OpenAI 向所有 ChatGPT 用戶推出 GPT-6 系列模型及智能介面
OpenAI 宣佈向所有 ChatGPT 用戶推出 GPT-6 系列模型及智能介面(Intelligent UI),ChatGPT 全球每週活躍用戶超過 12 億。
推薦理由:GPT-6 系列此前僅供 ChatGPT Work 和 Codex 使用,現已開放予所有 ChatGPT 用戶;智能介面可按問題組合文字、圖像及互動元件生成回覆,亦支援圖表、按鈕和表單。
OpenAI 宣佈向所有 ChatGPT 用戶推出 GPT-6 系列模型及智能介面(Intelligent UI),ChatGPT 全球每週活躍用戶超過 12 億。
推薦理由:GPT-6 系列此前僅供 ChatGPT Work 和 Codex 使用,現已開放予所有 ChatGPT 用戶;智能介面可按問題組合文字、圖像及互動元件生成回覆,亦支援圖表、按鈕和表單。
Anthropic 發佈 Claude Haiku 5.5,100,000 tokens 內每百萬輸入/輸出 tokens 定價為 $0.10/$0.50,超出後升至 $0.50/$2.50。
Sierra 推出 fleming-1,分析通話語音並標示可能由 AI 智能體發起的來電。Sierra 亦與業界夥伴共同開發開放標準 Personal Agent Protocol,讓個人智能體以直接、獲授權的方式與企業互動,並表明代表誰行事。fleming-1 即時評分語音中的 AI 生成跡象,預設採保守設定,並適用於任何以 Sierra 建構的語音智能體,啟用即可使用。
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。其四項核心能力包括高密度資訊圖生成、交互式精準編輯、寫實影像與人像質感,以及十餘種語言的輸入與生成;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。文中亦指出,更細緻的文字渲染及像素級編輯保持仍有改進空間。
字節 Seed 發佈音訊創作模型 Seed Audio 1.0,透過統一框架聯合建模人聲、音效及環境聲,生成完整聲音場景。模型支援 100ms 間隔精度的時間控制、參考音訊延展生成(單次可生成約 2 分鐘並可繼續延長),以及 20+ 語種。
字節 Seed 正式發佈新一代影片創作模型 Seedance 2.5,單次生成時長由 15 秒提升至 30 秒,並支援多輪延長。模型支援單次輸入最多 30 張圖片、10 段影片和 10 段音訊作參考,並提供時間戳精準編輯。
字節 Seed 正式推出 SeedRealtime 音訊與影片全雙工大模型,透過統一架構原生融合音訊、影片與文字,支援連續多模態資訊流上的即時互動。端到端人工評測結果顯示,相比級聯模型,SeedRealtime 的音訊與影片對話節奏問題減少一半,單次對話順暢、完整交流的機率亦明顯提升。
OpenAI 正開始全球推出 GPT-6,新增「Intelligent UI」,按問題將回答轉為包含圖形、按鈕、圖表和表單的互動介面,並可在聊天內建立儲蓄計算器或遊戲等小工具。
推薦理由:文章把 GPT-6 的 Intelligent UI 與 Google 於 5 月為 Gemini 推出的 Neural Expressive 並列,交代兩款聊天產品推出互動介面的背景與功能方向,補足同類功能的比較脈絡。
AWS 宣佈 Claude Haiku 5.5 已可透過 Amazon Bedrock 及 Claude Platform on AWS 使用。Anthropic 表示,它是 Claude 5.5 系列中速度最快、效率最高的模型,大多數任務的成本比 Claude Haiku 4.5 低約 75 percent。
推薦理由:文章説明 Claude Haiku 5.5 面向高用量、成本敏感任務的定位,並列出 Amazon Bedrock 使用範例及可用區域,提供模型選用與部署的實用參考。
Liquid AI 發佈開放權重多模態決策模型 d1-3B 和 d1-omni-600M,兩者單次前向傳播即可輸出經校準的指定答案機率,不生成文字 token。
Anthropic 發佈 Claude Haiku 5.5,稱其為迄今推出的最便宜、最快且能力最強的小型模型,平均運行成本較 Haiku 4.5 低約 75%。
推薦理由:文章對照 Haiku 5.5 的低成本定位與 Sonnet 5.5、Opus 5.5 在複雜 Agent 編碼任務上的優勢,呈現不同工作負載下的模型取捨。
OpenAI 開始向更多 ChatGPT 用戶推出 GPT-6,並為 ChatGPT 加入 Intelligent UI,讓回應可按問題組合文字、視覺內容和互動元件。
推薦理由:這次更新把可按問題生成互動介面與逐步作答帶進 ChatGPT,並交代推出方案及回應速度數據,呈現 GPT-6 在使用方式和回應節奏上的改變。
Anthropic 發佈 Claude Haiku 5.5,稱其為迄今最快、最便宜的小型模型;它在 OSWorld-2.1 得分 72.4%,高於 Haiku 4.5 的 15.7%,並在 Terminal-Bench 4.0 得分 39.2%。
Claude Haiku 5.5(claude-haiku-5-5)已推出,面向高用量及對延遲敏感的工作,支援 1M token 上下文窗口、128k 最大輸出 token,以及由 effort 參數控制的自適應思考。
Claude Platform 於 10 月 7 日推出 Claude Haiku 5.5,這款模型針對高用量及低延遲工作調校,支援 1M token 上下文窗口、128k 最大輸出 token,並提供以 effort 參數控制的 adaptive thinking。
Anthropic 推出 Claude Haiku 5.5,面向高用量及低延遲工作,支援 1M token 上下文窗口、128k max output tokens,以及 adaptive thinking 和 effort 參數。
Anthropic 在 Claude Platform 發佈説明中推出 Claude Haiku 5.5,並下調 Claude Sonnet 5.5 的提示詞快取讀取價格。
Anthropic 在 Claude Platform 推出 Claude Haiku 5.5,提供 1M token 上下文窗口、128k 最大輸出 tokens,並預設啟用自適應思考。
Microsoft 計劃將 MAI Code 1.1 Flash 模型整合至 Windows 11 裝置;模型有 130B 參數、採用 3-bit 量化,體積縮小 80%,上下文窗口為 256K。
Liquid AI 發佈兩款開放權重端側決策模型 d1-3B 和實驗版 d1-omni-600M。d1-3B 支援文字與圖像輸入,在 Decision Index 0.2.1 得分 48.57,並在七個公開數據集取得 82.9 的平均分;d1-omni-600M 支援文字與圖像或文字與音訊輸入。
推薦理由:文章把 d1-3B 的公開基準成績與多款邊緣設備的延遲數據並列,讓讀者瞭解其決策表現及端側推理速度。
Liquid AI 發佈 d1-3B 和 d1-omni-600M 兩款開放權重決策模型,兩者均以單次前向傳遞直接輸出答案。d1-3B 支援文字和圖像輸入,d1-omni-600M 支援文字加圖像或文字加音訊輸入;兩款模型均可在 Hugging Face 取得,並支援 llama.cpp。
Mistral 推出 1 trillion 參數的 Mistral Large 4(綽號「Le Chonk」),稱其可與美國及中國最頂尖的 AI 模型競爭,並可供任何人使用和自訂。
Strands 團隊開源 Strands Decider 2B,這款 2B 參數決策模型面向快速實驗、本地開發及 Agent 工作流。它在 JevBench 公開集的準確度及校準表現,在 2B 級 33 款模型中排名第 3;排除略高於 2B 的模型後,在 30 款中排名第 1,本地決策中位延遲約 115ms。
Google 於2026年10月6日公開 EmbeddingGemma 2,這款 740M 參數的多模態嵌入模型可在智能手機及 PC 運行,將文字、程式碼、圖像、音訊及影片映射至共同向量空間。模型採用 Apache 2.0 授權,支援搜尋、分類等用途,並可與 Gemma 4 配合在端側構建 RAG;其上下文窗口擴至初代的 4 倍,即 8192 個 tokens。
Google 發佈圖像生成與編輯模型 Nano Banana 2.1,重點提升視覺設計、遮罩編輯及主體一致性。Nano Banana 2.1 正逐步部署至 Gemini 應用、Google 搜尋 AI 模式、Google AI Studio、Google Flow、Stitch、Google 廣告及 Gemini 企業平台。
Google 推出 EmbeddingGemma 2,將 EmbeddingGemma 的嵌入能力由文字擴展至程式碼、圖像、影片和音訊,並把不同內容映射至同一嵌入空間。
Google DeepMind 發佈 EmbeddingGemma 2,將文字、程式碼、圖像、影片和音訊映射至統一嵌入空間,支援裝置端多模態搜尋與檢索。模型基於 Gemma 4 架構,擁有 740 million parameters,以 Apache 2.0 授權發佈,並提供 8K token 上下文窗口。
Musubi 推出開放權重的 PolicyLM-1.7B,將決策模型用於即時內容審核。模型可把以英文撰寫的內容政策套用於訊息,處理時間少於 50 毫秒;政策變更時毋須重新訓練。
EmbeddingGemma 2 是一款開放、輕量的多模態嵌入模型,討論提及視覺、影片及音訊應用,並提出以此建立本地多模態搜尋的可能性。評論者觀察到,圖像及音訊嵌入可同時承載文字內容與風格、視聽語調資訊,兩者似乎可以線性分離。
Mistral 發佈 Mistral Large 4 Research Public Preview,Artificial Analysis Intelligence Index 評分為 38,並將其列為美國和中國以外最智能的模型。
Google 發佈圖像生成與編輯模型 Nano Banana 2.1,取代 2026 年 2 月推出的 Nano Banana 2,並稱新版本在多方面均有改進。
推薦理由:文章並列 Nano Banana 2.1 的定價、基準測試與實際生成圖片比較,呈現其成本變化及相對 Nano Banana Pro 的畫質差異。
Google 發佈 EmbeddingGemma 2,稱這款 740 million 個參數的開放模型在多模態嵌入基準上勝過參數量最多為其兩倍的競品。它在 Massive Text Embedding Benchmark (Code) 得分 78.68,較前代的 68.76 高近 10 分。
Google DeepMind 發佈 EmbeddingGemma 2,將文字、程式碼、圖像、影片及音訊映射至同一嵌入空間,供裝置端推理使用。
推薦理由:EmbeddingGemma 2 將文字、程式碼、圖像、影片及音訊映射至同一嵌入空間,並列出裝置端記憶體與向量儲存數據,方便評估跨模態搜尋的本地部署。
Mistral 推出 Mistral Large 4 預覽版,模型共有 1 trillion parameters,其中 49 billion 為 active parameters,現可透過 Mistral API 使用。
Mistral AI 發佈 Mistral Large 4(ML4,代號 Le Chonk)公開預覽版,這款多模態 MoE 模型總參數為 1.05T、每個 token 啟用 49B,並支援 1M token 上下文窗口。
推薦理由:文章把參數規模、每 token 啟用量與 API 價格並列,並交代網絡安全評測和權重開放時間,便於判斷預覽版的可用性與限制。
Google DeepMind 發佈 EmbeddingGemma 2,這款 740M 參數開放模型可將文字、程式碼、圖像、影片及音訊嵌入同一個 768 維空間。
Mistral AI 已開放旗艦模型 Mistral Large 4(ML4,暱稱「Le Chonk」)下載;該模型此前於本月初進入公開預覽。Mistral 表示,模型在 SWE-bench 和 Terminal Bench 等 Agent 基準達到「state-of-the-art」表現,並具備網絡安全、編碼及製造業和金融任務方面的能力。
Mistral Large 4 是一款最先進的開放權重通用多模態模型,採用細粒度混合專家架構。模型有 49B 活躍參數、1.05T 總參數,以及 1.6B 視覺編碼器。
DeepSeek 本週在 HuggingFace 開放 DeepSeek-V4.1-Flash 權重,並已透過 Baseten Model APIs 提供;其 CED 架構在預填充階段啟用 8B 參數,在解碼階段啟用 16B。
EmbeddingGemma 2 開發者指南介紹這款基於 Gemma 4 的開放模型,可將文字、程式碼、圖像、影片和音訊映射至同一個 768 維向量空間。模型可按需載入由文字與程式碼的 270M 參數配置,擴展至完整多模態的 740M 參數配置,各配置共用同一向量空間。