Z.ai 推出 GLM-Legal:面向法律工作流程的智能體模型
Z.ai 推出基於 GLM-5.3-Flash、面向法律工作流程的智能體模型 GLM-Legal。它在涵蓋 24 個執業領域的 Harvey LAB 測試中取得 19.2% 全項通過率,較基礎模型高 12.5 個百分點。Z.ai 表示,用戶即將可在桌面原生智能體平台 AutoClaw 使用 GLM-Legal。
Z.ai 推出基於 GLM-5.3-Flash、面向法律工作流程的智能體模型 GLM-Legal。它在涵蓋 24 個執業領域的 Harvey LAB 測試中取得 19.2% 全項通過率,較基礎模型高 12.5 個百分點。Z.ai 表示,用戶即將可在桌面原生智能體平台 AutoClaw 使用 GLM-Legal。
Meta 的 Superintelligence Lab 週一發佈 Muse Wonder 和 Muse Wonder Full,稱兩者代表公司首次嘗試推出前沿模型。
推薦理由:文章對照兩款模型的基準表現與價格,並交代 Muse Wonder Full 的訂閲限制及 active memory 評測結果。
Meta 發佈 Muse Wonder 與 Muse Wonder Full,稱兩者是其迄今能力最強的模型,面向個人及專業智能體任務。兩者具備 Active Memory,可在不同對話間保留重要內容;Active Focus 則會在任務遇阻時嘗試其他方法、修正錯誤,並按需要尋求澄清。
Meta 發佈 Muse Wonder 和 Muse Wonder Full,並稱兩款模型在個人及專業智能體任務上達到最先進表現。Muse Wonder 即日起可透過 Meta Model API 和 Muse Code 使用,Muse Wonder Full 即日起供 Muse Code 訂閲者使用。
GLM-Legal在複雜法律任務、專業法律推理及實務工作流程評測中,展現法律智能體能力。它在 Harvey LAB 的全項通過率為 19.2%,較基礎模型高 12.5 個百分點,並在 LegalBench 和 PLawBench 上媲美前沿閉源模型。GLM-Legal以 GLM-5.3-Flash 為基礎,將很快可在 AutoClaw 使用。
Meta.ai 的「Muse Wonder」帖文登上 Hacker News,獲 27 點。評論者提到 Meta 的 RL scaling,並稱相關模型在 aa 排名第二,僅次於 opus 5.5。
OpenHands 推出 OpenHands LM 32B 開源編碼模型,可在本地運行,並在 SWE-Bench Verified 取得 37.2% 解決率。模型基於 Qwen Coder 2.5 Instruct 32B,使用 OpenHands 在多個開源程式碼庫生成的訓練資料進行微調,並具備 128K token 上下文窗口。
Mistral AI 與 All Hands AI 合作推出 Devstral,一款面向軟件工程任務的開源智能體 LLM,採用 Apache 2.0 授權。在 OpenHands 配合 Devstral 的 SWE-Bench Verified 評測中,模型得分為 46.8%,較此前開源 SOTA 高逾 6 個百分點,並超越 GPT-4.1-mini 超過 20%。
Cognition 訓練 SWE-grep 與 SWE-grep-mini,作為專門執行高度並行上下文檢索的智能體模型;公司稱兩者檢索能力媲美前沿編碼模型,耗時少一個數量級。
Cognition 發佈面向軟件工程的 SWE-1.5,稱其達到接近 SOTA 的編碼表現,並透過 Cerebras 推理服務實現最高 950 tok/s。其速度是 Haiku 4.5 的 6 倍、Sonnet 4.5 的 13 倍,現已在 Windsurf 提供。
Cognition 公開仍在訓練中的 SWE-1.6 早期預覽;目前檢查點在 SWE-Bench Pro 的分數較 SWE-1.5 高 11%,速度同為 950 tok/s。
Cognition 發佈 SWE-1.6,這款面向軟件工程 Agent 的模型現已在 Windsurf 開放使用。它在 SWE-Bench Pro 等基準上的表現與 SWE-1.6 Preview 相若,並減少過度思考、循環行為及不當工具使用,更多採用平行工具調用。
Cognition 推出以強化學習訓練的缺陷檢測模型 SWE-check,內部分佈評測對 Opus 4.6 的 F1 差距由 0.09 降至 0,執行速度快一個數量級。
Cognition 發佈 SWE-1.7,稱這款模型以較低成本達到前沿級智能,並是公司迄今訓練能力最強的模型。它在 FrontierCode 1.1 Main、Terminal-Bench 2.1 和 SWE-Bench Multilingual 的通過率分別為 42.3%、81.5% 和 77.8%。
OpenHands 支援團隊在其模型無關平台上使用 NVIDIA Nemotron 3.5 Lightning,執行常駐式軟件工程智能體工作流。該模型是可自訂的開源 30B MoE 模型,具備 3B 活躍參數;NVIDIA 公佈的初步測試顯示,在 H100 配置下,其吞吐量較 Gemma 高至 4x、較 Qwen 高 1.7x。
Figure 發佈 Helix 2.5,並在 30 個未收集數據的灣區家庭測試其零樣本泛化。使用相同任務規格資料時,Index 預訓練策略的成功率為 56%,隨機初始化的對照策略為 9%。三項行為包括整理客廳、摺毛巾和鋪牀;Figure 亦稱 Helix 2.5 使用一半適應數據,便達到 Helix 02 同一任務策略的成功率。
ShengShu Technology 於 2026 年 10 月 7 日推出 Vidu Q4 Preview 公開預覽版,起始價格為每秒 $0.014。預覽版可透過 Vidu 網頁產品及 API 使用,支援最多 15 張圖片和 3 段音訊參考,輸出可達 4K、10-bit 色深。公司稱,在輸出規格及計費條件相若時,同一預算可提供最高五倍產出。
Sierra 於 2026 年 10 月 7 日推出 Fleming-1,偵測電話來電者是否為 AI 智能體。模型會即時分析來電語音,評估音訊由 AI 生成的跡象,並標示疑似 AI 來電;預設設定較保守,以免誤將真人標記。Fleming-1 適用於 Sierra 平台上的任何語音智能體,企業只需啟用,並自行決定如何處理這類來電。
Illumina 發佈 SpliceAI2,這款基因組 AI 模型可預測遺傳變異對 RNA 剪接的影響;在罕見病研究數據集中,它比其他受測剪接模型識別出多 17% 的疾病相關變異。模型只需 DNA 序列作為輸入,訓練數據集規模超過上一代 100 倍。程式碼、訓練權重及預先計算的變異預測可供學術及非商業研究使用,軟件需要支援 CUDA 的 GPU。
Cognition 發佈 SWE-2 編碼模型,稱其在 FrontierCode 1.1 Main 得分 50.0%,與 Fable 5.1 相差不足 1 個百分點,成本低 64%。SWE-2 以 Kimi K3 為基礎進行後訓練,並在單次 RL 訓練中涵蓋所有推理力度。模型即日起於 Devin Desktop 和 CLI 提供,並正逐步推出至 Devin Web 和 Fusion。
阿布扎比的 Technology Innovation Institute(TII)發佈 1.6B 參數阿拉伯語語音辨識模型 Falcon-ASR,在其 6 組阿拉伯語測試集錄得 20.92% 平均 WER。
Cloudflare 發佈開放權重模型 Clef-omni,可在一次呼叫中對文字、圖像、音訊和影片輸入進行決策評分。模型總計 30B 參數、啟用 3B 參數,採用 MoE 架構,並在 Workers AI 提供 64,000-token 上下文。
vLLM Semantic Router 團隊推出 Decision 3.0,一組可讀取文字、JSON 和圖像,並以概率回答結構化問題的多模態決策模型。系列共有 5 個型號,參數規模由 0.85B 至 26.09B,全部採用 Apache-2.0 授權。模型可在一次呼叫中回答多個選擇題、是非題或評分問題,並為每個答案返回概率。
CalOn 是一款 0.6B 模型,面向資訊抽取中的快速決策,可用指定類型處理實體、關係與事件。在 NER 基準測試中,CalOn 每秒處理 120 句,吞吐量是 GLiNER2 的 5.5×、GLiFormer 的 6.7×;評估涵蓋 40 個基準。模型權重、推理程式碼及訓練程式碼以 Apache 2.0 授權開源。
Odyssey 已開放世界模型 Odyssey-3 的公開研究預覽,用戶可透過文字提示生成互動環境並即時探索。免費網上演示使用 Odyssey-3 Flash;基礎版有 14 billion parameters,輸出影片解像度為 832 × 480 像素,Odyssey-3 Pro 支援 1280 × 720 像素。
OrcaRouter 發佈用於獲授權漏洞研究的 OrcaCyber Zero 1.5,配備 1M-token 上下文窗口。模型在 Cybench 得分 100%(39/39),在 CVE-Bench 可評估的 24 項任務中得分 95.8%,兩項成績均由供應商報告。
Microsoft 推出 Decision-1,加入 AI 決策模型競賽;該模型以 Qwen3.5-9B 為基礎,在涵蓋近 150,000 條問題的 36 項基準測試中,準確率達 83.5%,延遲為 85 ms。
字節 Seed 正式發佈多模態圖像創作模型 Seedream 5.0 Pro,提升圖文匹配、結構合理性、文字渲染及畫面美感。模型支援高密度資訊圖生成、互動式精準編輯、圖層拆分、多圖融合,以及十餘種常用語言的直接輸入與生成。目前已在火山方舟體驗中心上線,並將陸續在豆包、即夢上線;項目主頁:https://seed.bytedance.com/seedream5_0_pro
字節 Seed 發佈音訊創作模型 Seed Audio 1.0,以統一框架生成對白、音效和環境聲,完成完整聲音場景創作。模型支援 100ms 間隔精度時間控制、參考音訊延展(單次約 2 分鐘)及 20+ 語種生成,並已在火山方舟體驗中心上線。
Seedance 2.5 正式發布,單次影片生成時長提升至 30 秒,並支援多輪延長。模型單次最多可參考 30 張圖片、10 段影片及 10 段音訊,並支援時間戳精準編輯。模型正陸續上線即夢 AI、豆包專業版,API 服務將於近期上線火山方舟;項目主頁:https://seed.bytedance.com/seedance2_5。
推薦理由:Seedance 2.5 將單次生成時長提升至 30 秒,並支援多素材參考及時間戳編輯,呈現影片生成由片段輸出走向長敍事與精細控制的能力變化。
字節 Seed 正式推出原生音訊及影片全雙工大模型 SeedRealtime,透過統一架構融合音訊、影片與文字,並在連續多模態資訊流中即時互動。端到端人工評測顯示,相比級聯模型,音訊及影片對話的節奏問題減少一半,單次對話順暢、完整交流的機率亦有明顯提升。
Nace.AI 開源 Drex 1.5,這款 8.95B 決策模型讀取狀態與指定問題,為每個選項輸出機率,而非生成文字。它在公開 Decision Index 0.3.1 得分 58.08,與 Jev 1.13.0 的 57.96 落在榜單 0.9 分的並列範圍內;32K 至 128K token 文件準確率為 93.4%。
Microsoft 發佈 Microsoft-Decision-1,這款由 Qwen3.5-9B 後訓練而成的決策評分模型,會為固定選項輸出校準機率,而非生成文字,並已在 Microsoft Foundry 和 OpenRouter 提供。
Cloudflare 推出開放權重決策 AI 模型 Clef-omni,支援以單次 API 呼叫處理文字、圖像、音訊及影片。模型在此前 Clef 基礎上新增音訊及完整影片輸入,支援 wav、mp3、mp4 和 webm,開發者毋須另行搭建語音轉寫及音影片拆分流程。
Google 內部測試的 Gemini 4 Carbon 曝光,有員工稱其編程表現接近 Claude Opus 5.5。早期 Argon 在 DeepSWE v1.1 得分 77.9%,高於 Opus 5.5 的 74.2%;在 Terminal-Bench 4.0 得分 57.4%,低於 Opus 5.5 的 66.4%。
Microsoft於2026年10月9日發佈 Microsoft-Decision-1,這款專用 AI 模型按預設選項輸出 JSON 格式的機率分數,供分類、流程分流及評估 AI 智能體提出的行動。
Underdog AI 發佈 Saluki 27B,這是 Qwen3.8-27B 的 2-bit 量化調校版本,大小為 7.89 GB,僅支援文字輸入輸出。模型面向智能體應用,擅長日常推理及工具使用,數學表現相對遜色;工具選擇和多工具並行呼叫表現甚至優於全尺寸 Qwen3.8-27B。
Alibaba 的 Qwen 團隊發佈 Qwen-Image-2.1-Turbo,沿用 7B 架構,將圖像生成及編輯的去噪步數由基礎模型預設的 40 步減至 8 步。它支援 2K 輸出及多參考圖編輯;Alibaba Cloud Model Studio 在大多數地區的 Turbo API 每張收費 CNY 0.1。權重採用研究授權,商業自託管須另行取得許可。
生數科技發佈新一代影片生成模型 Vidu Q4 Preview 預覽版本,支援圖生影片、參考生影片及 2K、4K 輸出。模型最多可使用 3 段參考音訊和 15 張參考圖,並支援 540P、720P、1080P、2K、4K 多種規格。單次生成影片最長 16 秒、支援 10bit 色深,首發優惠價由 0.09 元/秒起。
微軟推出面向結構化決策任務的 AI 模型 Microsoft‑Decision‑1,主打低延遲、高可靠的決策評分,並已在 Microsoft Foundry 開放使用。