StartLux 开源决策模型 StartLux-Decision 发布，Decision Index 得分超过 Jev
9 月 30 日，上海 AI 公司 StartLux（原点星辉）发布完全开源的决策模型 StartLux-Decision，推出 0.8B、2B、4B、9B 和 27B 五档版本并提供本地部署量化模型。
#Agent
机器之心AI 评分7171
机器之心AI 评分6262 MiniMax 上线 M3.1-Flash-Preview，复刻 Opus 5.5 前端生成能力
MiniMax 于 9 月 28 日上线 M3.1-Flash-Preview，百万 token 上下文、原生多模态，在 MiniMax Code 首发并可通过 API 订阅套餐调用。
TechCrunch · AIAI 评分5555 AWS 开源发布决策模型 Strands Decider 2B
AWS 发布开源决策模型 Strands Decider 2B，基于 Qwen3.5-2B 构建，不生成文本而是在预设选项中做选择并给出置信度，可本地运行。该模型由 AWS 杰出工程师 Marc Brooker 在看过 TypeSafe 的 Jev 后自行开发，曾在同规模模型的 Jevbench 排名上短暂登顶，随后由 Strands Labs 整理发布。
Latent Space精选AI 评分8282 Google DeepMind 发布 Gemini 4 Argon，支持 1M 输出 token
Google DeepMind 发布 Gemini 4 Argon，面向编码、企业知识工作与网络防御，先在 Fairwind 计划的政府用户和可信网络安全人员中开放，之后才向开发者、企业和消费者开放。
推荐理由：汇总 Gemini 4 Argon 的基准、定价与第三方评测分歧，可对照其与 Astra、Opus 5.5 的能力与成本差异。
智东西精选AI 评分8282 谷歌发布 Gemini 4 Argon，输出上限提至 100 万 Token
谷歌发布新一代旗舰模型 Gemini 4 Argon，面向软件工程、法律金融等企业知识工作与网络安全防御，输出 Token 上限从此前 6.4 万提升至 100 万。
推荐理由：谷歌发布 Gemini 4 Argon，披露了输出上限、基准成绩和 API 定价，可据此判断其企业级 Agent 任务的定位与成本。
开源中国AI 评分6666 OpenAI 发布 GPT-6.1 Sol，称智能水平接近 Astra 而价格仅为其五分之一
OpenAI 发布 GPT-6.1 Sol，官方称其为一次重大升级，覆盖专业办公、操控电脑和 agentic 编程等任务，智能水平接近 Astra，价格仅为其五分之一。此前 OpenAI 上周刚推出 GPT-6 Sol；而 Astra 迭代前两天因未通过安全标准被暂停。
雷峰网AI 评分6666 阶跃星辰 Step 5 Preview 发布，AA 智能指数 44 分位列全球开源前二
阶跃星辰发布 Step 5 Preview，在 Artificial Analysis Intelligence Index 上取得 44 分，位列全球开源前二，参数规模 600B，上下文窗口 1M token。
雷峰网精选AI 评分7878 GPT-6 Astra 首批实测：一周搭出曼哈顿，长任务仍会跑偏
雷峰网汇总了 GPT-6 Astra 发布后首批拿到模型的用户实测。Ben Davis 让 Astra 在 Blender 里生成 4K 飞船模型，并观察到它会主动打开页面、读取报错、修改后再测试；Theo 用 Blender 做可直接在浏览器运行的 3D 游戏，耗时约 30 分钟到 2 小时。
推荐理由：汇总首批用户实测，呈现 Astra 在 3D 创作、软件操作与长任务上的能力边界和翻车点。
OpenAI News精选AI 评分7676 OpenAI 发布 GPT-6.1 Sol
OpenAI 发布 GPT-6.1 Sol，官方称其在编码、电脑操作和专业工作方面接近 Astra 的智能水平，标准 API 输入与输出 token 价格仅为 Astra 的五分之一。
推荐理由：OpenAI 发布 GPT-6.1 Sol，价格降至 Astra 标准 API 的五分之一，可据此判断编码与电脑操作场景的成本变化。
开源中国精选AI 评分8282 Anthropic 发布 Claude Sonnet 5.5，速度提升 30%、Agent 编程评测从 10% 升至 70%
Anthropic 发布 Claude 5.5 家族第二个成员 Claude Sonnet 5.5，定位为 Opus 5.5 的快而省互补款，主打高频日常任务、修 bug、文档和表格。官方称其比 Sonnet 5 速度快 30% 以上，多数任务成本低 30%，Agent 编程评测成绩从 10% 提升到 70%。
推荐理由：Anthropic 新模型在 Agent 编程评测上的大幅跃升，可作为观察 Sonnet 系列定位与能力边界的参照。
Hugging Face Blog精选AI 评分7171 H 公司发布 Holo4 系列智能体模型，含 27B 稠密与 35B-A3B MoE 两个版本
H 公司发布 Holo4 系列智能体模型，包含 27B 稠密版和 35B-A3B MoE 版，两者均已上线 H Models API，权重以 BF16、FP8、NVFP4 和 4-bit GGUF 格式开源在 Hugging Face。
推荐理由：Holo4 用同一套权重覆盖 GUI、代码、MCP 与 API 四类接口，并公开全部评测轨迹，便于对照其成本与能力取舍。
Latent Space精选AI 评分8888 Anthropic 发布 Claude Opus 5.5，OpenAI 同日推出 GPT-6 Sol 与 Luna
Anthropic 发布 Claude Opus 5.5，称其为 Claude 5.5 家族首个模型，多数任务达到 Claude Fable 5.1 水平，运行成本比 Opus 5 低 40%，并成为 Claude Code 与 Claude 应用的默认模型。
推荐理由：同一天两家实验室分别发布新模型并大幅降价，读者可对比能力定位与每任务成本的实际差异。
OpenAI News精选AI 评分8282 OpenAI 发布 GPT-6 Astra，面向企业场景强化推理与电脑操作
OpenAI 发布 GPT-6 Astra，称其为面向企业的最强模型，具备更强的推理能力、电脑操作能力以及写作与设计判断力。
推荐理由：OpenAI 公布 GPT-6 Astra 面向企业场景的能力方向，可据此了解其推理与电脑操作定位。
OpenAI News精选AI 评分7676 OpenAI 发布 GPT-6 Astra
OpenAI 发布新一代模型 GPT-6 Astra，官方称其为目前最智能且对齐程度最高的模型。该模型在计算机操作、编码、网络安全和科学等方向具备 SOTA 能力。
推荐理由：OpenAI 官方发布新一代模型，读者可据此了解其在计算机操作、编码与安全等方向的能力定位。
Google DeepMind精选AI 评分8585 Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber
Google DeepMind 发布 Gemini 3.8 Flash 与 Gemini 3.8 Flash Cyber，前者面向长时程编码与自主智能体，后者面向漏洞发现与自动修补。
推荐理由：官方给出两款 Flash 变体的基准、定价与开放渠道，可据此判断长时程编码与安全场景的选型取舍。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 3.7 Flash
Google DeepMind 发布 Gemini 3.7 Flash，定位为面向编码和智能体的最强主力模型，距 Gemini 3.6 Flash 发布仅三周。
推荐理由：官方给出与 3.6 Flash 的多项基准对比和半价定价，可据此判断编码与智能体场景的成本收益。
Hugging Face Blog精选AI 评分7878 Meta 发布开源多模态模型 Muse Glimmer，30B 参数面向本地智能体
Meta 发布 Muse Glimmer，一个从 Muse 蒸馏到 30B 参数、采用 Apache 2.0 许可的多模态模型，面向本地智能体场景，可用于编码、文档分析和个人助手等隐私敏感应用。
推荐理由：Meta 开源 30B 多模态模型，主打本地智能体场景，并给出与同级模型的基准对比和部署路径。
OpenAI News精选AI 评分6262 GPT-5.6 如何兼顾前沿智能与效率
OpenAI 发布文章说明 GPT-5.6 如何在模型、推理和智能体工作流三个层面提升 AI 效率，以在同等成本下提供更多可用智能。原文未给出具体性能数字或版本细节。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber
Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 和面向网络安全的 3.5 Flash Cyber 三款新模型。
推荐理由：官方给出三款新模型的定价、token 效率与多项基准对比，可据此判断智能体工作流的成本与选型。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 Gemini 3.5 Flash Cyber 网络安全模型
Google DeepMind 发布 Gemini 3.5 Flash Cyber，一个基于 3.5 Flash 微调的轻量网络安全模型，用于快速发现、验证和修补漏洞。
推荐理由：官方给出轻量安全模型在 CyberGym、Chrome 提交扫描等基准上的对比数据，可据此判断专用小模型在漏洞挖掘上的性价比。
Hugging Face Blog精选AI 评分7272 H Company 发布 Holo3.1 计算机使用智能体模型家族
H Company 发布 Holo3.1 计算机使用智能体模型家族，基于 Qwen 系列，覆盖 0.8B、4B、9B 和 35B-A3B 四种尺寸，并首次提供 FP8、Q4 GGUF 和 NVFP4 量化权重。
推荐理由：Holo3.1 给出跨环境与跨框架的鲁棒性提升，并首次提供量化权重，读者可据此判断本地部署计算机使用智能体的可行路径。
Mistral AI精选AI 评分8080 Mistral 发布 Mistral Medium 3.5 与 Vibe 云端远程智能体
Mistral 发布 Mistral Medium 3.5，一个 128B 稠密模型，以修改版 MIT 许可开放权重，成为 Mistral Vibe 和 Le Chat 的默认模型，并支撑 Vibe 的云端远程编码智能体与 Le Chat 的 Work 模式预览。
推荐理由：Mistral 把编码智能体搬到云端并同步开源 128B 权重，读者可据此判断自托管编码智能体的可行边界。
Google DeepMind精选AI 评分8787 Google DeepMind 发布 Gemini 3.5 Flash，主打智能体与编码
Google DeepMind 发布 Gemini 3.5 系列首个模型 3.5 Flash，定位为面向智能体与编码的前沿模型，即日起在 Gemini app、Google Search 的 AI Mode、Google Antigravity、Gemini API 及 Gemini Enterprise 上线。
推荐理由：官方给出 3.5 Flash 在编码与智能体基准上的具体分数和 4 倍输出速度，可据此判断速度与质量的取舍是否成立。
Hugging Face Blog精选AI 评分8787 DeepSeek-V4 发布：百万 token 上下文面向智能体任务
DeepSeek 发布 V4，两个 MoE 检查点上线 Hub：DeepSeek-V4-Pro 总参数 1.6T、激活 49B，DeepSeek-V4-Flash 总参数 284B、激活 13B，均支持 1M token 上下文窗口。
推荐理由：原文给出 V4 在长上下文推理成本与智能体后训练上的具体设计，可据此判断开源模型做长任务智能体的可行性。
OpenAI News精选AI 评分7878 OpenAI 发布 GPT-5.5
OpenAI 发布 GPT-5.5，官方称其为面向编码、研究和数据分析等复杂任务打造的模型，可跨工具使用。目前公开信息仅为摘要，未披露参数、上下文窗口或评测数据。
推荐理由：OpenAI 官方发布 GPT-5.5，读者可据此了解新模型面向编码、研究与数据分析等复杂任务的定位。
Hugging Face Blog精选AI 评分6262 H Company 发布 Holotron-12B 计算机操作智能体模型
H Company 发布 Holotron-12B，一个基于 NVIDIA Nemotron-Nano-2 VL 后训练的多模态计算机操作模型，现已上线 Hugging Face，采用 NVIDIA Open Model License。
推荐理由：原文给出模型来源、混合 SSM 架构与吞吐对比数据，读者可据此判断其在长上下文智能体场景的部署取舍。
OpenAI News精选AI 评分6262 OpenAI 发布 GPT-5.4 mini 和 nano
OpenAI 发布 GPT-5.4 mini 和 nano，是 GPT-5.4 的更小、更快版本。两款模型针对编码、工具调用、多模态推理以及高并发 API 和子智能体负载做了优化。
推荐理由：OpenAI 在 GPT-5.4 之下补出 mini 与 nano 两档小模型，读者可据此判断高并发与子智能体场景的选型空间。
OpenAI News精选AI 评分8787 OpenAI 发布 GPT-5.4 前沿模型
OpenAI 发布 GPT-5.4，称其为面向专业工作能力最强且高效的前沿模型，具备 SOTA 编码、计算机使用、工具搜索能力和 1M token 上下文窗口。
推荐理由：OpenAI 官方公布 GPT-5.4 的定位与能力方向，可据此了解其面向专业工作的能力边界。
OpenAI News精选AI 评分7878 OpenAI 发布 GPT-5.3-Codex
OpenAI 发布 GPT-5.3-Codex，这是一个 Codex 原生智能体，将前沿编码能力与通用推理结合，面向长周期、真实世界的技术工作。
推荐理由：OpenAI 发布 Codex 原生智能体模型，读者可据此了解其在编码与通用推理上的定位。
OpenAI News精选AI 评分7373 OpenAI 发布 GPT-5.3-Codex 系统卡
OpenAI 发布 GPT-5.3-Codex 系统卡，称其为目前能力最强的智能体编码模型。该模型将 GPT-5.2-Codex 的前沿编码性能与 GPT-5.2 的推理及专业知识能力结合在一起。
推荐理由：官方系统卡给出 GPT-5.3-Codex 的能力定位，读者可据此了解它在编码与推理上的组合方式。
Hugging Face BlogAI 评分4242 H Company 发布 Holo2-235B-A22B Preview，UI 定位刷新 SOTA
H Company 发布迄今最大的 UI 定位模型 Holo2-235B-A22B Preview，在 ScreenSpot-Pro 上以 3 步智能体模式达到 78.5%、OSWorld G 达 79.0%，创下新 SOTA。
Hugging Face BlogAI 评分4242 AprielGuard：面向现代 LLM 系统安全与对抗鲁棒性的 8B 防护模型
Hugging Face 发布 8B 参数安全防护模型 AprielGuard，可检测 16 类安全风险及提示注入、越狱、思维链污染、记忆投毒、多智能体攻击等对抗攻击，并覆盖工具调用与推理轨迹等智能体工作流。模型提供推理与非推理两种模式，兼顾可解释分类与低延迟生产部署。
Google DeepMind精选AI 评分8787 Google DeepMind 发布 Gemini 3 Flash，主打速度与低成本
Google DeepMind 发布 Gemini 3 Flash，定位为兼顾前沿智能与速度、成本更低的模型，已在 Gemini API、Google AI Studio、Gemini CLI、Google Antigravity、Vertex AI 和 Gemini Enterprise 上线，并开始向 Gemini 应用和搜索 AI Mode 全量推送。
推荐理由：官方给出 Gemini 3 Flash 的基准分数、定价与上线渠道，可据此判断速度与成本权衡是否适合自身工作流。
Mistral AI精选AI 评分8080 Mistral 发布 Devstral 2 编码模型家族与 Vibe CLI
Mistral 发布 Devstral 2 编码模型家族，含 123B 的 Devstral 2 和 24B 的 Devstral Small 2，均开源，前者采用修改版 MIT 许可，后者采用 Apache 2.0。
推荐理由：官方给出两款开源编码模型的参数、许可与 SWE-bench 成绩，并附独立人工评测对比，可据此判断开源编码模型与闭源模型的差距。
OpenAI News精选AI 评分7878 OpenAI 发布 GPT-5.1-Codex-Max 智能体编码模型
OpenAI 发布 GPT-5.1-Codex-Max，一款面向 Codex 的更快、更智能的智能体编码模型。该模型针对长时间运行的项目级任务设计，强化了推理能力与 token 效率。
推荐理由：OpenAI 发布面向 Codex 的智能体编码模型，读者可据此了解其在长时项目任务上的定位与效率取向。
Google DeepMind精选AI 评分8787 Google DeepMind 发布 Gemini 3 Pro 并推出 Antigravity 开发平台
Google DeepMind 发布 Gemini 3，其中 Gemini 3 Pro 在各项主要 AI 基准上超过此前版本，编码能力也强于 2.5 Pro。
推荐理由：官方给出 Gemini 3 Pro 的基准成绩、API 定价与配套开发平台，便于开发者判断迁移成本。
Google DeepMind精选AI 评分9393 Google DeepMind 发布 Gemini 3，Pro 版预览上线并推出 Deep Think 模式
Google DeepMind 发布 Gemini 3，首发 Gemini 3 Pro 预览版，并同步接入 Gemini 应用、搜索 AI Mode、AI Studio、Vertex AI、Gemini CLI 及新智能体开发平台 Google Antigravity。
推荐理由：Gemini 3 Pro 在多项基准上刷新成绩并同步接入搜索、Gemini 应用与开发者平台，可据此判断多模态与智能体能力的当前水位。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 SIMA 2：可推理、对话并在 3D 虚拟世界中自我改进的智能体
Google DeepMind 发布 SIMA 2，将 Gemini 模型作为智能体核心，使 SIMA 从指令执行者升级为能思考目标、与用户对话并自我改进的交互式游戏伙伴。SIMA 2 在未训练过的新游戏（如 ASKA、MineDojo）中泛化能力显著提升，并能通过 Gemini 反馈和试错进行自我改进，无需额外人类演示数据。该研究以有限研究预览形式向少量学者和游戏开发者开放早期访问。
推荐理由：SIMA 2 把 Gemini 的推理能力接入 3D 游戏智能体，并展示了跨游戏泛化与自我改进的训练路径。
OpenAI News精选AI 评分6666 OpenAI 发布 GPT-5-Codex，为 Codex 智能体编码优化
OpenAI 在 GPT-5 系统卡增补中发布新模型 GPT-5-Codex，这是 GPT-5 针对 Codex 中智能体编码进一步优化的版本。该模型会根据任务复杂度更动态地调整思考投入，对简单对话查询或小任务快速响应，对更复杂任务则独立工作更长时间。
推荐理由：GPT-5 系统卡增补披露了面向 Codex 智能体编码优化的新模型，读者可了解其动态调整思考投入的机制。
Hugging Face Blog精选AI 评分8383 OpenAI 发布开源模型家族 gpt-oss，含 117B 与 21B 两个版本
OpenAI 发布开源权重模型家族 gpt-oss，包含 117B 参数的 gpt-oss-120b 和 21B 参数的 gpt-oss-20b，两者均为 MoE 架构并采用 MXFP4 4-bit 量化，激活参数分别为 5.1B 和 3.6B，采用 Apache 2.0 许可。
推荐理由：Hugging Face 汇总了 gpt-oss 两个开源模型的参数、量化方案与各推理框架的适配情况，可据此判断本地部署门槛。