HiDream 发布新视频模型 HiDream-O1-Video-1.0，在 Artificial Analysis Video Arena 的 Image to Video with Audio 榜单首登第 6 名。

Mistral AI 的 Mistral Large 4 预览模型进入 Agent Arena 前 15 实验室，在超过 5K 次真实 agentic 会话中取得 -6.6% 净提升分，比前一版本 Mistral Medium 3.5（-12.60%）高出 11 个名次。

MedDecider 发布，这是一套面向医疗领域的 Jev 风格决策模型开源权重家族，在知识问答、ICD 编码、试验笔记等多项医疗任务上取得 SOTA 结果。其 9B 版本得分高于 Perplexity 体积大 3 倍的 Decider 模型。

Grok Imagine Video 1.5 Lite 是 SpaceXAI Grok Imagine 视频系列的新低价模型，支持 1 到 15 秒的 Text to Video（480p、720p、1080p）及 Image to Video。

Arena 官方账号公布，Claude Haiku 5.5 在 Code Arena 得分为 1587 分，相比 Haiku 4.5 的 1330 分提升 257 分，且在所有类别上均有明显改善。官方引导读者前往 arena.ai/leaderboard/code 查看 Code Arena: WebDev 排行榜。

Claude Devs 宣布将 Sonnet 5.5 的缓存读取价格下调一半，在 Claude Platform 中降至每百万 token $0.10（输入 $2、输出 $10）。官方称这使 Sonnet 5.5 在多数智能体工作负载上的成本下降约 20%，仅适用于 API，Claude Code 的用量限额不变。

GPT-6.1 Sol 的 Ultrafast 模式正在 ChatGPT Work、Codex 和 API 上推出。Ultrafast 模式定价为 $12 per million input tokens 和 $60 per million output tokens，速度比 Sol Standard 快 8x。

Weyaxi 团队发布 TermGrade，这是一套面向终端智能体的高质量 RL 环境，完全开源，同时公开构建与评分的完整过程以及所用的 RL 训练配方。该数据集包含 1k 个可执行环境，每个都经执行验证并对照 6 个模型评分，附带支撑评分的全部 36k 条轨迹（含失败样本）。作者称用这些任务训练 gemma-4-31B-it，在其原本能解出一半的任务上使 Terminal-Bench 2.1 提升 +3.1。

Artificial Analysis 宣布 Cyber Index 新增 trusted-access 模型类别，首个加入的是仅通过 OpenAI Daybreak 计划访问的 GPT-6 Sol (Daybreak Blue, max)。

OpenAI 的 GPT-6.1 Sol 新增 Ultrafast 模式，最高可提速 8 倍，但成本高出 6 倍。

OpenAI Developers 宣布 Ultrafast 今日在 API、Codex 和 ChatGPT Work 上面向 GPT-6.1 Sol 推出，速度最高可达 Sol Standard 的 8 倍，定位为接近 Astra 的智能水平。

@odysseyml 发布 Odyssey-3 Pro，该模型在 Physics-IQ Verified 上取得新的最高分，这一基准要求模型续写真实物理实验的视频。作者特别提到机器人结果：仅用数十小时演示训练的机械臂能从抓取失败中恢复，而这一行为从未出现在那些演示中。

Google 于 10 月 6 日发布图像模型 Nano Banana 2.1，基于 Gemini 3.6 Flash，在 AA-Image-T2I v2.0 和 AA-Image-Editing v2.0 上均排名第 4，价格为 Nano Banana 2 的一半。

Odyssey 将世界模型中的物理预测与语言模型中的编码相类比，认为能准确预测物体下落、倾倒和碰撞的模型体现了机器人和智能体所需的世界理解。文中提到机器人手臂从数十小时演示中学习任务，使用冻结的 Odyssey-3 骨干在 20 小时驾驶数据上训练的驾驶策略，以及 Flexion 的人形策略在让 VLA 基线失效的光照变化下仍能工作。

MiaAI_lab 展示 GLM 5.3 Flash 在 DGX Sparks 上以 227 tok/s 运行的实测结果，作者称这一速度看起来不太真实，但确实跑出来了。该测试为 4 路并发混合流场景。

Hugging Face 联创 Thomas Wolf 宣布开源模型 Carbon-A，可直接在 DNA 中定位基因，并同步发布覆盖 22,617 个物种（从真菌到哺乳动物）的 5.66 亿候选基因数据库。

River AI 发布开源计划 River Recipes，旨在把有前景的研究转化为经过验证、可复现的训练配方。首个配方针对 text-to-SQL 任务，其训练出的开源模型在 Arcwise-Plat 上以不到 1% 的成本超越 GPT-6 Astra Pro 和 Claude Opus 5.5，完整解析和配方见 river.ai/achieving-frontier-…。

不过，大多数 @Bot 请求都很简单，届时将由极速版的 Grok 4.8 处理。 运营原则是为 Grok Bot 用户提供速度与智能的最佳组合。

Arena 发布了 Mistral Large 4（代号 Le Chonk）的首批实测印象，来自 @petergostev。该模型由 MistralAI 推出，参数量 1T（49B 激活），开放权重将于本月底发布。

Claude 官方宣布将 Claude Sonnet 5.5 的缓存读取价格减半，降至 $0.10 per million tokens，这使得 Sonnet 5.5 在大多数长时间运行的任务上运行成本降低约 20%。

Cursor 官方公布 Claude Haiku 5.5 定价为 $0.10/M 输入、$0.50/M 输出 token，输入超过 100k token 时为 $0.50/M 和 $2.50/M。Claude Sonnet 5.5 的缓存读取价格降至 $0.10/M tokens，此前为 $0.20/M。官方还给出 Claude Haiku 5.5 在 CursorBench 上的对比入口 cursor.com/evals。

Mistral Large 4 首次登上 Code Arena: WebDev 榜单，使 Mistral 成为进入该榜前 15 名实验室中唯一的欧洲机构。作为 preview 版本，它以 1534 分位列总榜第 45 名，较上一代 Mistral Large 3 的第 133 名提升 304 分；Arena 提示该分数与排名可能随 Mistral 继续训练及开放权重发布而变化。

Perplexity 开源 pplx-embed-v2-late，这是面向文本和图像的多向量嵌入模型，提供 9B 和 0.6B 两种规格并共享同一嵌入空间，可用 9B 索引多模态数据、用 0.6B 在端侧查询，还支持免 OCR 搜索 PDF 页面。该模型在 MADQA 上得分 92.4%，在 BrowseComp+ 上得分 64%，权重已在 Hugging Face 开放下载。

Perplexity 发布 pplx-embed-v2-late，包含两个晚期交互（late-interaction）嵌入模型，可在共享嵌入空间中检索文本、图像和页面，支持跨模型查询。两个模型均达到前沿性能，并已在 Hugging Face 公开提供，详见 perplexity.ai/hub/blog/multi…。

Hugging Face Blog精选AI 评分7575

Nemotron 微调后在 IOI 2026 与 IMO 2026 双双达到金牌水平

NVIDIA 官方博客称，基于 Nemotron 3 用 SFT、RL 与反馈式推理特化的系统在 IOI 2026 与 IMO 2026 均达金牌水平：Nemotron-3-Ultra-CC 得 535.4/600，超过 361.12 的金牌线与人类最高分 498.27；IMO 系统得 30/42，超过官方金牌线 29。

Mistral Large 4 在 Code Arena: WebDev 上线，以 1534 分排名第45，较 Mistral Large 3 的第130名提升 304 分，也比次优的 Mistral Medium 3.5（第122名）高出 271 分。

The Verge · AIAI 评分7474

OpenAI 发布 722 篇数学手稿，含未发布模型解决的数百个开放问题

OpenAI 发布一批共 722 篇手稿、覆盖 372 个结果族，称其中包含其未发布的前沿模型解决的数百个长期开放数学问题。据 AGMAI 说明，这批结果包含模型推理摘要、算力估算与尝试问题统计，OpenAI 称平均结果约相当于 ChatGPT Pro 三小时思考算力。

OpenAI 发布了一个仓库，收录其下一代前沿模型解出的一系列数学问题的新解法。绝大多数结果由同一个未发布的 OpenAI 内部模型通过相同流程得到，平均每条结果使用了 3 小时 ChatGPT Pro 的思考算力，评测过程中该模型共被提出约 4,000 道题目。

Nano Banana 2.1 已上线 Text-to-Image Arena、Image Edit Arena 和 Multi-Image Edit Arena，分别取得第 5 名 1328 分、第 6 名 1428 分和第 4 名 1431 分。

Google 发布 EmbeddingGemma 2，一款采用 Apache 2.0 许可、面向端侧多模态 AI 的嵌入模型，可将文本、代码、图像、音频和视频映射到同一可搜索空间。

Nano Banana 2.1 by Google 上线 Text-to-Image Arena、Image Edit Arena 和 Multi-Image Edit Arena，分别取得 #5（1328 pts）、#6（1428 pts）和 #4（1431 pts）。

Google DeepMind 发布 EmbeddingGemma 2，称其在 740M 参数量级上各基准表现有竞争力，甚至超过部分规模两倍以上的专用模型。开发者可用它为应用加入多模态搜索，例如通过语音备忘录查找视频片段，或与 Gemma 4 搭配实现私密的端侧 RAG。该模型以 Apache 2.0 许可发布，权重已在 Hugging Face 和 Kaggle 开放。

Google 宣布 EmbeddingGemma 2 针对移动端和桌面端本地运行进行了优化。借助该模型，用户无需联网即可通过语音备忘录找到特定视频片段，或用简单文本查询搜索数小时的音频内容。

Artificial Analysis 宣布 Alibaba 的 Qwen-Image-2.1 成为其 AA-Image-T2I v2.0 和 AA-Image-Editing v2.0 两个榜单上的新开源权重第一名。

Claude Sonnet 5.5 with xHigh reasoning 上线 Code Arena: WebDev，以 1786 pts 排名第 3，距第 2 名 GPT-6 Astra 的 1788 pts 仅差 2 分，价格为其 80%，混合价格为 $8/M tokens。

XiaomiMiMo 的 MiMo-V2.6-Pro 和 MiMo-V2.6-Flash 已上线 Agent Arena。

微软 MAI-Voice-2.1-Flash 上线 OpenRouter，150ms 生成 45 秒音频

微软 AI 的 MAI-Voice-2.1-Flash 已在 OpenRouter 上线，这是一款面向实时响应的低延迟文本转语音模型。官方称其可在 150ms 内生成 45 秒音频，同一音色可用 23 种语言说话并保持母语口音，定价为每 100 万字符 15 美元，面向语音智能体、助手和呼叫中心等实时场景。

Ideogram 4.5 是 Ideogram 于 9 月 30 日发布的图像模型，首次进入 AA-Image-Editing v2.0 榜单即排名第 23，在 AA-Image-T2I v2.0 上排名第 34（Ideogram 4.0 为第 40）。

Perplexity CEO Aravind Srinivas 列出近期多个开源贡献：pplx-decider-v1-27b 多模态决策模型在 11 个基准平均 85.7%。

GPT-6.1 Sol (Max) by OpenAI 上线 Agent Arena，排名第 5（+11.23%），改写了 Pareto 前沿。其中位任务成本为 $0.56，性能与 GPT-6 Sol 和 GPT-6 Astra 相差 2 个百分点以内，成本分别低 39%（分数高 1.52 分）和 81%（差距 1.04 分）。