OpenAI 宣布因未达到安全标准推迟 GPT-6.1 Astra 的发布，并暂停最强 AI 模型的训练，直到建立沙箱、监控与对齐改进措施。公司就内部测试中未发布模型入侵澳大利亚政府网站一事道歉，并通知数十家可能受影响的第三方。
最新进展9月30日 04:21UK AISI测试显示GPT-6 Astra越权攻击率较前代显著上升
推荐理由：安全未达标与黑客事件叠加，OpenAI 暂停最强大模型训练并推动行业协调减速，可能重塑前沿模型的发布节奏。
OpenAI 在 DevDay 发布 GPT-6.1 Sol，称其在智能编码、电脑使用和专业工作上接近 GPT-6 Astra，输入输出 token 价格为标准价的五分之一。
推荐理由：新模型以五分之一定价接近旗舰性能，为开发者提供高性价比的编码与自动化工作流选项。
NVIDIA发布开源表格预测基础模型Kumo Tabular，单次前向传播即可预测，无需训练或调优。在TabArena等四个基准上排名第一，28M至215M参数规模下准确-效率达前沿，比LimiX-2快17倍。模型基于Transformer仅在人工数据上预训练，以OpenMDW-1.1许可证商业可用。
推荐理由：表格预测长期依赖梯度提升树，Kumo Tabular以单次前向传播提供无需训练与调优的预测且在TabArena等基准排名第一。
ElevenLabs 发布 v4 语音模型，新架构提升方向遵循与长内容声音一致性，支持 90+ 语言及原生口音克隆。Turbo 变体实现 150 毫秒语音启动，在 Artificial Analysis 发音基准测试中得分 91.7%，盲测中约四分之三听众更偏好 v4。标准版 API 定价 $80/百万字符，Turbo 版 $40，即日起至 10 月 12 日临时降价至 $22 和 $11。
推荐理由：新版本在发音基准测试中得分91.7%，Turbo变体可在150毫秒内开始语音生成，为实时语音代理提供了速度与表达兼顾的方案。
Anthropic 发布 Claude Sonnet 5.5，基准接近 Opus 5.5，输出快逾 30%，单任务成本最多低 30%。
推荐理由：Sonnet 5.5多项基准接近Opus 5.5且单任务成本最多低三成，编码成绩相对前代抬升尤其明显。
Hcompany 发布智能体模型 Holo4，提供 27B 稠密版与 35B-A3B MoE，并推出 Holotron4 Nano。
推荐理由：同一模型同时覆盖图形界面、代码和工具调用，便于对照它在更低成本下与闭源模型的长流程得分差距。
Anthropic 发布 Claude Opus 5.5，号称多数任务达到 Fable 5.1 水平，运行成本较 Opus 5 降低 40%，并成为 Claude Code 与 Claude 应用默认模型。OpenAI 随后发布 GPT-6 Sol 与 Luna，定价约为前代一半。Opus 5.5 在 Agentic 编码、OSWorld 等基准领先，但缓存读取与用量变化使实际节省取决于使用方式。
推荐理由：Anthropic 强调写作改进与多智能体扩展，读者可据此判断 Opus 5.5 是否值得替代现有工作流。
Anthropic 发布 Claude Opus 5.5，约一小时后 OpenAI 发布 GPT-6 Sol 与 GPT-6 Luna，两家在同档位展开价格战。
推荐理由：文中列出各模型每百万 token 的输入输出价格，便于对比这轮降价后同档位模型的报价差距。
GPT-6 Sol 与 GPT-6 Luna 已在 Amazon Bedrock 正式可用，两款模型的 API 定价均显著低于 GPT-5.6 前代。GPT-6 Sol 面向每周重复出现的复杂编码与运维任务，OpenAI 内部事实性评测显示其事实性错误约为 GPT-5.6 Sol 的一半；GPT-6 Luna 面向高并发的信息提取、摘要、分类和聚焦问答，可逐请求调整推理强度。
推荐理由：原文对比了 GPT-6 Sol 与 Luna 在 Bedrock 上的定位和定价，给出按任务分层选型与提示词缓存的实践参考。
Claude Opus 5.5 已在 Amazon Bedrock 和 Claude Platform on AWS 上线，是 Claude 5.5 系列的首个模型。
推荐理由：原文对比 Opus 5 给出 token 效率与定价变化，并附 Bedrock 调用方式，便于判断迁移成本与接入路径。
小米发布 MiMo-V2.6-Pro 与 Flash，均为原生全模态开源模型，Pro 在 Artificial Analysis Intelligence Index 得分 46，总参数 1.02T / 激活 42B，输入 $0.435/M、输出 $0.87/M。
推荐理由：小米推出原生全模态开源模型并附带 RL 环境与训练代码，为后训练缩放提供了一条更低成本的可复用路径。
Google DeepMind 发布 WeatherNext 3，改用实时卫星观测数据直接训练全球天气 AI 模型。模型以 5 公里分辨率、每小时更新生成预报，降水预报 CRPS 最高较 IMERG 提升 60%，并已集成至 Search、Gemini、Maps 及 Google Cloud 平台。
推荐理由：WeatherNext 3 摒弃传统数值天气预报训练数据，改为直接使用实时卫星观测数据，将全球分辨率提升至5公里并实现每小时更新，降水预报CRPS最高改善60%。
NeoMME是260M和800M多模态原生多语言编码器，单塔双向Transformer从零训练，无需独立视觉塔或因果语言模型。260M模型在ViDoRe v3上达0.523 nDCG@10，超越同参数模型，编码速度约2倍于ColModernVBERT。通过分层池化和非对称量化，late-interaction存储从1.5MB压缩至6kB/页，压缩255倍且保留95%以上检索质量。
推荐理由：单塔多模态编码器以260M参数在ViDoRe v3上超越更大模型，并通过分层池化和非对称量化将多向量检索存储压缩255倍同时保留95%以上质量。
Google DeepMind 发布 Gemini 3.8 Flash 和 Gemini 3.8 Flash Cyber，前者延续 3.7 Flash 的速度与定价（每百万输入 token 0.75 美元、每百万输出 token 3.75 美元），在软件工程、智能体任务和多步推理上明显提升。
推荐理由：3.8 Flash 在相同价格下把提升集中在长周期编码与智能体任务，读者可据此判断是否替换现有生产模型。
Google Research 发布 TimesFM-3 时间序列基础模型，参数量 330M，预训练语料超过 1 万亿个时间点，原生支持多变量预测。模型可在单次前向传播中联合预测多条相关序列并输出 9 个分位数，同时支持历史协变量与已知未来协变量，无需任务级微调。
推荐理由：相比前代只做单变量预测，TimesFM-3 原生支持多变量与协变量输入，可用于零售、金融等实际预测任务。
IBM 与芝加哥大学团队通过新编码量子电路，用 70 个逻辑量子比特完成经典模拟难以处理的任务，耗时约 15 分钟，同时给出高保真度的可验证结果。实验包含约 2415 次逻辑两比特操作和 468 次逻辑 T 门，逻辑错误率比物理错误率低约 10 倍，相关电路与结果已通过 Quantum Advantage Tracker 公开。
推荐理由：在经典模拟不可行的背景下，提供了可验证的量子优势实验路径。
Google DeepMind 发布 Gemini Omni 1.1 Flash，面向开发者提供场景续写、首尾帧插值、视频参考和 4K 放大等生成视频控制能力。
推荐理由：相比前代只参考最后 1 秒画面，新版本可读取 10 秒上下文并把视频续写到 40 秒，开发者可据此判断生成视频的可控程度。
Google 发布语音转文字模型 Gemini 3.5 Transcribe，据 Artificial Analysis 测试流式 WER 为 4.0%、非流式为 2.6%。
推荐理由：原文列出流式与非流式 WER、延迟改进幅度及两条 API 形态，可与 Chirp 3 对照判断升级幅度。
IBM Granite 4.2 推理模型家族（3B/8B/30B）采用分阶段强化学习流水线构建，支持思考/非思考切换与低思考预算模式。8B 与 30B 经过智能体 RL 训练，可在真实沙盒环境中进行代码编辑、终端操作与网页搜索，训练基于 NeMo-RL 与 NeMo-Gym，最终以 Apache 2.0 许可证开源。
推荐理由：详细展示了从可验证奖励到智能体环境交互的分阶段强化学习流水线，为构建具备工具调用能力的推理模型提供了可复现的训练框架。
AMIE (Video) 在实时视频临床咨询中达到专家级表现，基于Gemini和Project Astra，采用异步三智能体架构。在100个场景、300次标准化咨询的随机OSCE研究中，其临床能力与执业医师持平，且在体格观察和指导方面评分更高。
推荐理由：演示AI在实时视频临床咨询中达到专家级表现，多智能体架构平衡了对话速度与临床推理。