AI调研周刊：2026年10月第四周
AI调研周刊：2026年10月第四周
本期结论
本周主线是开源权重，而不是闭源旗舰。Kimi K3.1 Pro 以第三方智能指数 55 升至全球第四、开放权重阵营最高分（权重承诺 11 月 4 日发布），距 Claude Opus 5.5 仅 3 分；MiniMax M3.1 Flash 以 43 分、每任务 $0.22 把轻量 Agent 的价格压到新低。
闭源前沿集体静默。OpenAI、Anthropic、Google、Meta、Microsoft 本周均无新模型；NVIDIA 只发布 4B 级端侧小模型。发布重心转向开源、专用化与小尺寸。
本周三款主力文本新品均支持 1M 上下文：MiniMax M3.1 Flash、Kimi K3.1 Pro、Mercury 3；小模型则走 64K–512K 路线，以低内存和低延迟换市场。
发布节奏集中在两端：10 月 19 日与 10 月 23 日；10 月 20–22 日只有语音、端侧与本地模型补位。
价格分层更清晰。轻量层 $0.15/$0.60，主力层 $2/$10；Kimi 以 Opus 5.5 一半的价格提供接近旗舰的编码能力。
需要区分“已发布”和“已承诺”。Kimi 权重 11 月 4 日才到，Hy-Nomas 未公布基准，Nemotron 在 Tau2 上明显落后 Qwen3.5 4B。
国内模型（按日期）
10月19日
MiniMax M3.1 Flash：428B 总参数、23B 激活的多模态 MoE，1M 上下文，支持文本、图像、视频输入；始终开启思考，五档 effort。价格 $0.15/$0.60，缓存输入 $0.015。10 月 23 日开放权重（Hugging Face、ModelScope；MiniMax 社区许可，年收入超 2000 万美元需书面授权）。厂商自测：DeepSWE v1.1 73.7%、OSWorld V2 61.7、Agents' Last Exam 29.6、CyberGym 82%，并称 OSWorld/ALE 为国产第一。第三方 Artificial Analysis：智能指数 43，每任务 $0.22。
InclusionAI Ling-3.0-flash-Sante：124B 总参数、5.1B 激活，256K 上下文，医疗健康专项模型；权重已在 Hugging Face、ModelScope 开放。官方公布了医疗专项评测（厂商自测），但未有独立复测；定位为研究模型。
10月23日
月之暗面 Kimi K3.1 Pro：K3 的后训练版本，2.8T 总参数（官方称 3T 级）、104B 激活，1M 上下文；标准版 $2/$10，Highspeed 变体速度 2–3 倍（价格未单列）。权重承诺 11 月 4 日前发布，当前仍按闭源 API 提供。厂商自测：Terminal-Bench 4.0 65.7%、Kimi Code Bench 3.0 Long-horizon 61.2%、Hallu Bench Hard 8.3%。第三方 Artificial Analysis：智能指数 55（全球第四、开放权重阵营最高分，权重待 11 月 4 日）、Terminal-Bench 4.0 复测 67%、GDPval-AA 1,846 Elo（第三）。
腾讯混元 Hy-Nomas：交互式视频世界模型，分段自回归 DiT、Qwen 文本编码器与 PixelUMM 解码器；720×1280、24fps、8 步蒸馏推理；Apache-2.0 权重已在 Hugging Face 发布，推理代码同步在 GitHub 开源；支持多轮文本指令与相机控制，官方未公布基准分数。
字节跳动 Seedance 2.5 4K：Seedance 2.5 的 4K 版本升级，官方称增强面部表情、微动作与细节表现（厂商自测）；10 月 23 日通过火山引擎提供 API，未开放权重，未公布独立基准。
本周无新模型
DeepSeek：本周无新模型。
智谱：本周无新模型。
阿里千问：本周无新模型。
华为（端侧）：本周无新模型。
百度文心：本周无新模型。
小米：本周无新模型。
阶跃星辰：本周无新模型。
可灵：本周无新模型。
国际模型（按日期）
10月23日
NVIDIA Nemotron 3.5 Bolt E4B 4GB：基于 Gemma 4 E4B 后训练，8B 总参数、4B 有效参数，64K 输入/输出上下文，约 4GB 内存占用；OpenMDW-1.1 许可，提供 GGUF。厂商自测：平均质量较上代 Nano 4B 高约 40%、较同级高约 10%，输出词元最多少 80%；但 Tau2 多轮工具调用 55.1，低于 Qwen3.5 4B 的 75.1。
其他值得记录（非上述六家）
10月19日 Inception Mercury 3：扩散式 LLM，1M 上下文，1,068 词元/秒；$0.20/$0.70，发布期五折 $0.10/$0.35。厂商自测称多项基准超过 GPT-6 Luna 与 Claude Haiku 5.5，速度快 4–8 倍；未见开放权重说明。
10月20日 Mistral Voxtral 3：语音模型栈，含 4B 的 Voxtral Small Transcribe 3、sub-500ms 实时转写与 Voxtral Mini TTS 3；50+ 语言转写、35+ 语言/50+ 方言合成。转写 $0.0035/分钟，TTS $13/百万字符；API 或自部署。
10月21日 Recursive Flint：40B 总参数、2.5B 激活的 MoE，512K 上下文（建议 256K 内使用），Apache 2.0。厂商自测称在 50B 以下 MoE 中领跑 SWE-Bench Pro v2、Terminal-Bench 2.1、SWE-Bench Verified，端侧 125–150 词元/秒。
本周无新模型
OpenAI：本周无新模型。
Anthropic：本周无新模型。
Google Gemini：本周无新模型。
Meta：本周无新模型。
Microsoft：本周无新模型。
API/工具链变化（补充）
10月22日，Google Cloud Model Garden 开始提供 OpenAI 模型，企业可在同一平台调用多家闭源模型。
10月21日，NVIDIA 为 Qwen3.8-Flash-Next、GLM-5.3-Flash 提供 FP4-Local 优化检查点，面向本地推理。
10月23日，DeepSeek V4.1 Flash 上线 OpenClaw，可直接用于智能体构建。
价格与上下文
MiniMax M3.1 Flash：$0.15/$0.60，缓存 $0.015；1M 上下文；权重开放。
Kimi K3.1 Pro：$2/$10，缓存 $0.20；1M 上下文；Highspeed 速度 2–3 倍，权重 11 月 4 日前开放。
NVIDIA Nemotron 3.5 Bolt E4B：开放权重；64K 输入/输出；约 4GB 内存。
Recursive Flint：开放权重（Apache 2.0）；512K 上下文；40B/2.5B。
Inception Mercury 3：$0.20/$0.70，发布期 $0.10/$0.35；1M 上下文。
Mistral Voxtral 3：转写 $0.0035/分钟；TTS $13/百万字符；50+ 语言。
腾讯 Hy-Nomas：开放权重（Apache 2.0）；720×1280、24fps、8 步；无 API 报价。
InclusionAI Ling-3.0-flash-Sante：开放权重；256K 上下文；124B/5.1B。
小结：本期新品价格带从 $0.15 到 $2 输入；1M 上下文集中在 MiniMax、Kimi、Mercury 3，小模型则用 64K–512K 换低内存与低延迟。
能力与基准
第一梯队：Claude Opus 5.5 58、Claude Sonnet 5.5 与 Muse Wonder Full 56、Kimi K3.1 Pro 55（均为第三方 AA 智能指数）；Kimi 距榜首 3 分，且高于 GPT-6 Astra 与 Gemini 4 Argon。
开源权重：Kimi K3.1 Pro 55 为开放权重阵营最高分（权重待 11 月 4 日）；MiniMax M3.1 Flash 43；DeepSeek V4.1 Flash-1017 45（上周发布，本周仍是在售主力）。
编码/Agent：Kimi Terminal-Bench 4.0 65.7%（厂商自测）、67%（第三方复测），Opus 5.5 66.4%，GPT-6 Astra 58.2%；MiniMax DeepSWE v1.1 73.7%、OSWorld V2 61.7、CyberGym 82%（厂商自测）。
小模型：Nemotron Bolt E4B 平均质量较上代高 40%（厂商自测），但 Tau2 55.1 落后 Qwen3.5 4B 的 75.1；Flint 以 40B/2.5B 在 50B 以下 MoE 的编码基准领先（厂商自测）。
速度：Mercury 3 1,068 词元/秒；Flint 端侧 125–150 词元/秒；两者均以“快”而非“最大”为卖点。
缺口：Hy-Nomas 未公布基准；Ling Sante 未有独立复测；MiniMax 在 AA-Omniscience 上 92.8% 的错误回答属于“自信错误”（第三方），适合可验证任务，不适合开放式事实问答。
开发者建议
接近旗舰的编码/Agent：先测 Kimi K3.1 Pro 标准版；1M 上下文与 $2/$10 适合长上下文任务。权重 11 月 4 日才到，当前应按闭源 API 评估，不要把“开源”提前写进架构。
高并发、低成本 Agent：优先压测 MiniMax M3.1 Flash；$0.15/$0.60、1M 上下文、权重已开放，适合分类、路由与多步工具调用。注意始终思考会增加输出词元，事实型任务要加外部校验。
本地/端侧：Nemotron Bolt E4B（4GB、64K）适合内存受限设备；Flint（40B/2.5B、512K、Apache 2.0）适合本地编码智能体；Hy-Nomas 适合交互式视频世界生成，但缺少基准，先做小样本验证。
垂直场景：Ling Sante 的 124B/5.1B 与 256K 上下文适合医疗垂直语料，但官方定位为研究模型，需专业复核。
语音与低延迟：Voxtral 3 适合多语言转写/合成；Mercury 3 适合对首词延迟敏感的文本任务，但需验证中文与长上下文表现。
采购节奏：本周闭源旗舰没有新品，不必“为发而换”；把评估预算转向开源权重与端侧小模型。重点跟踪 Kimi 11 月 4 日权重与 MiniMax 许可门槛（年收入超 2000 万美元需书面授权）。
评估方法：先用第三方 AA 智能指数与每任务成本筛选，再用厂商自测的编码/Agent 基准做方向判断；同一任务做 A/B，不要只看参数或上下文长度。
API/工具链：多模型路由继续常态化（Google Cloud 接入 OpenAI 模型）；本地推理可试 NVIDIA FP4-Local 检查点；DeepSeek V4.1 Flash 已进 OpenClaw。