新模型的发布、开源与迭代：大模型厂商的旗舰更新、开源权重放出、性能与价格变化的第一时间记录。
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。
Why it matters: 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。
Why it matters: 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。
Why it matters: 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。
Why it matters: 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。
Anthropic 发布 Claude Opus 5.5，宣称其在多数任务上达到 Fable 5.1 性能，运行成本约降低 40%，输出速度比 Opus 5 快 30% 以上，且更简洁。
Why it matters: 原文给出性能、成本和用量变化，读者可据此评估升级对现有工作流的实际影响。
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。
Why it matters: 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。
PyTorch Blog发布Low Precision Flash Attention 4，在Blackwell上扩展MXFP8前向与反向，前向达2.85 PF/s、反向达2 PF/s，LLM形状较BF16加速1.6×和1.52×。代码已开源至ads_model_kernel_library/lp_fa4。
Why it matters: 原文给出了MXFP8前向与反向的PFLOP/s数据及开源地址，读者可据此评估Blackwell训练栈的实际加速效果。
NVIDIA 官方发布 Vera Rubin NVL72 在 MLPerf Inference v6.1 的预览结果，在 DeepSeek-R1 和 Qwen3-VL 上分别较 GB300 NVL72 提升最高 2.5x 和 3.7x 吞吐。
Why it matters: NVIDIA 官方公布 Vera Rubin NVL72 在 MLPerf Inference v6.1 的首秀成绩，读者可据此对比新旧平台推理吞吐与扩展效率。
Google DeepMind 发布了 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 模型，专注于近实时推理和语音代理。
Why it matters: Google DeepMind 发布了 Gemini 3.8 Live 系列模型，提升实时推理和语音代理能力，支持复杂任务执行与流畅对话，为开发者构建生产级语音代理提供高效工具。
PyTorch Foundation 于 9 月 8–9 日在上海举办 PyTorch Conference China 2026，与 KubeCon + CloudNativeCon 和 OpenInfra Summit 同期举行。
Why it matters: PyTorch Foundation 在中国大会公布新成员与开放 AI 栈分层，读者可据此追踪开源生态的协作版图和硬件集成进展。
Google DeepMind 发布了 AlphaGenome Atlas，提供人类基因组中 90 亿个单核苷酸变异的分子影响预测。该平台包含数千个分子效应预测，覆盖多个细胞类型，已在罕见病研究中验证变异功能。AlphaGenome Atlas 通过网站、AlphaGenome API 和 Google Antigravity 提供。
Why it matters: Google DeepMind 发布了 AlphaGenome Atlas，提供人类基因组中 90 亿个单核苷酸变异的分子影响预测，并推出 AVI 分数用于变异影响评估。
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。
Why it matters: 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。
Why it matters: 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。
Why it matters: 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。
Why it matters: 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。
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。
Why it matters: 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%。
Why it matters: 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。
Z.ai 发布 GLM-5.3，目前仅在编码计划中可用，两周后开放权重并上线 Hugging Face。该模型在多个基准上超越 Kimi K3、Claude Fable 5 和 GPT-5.6-Sol，参数量仅约 750B，约为 Kimi K3 的三分之一。
Why it matters: 在参数规模明显更小的情况下，GLM-5.3 在智能体编码基准上逼近前沿，读者可借此观察中国实验室的训练策略与美国厂商的发布节奏差异。
Hugging Face 发布 2026 年上半年开源模型观察报告，指出中国实验室在几乎每个月的前沿模型规模都超过美国模型，同时 Qwen 衍生模型达 15 万个、成为社区基础模型。下载量高度集中于小模型，GGUF 等本地推理格式增长远超模型仓库本身增速。Agent 首次成为 Hub 主要流量来源，7 月 Claude Code 占 44.4%，近四分之一流量来自未注册客户端。
Why it matters: 报告揭示了开源模型格局的前沿迁移与采纳现实之间的落差，为观察中国实验室的发布策略与社区实际依赖提供了可对照的数据视角。
NVIDIA Nemotron 3.5 Lightning 现已上线 Ollama，30B 总参数、每 token 仅 3B 活跃参数，基于混合专家架构，专为本地 Agent 设计。模型支持 1M 上下文、推测解码多令牌预测，经称可达 4 倍吞吐量与 30% 更快任务完成时间，权重与数据集均开源，可在 RTX PC、工作站、DGX Spark / Station 及云端运行。
Why it matters: 开源本地 Agent 模型兼顾 3B 活跃参数与 1M 上下文，读者可据此评估在 RTX 设备上跑高吞吐多步任务的可行性。