AI 产业每日简报

Gemini 4 Argon 在 Vals Index 上得分 68.9%（领先 Opus 5.5 的 67.0%），Vals Finance Agent v2 得分 65.4%（领先 Fable 5.1 约 6.5 个百分点），Harvey Legal Agent Benchmark 得分 19.6% 约为 Fable 5.1 的三倍。幻觉率仅 15%，是智能指数45分以上模型中最低的。DeepSWE v1.1 以 77.9% 位居编程榜首。100万 token 输出上限支持超长任务链推理。内部已有数千名员工使用。

OpenAI 于9月28日证实 GPT-6.1 Astra 因未通过内部安全评估（任务边界把控、权限遵守未达标）暂缓发布。随后推出 GPT-6.1 Sol 作为替代，以接近 Astra 的能力应对高难度编程和专业工作，API Token 价格不到 Astra 的一半。同期还发布了 GPT-6 Luna 系列模型。OpenAI 正以约 1.4 万亿美元投前估值洽谈超 300 亿美元融资。

NVIDIA Build 平台免费开放四款顶级开源模型的 API 调用：Kimi K3（~2.8T参数MoE，长程 Agent 编码）、GLM 5.3（753B参数，40B活跃）、GLM 5.3 Flash（320B参数，18B活跃）、DeepSeek V4.1 Flash（552B参数，8B prefill/16B decode）。均支持1M上下文窗口。新用户无需信用卡，但有手机号验证要求，俄罗斯等国不在支持列表中。免费层限速约 40 RPM，对原型和个人使用基本无上限。

GLM-5.3（753B总参/40B活跃）在 Z.ai Code Bench 上较 GLM-5.2 提升 50%，Terminal Bench 3.0 达到开源 SOTA；同时涌现网络安全能力，累计发现 2436 个漏洞（1097 个中高危）。GLM-5.3-Flash（320B总参/18B活跃）采用线性+稀疏混合注意力架构，原生多模态支持界面观察与交互反馈，计算量与 KV 缓存大幅降低。GLM-5.5 已于2026年10月作为旗舰模型发布，在 SWE-bench-Verified 上达到 80.2%，超越 Claude Opus 5.2。

arXiv 近日实施新规，限制所有作者每月最多提交两篇论文，覆盖全部学科领域，不限 AI 方向。限制按「提交次数」计算而非最终成功发布数量；即使投稿被拒仍计入当月额度，用完需等到下月重置。此举旨在应对投稿量激增带来的审阅与系统压力，引发学界对学术传播效率与公平性的关注。

IBM 将其 Agentic 软件开发平台 Bob 自托管版本正式推向 GA，企业可在本地、私有云、主权云及气隙网络中运行。支持自带模型（NVIDIA Nemotron 或 Poolside Laguna 用于完全隔离，Claude/Gemini/GPT 用于混合部署），Premium Packages 扩展支持 Java、IBM i 和 IBM Z 现代化。

OpenAI 于9月24日起 Sora API 完全停服（返回 HTTP 410 Gone），成为已彻底退出市场的视频生成模型。分析指出 Sora 每日亏损约 100 万美元，用户从峰值约100万降至50万以下。OpenAI 已将重心转向融合代理式 AI 工具的新「超级应用」，Sora 技术将继续用于幕后训练人形机器人。中国模型在成本上形成竞争优势——同样15秒高质量镜头，中国模型试错成本约150元，Sora 约800元。

FLUX 3 Video 新增 2K（QHD, $0.40/s）和 4K（UHD, $0.80/s）渲染支持，视频转视频分别为 $0.65/s 和 $0.95/s。基础 FLUX 3 本身仍生成最高 20 秒 FHD 视频含音频。FLUX Video Upscale（1.5x-3x，最高 4K）已于8月20日推出。MiniMax H3 Max 同期获得原生 1080p 和 Turbo 模式。

Gemini Omni 1.1 Flash 于8月27日正式 GA，支持 3-10 秒片段含原生音频，输出从 360p 到 4K，可按 10 秒步长延长至 40 秒，支持首尾帧控制和视频参考。Google 将 9 月 30 日设为预览模型 ID 的退役日期，集成方需及时更新。720p 成本约 $0.10/秒。

Midjourney Alpha 在 10 月 1 日 changelog 中新增：侧边栏实时风格预览（可提前查看效果）、文件夹级默认参数保存、Mac 右键菜单修复、10万+ 图片历史不再崩溃。所有 srefs 现在合并为单个样式胶囊显示缩略图，--exp 可设为文件夹默认值。下周将推出协作工具和持续编辑历史。

FLUX.2 是面向真实创意工作流的旗舰模型系列，支持最多 10 张参考图同时输入，保持最佳角色/产品/风格一致性。四大版本：FLUX.2 [pro] 最强闭源 API，[flex] 可调步数和引导强度，[dev] 32B 开放权重（Hugging Face 可下载），[klein] 轻量版。图像编辑分辨率最高达 4MP，复杂排版、信息图、UI mockup 的文字渲染达到生产可用水平。

可灵 AI 在 2026 年升级至 3.0 / 3.0 Omni 系列，支持文生视频、图生视频、视频延长与音画同步，支持多语言原生音频，最长可生成约 3 分钟视频，原生支持 4K 输出。市场评分 4.7/5，月免费额度约 500 万，入门付费 $6.99/月，是目前国内标杆级文生视频模型。

ByteDance Seedance 2.5 支持最长 15 秒 720p 视频生成，在 Artificial Analysis Video Arena 榜单上位居前列。配合即梦 App 使用，支持图生视频、文生视频等多种模式，是国产视频生成工具的重要代表之一。

AWS Strands Agents 团队发布 Strands Decider 2B（Apache-2.0），基于 Qwen3.5-2B-Base，单次前向推理返回选择/是-否概率/校准置信度，RTX 3090 上中位延迟 115ms，JevBench 得分 0.723，适合 AI Agent 的路由、工具选择和护栏场景。Cloudflare 同期发布 Clef（27B）和 Clef-flash（9B），返回类型化概率而非文本，支持图像输入，Workers AI 上分别 209.3ms 和 38.8ms 中位延迟。

微软研究院推出实验性 AI 研究系统 Quine，构建生物学多模态世界模型，覆盖基因组学、蛋白质、化学、RNA、细胞状态和生物成像等多种模态。形成「问题提出—模型推理—实验验证—结果反馈」闭环。案例显示 Quine 对数千种化合物改变胰腺癌细胞状态的潜力进行预测排序，从缩小搜索范围到确定候选物仅用了一个周末，节省数月实验工作。微软已与 MIT、哈佛共建布罗德研究所合作推进癌症生物学研究。

Google DeepMind 发布 AlphaGenome Atlas，预测人类基因组每一个可能的 DNA 字母变化，为遗传病研究和精准医疗提供重要参考工具。配合 AlphaFold 系列成果，DeepMind 在 AI for Science 领域持续保持领先。

银河通用发布全自研消费级人形机器人 ET1，支持实时斗舞、动作秒学（看一遍即复刻）、托马斯回旋等高难度动作，定位为物理世界原生智能体，专为人形机器人实时多模态交互与运动设计。实际售价 7.9 万元起售，引发广泛关注。

Google DeepMind 同期发布 Gemini Audio（基于 Gemini 的高级实时音频模型）和 Lyria 3.5（音乐创作模型，改进人声和声学细节）。Gemini 3.8 Text-to-Speech 也已于9月推出，进一步扩展多模态音频能力。

Google DeepMind 发布 WeatherNext 3，号称最先进和最准确的全球天气 AI 模型，进一步提升气象预报精度和时效性。