GPT-Image-2.5 Sunburst 上线 LMArena Direct Mode
OpenAI 的 GPT-Image-2.5 Sunburst 现在能在 LMArena 的 Direct Mode 里直接试了，想对比各家图像模型生成效果的可以去玩玩。
全部动态
AI 相关资讯全量信息流 · 7909 条
10月19日
Gemini 4 Argon 四个智能体27小时通关Minecraft
DeepMind 让 4 个 Gemini 4 Argon 智能体自己分工、写代码、互相调试，27 小时干掉 Ender Dragon，全程没人插手，过程细节很有意思。
DeepSeek-V4.1-Flash-1017 上架 SiliconFlow，编码与智能体能力升级
DeepSeek 新版 V4.1-Flash-1017 上 SiliconFlow 了，DeepSWE 编码基准跑到 77%，跑智能体任务更省 token 也更便宜，可以试试。
四个 Gemini 4 Argon 智能体 27 小时自主通关《我的世界》
谷歌用四个 Gemini 4 智能体互相配合，27 小时自己通关了《我的世界》，还击败了末影龙，成本约 1620 美元，全程没人插手。
IT之家原文
The Information：Anthropic 将于本月发布新模型
The Information 说 Anthropic 这个月要发新模型，亮点是能猜出你没说出口的意图、建议不那么套路，同期 Gemini 4 Carbon 和 OpenAI 的 Terra 也排队登场。
Nace AI 发布多模态决策模型 Drex Max，可从截图直接做决策
Nace AI 出了个 Drex Max，看截图就能做决策，34 毫秒一次，Mind2Web 跑到 88.3%，做浏览器智能体的可以试试。
MiniMax 发布 M3.1 Flash，主打低成本高速度的智能体性能
MiniMax 新出的 M3.1 Flash，速度是 M3 的 3 倍还便宜三分之二，10 月 23 日开源权重，写前端的人可以试试。
Nace AI 发布 Drex Max 决策模型，支持图像视频输入
Nace AI 出了个专门做选择题的决策模型 Drex Max，能看截图给每个选项打分，比 Claude、GPT 这些模型便宜最多 167 倍，做浏览器智能体的可以试试。
Anthropic 新模型可举一反三：修一个 bug 时主动追问是否处理同类问题
Anthropic 新模型被曝能顺着 bug 找出整类问题，还会先问你修不修，来源是 The Information 的报道。
MiniMax 发布 M3.1 Flash：428B MoE 模型，输入 $0.15/百万 token
MiniMax 又上新了：M3.1 Flash，1M 上下文，输入才 $0.15/百万 token，跑智能体成本很低，10 月 23 日还会开源权重。
MiniMax-M3.1-Flash 登陆 Code Arena，开源模型排名第 12
MiniMax 新模型冲进 WebDev 竞技场前 12，分数比上一代多 106 分，价格还砍了一半，权重 10 月 23 日开源。
MiniMax-M3.1-Flash 在 Code Arena WebDev 排名公开模型第12
MiniMax 的 M3.1-Flash 在 LMArena 网页开发评测里开源模型排第12、总榜32，想比较开源模型写代码水平的可以看看这个榜。
MiniMax 发布 M3.1 Flash：价格为 M3 的三分之一，速度提升 3 倍
MiniMax 把 M3.1 Flash 做到 M3 三分之一价格、三倍速度，编程和视觉推理基准都好看，权重 10 月 23 日就开源，可以关注下性价比。
Google Research 发布 Harness²：让智能体在冻结模型外自行改进运行框架
Google 把 harness 本身交给 agent 改：Editor 出编辑、Composer 合并、Reflector 存经验，Gemini 3.5 Flash 三个基准全涨，做 agent 工程的可以看看代码。
OpenRouter 揭晓隐身模型 Space Bunny，实为 MiniMax M3.1 Flash
MiniMax 把 M3.1 Flash 匿名挂在 OpenRouter 上跑了 10 天，用量登顶才揭晓身份，现在免费 72 小时，可以直接去试试。
MiniMax M3.1 Flash 上线：推理速度提升近 3 倍，成本降低 70%
MiniMax 新发的 M3.1 Flash 又快又便宜，写代码和操作电脑的基准分数都很能打，API 价格每百万 Token 只要 1 元起。
IT之家原文
MiniMax M3.1 Flash 发布，vLLM 提供 Day-0 支持
MiniMax 出了个新模型 M3.1 Flash，专攻代码库工程和视觉推理，vLLM 发布当天就能跑，还带 NVFP4 量化和推测解码，部署党可以看看。
MiniMax M3.1 Flash 公布官方基准，价格对标 DeepSeek V4.1 Flash
MiniMax 放出 M3.1 Flash 官方跑分，6 项基准里 4 项输给 DeepSeek V4.1 Flash，但高峰期价格便宜一半，选谁看场景。
MiniMax 发布 M3.1 Flash：价格为 M3 的 1/3、速度 3 倍
MiniMax 出了 M3.1 Flash，价格是 M3 的三分之一，速度快 3 倍，跑分接近旗舰水平，10 月 23 日还会开源权重。
网友推测 DeepSeek 新模型 DSV4.1F-1017 在 Terminal-Bench 4.0 得分 42.3
有人发现 DeepSeek 这个代号奇怪的模型在 Terminal-Bench 4.0 上拿了 42.3，还比 GLM-5.3 强，等 Artificial Analysis 复测。
Muse Wonder Full 与 Gemini 4 Argon 在 CancerBench 上均得零分
两款新模型上线 CancerBench 评测，结果都拿零分，还并列第一和倒数第一，挺有意思的一条测试动态。
Arena 第 42 周盲测榜：kimi-k3-max 稳居代码榜第十
这周盲测榜出来了，kimi-k3-max 代码榜冲进前十，小米 mimo-v2.6-pro 也往前赶，想选模型可以对着榜单比比价格再下手。
IT之家原文
ACE Robotics 发布 9B 具身模型 ACE-Brain-0.6，主打空间视觉定位
ACE Robotics 拿 100 万条空间数据微调了个 9B 模型，自称八项测试里六项赢 GPT-6 Astra，不过权重还没开源。
大晓机器人发布具身基模型 ACE-Brain-0.6，六项空间感知评测超 GPT-6 Astra
商汤系公司大晓机器人发了具身基模型 ACE-Brain-0.6，基于 Qwen3.5-9B 微调，六项 Grounding 评测分数超过了 OpenAI GPT-6 Astra，做机器人方向的可以看看评测细节。
CoT 推理链越来越长，OpenAI 的 token 消耗量被认为居首
讨论各家推理模型 CoT 越写越长的问题，作者点名 OpenAI 的 token 消耗比 DeepSeek 还夸张，关注 API 成本的可以看看。
DeepSeek V4.1 Flash 1017 上线 Together AI，聚焦完整项目构建
DeepSeek 新的 V4.1 Flash 1017 在 Together AI 能直接用了，专攻从零写完整 Web 应用和游戏，价格没涨，写代码的可以试试。
DeepSeek V4.1-Flash-1017 被评幻觉最少但知识面倒退
DeepSeek 新版 V4.1-Flash-1017 的第三方点评来了：幻觉控制最好，但知识和 LCR 倒退，还被 Sol 压着打。
网友用 Claude 创作整首歌《Don't Let Me Scroll》，仅保留人工写的歌词
有人只写了歌词，剩下的曲子和演唱全丢给 Claude 完成，成片就贴在推文里，点开就能听，挺有意思的实验。
MiniCPM-V 4.7 登上 Hugging Face 热榜第二
OpenBMB 的 MiniCPM-V 4.7 冲上 Hugging Face 热榜第二，35B-A3B MoE 手机端 3GB 内存就能跑，想玩端侧多模态的可以试试。
DeepSeek 周六发布 Flash 档模型，评测机构结果待出
DeepSeek 周六悄悄上了个 Flash 档模型，先别急着下结论，等 Artificial Analysis 和 ARC 这些评测跑完再说。
阿里通义 MAI-UI 开源通用计算机使用智能体技术栈 OpenGCUA
阿里开源了一套能调度截图、shell、API 的计算机使用智能体全家桶，OSWorld-v2 上平均涨 19.6 分、步数砍半，做 agent 的可以直接拿来用。
仅展示最近 2000 条内容，更早的内容请查阅 AI 日报存档