AI调研周刊：2026年10月第五周
本期结论
本周主线是“中端降价 + 专用模型 + 开源权重”三条线并行。OpenAI 把 1M 上下文、视觉理解与电脑操作下放到 $1/$5 档；Google 用 Gemini 4 Carbon 夺回第三方智能指数榜首，但只向防御者小范围开放。
价格竞争从每词元单价转向长上下文分档与词元效率。GPT-6.1 Terra 以 272K 输入为计费分界线，Gemini 4 Carbon、Ling-3.1-flash-1019、Mistral Large 4 均以 1M 上下文为主打。
国内进入发布空窗。只有腾讯混元、百度、蚂蚁 InclusionAI 三家有模型级更新，且均非通用旗舰；其余 10 家无新模型。
开源权重存在感强于闭源：Ling-3.1-flash-1019（MIT、560B/25B）、Mistral Large 4（1.05T/52B、1M、修改版 MIT）、Nemotron 3.5 Transcribe、Unlimited-OCR 2、Hy-SimulMT 都在本周放出权重或完整模型卡。
基准层面，Gemini 4 Carbon 在 AA 智能指数 v5.0 拿到 59 分位列第一；GPT-6.1 Terra 把 Terminal-Bench 4.0 推到 50.3%（最高 effort，厂商自测）；Ling-3.1-flash-1019 的 AA 指数为 44。多数细分成绩仍以厂商自测为主。
国内模型（按日期）
10月26日
腾讯混元 Hy-SimulMT-30B-A3B：30B 总参数、3B 激活的中英双向同声传译模型，支持语音到语音翻译与实时音色克隆；Apache-2.0 权重，提供 FP8、GGUF 与 Interleave 版本，附 SimulInfer 推理服务与 SimulTrain 训练工具。厂商自测：RealSI 长音频的 StreamLAAL 约 3 秒，GEMBA 分数高于对比的开源模型及 5 个商业 API 中的 4 个；RealSI-Sentence 84.7。官方未公布公开 API 价格，主要入口为 Hy Translate App 与自部署。
10月27日
百度 Unlimited-OCR 2（非文心系列）：3B 文档解析模型，MIT 许可，权重与代码同步开放；核心是 SR-SWA（稀疏参考滑动窗口注意力），把跨页文本—视觉交互压缩到约 512 词元的固定工作集，从而在有限上下文内做“无界”长文档解析。厂商自测在 MarathonDocBench、MPDocBench 等长文档基准上达到 SOTA；已上线 Hugging Face、ModelScope 与百度云。官方未公布按词元计价的公开 API 价格。
InclusionAI Ling-3.1-flash-1019：560B 总参数、25B 激活的混合线性 MoE（63 层 KDA + 9 层 Gated MLA），1M 上下文，MIT 许可；本周开放 1019 后训练检查点与可继续训练的 Ling-3.1-flash-base。10 月 22 日预告、27 日放权重。厂商自测：AA-Briefcase 从约 1400 升至 1524 Elo，AutomationBench-AA 从 62% 升至 68%，CritPt 18%→26%，SciCode 54%→57%；AA 智能指数 v4.3.2 为 44，API 报价 $0.30/$1.00。
国际模型（按日期）
10月26日
OpenAI GPT-6.1 Terra：GPT-6 家族的中端推理模型，文本+图像输入、文本输出，参数未公开；1,050,000 上下文（最多 922K 输入、128K 输出），知识截止 2026 年 6 月 1 日，reasoning effort 支持 none 到 max。标准价 $1/$5，缓存输入 $0.05；输入超过 272K 后，输入与缓存按 2 倍、输出按 1.5 倍计费。厂商自测：Terminal-Bench 4.0 最高 effort 50.3%，Agents' Last Exam 60.0%（每任务 $1.01），OSWorld 2.1 74.2%，MMMU-Pro 接近前沿；低 effort 事实错误率 16.7%、最高 effort 4.3%。已上 ChatGPT Work、Codex 与 API。
10月27日
Google DeepMind Genie 4：实时交互式世界模型，原生支持音频与自然语言操控，面向受信任测试者开放；Project Genie 与 API 的更广泛访问仅宣布“后续提供”。官方未公布参数、价格与上下文。
Google Gemini Robotics ER 2：面向机器人的具身推理模型，作为机器人的高层“大脑”，支持空间—时间视频理解、长程规划、工具编排与安全护栏；现以 public preview 登陆 Google Cloud。厂商自测：关键事件帧定位准确率 91.3%，平均绝对帧距 0.96 秒，执行速度约为对比的大模型类别的 4 倍。官方未公布公开价格与上下文。
Microsoft MAI-Image-2.7：图像编辑模型，preview 上线；官方称在 Artificial Analysis 图像编辑榜排第 2、Arena Edit 排第 3，并在全部 10 个用例、7 类编辑动作上优于 2.6，场景与风格项领先次优模型 24 Elo（厂商自测）。官方未公布参数、价格与上下文。
10月28日
Google Gemini 4 Carbon：Gemini 4 系列的新前沿模型，主打网络安全防御与长程任务；文本、图像、语音、视频输入，文本输出，1M 上下文，参数未公开。价格为引导期 $2/$10，引导期后 $4/$20；缓存输入按输入价的 95% 折扣。当前仅通过 Fairwind Program 向部分网络安全防御者开放，后续才逐步扩大。厂商自测：SEC-bench Pro 88.2%、ExploitGym 54.8%、CWE-bench 71.0%；AA 智能指数 v5.0 为 59，位列第一；WebDev Arena 1768 分、第 4；Terminal-Bench 4.0 作弊率降至 0%。
NVIDIA Nemotron 3.5 Transcribe：语音增强语言模型（SALM），30B 总参数、约 4.3B 激活，冻结的 Nemotron 3 Diarization 与 Nemotron 3.5 Lightning 30B-A3B 结合；支持 40 种语言、最长 1 小时录音、说话人归属、词级时间戳、语音翻译与语种识别。OpenMDW-1.1 开放权重，提供 BF16、FP8、NVFP4、GGUF 与 DFlash2 草稿模型。厂商自测：英文 Open ASR 平均 WER 4.71%、多语种 4.62%，为开放权重最佳；RTX PRO 6000 Blackwell 单卡每秒可转写 2,238 秒音频。
10月30日
OpenAI GPT-6 Rosalind Research：面向生命科学研究的受限模型，模型 ID gpt-6-rosalind；与 GPT-6 Astra 共用同一套权重，未额外加入训练数据或后训练，差异主要在部署策略与生物领域拒答边界。仅向通过 Rosalind Research 审批的机构开放，不在 Chat 标签页提供。价格 $15/$75，缓存输入 $1.50；超过 272K 输入后 $30/$112.50。厂商自测：MedChemBench v7 49.6%（前代 28.9%）、LifeSciBench Gold 61.3%（前代 44.0%）、GeneBench Pro 超过前代 2 倍。
其他值得记录（非上述六家）
10月29日 Mistral Large 4（Le Chonk）：1.05T 总参数、52B 激活的稀疏 MoE，文本+图像输入，1M 上下文；权重正式开放，许可为修改版 MIT（Mistral Ecosystem Open-Weight License），做模型即服务需单独授权。API 价格 $0.70/$2.10，缓存输入 $0.07。厂商自测：Terminal-Bench 4.0 41%、AA Coding Agent Index 48%、FrontierCode 2.0 19.7%、Cybench 93%，AA Cyber Index 进入前五。
本周无新模型
Anthropic：本周无新模型。最近为 10 月 21 日 Claude Duet 产品预览与 10 月 7 日 Claude Haiku 5.5；本周无新基础模型。
Meta：本周无新模型。最近为 10 月 12 日 Muse Wonder 与 10 月 8 日 Muse Glimmer；本周无新模型。
API/工具链变化（补充）
DeepSeek：Search 与 Fetch API 按每 1,000 次成功请求 $0.75 计费；通过 DeepSeek Harness、Claude Code、Codex 发起的服务端调用免费至北京时间 2026 年 11 月 1 日 00:00，之后开始计费。
价格与上下文
GPT-6.1 Terra：$1/$5，缓存输入 $0.05；1.05M 上下文、128K 输出；超过 272K 输入后输入 2 倍、输出 1.5 倍。
GPT-6 Rosalind Research：$15/$75，缓存输入 $1.50；约 922K 输入、128K 输出；超过 272K 后 $30/$112.50；仅限审批机构。
Gemini 4 Carbon：引导期 $2/$10，之后 $4/$20；1M 上下文；缓存输入按输入价 95% 折扣；当前仅限防御者小范围访问。
Mistral Large 4：$0.70/$2.10，缓存输入 $0.07；1M 上下文；1.05T/52B；权重修改版 MIT。
Ling-3.1-flash-1019：$0.30/$1.00；1M 上下文；560B/25B；MIT 权重。
Hy-SimulMT-30B-A3B：开放权重（Apache-2.0）；30B/3B；流式音频同传，未公布公开 API 价格。
Unlimited-OCR 2：MIT 权重；3B；有限上下文 + 512 词元 SR-SWA 工作集，主打无界长文档；未公布按词元价格。
Nemotron 3.5 Transcribe：OpenMDW-1.1 开放权重；30B/4.3B；最长 1 小时音频；未公布公开 API 价格。
MAI-Image-2.7、Genie 4、Gemini Robotics ER 2：均为 preview/受限访问，官方未公布公开价格与上下文。
小结：本周 1M 上下文模型的价格带落在 $0.30–$2 输入；GPT-6.1 Terra 以 $1/$5 提供闭源前沿级长上下文，Ling 以 $0.30/$1.00 提供开源权重路线。长上下文已不再是溢价理由，计费分档与词元效率才是。
能力与基准
Gemini 4 Carbon：AA 智能指数 v5.0 59 分、全球第一（第三方）；SEC-bench Pro 88.2%、ExploitGym 54.8%、CWE-bench 71.0%（厂商自测）；WebDev Arena 1768 分、第 4（第三方榜单）。
GPT-6.1 Terra：Terminal-Bench 4.0 50.3%（最高 effort）、Agents' Last Exam 60.0%、OSWorld 2.1 74.2%、MMMU-Pro 接近前沿（均为厂商自测）；事实错误率最高 effort 4.3%。
Ling-3.1-flash-1019：AA 智能指数 44（AA 页面可查），AA-Briefcase 1524 Elo、AutomationBench-AA 68%、CritPt 26%、SciCode 57%（厂商自测）；相比前代提升集中在 Agent 与科学推理。
Mistral Large 4：Terminal-Bench 4.0 41%、AA Coding Agent Index 48%、FrontierCode 2.0 19.7%、Cybench 93%（厂商自测）；AA Coding Agent Index 与 GLM-5.3 基本持平，但每任务词元消耗少约 47%。
Nemotron 3.5 Transcribe：英文 Open ASR 平均 WER 4.71%、多语种 4.62%，为开放权重最佳；说话人归属与词级时间戳为其差异化能力（厂商自测）。
Hy-SimulMT：StreamLAAL 约 3 秒、RealSI-Sentence 84.7、GEMBA 高于对比开源模型及 5 个商业 API 中的 4 个（厂商自测）；适合实时中英同传，不适合离线高精度字幕。
Unlimited-OCR 2：MarathonDocBench、MPDocBench 等长文档基准 SOTA（厂商自测）；优势在跨页一致性与超长文档，单页简单 OCR 未必优于专用小模型。
MAI-Image-2.7：Arena Edit 第 3、AA 图像编辑第 2（第三方榜单）；场景与风格项领先次优模型 24 Elo（厂商自测）。
GPT-6 Rosalind Research：MedChemBench v7 49.6%、LifeSciBench Gold 61.3%、GeneBench Pro 超前代 2 倍（厂商自测）；与 GPT-6 Astra 同权重，通用能力应参照 Astra。
小结：本周独立基准仍集中在 AA 智能指数与 Arena 榜单；Terminal-Bench、SWE、OSWorld 等细分成绩大多为厂商自测，比较时需注意 effort 与框架差异。
开发者建议
长上下文通用 Agent：优先评估 GPT-6.1 Terra。$1/$5、1.05M 上下文、视觉与电脑操作齐全，适合表单填写、文档录入、桌面自动化；但 272K 以上输入会触发 2 倍输入计费，仍应做上下文压缩与缓存命中优化。
最强长程编码/安全防御：Gemini 4 Carbon 的公开成绩最强，但当前只对 Fairwind 防御者开放，不能作为稳定生产依赖；有资格的团队可先做漏洞发现、补丁生成与终端任务的小样本验证。
中文开源/成本敏感：Ling-3.1-flash-1019 是本周最现实的开源 1M 上下文选项，MIT 许可、API $0.30/$1.00；但 560B/25B 自托管门槛高，建议先走托管 API，再评估量化与多卡部署。
自托管开源：Mistral Large 4 提供 1.05T/52B、1M 上下文与修改版 MIT，适合有 GPU 集群、需要数据主权的团队；做 MaaS 对外售卖需单独授权。Ling 与 Mistral 二选一时，中文任务优先 Ling，多语种与欧洲合规优先 Mistral。
语音同传：Hy-SimulMT 以 Apache-2.0 开放 30B/3B 权重，中英双向、约 3 秒延迟，适合会议、访谈、直播字幕；语音输出与音色克隆仍需单独 TTS 服务。
文档解析：Unlimited-OCR 2 适合百页级、跨页表格与超长文档；单页 OCR 或低延迟场景先用小模型，避免为“无界”能力付出不必要的显存与工程成本。
语音转写：Nemotron 3.5 Transcribe 的开放权重、40 语种、说话人归属与词级时间戳适合会议记录与多语种素材；上线前用自有领域名词、口音与重叠说话数据复测 WER。
风险提示：不要把 preview/limited access 模型写进生产 SLA；不要把第三方 “DeepSeek V4.1 Flash Cyber” 当作官方模型；厂商自测成绩只用于方向筛选，最终以自有任务 A/B 为准。
采购节奏：本周国内通用旗舰空窗，不必为发而换；把预算放在长上下文降价、开源权重与语音/OCR 专用模型上。下一周重点跟踪 Kimi K3.1 Pro 权重与 Gemini 4 Carbon 的开放范围。