DeepSeek-V4.1-Flash-1017 更新模型并提升推理与编程能力
DeepSeek 发布 DeepSeek-V4.1-Flash-1017，这是 DeepSeek-V4.1-Flash 的小版本更新，重点改进推理、编码、智能体任务和视觉基准表现。
推荐理由：材料提供了模型更新、代表性基准成绩、推理部署参数及开源许可信息，便于比较版本变化与实际使用成本。
#模型发布
Hugging Face：deepseek-ai 新模型精选AI 评分6565
Mistral AI News精选AI 评分6666 Mistral AI 发布 Timestral 时间序列基础模型家族
Mistral AI 发布 Timestral 时间序列基础模型家族，提供 5M、28M、123M 和 209M 参数四种规格，支持概率预测、多变量目标以及过去和已知未来的协变量。209M 模型在 GIFT-Eval、TIME 和 fev-bench 三项主要公开基准中排名第一，可在 CPU 上推理，并可通过 Mistral Forge 进行领域适配。
推荐理由：Timestral 以 5M 至 209M 的四种规格覆盖时序预测需求，并提供预训练、零样本预测、微调及本地部署路径。
Google AI Blog精选AI 评分8787 Google 发布 Gemini 4 Argon 前沿模型
Google 发布 Gemini 4 Argon，向全球开发者和企业开放，首发价格为 $2 per million input tokens 和 $10 per million output tokens，并提供 1M 统一输入输出 token 上限。
推荐理由：Gemini 4 Argon同时给出模型能力、真实工程案例、开放渠道与定价，便于开发者评估复杂任务的可用性和成本。
Hugging Face：Qwen 新模型精选AI 评分7171 Qwen 发布 Qwen-Image-2.1-Turbo 加速图像生成模型
Qwen 发布 Qwen-Image-2.1-Turbo 加速检查点，面向文生图和图像编辑，采用与 Qwen-Image-2.1 相同的 7B 视觉生成架构。该模型仅需 8 个去噪步骤，内置推荐采样计划，默认使用 CFG=1，并借助前缀 KV 缓存复用文本和参考图上下文。
推荐理由：模型页给出了8步采样、CFG与KV缓存等配置，可用于评估快速图像生成与编辑的落地方式。
Mistral AI News精选AI 评分7979 Mistral 发布 Mistral Large 4 公开预览版
Mistral 发布 Mistral Large 4 公开预览版，并开放 Mistral Studio 预览 API。该模型总参数量为 1 trillion，激活参数量为 52 billion，原生支持多模态，模型权重计划于本月底发布。
推荐理由：公开预览已开放，模型规模、权重发布时间及编码、智能体和多模态评测结果均已明确，便于评估其开放权重路线。
Google AI BlogAI 评分4646 Google 2026 年 9 月 AI 更新汇总
Google 汇总了 2026 年 9 月的 AI 更新，Gemini 4 Argon 以 1-million-token 输出上限成为重点。同期还推出 Gemini 3.8 Flash、Gemini 3.8 Flash Cyber 与 Gemini 3.8 Live，并为 Gemini App 增加 Connected Apps。
Hugging Face：Qwen 新模型精选AI 评分7474 Qwen 开源 Qwen-Image-2.1 文生图与图像编辑模型
Qwen 开源 Qwen-Image-2.1，将文生图与图像编辑统一在一个模型中，视觉生成组件采用 7B 参数和 32 层 Single-Stream DiT。
推荐理由：模型以7B视觉生成组件整合文生图与编辑，并公开多图编辑、局部蒙版和提示词改写用法，便于评估部署成本与适用场景。
Hugging Face：Qwen 新模型精选AI 评分6767 Qwen 开源 Qwen-Image-2.1 图像生成与编辑模型
Qwen 开源 Qwen-Image-2.1，将文本生成图像与图像编辑统一到一个模型中，视觉生成组件采用 7B 参数和 32 层 Single-Stream DiT。
推荐理由：模型兼顾生成、编辑与透明图像输出，并提供提示词改写和本地运行示例，便于评估其工作流适配方式。
Hugging Face：Qwen 新模型精选AI 评分7070 Qwen 开源 Qwen-Image-2.1 图像生成与编辑模型
Qwen 开源 Qwen-Image-2.1，将文本生成图像、图像编辑、透明图层生成与主体提取整合在同一模型中。其视觉生成组件采用 7B 参数和 32 层 Single-Stream DiT，支持最多 10 张参考图，以及圆形、绘制标注或独立蒙版指定的局部编辑。
推荐理由：模型提供文生图、图像编辑与透明图层生成，并公布安装和推理示例，方便开发者直接评估工作流。
Hugging Face：deepseek-ai 新模型精选AI 评分8787 DeepSeek 发布 DeepSeek-V4.1-Flash 多模态 MoE 模型
DeepSeek 发布 DeepSeek-V4.1-Flash，这是一款拥有552B主干参数、支持1M token上下文的多模态MoE模型，可原生处理图像和文本。
推荐理由：模型将1M token上下文与每token仅8B或16B激活参数结合，并量化了KV cache压缩效果，为高输入量智能体工作流提供成本对照。
Hugging Face：deepseek-ai 新模型精选AI 评分7373 DeepSeek 发布 DeepSeek-V4-Flash-Vision-Exp 实验性多模态模型
DeepSeek 发布 DeepSeek-V4-Flash-Vision-Exp，这是 DeepSeek-V4 系列首个实验性多模态模型。该模型在 ApexBench 的 Pass@1 得分由 26.2 提升至 36.5，Agents' Last Exam 得分由 25.2 提升至 27.3，文本 Agent 任务表现与 DeepSeek-V4-Flash-0731 相当。
推荐理由：仓库提供提示词编码、最小推理实现和基准结果，并给出 vLLM、SGLang 部署方式，便于评估与复现。
Hugging Face：Qwen 新模型精选AI 评分7171 Qwen-Drive-1.0-4B 发布
Qwen 发布 Qwen-Drive-1.0-4B，以 Qwen3.5-4B 视觉语言模型为基础，在统一框架中实现 3D 感知、驾驶场景问答和运动规划。模型外接 BEV 感知头与 Planning Expert，分别完成 3D 目标检测、语义占用预测、BEV 地图分割及未来车辆轨迹生成。
推荐理由：Qwen-Drive-1.0 将 3D 感知、驾驶问答与运动规划整合到同一多模态框架，并公开权重和推理代码。
Hugging Face：zai-org 新模型精选AI 评分7777 GLM-5.3-Flash 发布，采用原生多模态与混合注意力架构
GLM-5.3-Flash 发布，定位为 GLM-5 系列的原生多模态模型，采用稀疏与线性注意力混合架构。模型总参数 320B、激活参数 18B，官方称其以 GLM-5.2 一十分之一的价格在多项基准和实际工作负载上表现更优，并在编码和智能体基准中接近 Claude Opus 4.8。
推荐理由：模型公开了原生多模态架构、部署框架和推理参数配置，便于开发者评估能力表现与本地落地成本。
Hugging Face：zai-org 新模型精选AI 评分7979 GLM-5.3发布，强化复杂编码与长程智能体任务
GLM-5.3发布，沿用GLM-5.2基础模型，主要通过后训练提升复杂编码、长程任务和网络安全能力。模型在内部Z.ai Code Bench上较GLM-5.2提升50%，在Terminal Bench 3.0和Agents' Last Exam等公开基准上达到开源SOTA，并支持SGLang、vLLM、Transformers、Unsloth等本地部署框架。
推荐理由：文章给出GLM-5.3相对GLM-5.2的编码与网络能力增幅，并提供本地部署和评测配置，便于对照能力变化与复现条件。
Hugging Face：zai-org 新模型精选AI 评分7777 GLM-5.3-Flash 发布，主打原生多模态与高效推理
智谱（GLM）发布 GLM-5.3-Flash，这是 GLM-5 系列首个原生多模态模型。模型总参数量为 320B、激活参数量为 18B，采用稀疏与线性注意力混合架构并引入 mHC，在多项基准和实际工作负载上超过 GLM-5.2，价格为其十分之一。
推荐理由：GLM-5.3-Flash 同时给出架构、部署方式与评测复现参数，便于比较其多模态、编码和智能体能力及部署成本。
Hugging Face：zai-org 新模型精选AI 评分7878 智谱发布 GLM-5.3 开源权重模型，强化编码与智能体能力
智谱发布 GLM-5.3，沿用 GLM-5.2 的基础模型，通过后训练提升复杂编码、长程任务和安全能力。官方称其 Z.ai Code Bench 相比 GLM-5.2 提升 50%，并在 Terminal Bench 3.0、Agents' Last Exam 和 CyberGym 等基准上达到开源 SOTA。
推荐理由：GLM-5.3 通过后训练强化复杂编码、长程任务和安全能力，并提供多框架部署与复现配置，便于评估实际应用边界。
Hugging Face：deepseek-ai 新模型精选AI 评分8282 DeepSeek 发布 DeepSeek-V4-Pro-0813 正式版模型
DeepSeek 正式发布 DeepSeek-V4-Pro-0813，取代 Preview 版本，并加入 DSpark 推测解码模块以增强智能体能力。模型在 HLE、Terminal Bench 2.1 和 DeepSWE 等基准中取得 42.7/60.0、87.9 和 62.7 的成绩，reasoning_effort 现支持 low、high、max 三档。
推荐理由：DeepSeek-V4-Pro-0813的正式版本、评测数据与部署配置齐全，便于开发者比较其智能体和编码表现并评估落地方式。
Hugging Face：deepseek-ai 新模型精选AI 评分7373 深度求索发布 DeepSeek-V4-Flash-0731 正式版
深度求索正式发布 DeepSeek-V4-Flash-0731，取代此前预览版，并强化 Agent 能力，模型结构与 DeepSeek-V4-Flash-DSpark 相同，附带 DSpark 推测解码模块。
推荐理由：该发布提供模型结构、推理档位、编码方式及 vLLM、SGLang 部署配置，便于开发者评估并部署 Agent 工作流。
Hugging Face：zai-org 新模型精选AI 评分7878 智谱发布 GLM-5.2 开源模型，支持 1M-token 上下文
智谱发布 GLM-5.2 旗舰模型，主打长程任务，提供稳定的 1M-token 上下文，并增强编码能力和多档思考强度。模型采用 MIT 开源许可证，支持 SGLang、vLLM、Transformers、KTransformers 和 Unsloth 等框架部署，官方还公布了 HLE、AIME 2026、SWE-bench Pro、MCP-Atlas 等基准成绩。
推荐理由：GLM-5.2 将长程任务、1M-token 上下文和灵活思考强度结合，并提供多项基准与本地部署方案，便于评估其实际能力边界。
Hugging Face：moonshotai 新模型精选AI 评分8989 月之暗面发布 Kimi K3 开放权重原生多模态智能体模型
月之暗面发布开放权重原生多模态智能体模型 Kimi K3，总参数 2.8T、激活参数 104B，支持 1-million-token 上下文窗口。模型采用 KDA、AttnRes 与 Stable LatentMoE，每个 token 从 896 个专家中选择 16 个，原生处理文本、图像和视频，面向长程编程与智能体知识工作。
推荐理由：Kimi K3披露2.8T参数架构、1M上下文与多类基准成绩，为评估开放权重多模态智能体的能力边界提供集中参考。
Hugging Face：moonshotai 新模型精选AI 评分7777 Moonshot AI 发布 Kimi K2.7 Code 编码模型
Moonshot AI 发布基于 Kimi K2.6 构建的 Kimi K2.7 Code 编码智能体模型，真实软件开发长程任务能力提升，思考 token 使用量较 Kimi K2.6 减少约30%。模型采用 MoE 架构，总参数量1T、激活参数量32B，支持256K上下文和图像、视频输入，提供 API 及 vLLM、SGLang 等部署方式。
推荐理由：提供模型架构、基准成绩、API调用与部署方式，读者可据此比较编码智能体能力及其落地条件。
Hugging Face：moonshotai 新模型精选AI 评分8686 Kimi K2.6 发布原生多模态智能体模型
Moonshot AI 发布开源原生多模态智能体模型 Kimi K2.6，强化长程编码、编码驱动设计、主动自主执行与多智能体编排能力。模型采用 MoE 架构，总参数 1T、激活参数 32B、上下文长度 256K，可横向调度 300 个子智能体执行 4,000 个协调步骤。
推荐理由：同时提供架构参数、基准结果、部署引擎和调用示例，便于开发者评估能力并规划接入。
Hugging Face：moonshotai 新模型精选AI 评分8383 月之暗面发布原生多模态智能体模型 Kimi K2.5
月之暗面发布开源原生多模态智能体模型 Kimi K2.5，基于 Kimi-K2-Base 持续预训练约 15T 个视觉与文本 token。模型采用 1T 总参数、32B 激活参数的 MoE 架构，支持 256K 上下文、图像和视频输入、即时与思考模式以及多智能体协作。
推荐理由：模型页披露了架构、评测、部署与调用方式，便于比较其多模态和智能体能力及实际接入成本。
Hugging Face：moonshotai 新模型精选AI 评分7979 Moonshot AI 发布 Kimi-K2-Thinking 开源思考模型
Moonshot AI 发布开源思考模型 Kimi-K2-Thinking，支持逐步推理、动态工具调用和 256K 上下文窗口。模型采用 MoE 架构，总参数量 1T、每 token 激活 32B 参数，可在连续 200–300 次工具调用中保持目标导向，并通过后训练量化感知训练实现原生 INT4 推理与约 2x 生成加速。
推荐理由：Kimi-K2-Thinking把长链推理、工具编排与原生INT4部署放在同一模型中，并提供完整评测与调用示例。