实测 Mistral Small：300 次工具调用中 58 次空回复与重试成本分析
作者在 300 个公开 function-calling 任务上实测 Mistral Small（2603），即使重试两次仍有 58 次空回复，占 19.3%，使其每成功任务成本 $0.000098 高于 GPT-6 Luna 的 $0.000051（93.0% 通过、零重试）。
全部动态
Google AI · DEV 作者专属AI 评分5454 MarkTechPostAI 评分5757 Nous Research 发布 Arete-27B，将 Qwen3.8-27B 宣传性答案从 22% 降至 0.9%
Nous Research 发布 Arete-27B，基于阿里巴巴 Qwen3.8-27B 的监督微调开源模型，在自家 803 题评测中宣传性答案率从 22% 降至 0.9%，事实均分从 2.32 升至 2.98。
Google AI · DEV 作者专属AI 评分5757 SWE-2 Flash 对比 GLM 5.3 Flash：质量打平，GLM 胜在价格与开放权重
作者对比 Cognition 11 月 4 日发布的 SWE-2 Flash（276B-A12B，闭权重）与智谱 GLM 5.3 Flash（320B-A18B，开放权重），在 Cognition 八项自报基准上双方 4-4 打平，平均分 51.7 对 52.0。
Google AI · DEV 作者专属AI 评分4949 SuperCLUE 2026 年 11 月榜单发布：19 个模型同台，每月换新私有考题
SuperCLUE 发布 2026 年 11 月榜单，用每月重建的私有测试集评测 19 个前沿模型，覆盖智能体编程、数理推理、幻觉控制、指令遵循和超长上下文五个维度。
Google AI · DEV 作者专属AI 评分4444 SuperCLUE 2026 年 11 月榜单解读：19 个模型同表比拼，考题每月重写且不公开
SuperCLUE 2026 年 11 月榜单覆盖 19 个前沿模型，按智能体编程、数理推理、幻觉控制、指令遵循和超长上下文五个维度打分，榜首由 GPT-6.1-Sol 和 Gemini-4-Argon 等闭源模型分占。
Google AI · DEV 作者专属AI 评分4747 SuperCLUE 2026年11月榜单：19个世界前沿模型同表对比，Darwin-180B-RSI-R3 获数学·科学推理开源权重第一
SuperCLUE 发布 2026 年 11 月榜单，每月重建非公开测试集并覆盖 19 个前沿模型，评测维度包括 Agentic Coding、数学·科学推理、幻觉抑制、严格指令遵循与超长上下文。
Google AI · DEV 作者专属AI 评分4444 SuperCLUE 2026 年 11 月榜单：19 款模型同表对比，Darwin-180B-RSI-R3 领跑开源
SuperCLUE 发布 2026 年 11 月榜单，用每月重写且不公开的闭卷测试集评测 19 款前沿模型，覆盖智能体编程、数学与科学推理、幻觉控制、指令遵循和超长上下文五轴。
Google AI · DEV 作者专属AI 评分7373 解读 Thinking Machines 的 Inkling 2 Small：594B 参数、跑分接近前沿模型但速度偏慢
Thinking Machines Lab 于 11 月 5 日发布 Inkling 2 Small，594B 参数的 MoE 模型，每 token 仅激活 17B，Artificial Analysis Intelligence Index 得分 31，公司自报 SWE-bench Verified 82.2%、GPQA Diamond 93.0%。
量子位AI 评分5454 魔芯科技发布4D世界模型MoWorld 2.0，十余种物理要素融入同一模型
魔芯科技于11月4日在乌镇世界互联网大会上发布新一代通用4D世界模型MoWorld 2.0，将重力、弹力、柔体、流体等十余种物理要素融入同一模型。模型通过物理高斯渲染器和多专家预测强化物理建模，生成场景可输出为可编辑复用的3D/4D高斯资产；在华为昇腾NPU上的实时视频推理从上一代最高50FPS提升至70FPS，推理成本最低为同规模GPU方案的30%。
量子位AI 评分7373 METR报告曝光Anthropic三大内部模型，Model 4领先Opus5.5约三个月，实验时间缩短80%
METR新报告披露Anthropic的三个内部模型Model 2、Model 3、Model 4，分别在今年7月、8-9月、9-10月完成训练，其中Model 4的综合能力指数AECI达到178.6，比一个半月前发布的Opus5.5高约3.9分，约相当于三个月的能力进步，METR还估计自2025年10月以来AECI增速约为此前的1.9倍。
IT之家·人工智能AI 评分4444 “超视距安全预警”可识别结冰等危险路况并提示，吉利发布首个车道级气象环境监测大模型
吉利汽车集团与中国气象局地球系统数值预报中心联合推出行业首个“智象-星睿交通气象大模型”，实现车道级气象环境实时监测与提示。其“超视距安全预警”功能已初步输出车道级能见度、暗冰和暴雨风险提示，可基于多车互联识别结冰等危险路况并主动提示。该模型计划率先在领克 900L 量产落地，未来逐步应用于吉利、银河、领克、极氪等多品牌车型。
IT之家·人工智能AI 评分6363 Meta 推出基于 Muse Wonder 训练的现有模型专用版本，主动记忆与专注能力下放至 Muse 与 Meta AI
Meta 于当地时间 11 月 6 日宣布推出基于 Muse Wonder 训练的现有模型专用版本，并全面推送给 Muse 与 Meta AI 用户，上月随 Muse Wonder 首次推出的主动记忆（Active Memory）与主动专注（Active Focus）能力随之全面下放。
Latent Space精选AI 评分7979 Thinking Machines 发布 Inkling 2 Small：17A-594B、12T tokens 预训练 68 小时，超越 Muse Spark
Thinking Machines 发布 Inkling 2 Small，为 594B 总参数、17B 激活的多模态 MoE，在 GB300 上以 NVFP4 精度完成预训练仅耗时 68 小时，现已在 Tinker 开放微调与推理，Apache 2.0 权重待外部安全测试完成后于下周发布。
推荐理由：原文把跑分领先与每任务约 150K 输出 tokens 的成本放在一起，读者可据此核对该模型的真实性价比和开源条件。
Google AI · DEV 作者专属AI 评分6464 腾讯 Hy4 对比 Mistral Large 4：Mistral 在开放权重上胜出
Mistral Large 4 权重已于 10 月 29 日上架 Hugging Face 且列表价更低，想自托管的用户现阶段选它更合适；腾讯 Hy4 于 11 月 4 日发布但目前仍是纯 API 产品，自托管需等权重和许可证公布。
Google AI · DEV 作者专属AI 评分6565 Ripple-65B 与 Reflection Beam 501B 评测对比：65B 小模型在成本上占优但仍待独立验证
本文评测 Ricursive Intelligence 于 2026 年 11 月 4 日发布的 Ripple-65B Preview：公司口径下它在 TerminalBench 2.1 得 80.52 分，略高于 Reflection Beam 501B 的 80.1，权重以 Apache 2.0 开放。
The DecoderAI 评分5858 Ricursive Intelligence 发布开源模型 Ripple-65B Preview，TerminalBench 2.1 得分 80.52 领跑美国开源模型
AI 芯片设计公司 Ricursive Intelligence 发布开源语言模型 Ripple-65B Preview，在 TerminalBench 2.1 编码基准取得 80.52 分，公司称这是美国开源模型中的最佳成绩。
The DecoderAI 评分7474 Thinking Machines 发布 Inkling 2 Small，位居西方开放权重模型之首
Thinking Machines（前 OpenAI CTO Mira Murati 创办）发布第二代 MoE 模型 Inkling 2 Small，总参数 594B、活跃 17B。
TechCrunch · AIAI 评分5050 Underdog 在新演示中展示 32MB 语音模型 Woof
创业公司 Underdog 在新演示中展示 32MB 语音模型 Woof：3100 万参数、开放下载，无需联网即可在浏览器内运行。演示游戏为复古科技风格，打字机上输入的文字会被朗读，旋转调谐器可生成不同音乐。此次演示在其推出 167MB 语音转文本模型 Bark 数周后进行，该公司还发布过可在笔记本上运行的 270 亿参数模型。
量子位AI 评分6464 腾讯混元 Hy4 因调用激增十倍扩容，居 Agent Arena 开源模型第一
11月5日腾讯宣布，因混元 Hy4 调用激增，WorkBuddy 已进行十倍扩容并提升免费体验额度。Hy4 在 Artificial Analysis 智能指数榜单的中国模型中位列第二，仅次于 Kimi K3.1 Pro；单任务成本约 0.78 美元，分别比 Grok 4.7（xhigh）和 Qwen 3.8 Max 便宜 10 倍和 13 倍。
量子位AI 评分5050 淘宝双11上线AI品牌短剧，阿里Wan3.0视频模型挑战商业交付场景
淘宝短剧联合天猫小黑盒、天猫国际等在双11出品多部AI品牌短剧，由阿里今年8月推出的视频生成模型Wan3.0参与制作，观众可沿商品链接、达人测评和品牌直播间一路下单。
MarkTechPostAI 评分7272 Thinking Machines 发布 Inkling 2 Small，594B 总参 17B 激活的 MoE 模型
Thinking Machines Lab 发布第二代 Inkling 系列首个模型 Inkling 2 Small，总参数 594B、激活 17B 的稀疏 MoE，支持文本与图像输入和 1M token 上下文，已在 Tinker 开放微调与推理。
MarkTechPostAI 评分6767 Google 发布 Gemini Omni 1.2 Flash，15 秒视频生成每秒 $0.07
Google 发布视频生成与编辑模型 Gemini Omni 1.2 Flash，原生支持最长 15 秒片段，720p 视频定价降至每秒 $0.07，较 Omni 1.1 Flash 降价 30%，已在 Google Cloud 和 Gemini API 全面可用。
MarkTechPostAI 评分6262 百度发布 ERNIE 5.5 Flash Base：280B 总参、14B 激活的稀疏 MoE 基座模型
百度发布 ERNIE 5.5 Flash Base，一个总参数 280B、每 token 激活 14B 的稀疏 MoE 文本基座模型，权重止于预训练原始检查点、不含中期和后训练，已在 Hugging Face 和 ModelScope 提供 FP8 与 BF16 权重。
The DecoderAI 评分7474 OpenAI 发布 GPT-6 Cyber 模型，既能挖掘漏洞也能提出修复方案
OpenAI 发布专攻网络安全的 GPT-6 Cyber 模型，能发现漏洞、编写可用利用代码并给出补丁建议，在其 Preparedness Framework 中被评为 Critical 级别。
Hugging Face Blog精选AI 评分6161 NVIDIA 发布 Cosmos 3 家族四个开源权重模型 用于交互式世界仿真与驾驶场景生成
NVIDIA 在 Cosmos 3 模型家族新增四个开源权重检查点，用于生成交互式世界仿真和多传感器多视角驾驶场景。四个模型均为 Cosmos 3 Nano 的后训练版本，各含 16B 可训练参数，采用 OpenMDW1.1 许可，允许按其条款商用和非商用。
推荐理由：四个开源权重模型分别覆盖驾驶仿真和机器人双臂操作，配套的四阶段后训练配方可供研究者按自己的传感器配置或本体数据做适配。
TechCrunch · AIAI 评分6969 OpenAI 发布网络安全模型 ChatGPT Cyber，防御侧准备是否足够
OpenAI 宣布推出网络安全专用模型 ChatGPT Cyber，面向 Daybreak Red 计划最高层级的安全研究者开放。OpenAI 称该模型此前扫描 Linux 内核发现 948 个潜在漏洞，并在 Firefox 中发现 81 个新型漏洞，同时宣布 10 亿美元计划支持关键基础设施领域的安全人员。
The DecoderAI 评分6363 Google Gemini Omni 1.2 Flash 视频模型全面开放，片段最长 15 秒且降价 30%
Google DeepMind 宣布视频生成模型 Gemini Omni 1.2 Flash 全面开放，片段上限从 10 秒延长到 15 秒，720p 价格下降 30% 至每秒 $0.07。
The DecoderAI 评分6060 百度开源发布 280B 参数基础模型 ERNIE 5.5 Flash Base
百度发布开源基础模型 ERNIE 5.5 Flash Base，采用 280B 参数、每输入激活 14B 的 MoE 架构，刻意不包含微调或后训练，后训练版本计划随后推出。
Google DeepMind精选AI 评分6868 Google DeepMind 发布 Gemini Omni 1.2 Flash，视频生成扩至 15 秒并降价 30%
Google DeepMind 发布 Gemini Omni 1.2 Flash 视频生成模型，在 Gemini API 和 Gemini for business 全面开放。
推荐理由：原文列出降价 30%、时长扩到 15 秒和多轮对话编辑等具体参数，做批量视频产出的团队可据此评估成本与选型。
Google Cloud · AI & MLAI 评分6767 Gemini Omni 1.2 Flash 视频生成与编辑模型在 Google Cloud 正式开放
Google Cloud 宣布视频生成与编辑模型 Gemini Omni 1.2 Flash 正式可用，面向产品视频、虚拟试穿和广告等批量场景，开发者可经 API 构建，Google Vids 已可用，Gemini for business 即将支持。
The Verge · AIAI 评分5353 OpenAI 发布 GPT-6 Cyber 网络安全模型，测试越界率降至不足 1%
OpenAI 发布最新版网络安全模型 GPT-6 Cyber，宣称其更擅长发现漏洞，也更不容易在过程中越界攻击其他平台。
Google AI Blog精选AI 评分7171 Google 发布 Gemini Omni 1.2 Flash，支持 15 秒视频并降价 30%
Google DeepMind 发布 Gemini Omni 1.2 Flash，并在 Gemini API 和 Gemini for business 正式开放，Gemini Omni 系列首次全面可用。
推荐理由：官方公告列出了时长、价格和一致性等具体能力变化，开发者可以据此评估是否把视频生成工作流迁移到这个版本。
The DecoderAI 评分7272 腾讯发布 Hy4，支持图像理解与电脑操作，独立测试列中国模型第二
腾讯在预览约两个月后发布正式版大模型 Hy4，新增图像理解并可自主操作电脑软件，权重稍后公布，目前可经 Tencent Cloud、OpenRouter 与腾讯元宝使用。
OpenAI NewsAI 评分5656 OpenAI 发布 GPT-6 Cyber 网络安全模型
OpenAI 发布 GPT-6 Cyber 网络安全模型，用于发现可利用漏洞并开发修复方案。模型在训练上被约束在授权范围内行动，定位为推进对齐的网络安全智能体。
量子位AI 评分6767 百度开源文心5.5 Flash Base，多基准测试刷新同尺寸模型 SOTA
百度11月5日开源最新基座模型文心5.5 Flash Base（ERNIE 5.5 Flash Base），在知识、推理、数学、代码、多语言和长上下文等多个基准测试中取得同尺寸模型 SOTA，超过 DeepSeek-V4-Flash-Base、Hy3-preview-Base、MiMo-V2.5-Base 等模型。
MarkTechPostAI 评分7171 OpenAI 发布 GPT-Image-2.6 Flare 与 Sunburst：新增 GIF 与 SVG 输出，Flare 最快 6 秒出图
OpenAI 发布 GPT-Image-2.6 图像模型，以 Flare 与 Sunburst 两个 API 模型形式上线 ChatGPT、Codex 和 API，官方称生成速度比此前快 50%，Flare 在低质量档最快 6 秒出图，Sunburst 主打中高画质下的细节与编辑一致性。
Latent SpaceAI 评分4848 Latent Space AINews：AI 人才互换季——Claude Code 产品负责人 Cat Wu 从 Anthropic 转投 OpenAI
AI 行业进入人才互换季：Claude Code 产品负责人 Cat Wu 从 Anthropic 转投 OpenAI，Meta 收购 Conductor。OpenAI 用未发布的 cyber 模型单次运行修补 948 个 Linux 内核提权漏洞，API 成本 $1.2M，并发现至少 10 种新型利用技术。
量子位AI 评分7373 OpenAI GPT-Image-2.6 全量上线，原生支持 GIF 动图与 SVG 导出
OpenAI 生图模型 GPT-Image-2.6 已在 ChatGPT、Codex 和 API 全量上线，免费与付费用户均可使用，整体生成时间缩短 50%，最快 6 秒出图。
OpenAI · 部署安全与系统卡精选AI 评分7474 OpenAI 发布 GPT-6 Cyber 网络安全专用模型系统卡
OpenAI 发布 GPT-6 Cyber 系统卡，该模型是 GPT-6 Astra 的网络安全专用变体，面向漏洞发现、漏洞利用开发和 Web 渗透测试等授权安全工作，Preparedness 评级为网络安全 Critical、生物与化学 High、AI 自我改进低于 High。
推荐理由：系统卡公开了与 GPT-6 Astra 和上一代模型的逐项评测对比，读者可以据此了解其网络安全能力与对齐表现的变化幅度。
Hugging Face Blog精选AI 评分6969 Gradium 发布端侧 TTS 模型 Phonon，在 Open TTS Leaderboard 多项指标领先
Gradium 在 Hugging Face 博客回顾两周前开源的端侧文本转语音模型 Phonon，无需服务器和网络即可运行。模型有约 65 MB 和 75 MB 两个版本，支持英语、法语、德语、西班牙语和葡萄牙语，内置超过 100 种声音，其中 Phonon 31m 采用 Apache 2.0 许可可商用。
推荐理由：官方详解 Phonon 端侧 TTS 的架构、许可与排行榜表现，可帮助读者评估小模型离线语音方案的适用性。