AI 编程实时动态与要闻

语音模型公司 Cartesia 于 10 月 29 日发布 Managed Agents，一个面向企业电话场景的端到端语音 agent 平台，把自家语音识别、语音合成模型与 agent 框架一起设计调优，并自带电话接入、知识库、工具调用和批量外呼。官方称它在 Artificial Analysis 的 Speech Agent Arena 中以 1115 Elo 排第 1，在 ServiceNow 的 EVA-Bench 上拿到 87.4% 准确率和 90.7% 体验分（均为厂商口径，推理模型为 GPT-5.5）；上线期价格打五折，为每分钟 0.03 美元。

查看大图

Google DeepMind 10 月 28 日发布 Gemini 4 Carbon，称其为目前最强模型，距 Gemini 4 Argon 上线仅两周。官方博客称它在 Artificial Analysis 智能指数 v5.0 以 59 分排名第一，并在网络安全三项评测领先：SEC-bench Pro 找漏洞 88.2%、ExploitGym 漏洞利用 54.8%、CWE-bench 打补丁 71.0%；WebDev Arena 涨 89 分至第 4（1769）。本周起先向 Fairwind 计划中的部分网络防御者开放，之后再面向开发者、企业和消费者。介绍期价格与 Argon 相同，每百万输入 / 输出 token 2 / 10 美元，之后为 4 / 20 美元。

查看大图

微软 AI 10 月 27 日宣布 MAI-Image-2.6 和 MAI-Image-2.6-Flash 在 Microsoft Foundry 正式商用（GA），支持最多 5 张参考图的多图编辑、Bing 联网 grounding 和最高 1.5K 输出，并公布按 token 计价。同一天，新一代图像编辑模型 MAI-Image-2.7-Preview 以 1470 分登上 Arena 图像编辑榜总榜第 3（比 2.6 高 45 分），目前只能在 MAI Playground 做图像编辑。

查看大图

Canva 10 月 22 日发布由内部 AI 实验室 Canva Research 从零训练的首个图像生成基础模型 Canva Craft。它采用两阶段架构：先由规划模型写出构图方案（元素、空间关系、层级、需要出现的文字），再由渲染模型生成最高 2K、30 多种比例的图片。训练数据重点使用 Canva 模板库里数百万份人工设计的海报、社媒图、演示稿和信息图。官方称其在众包设计评测 DesignArena 总榜首发排第 4，人像和风景两个子类排第 1。模型即日起在 Dream Lab 面向全球所有用户开放，开发者可通过 Connect API 以 craft_v1_2k 调用，Canva MCP 接入即将上线。

查看大图

10 月 20 日，Krea 宣布其 10 月 15 日发布的图像编辑模型 Krea 3 进入多个第三方榜单。Arena 多图编辑榜上 Krea 3 Ultra 以 1435±11 分排第 4（初步结果，2,991 票），前三名均为 OpenAI 模型；单图编辑榜排第 8。Artificial Analysis 图像编辑榜上 Ultra 为 1151 Elo、排第 5，Fast 版 1125 Elo 排第 11。Krea 3 主打 2K 原生编辑、多数 8 秒内返回、每张 0.06 美元。

查看大图

fal 于 10 月 19 日（UTC）发布 FLUX 3 Max，这是 fal Research 与 Black Forest Labs 合作、在 FLUX 3 基础模型上做后训练、强化学习和推理优化得到的视频生成模型，支持文生视频、图生视频和关键帧，最长 20 秒，可选 720p/1080p 并默认生成音频。在 Artificial Analysis 图生视频竞技场的初步榜单上它得到 1,139 Elo，与 Seedance 2.5 同分、和第一名 MiniMax H3（1,141）置信区间重叠，按厂商口径生成 10 秒视频约 12.45 秒。目前 75% 折扣至 11 月 7 日，720p 每秒 0.0425 美元。

查看大图

Meta 官方正式披露其位于俄亥俄州新奥尔巴尼的吉瓦级（Gigawatt-Scale）AI 超算中心 Prometheus，拥有数十万张顶尖 GPU，在预训练中实现超 85% 的有效算力率（Goodput），在强化学习（RL）中达到 90% 以上。在此超级算力加持下，Meta 新一代代码与视觉旗舰模型 Muse Wonder Full 在 LMSYS Code Arena: WebDev 中斩获 1726 分跃居全球第 6 名（超越 Claude Sonnet 5.5 与 Gemini 4 Argon），推动 Meta 晋升全球前三大模型实验室。

查看大图

LMSYS 官方宣布在竞技场（Arena）中开放 OpenAI 旗舰图像模型 GPT-Image-2.5 Sunburst 的专属“直接测试模式”（Direct Mode），限时测试 14 天（至 11 月 2 日）。该模型当前在 LMSYS 文生图（Text-to-Image）、单图编辑（Image Edit）及多图编辑（Multi-Image Edit）三大竞技场全部霸榜第一。测试期结束后将继续保留在匿名双盲对战与 Agent 模式中，用于持续校准真实世界 Elo 积分。

查看大图

MiniMax 正式推出新一代旗舰轻量大模型 M3.1 Flash（此前以 Space Bunny 代号霸榜全球竞技场 200T+ Token）。模型支持 100 万 Token 原生上下文，百万输入/输出 Token 定价低至 0.15 / 0.60 美元（缓存读取仅 0.015 美元），推理速度较 M3 提升 3 倍且成本降低三分之二。在 LMSYS Code Arena: WebDev 中斩获 1588 分跃升 106 分，位列开源模型第 12 名，定于 10 月 23 日正式开源权重。

查看大图

Arena 官方正式发布 Code Arena: WebDev 最新榜单：深度求索最新推出的 DeepSeek-V4.1-Flash-20261017 (Max) 以 1670 分登顶开源模型第一，全面超越 Kimi K3 (Max) 且推理成本降低近 10 倍。该模型位列全榜总榜第 12，超越 Claude Opus 5 (High) 并与顶尖闭源旗舰 GPT-6 Sol (Max) 差距缩小至约 10 分以内，以百万 Token 输入 $0.3 / 输出 $1.2 的极低资费大幅改写 Pareto 前沿。

查看大图

Arena 官方发布基于 90,000+ 真实智能体会话的 Arena Alignment Index 最新榜单更新：Meta 旗舰 Muse Wonder (Max) 以 77.5% 位列实验室总榜第 6（越权操作率仅 2.09%、欺骗性完成率 14.41%）；美国榜首开源智能体模型 Reflection AI Beam-1.0-501B-A23B 以 75.3% 位列第 7（虚假归因率低至 4.50%）；阶跃星辰开源模型 Step 5 Preview 以 75.1% 位列第 8（越权操作率 2.11%）。

查看大图

针对网页与多模态智能体在强化学习中奖励稀疏、外部大模型裁判昂贵以及多能力梯度冲突的痛点，今日三项重磅研究实现突破：Salesforce AI Research 推出 CLIFT（arXiv:2610.06829），将保形认证的 URL 状态自验证问题库同时用于训练稠密奖励与测试期零裁判轨迹优选（CTS），使 Gemma-4 31B 在 WebArena Infinity 9 大应用上斩获 74.6% 登顶（超越 Gemini 3 Flash 的 70.1%），迁移至 GPT-5.5 刷新 VisualWebArena 53.7% SOTA；MMSearch-OPD（arXiv:2610.22240）将 9B 多模态深度搜索准确率提至 60.2%（+15.3 分）；东北大学 SCOPED-8B（arXiv:2610.22217）通过技能解耦在线专家蒸馏斩获 73.13% 均分，越级击败 4 倍体积的 Qwen3-VL-32B（72.01%）与 Claude Opus 4.6（72.86%）。

查看大图

长期以来，机器人的世界模型（预测场景演化）与控制策略（决策执行动作）各自为战，且不同形态机器人动作格式千差万别。研究团队发布机器人通用世界基座模型 GreenWAM：首次构建涵盖 20 类机器人家族（从双臂机械臂到高自由度人形机器人）的共享解剖动作空间（Shared Anatomical Action Space），支持视觉、动作条件与世界动作三大模式的联合预训练，并采用动作专家分离架构。实测显示，GreenWAM 在 WorldArena 1.0 的 3D 轨迹与深度精度排名榜首，在 RoboTwin 2.0 与 LIBERO-plus 上刷新 SOTA，并在实体人形机器人真机上实现高成功率连续控制，越级超越 Cosmos 3 Edge 与 π0.5。

查看大图

Arena（原 LMArena）发布 Agent 版 Max 路由器：基于 250 万+ 次真实 Agent Arena 会话训练，按任务复杂度、类型与成本在 Fable 5.1 (Max)、Astra (Max) 与 Astra (Medium) 间动态选模型。实测中它以 +14.7% 得分登顶 Agent Arena，单任务中位成本 3.27 美元，比当时第一的 Fable 5.1 (Max) 高 0.3% 且便宜 37.5%；代码会话 67% 被路由到更便宜的 Astra (Medium)。现可在 Agent Mode 限时免费试用，API 需填表申请。

查看大图