大语言模型

Hugging Face 首席政策官 Irene Solaiman 指出，AI 评测方法本身仍不成熟，把评测器嵌入模型内部并非易事。这背后是基准测试公信力与利益冲突的老问题。

MiniMax M3.1 Flash 在 Artificial Analysis 智能指数上比前代提升 13 分至 42 分，成本却减半；在 DeepSWE v1.1 编程基准上以每任务不到 0.30 美元拿到 73.7%，性能与价格双双对标 DeepSeek V4.1 Flash。

Kling AI 推出 4.0 版本，支持最长 30 秒片段、十张关键帧输入与 8000 token 提示词理解，并新增立体声与多语种口型同步；但与 Wan 3.0、Seedance 2.5 的对比显示它已不再明显领先。

Inception 推出 Mercury 3，一款基于扩散架构的语言模型，宣称推理速度可达每秒 1000 token。它把“扩散生成文本”这条非主流路线重新推到台前，也让推理速度成为模型竞争的新焦点。

英伟达发布新的开放模型，瞄准企业在自有数据中心运行智能体、以及在个人电脑上部署本地私有智能体两条路线，延续其从卖芯片向卖AI基础设施的扩张。

Hacker News上有人分享了对Qwen3-4B做微调、专门去除“AI写作腔”的实验，这类小模型定向微调正成为开发者对抗模板化文风的可行路径。

MiniMax 推出 M3.1 Flash，428B 参数 MoE 架构、约 23B 激活参数、支持 1M token 上下文，API 定价为每百万 token 输入 0.15 美元、输出 0.60 美元，权重计划于 10 月 23 日开放。

OpenAI 宣布提升 ChatGPT 在低资源编程语言上的表现，并针对软件工程、SQLite 与 COBOL 迁移推出新的评测。这既是能力补强，也指向存量系统现代化这块长期被忽视的市场。

Mistral 推出名为 Timestral 的时间序列基础模型系列，把大模型范式带入预测、异常检测等时序任务，值得关注其对工业与金融场景的潜在影响。

DeepSeek 新版本以 V4.1 Flash 1017 (Max) 的复合命名出现在 Hacker News，讨论热度不高但命名本身透露出产品线的分层思路。

Mistral 发布 Timestral 时间序列基础模型家族，参数覆盖 5M 到 209M；其中 209M 版本在 GIFT-Eval、TIME、fev-bench 三个基准的零样本评测中领先，并可在 CPU 上运行。

新基准Taste-Bench测试AI智能体在长周期任务中的策略选择能力，最强模型GPT-5.6 Sol在简单二选一问题上正确率不足60%，且延长思考时间并无帮助。