果和过程打奖励，用于强化学习后训练；输出是标注，不用于控制机器人（模型卡） | Captioner 模型页OFFICIALRewarder 模型页OFFICIAL |
| 模型 | 开发者 | 发布 | 规模 / 类型 | 可得性 | 要点 | 链接 |
|---|---|---|---|---|---|---|
| RFD4-Proteina | NVIDIA（GenAIR）与 Baker Lab | 10-21 | 约 4.36 亿参数（流匹配模型 + 自编码器打包） | 开放权重，不设门槛；Diffusers 流水线 10-20 合并；可选的第三方资源（AlphaFold2 / OpenFold3 重折叠镜像）另有条款 许可：BSD-3-Clause | 可编程蛋白设计：同时生成序列和全原子结构，上下文可含蛋白、小分子、核酸、聚糖、金属离子和修饰残基（模型卡）自报：24 个靶点的结合剂基准上，“高思考”档每 GPU 小时产出 76.40 个通过计算筛选的结构不同设计，Proteina-Complexa 是 13.24（厂商自述）结果只是计算验证，博客自己写需要实验证实结合 | HF 博客OFFICIALHF 模型页OFFICIAL |
| Kumo Relational | NVIDIA（Kumo 团队） | 10-21 | 未披露 | 开放权重，不设门槛；可经 structured-data-models 库或 NIM 加载 许可：OpenMDW-1.1 | 预训练的关系型基础模型：用上下文学习（最多 10,000 个上下文样本）直接对多表数据库做预测，不用逐任务训练；只用合成的关系数据预训练（模型卡）自报：15 个数据库、41 个任务上“首个超过监督 ML 的少样本基础模型”；RelBench V1 分类约比专家调过的梯度提升树高 4 个 AUROC（厂商自述） | HF 博客OFFICIALHF 模型页OFFICIAL |
| Omnii-1 | Radical Numerics | 10-20 | 未披露 | 研究预览，需申请访问；没有开放权重 | 跨 28 种生物模态原生预训练（DNA、RNA、蛋白、染色质可及性等），称“数万亿 token”，同日发布八个应用（公司自述）公司自跑的对比：Omnii Genome 对 AlphaGenome 和 Borzoi，如 RNA-seq 对数皮尔逊 r 0.830 对 0.80 / 0.75，没有第三方复现（厂商自述）噬菌体一条是公司自述：AI 设计的噬菌体首次在医师主导的同情用药下用于一名耐药菌感染患者，病程和结果没有披露，本刊没有找到医院或监管方的独立来源 | 公司博客OFFICIALNEO LAB № 57SELF |
| Carbon-X | Hugging Face（HuggingFaceBio） | 10-22 | 14.8B（40 层，从 Qwen3-14B 出发，3,020 亿 token 中训练 DNA + 文本；混合分词器：Qwen3 词表 + 5,515 个 DNA 词元，每个 DNA 词元覆盖 6 个碱基；上下文 40,960） | 开放权重，不设门槛；单张 80 GB GPU 可跑（bf16），vLLM 可部署；DNA 分词器是自定义代码（trust_remote_code），要 Transformers v5 许可：Apache-2.0 | 在聊天里输入原始 DNA，用英文回答：预测变异良性还是致病、找调控区、按生物类群分类、预测下一段碱基并解释（模型卡）自报：五个 DNA 基准平均 66.7%（关闭思考），比起点 Qwen3-14B 高 27 个点；GPT-6.1 Sol 是 67.5%，推理成本约为后者的 1/1,800；估算分析 ClinVar 里 240 万个意义未明的变异，用 Carbon-X 约 300 美元，前沿模型 3.2 万到 400 万美元（厂商自述，按 H200 每小时 5 美元折算）Wired 10-22 的标题：Hugging Face’s New AI Model Lets You Chat With DNA（据标题和导语） | HF 模型页OFFICIALWiredMEDIA |
| OlmoEarth v1.3 | Ai2 | 10-22 | 128M（ViT-Base）+ 14.3M Perceiver + 0.1M 线性学生；读一年的 Sentinel-1/2 与 Landsat 时间序列，每个 10 米像素给出 128 维向量（前 64 维也可单独用） | 权重、预训练数据、预训练代码都公开；同时放出全球逐年预计算嵌入（10 米，64/128 维，在 Source Cooperative）和浏览器端 Embeddings Explorer；HF 仓库 09-04 就建了，不是发布日 许可：OlmoEarth Artifact License（HF 标签 other，非 Apache/MIT） | 对比 AlphaEarth Foundations 和 Tessera v2：27 项评测里 128 维版有 20 项最高，64 维版 18 项领先；训练算力只有 v1.2 的 53%、v1 的 18%（Ai2 自述） | HF 博客OFFICIALHF 模型页OFFICIAL |
| Timestral（5M / 28M / 123M / 209M）背景 · 10-15 | Mistral AI（法国） | 10-15 | 四个规模：5M、28M、123M、209M 参数；上下文 32,768 个时间步 | 开放权重（HF 的 mistralai/Timestral-*），GitHub 有代码；CPU 可跑 许可：Modified MIT（HF 标签是 other） | Mistral 第一个时间序列基础模型；209M 版称在 GIFT-Eval、TIME、fev-bench 三个主流公开基准上排第一，参数量约为此前最好成绩的三分之二（厂商自述）概率式多变量预测（21 个分位数），支持过去与已知未来协变量；CPU 上预测一天的延迟从 10 毫秒（5M）到 140 毫秒（209M）（厂商自述）HF 模型卡里 GIFT-Eval MASE 0.658、CRPS 0.446（模型卡） | 官方博客OFFICIALHF 模型页OFFICIAL |
| Carbon-A 1.2B背景 · 10-08 | Hugging Face（HuggingFaceBio） | 10-08 | 1.2B（HF 张量 1.15B）；6-mer 词元，一次看 98,304 个碱基 | 开放权重，不设门槛（需 trust_remote_code）；另放出 Carbon 注释数据库 许可：Apache-2.0 | 只看 DNA 序列预测编码区，一个模型覆盖哺乳类、其他脊椎动物、无脊椎动物、植物、真菌和原生生物（模型卡）自报：42 个基准基因组上宏平均核苷酸 F1 0.944，高于 AUGUSTUS、Helixer、Tiberius 等（厂商自述）注释出 5.66 亿个新基因候选，覆盖 22,617 个物种；博客写明 RNA 证据还不能说明翻译或功能 | HF 博客OFFICIALHF 模型页OFFICIAL |
| 模型 | 开发者 | 发布 | 规模 / 类型 | 可得性 | 要点 | 链接 |
|---|---|---|---|---|---|---|
| EAGLE-4 | Eagle AI Corp | 10-20 | 两个草稿头：Qwen3.8-27B-EAGLE4 为 3.09B，Nemotron-3.5-Super-VL-120B-A12B-EAGLE4 为 4.12B | 代码和权重公开；不是 OSI 开源：年收入 2000 万美元以下可商用，做“竞品服务”须另签 许可：Eagle 4 Source-Available License | README：Qwen3.8-27B 上最高 3.4 倍生成速度、答案相同（SGLang，4×B300，单请求 3.42 倍，8 并发 2.09 倍，64 并发 1.39 倍）（厂商自述）不同来源的倍数不同：README 3.42、论文和 HF 卡 3.59、fal 的技术稿 3.77，取决于测试设置专题 04 里提到的 961.6 token/s 来自 EAGLE 团队的帖子，本刊没有在论文、README、HF 卡或 fal 稿里找到，没有采用 | GitHub 仓库GITHUBQwen3.8-27B 草稿头OFFICIAL许可证GITHUBNEO LAB № 61 Eagle AI CorpSELF |
| Muse-Spark-Open-816B-A42B-DFlash2边界日 · 10-16 | NVIDIA | 10-16 | 4.38B 稠密草稿模型 | 开放；配合 vLLM / SGLang 在 Blackwell 上用，不是独立模型 许可：NVIDIA Open Model Agreement + Meta 的 Muse 许可 | DFlash 2：块扩散草稿，加每个子层周围的两抽头块内卷积和成对路径选择器（模型卡）自报：接受长度 3.87（MT-Bench 贪心，推理 xhigh，并发 32，一个 GB300 节点，NVFP4 目标模型）；卡上没有 token/s 的加速数字（厂商自述） | HF 模型页OFFICIAL |
| 模型 | 开发者 | 发布 | 规模 / 类型 | 可得性 | 要点 | 链接 |
|---|---|---|---|---|---|---|
| Decisions API（基于 GPT-6 Luna） | OpenAI | 10-22 | 未披露（用的是 GPT-6 Luna，不是新训练的模型） | API 专用端点，闭源，10-22 正式可用（此前公测）；每百万输入 token 0.10 美元、缓存输入 0.01 美元，不收输出 token；美国/欧盟区域处理可选，每次请求最多 400 个问题 | 答案有限的问题专用：predicate（0–1 概率）、choice（选一个，附概率和置信度）、score（按量表打分）；OpenAI 称比通过 Responses API 调 GPT-6 Luna 最多快 10 倍（厂商自述）TechCrunch 引产品负责人：延迟从 1–3 秒降到 100–180 毫秒；对标 TypeSafe 的 Jev；两个决策榜单上 OpenAI 排第 8 和第 14，最新的 Jev 排第 7 和第 3（TechCrunch 转述，本刊没有核榜单）对上期“美国公司的决策模型基座全是 Qwen”是基座不是 Qwen 的反例，但它是通用模型的窄接口，不是可下载权重的决策模型 | OpenAI 官方页OFFICIALTechCrunchMEDIA |
| pplx-decider-flash-v1.2 与 Decider for Mac | Perplexity | 10-22 | 4B（基于 Qwen3.5-4B，从 27B 决策模型蒸馏，HF 张量约 4.54B） | 开放权重；托管 API 每百万输入 token 0.01 美元（27B 的 v1.2 是 0.02 美元），不收输出 token；10-22 的新东西是 Mac 应用 Decider for Mac：在本机跑这个 4B 模型，不要 API key、不产生用量账单，要 Apple 芯片、macOS 13 以上、16 GB 内存，首次启动下载约 5.8 GB，本机 127.0.0.1:8080 提供与托管 API 相同的请求格式 许可：Apache-2.0 | 模型本身不是这周新的：HF 仓库 10-15 创建（发布日只能参考仓库日期和 API 更新日志的“October 2026”），新的是本地应用（官方 @perplexitydevs 10-22）自报：Decision Index 0.3 总分，联合请求 58.88、每请求一问 60.05，27B 的 v1.2 是 68.09（厂商自述） | Decider for Mac 文档OFFICIALHF 模型页OFFICIAL官方 X 帖OFFICIAL |
| LingDT-Decision-1.0 | 蚂蚁数科 | 10-22 | 4B 与 27B 两个版本 | 上线蚂蚁数科 DTMaaS 平台，开发者限时免费体验；稿件没有说开放权重或许可 许可：未说明 | 蚂蚁数科自述：在客服、风控、金融等真实业务测试里，Token 消耗比大语言模型降 90% 以上、响应快 10 倍；在 23 项开源评测上，27B 版综合评分第一，超过 Microsoft-Decision-1、Jev 1.13.0 等（厂商自述，比的是它自选的基准）“准确率超过微软和 Jev”只是蚂蚁数科的自述；本刊没有核到官方稿或技术报告，HF 上没有找到蚂蚁数科的仓库 | 雷锋网MEDIA |
| Xing4.0-29B-Intent | 中国电信（星辰通用人工智能实验室） | 10-22 | 约 29B（由 Xing4.0-29B-A4B 微调，A4B 即约 4B 激活的 MoE 基座，HF 张量合计约 31.2B）；另有 FP8 与 GGUF 版 | 开放权重，同时开放 275 万条训练语料和推理镜像；HF 仓库 10-15 创建，以量子位稿的“正式发布并开源”日 10-22 为准 许可：Apache-2.0 | 意图识别与参数抽取的专用模型，输出 JSON，已用在电信客服和智能家居音箱；量子位的稿件把开发方写成中国电信（有的转述写成中国移动，是错的）自报：从 48 个中英文公开数据集抽 6,000 题，总分 58，高于 18 款通用模型里最高的 49（Gemini-3.6-Flash）；类别决策 5,606 题，总决策分 70，Jev 是 56、GPT-6-Luna 是 65（中国电信自述，评测是自家设计的） | HF 模型页OFFICIAL量子位MEDIA |
没有列入的，以及原因。核过、不是窗口内新发布的：Meta Muse Glimmer 30B（8-10 放权重）、Qwen3.8-Flash-Next（8-26 发布，10-22 出现的是社区量化）、阶跃 Step 5 Preview（9-20 放权重，仅作背景；Artificial Analysis 开放权重榜第 4）、Odyssey-3（10-08 研究预览）、Nemotron Parse 2.0（6 月）、Kumo Forecast（4 月）、Speechmatics Linden 1（9-17）、Seedance 2.5（7-31）、Shieldstral 与 Leanstral（7 月）；只是旧模型的修订版：Granite Speech 5.0 的 470M Turbo CTC 与 4.1 2B Plus；不是权重：IBM Granite Timeseries Ensemble R1（一份配方，没有合并权重）。没核到日期或发布稿，暂不列：Bria Fibo 2.0、IBM Granite Switch 4.1（博客写 10-15，模型卡没打开）；也核过但不列：千问的 AI 眼镜 N1 / N1 Pro 和 AI 耳夹式耳机（10-13 发布，在窗口前，且是消费硬件）、火山引擎 Seedance 2.5 4K（10-22 只是向 20 家工作室和导演的定向试用，没有公开价格和可得性，只有媒体报道）、Marathon Fusion 的“汞变金”（公司自述，没有公开数据，也不是模型。
收什么：每期窗口内发布或开放的主要新模型，按「读者会怎么找」分类，不按公司分。草稿模型（投机解码的草稿头）单列，不当独立模型。
发布日：以官方公告或模型卡上的日期为准，不是 Hugging Face 仓库的创建日——仓库往往先建后发，同一个模型的仓库日期可以比公告早一两个月。美国晚上发的，北京时间已是第二天，以官方页面写的日期为准。
规模与许可：规模写原话和口径（MoE 写总参数和激活参数）；许可写原文名，非商用、年收入门槛、署名要求都不等于 OSI 开源，会在可得性里写明。
要点后的括号：「模型卡」是规格和许可类事实来自模型卡 / 官方文档本身；「厂商自述」是基准、速度、成本等各家自报的数，本刊不重跑；「独立」是第三方榜单或媒体实测。文档、博客互相矛盾时两个数都写，不选一个。
可得性分两档：「开放权重」是权重能下载（含需申请、非商用的）；「仅 API / 闭源」是只能经 API 或订阅用，包括官方说要开放、但权重还没放出的。后来权重放出或许可变了，在这里改，不等下一期。
没收的：每期视图底部写了那一期核过但没列入的（不是窗口内新发布、只是旧模型的修订或量化版、不是权重、没核到日期或发布稿）及原因。
EP.101 到 EP.107 是 2026-10-23 补录的：只收当期页面里提到的模型发布，窗口内页面没提到的不在此列；从 EP.108 起每期都有「本周新模型」栏目，按窗口全量核实。