AI调研周刊：2026年11月第一周
统计范围：2026年11月2日（周一）至11月8日（周日）。
本文只记录模型发布、版本更新、模型文件开源、定价和官方成绩；不写融资、芯片、应用和政策。
本期共收录 22 条模型动态（国内 5 条、国外 17 条）。
三个术语先说清楚：
模型文件（常被叫作"权重"）：训练完成后保存的全部参数。公开之后，任何人都能下载、在自己的服务器上运行。
上下文窗口：模型一次能读进去的最大文本长度，用 token 作单位。
智能指数：AI 评测机构 Artificial Analysis 给出的综合能力分（0–100 分），基本每天更新。
文中注明"厂商自测"的成绩，都是厂商自己公布、没有第三方独立复测过的，参考时打个问号。
图片来源：Unsplash
本周最大看点是开源模型规模再创新高：月之暗面把 2.8 万亿参数的 Kimi K3.1 Pro 完整模型文件放上了 Hugging Face，所有人都能下载。在所有能下载的开源大模型里它排第一（智能指数 46 分），比第二名的 DeepSeek V4.1 Flash 1017（33 分）高 13 分；开源模型和最顶级闭源模型的差距，也从一个月前的约 27 分缩小到了 13 分左右。
最强的闭源模型"分数很高但买不到"：谷歌 Gemini 4 Carbon 目前智能指数 60 分全球第一，OpenAI 的 GPT-6 Cyber 拿到了自家安全框架的第一个"Critical"最高风险评级——这两个模型都只对审核通过的少数客户开放。普通开发者花钱能调用的最强模型，仍然是 Anthropic 的 Claude Opus 5.5（智能指数 59 分）。
国内周一到周四连发五条主线：智谱的法律行业模型、腾讯混元 Hy4 完整版、美团 LongCat-2.5、月之暗面 Kimi 开源、蚂蚁集团 Ling-3.2-flash。
本周多数头部大厂商按兵不动，没有发布新模型；已经放话、尚未落地、值得下期盯紧的是：Claude Fable 5.2 和 Meta Muse Ember（都在 11 月 9 日发布），以及上次被预告的阿里 Qwen 4。
本周还流行"厂商自测"：OpenAI 一口气发布了两个新基准，但只跑了自己家的模型；谷歌的网络攻防成绩也是自己测的。想横向比较各家强弱，更可信的参照是 Artificial Analysis 每日更新的榜单，以及 IBM、Dwarkesh 等独立机构新出的基准。
图片来源：Unsplash
智谱 GLM 5.3 FlashX Legal：给法律行业做的专用模型，在 GLM-5.3-FlashX 的基础上补充法律语料训练。支持文字、图片、视频输入，输出文字；上下文窗口 100 万 token，一次最多输出 13.1 万 token。API 价格为每百万 token 输入 0.37 美元、输出 1.25 美元；不提供模型文件下载。第三方平台 LM Market Cap 给它打了 70 分（按他们自己的算法，在"编程"类约排第 121 名、居前 27%）。
美团 LongCat-2.5：主打多模态智能体和长程编程任务，媒体报道的参数为总规模 1.6 万亿、每次激活 480 亿，上下文窗口 100 万 token。API 和对话服务已经上线；要不要开源还没有定论——有报道说计划开源，也有报道说美团没承诺，开源平台上目前没有 2.5 版仓库，能下载到的最新文件仍是 MIT 许可的 LongCat-2.0。提醒：这些参数数字只有媒体报道，还没有人实测验证过，建议等模型文件放出、独立评分落地之后再评估。
腾讯混元 Hy4 完整版：7700 亿总参数的混合专家架构（MoE）旗舰，8 月底先出过预览版，这版新增了图像理解和"操作电脑"的能力（能自己操控浏览器和桌面软件完成任务）。上下文窗口 100 万 token。API 定价每百万 token 输入 0.834–0.90 美元、输出 2.501 美元，2026 年 12 月 31 日前在腾讯云 TokenHub 打对折。官方成绩：579 项金融任务盲测总评 3.04 分，金融基准 iRaB 比 8 月预览版高 12.03 个百分点（厂商自测）。提醒：截至 11 月 7 日，完整模型文件和说明书还没发布，官方说会在"几天内"放出。
月之暗面 Kimi K3.1 Pro（开源）：API 版 10 月下旬先行上线，本周把完整模型文件（MXFP4 格式）放到 Hugging Face 上（TechNode 11 月 5 日报道；官方原本承诺 11 月 4 日前）。总参数 2.8 万亿、每次激活约 1040 亿，上下文窗口约 105 万 token，支持文字和图片输入。许可证基于宽松的 MIT，但附加两条商业限制：年营收超过 2000 万美元的公司要拿它做托管服务，需另行签约；月活超过 1 亿或月营收超过 2000 万美元的产品，必须标注模型名字。API 价格每百万 token 输入 2 美元、输出 10 美元。同周 Amazon Bedrock 也接入了这个模型，提供托管通道。
蚂蚁集团 Ling-3.2-flash：原生多模态（文字、图片、视频输入），总参数 5600 亿、每次激活约 250 亿，上下文窗口 100 万 token，主打复杂图片理解、多步智能体任务、3D 交互和医疗场景。闭源 API，发布后前两周免费使用。
图片来源：Unsplash
Deep Principle Hydrogen-1.0：总参数 7530 亿（混合专家架构、每次激活 400 亿）的科学研究专用开源模型，MIT 许可，是在智谱 GLM-5.3 的基础上继续训练的。上下文窗口 100 万 token。官方成绩：FrontierScience-Research 38.3%、GPQA-Diamond 93.0%（厂商自测）。
谷歌 Gemini 4 Carbon：闭源旗舰，目前只通过 Fairwind 项目对接给通过了身份审核的网络安全客户。第三方评测数据：GDPx 任务基准得分 10.9%（每项任务约花 16.29 美元）、AA-Omniscience 54 分、智能指数 59 分；Artificial Analysis 在 11 月 6 日把它的智能指数上调到 60 分、排到全球第一。定价每百万 token 输入 4 美元、输出 20 美元。9to5Google 报道，在 SemiAnalysis 的基准上它比 Claude 略逊一筹，但成本性价比基本持平。
NorthCUA 系列：基于千问 Qwen3.5 架构做的开源"操作电脑"工具模型，有 9B、35B、397B 三档。其自测宣称 Pro 版跑桌面与网页任务的成绩（OSWorld-Verified、WebArena-Verified）胜过千问 Qwen3.8-Max 和 Kimi-K3（厂商自测）。
印度官方 IndiaAI Mission 同日发布闭源模型 EKA-1（263 亿参数，用了 7.5 万亿 token 训练，覆盖 22 种预定印度语言）和开源小模型 Dhīr 2B / 5B，主打离线部署和本地化场景。
OpenAI GPT-Image-2.6 Flare 与 Sunburst：面向开发者的图像生成 API 两个版本，能直接生成 GIF 动图、导出 SVG 矢量图、用标记指令改图，还有一个 0–10 的"复杂度"旋钮。
谷歌 Gemini Omni 1.1 Flash：视频生成模型（第三方追踪站记录 11 月 4 日上线，次日被 1.2 版接替；谷歌官方没有单独发布公告）。
Ricursive Intelligence Ripple-65B Preview（也有报道写成 11 月 6 日）：650 亿参数的稠密、纯文本开源模型（Apache-2.0 许可），用 12 万亿 token 从零训练，团队说总花费约 3200 万美元。OpenRouter 平台（经 GMI Cloud）以每百万 token 输入 0.20 美元、输出 0.60 美元供货，但托管版只开放 1.6 万 token 上下文；要用完整的 100 万 token，需要自己下载模型来跑。官方成绩：Terminal-Bench 2.1 得 80.52 分，自测自称"美国开源模型里编码最强"（厂商自测，另有第三方复测也给出 80.5 分）。
日本 Preferred Networks PLaMo 3 Translate：翻译专用开源模型，分 0.8B、2B、8B、31B 四个大小档（PLaMo Community License），支持 53 种语言、自定义术语表、控制日语文风，目标是边缘设备上的离线翻译。
Cognition SWE-2 Flash：小而快的编码模型，成本约为自家旗舰 SWE-2 的五分之一、速度快约三倍；11 月 30 日前在 Devin 桌面版和命令行版里可免费使用。
OpenAI GPT-6 Cyber：在 GPT-6 Astra 基础上特训的网络安全专家模型（用来发现漏洞、做攻防），也是 OpenAI 按自家 Preparedness Framework 授予第一个"Critical"高风险评级的模型。只面向通过安全审核的 Daybreak Red 客户（要求身份核验、SSO 加密登录、两步验证和 IP 白名单），走 API 和 Codex 两个入口。官方成绩：ExploitGym 48.5%（上代 Astra 是 42.4%，厂商自测）；官方还称该模型自主发现了 948 个 Linux 内核提权漏洞、81 个 Firefox 浏览器漏洞（厂商披露，仅供参考）。定价每百万 token 输入 20 美元、输出 100 美元。
Thinking Machines Lab（OpenAI 前高管 Mira Murati 创办的公司）的 Inkling 2 Small：总参数 5940 亿、每次激活 170 亿的混合专家模型，支持图像输入、上下文窗口 100 万 token。目前在自家 Tinker 平台上提供闭源服务，每百万 token 输入 0.30 美元、输出 1 美元（缓存读 0.03 美元）；官方承诺等外部安全测试结束后，以 Apache-2.0 许可放出开源文件。其智能指数为 31 分；有评论认为权重开源后，它会成为"中美之外分数最高的开源模型"。
谷歌 Gemini Omni 1.2 Flash：视频生成能力扩到 15 秒、带同步配音、支持多轮对话式改片、可接受更长的视频输入；720p 视频每秒 0.07 美元。
NorKa 系列（Pro / Mini / Nano）：开源的桌面"操作电脑"模型家族，参数从 90 亿到 3970 亿。官方成绩：OSWorld-Verified 上 Pro 88 分、Mini 85 分、Nano 78.9 分（厂商自测），和 NorthCUA、腾讯混元 Hy4 形成三方竞争。
美国 Liquid AI LFM3-1.7B：跑在终端设备上的小模型，第三方追踪站记录 11 月 6 日上线。
Nous Research Arete-27B：拿千问 Qwen3.8-27B 微调、去掉原版"价值观灌输"内容的开源版本（Apache-2.0）。官方称事实准确率 2.98 / 5 分，带有宣传色彩的回答比例从 22% 降到 0.9%（第三方盲测）。
决策型小模型三连发（Celeris-1.1 Decision、GLiDE v1.2、Drex Max 更新）：这类模型不走"先生成文字"的老路，一次前向传播直接给出每个选项的概率，适合低延迟、轻量部署场景。
Shizuku AI Labs Shizuku-Duplex（日本）：日文全双工语音模型，用 80 毫秒的处理节奏做到边听边说。
图片来源：Unsplash
本节只列本期发布的模型；价格单位统一为"每百万 token 多少美元"，写法为"输入 / 输出"。
月之暗面 Kimi K3.1 Pro：2 / 10；上下文约 105 万；总参数 2.8 万亿、激活 1040 亿；开源（MIT 基础上加两条大客户条款）。
腾讯混元 Hy4：0.834–0.90 / 2.501（年底前腾讯云对折）；上下文 100 万；总参数 7700 亿；模型文件未放出。
智谱 GLM 5.3 FlashX Legal：0.37 / 1.25；上下文 100 万；闭源。
蚂蚁 Ling-3.2-flash：前两周免费；上下文 100 万；总参数 5600 亿、激活 250 亿；闭源。
美团 LongCat-2.5：未定价；上下文 100 万（媒体报道）；总参数 1.6 万亿、激活 480 亿；开源与否未定。
OpenAI GPT-6 Cyber：20 / 100；上下文未披露；仅限 Daybreak Red 审核客户。
OpenAI GPT-Image-2.6：未定价。
谷歌 Gemini 4 Carbon：4 / 20；上下文 100 万；仅限 Fairwind 审核客户。
谷歌 Gemini Omni 1.2 Flash：视频每秒 0.07 美元（720p）。
Thinking Machines Inkling 2 Small：0.30 / 1（缓存 0.03）；上下文 100 万；总参数 5940 亿、激活 170 亿；开源文件等外部安全测试结束后放。
Ricursive Ripple-65B Preview：0.20 / 0.60（托管版上下文只开 1.6 万）；总参数 650 亿；已开源（Apache-2.0），完整上下文需要自己跑。
PLaMo 3 Translate：开源权重，四档 0.8B–31B，无 API。
Hydrogen-1.0：开源权重（MIT），上下文 100 万，总参数 7530 亿。
Cognition SWE-2 Flash：未定价，11 月 30 日前在 Devin 内免费。
Nous Arete-27B：只有开源权重，无 API。
决策型三连发、Liquid LFM3-1.7B、Shizuku-Duplex：均未披露定价。
背景参考（不是本周发布，供比价）：GPT-6 Astra 10 / 50；Claude Opus 5.5 4 / 20；GPT-6.1 Terra 1 / 5；Claude Sonnet 5.5 2 / 10；DeepSeek V4.1 Flash 1017 0.30 / 1.20；智谱 GLM-5.3（开源主模型）1.40 / 4.40。
AI 生成示意图
Artificial Analysis 智能指数（11 月 6 日刷新）从高到低：谷歌 Gemini 4 Carbon 60 分第一，Claude Opus 5.5 59，GPT-6 Astra 57，GPT-6.1 Sol 与 Claude Sonnet 5.5 各 55，GPT-6.1 Terra 51，Gemini 4 Argon 50，Claude Fable 5.1 49，月之暗面 Kimi K3.1 Pro 46（开源第一，比第二名的 DeepSeek V4.1 Flash 1017 高 13 分），智谱 GLM-5.3 32。最强开源与最强闭源模型的差距约 13 分，比一周前的 27 分有明显缩小。
OpenAI 本周发布了两个新基准：LifeVal（169 项日常生活任务）和 BioBasicsBench（100 项基础生物学实验任务），但参赛者只有 OpenAI 自家模型，GPT-6 Astra 拿最高分（80.6 和 66.98，厂商自测）。
IBM Research 的 ScarfBench（204 项企业 Java 代码迁移任务）成绩：谷歌 Gemini 4 Argon 75.2 分第一，领先 Claude Opus 5.5 的 70.5 和 GPT-6 Astra 的 65.4（独立机构评分）。
Dwarkesh Patel 的 Clocktower Bench（"社交推理"桌游对局，共 386 局）：GPT-6 Astra 比 Claude Fable 5.1 高出 264 个 Elo 分（独立机构评分）。
GPT-6 Cyber：ExploitGym 48.5%（对比 Astra 的 42.4%，厂商自测）；官方称自主发现了 948 个 Linux 内核提权漏洞和 81 个 Firefox 漏洞（厂商披露，仅供参考）。
谷歌 Gemini 4 Carbon 的第三方评测：GDPx 10.9%（每任务约 16.29 美元）、AA-Omniscience 54 分、智能指数 59 分（后由 Artificial Analysis 上调至 60 分），网络攻防成绩由谷歌自跑。
月之暗面给出的模型卡成绩（厂商自测）：Terminal-Bench 4.0 为 65.7（Claude Opus 5.5 是 66.4），GPQA-Diamond 94.2 对 93.9，HLE-Full 51.1 对 59.8，OSWorld V2.1 79.6 对 81.8。这些数字没有第三方复测。
独立机构 11 月 6 日更新的人类偏好榜里，Claude Opus 5.5 与 Gemini 4 Argon 在"写作"上打平。
腾讯 Hy4、NorthCUA、NorKa 的关键成绩也全部是厂商自测。
总体判断：本周新出的基准大多由发布方自己跑（或者只测自家模型），跨厂商比较请以 Artificial Analysis、ScarfBench、Clocktower 等独立机构的数据为准。
AI 生成示意图
想自主部署最强的开源模型：首选 Kimi K3.1 Pro；但它是 2.8 万亿参数的"巨无霸"，需要 B300 / H200 级别的显卡集群，中小团队更现实的选择是走 Amazon Bedrock 托管或直接调 API。若要宽松许可证（MIT、Apache-2.0）和低成本，DeepSeek V4.1 Flash 1017 是更稳妥的选项。
先观望再投入：腾讯混元 Hy4 和美团 LongCat-2.5 的 API 已经上线、模型文件还没放出或没确认；Inkling 2 Small 的 Apache-2.0 开源文件也要等。这几家的官方成绩都是厂商自测，建议等模型文件和独立评分落地后再做决定。
行业专用模型：法律行业的 GLM 5.3 FlashX Legal（0.37 / 1.25）比通用旗舰便宜很多，预算敏感的法律场景可以试点；但它不开源，只能走 API。
"操作电脑 / 自动玩界面"方向：NorKa（Pro 版 88 分）、NorthCUA、腾讯混元 Hy4 值得并行试用，三家公布的成绩都带"厂商自测"标签。
视频生成：Gemini Omni 1.2 Flash 每秒 0.07 美元（720p）门槛很低，15 秒的长度对多数营销短视频够用。
合同条款要看清：Kimi 的开源许可含"营收和月活门槛"两条限定，做托管服务前先让法务过一遍；GPT-6 Cyber 只供 Daybreak Red 审核客户，不能当作普通 API 采购。
榜单的"信任规则"：OpenAI 与谷歌本周自跑的基准（LifeVal、BioBasicsBench、Carbon 攻防评测）只适合在同一家模型家族内比较；跨厂商比较请用第三方数据。
下期提前关注：Claude Fable 5.2（11 月 9 日发布，上下文 100 万，每百万 token 输入 8 美元、输出 40）和 Meta Muse Ember（11 月 9 日由 Artificial Analysis 评出 36 分，称它与 Claude Haiku 5.5 能力相当、单任务成本约三分之一）。