大模型资讯

10月2日，多名开发者注意到月之暗面API平台后台的模型注册表中出现了kimi-k3-1的标识，并且可以通过接口进行探测与调用。几乎同一时间，月之暗面官方开放平台挂出了K3.1的预告页，明确标注该版本支持100万token上下文窗口，并提供三档推理强度供用户选择。业内普遍预计这个版本将在10月内正式发布。上一代Kimi K3拥有2.8万亿总参数、1040亿激活参数，今年7月发布并开放权重，10月1日刚完成与OpenAI编程工具Codex企业通道的对接，新版本此时浮出水面，节奏…

北京时间9月30日晚间，谷歌CEO皮查伊在多方传闻发酵后提前官宣了新一代旗舰模型Gemini 4 Argon。官方博客同步上线，确认模型在编码、复杂工作流与网络防御三类任务上达到前沿水平，谷歌内部从编程到量子计算的团队已经大范围试用。与以往旗舰模型发布即全面铺开不同，这一次Argon的交付顺序被刻意重排：首批只给美国政府与通过Fairwind计划接入的网络安全防御者，随后才向普通用户扩展。

9月29日，至知创新研究院发布并开源了名为IQuest-Q1的模型。与近期多数发布把重心放在参数规模或榜单登顶不同，这次公布的定位非常具体：面向代码、软件工程与复杂任务执行。官方说明中提到，模型在训练过程中进一步覆盖了推理、工具使用、长上下文理解以及多步任务处理等能力，模型权重与配套博客已同步发布在代码托管与模型社区平台上。

Anthropic在9月28日推出Claude Sonnet 5.5，这是Claude 5.5家族中定位中档的一员。官方给出的定价与上一代Sonnet 5相同：每百万输入token两美元，每百万输出token十美元，缓存读取每百万token零点二美元。公司称新模型生成速度提升超过30%，由于完成任务所需的token更少，单个任务的综合成本最高可下降约三成。更值得注意的是评测结果：在Terminal-Bench 4.0这一项上，Sonnet 5.5的得分高于自家旗舰Opus 5…

9月28日，国内AI公司MiniMax正式推出文本模型M3.1-Flash-Preview并全面开启公测。官方给出的两个核心卖点是原生多模态适配能力与百万级超长上下文窗口，前者让它能同时处理文字、图像等多种输入形式，后者让它能承接体量更大的长文本任务。MiniMax同时确认，这款公测模型就是此前在开发者社区走红的匿名模型太空兔。一个模型先以匿名身份接受公开检验、再揭晓归属，这种发布方式在国产大模型里并不常见，也说明厂商把真实开发者的使用反馈当成了发布前的重要一环。

9月26日，上海人工智能实验室旗下书生团队在Hugging Face上线了开源结构化决策模型Intern-Decision，一次性放出0.8B、2B与4B三个尺寸，底座为Qwen3.5，权重采用Apache-2.0协议。官方模型卡显示，4B版本在七套决策类评测中的均分为90.02，高于闭源标杆Jev的88.74。这条消息在社区引起讨论的原因不在于分数本身，而在于它把一类长期被闭源方案占据的能力，直接做成了任何人都能下载、修改与商用的公共资产。

智能体要真正干活，除了会规划，还必须会检查自己每一步做得对不对。这一步检查目前大多交给同一个大模型来完成，代价是每执行一个动作就要多跑一次昂贵推理，长任务累积下来，延迟与成本都会被验证环节吞掉。斯坦福与英伟达的研究人员在9月下旬公布了一项名为CLM-8B的对比语言模型，尝试把这件事交给一个只有80亿参数的专门模型来做，并声称在计算机使用与工具调用任务上，它能达到比自身大得多的模型的效果，同时把延迟最多压低到原来的九分之一。如果这一结果能在真实负载上复现，智能体的成本结构将被显…

美团把LongCat-2.5-Preview放了出来。参数规模1.6万亿，激活约480亿，上下文窗口直接拉到100万词元。三个数字摆在一起，最扎眼的是最后那个，百万级上下文意味着一次能吞下的内容量，与过去完全不是一个量级。更值得留意的是定价：与之前持平。参数涨了、窗口大了，价格没动。对开发者来说，这种加量不加价的节奏，比单纯的参数数字更有实际意义。目前模型已经上线，API和对话入口都已开放。

9月21日，马斯克旗下SpaceXAI发布新一代大模型Grok 4.7。官方把它称为公司目前面向编程与知识工作最强的模型：基础模型规模比上一代Grok 4.6更大，强化学习训练周期更长，训练素材侧重那些需要数小时才能完成的多步实务任务，并原生适配其多智能体框架Grok Bot。模型同步登陆Grok API、Grok Build与Cursor，也接入第三方编程工具、模型路由服务与云平台。定价维持在每百万输入词元2美元、输出词元6美元，与上一代一致。

当地时间9月22日，Anthropic发布Claude Opus 5.5，这是其新5.5家族的首款模型。官方称它在大多数任务上的表现达到旗舰模型Fable 5.1的水平，运行成本比上一代Opus 5下降约40%，输出速度提升超过30%。值得注意的是，这是公司首席执行官达里奥·阿莫代伊公开呼吁放缓前沿开发节奏之后推出的第一款新模型，性能提升、成本下降与外部安全测试被同步推进。

开源模型的竞争焦点，过去一年大多围绕参数规模和榜单排名展开。9月22日小米发布并开源MiMo-V2.6系列，把重心挪到了另一个位置：训练过程本身。这次放出的不只有权重，还有强化学习的任务环境、训练框架与技术报告，等于把模型能力的生产方式一并公开。

对着语音助手说话时，你大概率经历过这样的停顿：一句话说完，对方沉默两三秒才开始回应；你中途想补充一句，它却还在自说自话。这种轮流发言的节奏来自模型架构本身，生成语音的模块和做推理的模块挤在同一条链路上，复杂任务一多，对话就被卡住。9月，腾讯混元语音团队联合浙江大学、上海交通大学、香港中文大学与南洋理工大学推出全双工交互模型Gander，试图从结构上拆掉这个瓶颈。

大模型竞赛的计分方式正在换轨。过去两年比的是谁的总参数更多、谁的榜单分数更高，9月20日阶跃星辰发布的新一代旗舰基座模型Step 5 Preview，把比拼的落点换成了另一件事：同样的智能水平下，成本能压到多低。这款模型采用稀疏混合专家架构，总参数6000亿，每个词元实际只激活270亿，支持100万词元的上下文窗口，原生支持文本与视觉输入，重点面向AI编程、软件工程、专业知识工作与金融场景。

9月18日，阿里千问团队上线Qwen3.8-Omni-Flash，把全模态能力从能看能听推进到能干活。这是一个原生全模态模型，文本、图像、音频、视频四类输入走同一套表征，上下文窗口拉到100万token，并支持智能体式工具调用。官方给出的对比数据是，在30项评测上相对上一代平均提升约26%。更值得关注的是价格：音视频输入的调用成本降幅超过93%，把长音视频理解从演示级能力拉到了可批量调用的位置。

国产算力终于不只用来"跑"模型，也开始用来"训"模型了。9月17日，中电信人工智能科技有限公司发布新一代星辰大模型Xing4.0-29B-A4B，并同步在GitHub、Hugging Face、Gitee、魔搭、魔乐五个社区开放权重。这款模型的定位是面向智能体时代的轻量级代码智能体大模型，聚焦复杂任务理解、任务规划、工具调用与自主执行。它更值得记的标签是：国内首个基于国产算力和国产框架完成训练、面向复杂工程任务深度优化的百亿参数大模型。

9月16日，多名开发者在抓包时发现，Claude Code中调用Opus 5的请求已经被后台路由到尚未公开发布的Opus 5.2，Anthropic大概率跳过5.1这一版本号，直接对新一代模型开启灰度测试。实测反馈集中在两点：生成速度明显加快，输出比上一代更精简，并且不再中途要求用户按继续，而是自动进入一轮持续自我迭代的完善流程。对每天把编码智能体当同事用的开发者来说，这次静默换模比一次正式发布会更有体感。

9月15日，Salesforce在旧金山Dreamforce大会上发布了公司历史上第一个自研推理模型Koa。这个模型由Salesforce与英伟达联合后训练，基座是英伟达的开源权重模型Nemotron 3 Super，参数量1200亿。它要解决的问题很具体：此前任何在Agentforce平台上需要多步推理的智能体任务，都要经由Salesforce的AI网关转交给Claude或ChatGPT这类前沿模型处理，现在Koa成了这些高频任务的默认内部选项。

9月中旬，非营利研究机构Epoch AI给出确认，OpenAI的GPT-6 Astra解出了FrontierMath最高难度档Tier 4中此前唯一一道从未被任何AI模型解出的难题。至此，这个包含43道研究级高难度数学题的题组被彻底打穿，官方公布的Astra单次成绩为97.6%；而按不同模型、不同时间尝试累积计算，该测试集的所有题目都已被AI至少解出过一次，基准整体宣告饱和。FrontierMath由Epoch AI联合60余位数学家于2024年11月推出，初衷正是为了避免传…

谷歌研究院在9月中旬发布了时间序列基础模型TimesFM-3，参数规模3.3亿，训练数据超过一万亿个时间点。与只盯着单一指标的上一代模型不同，TimesFM-3可以同时处理多个相关变量，并把促销排期、天气预报这类已知的未来事件纳入预测过程，让需求预测第一次具备了多因素联动的能力。