DeepSeek 发布 DeepSeek-V4-Pro-0813 正式版，取代此前的预览版本，官方称其智能体能力大幅增强，在生产环境中提升尤为明显。该模型沿用 DeepSeek-V4-Pro (Preview) 的结构，并附加 DSpark 投机解码模块，在 HLE、Terminal Bench 2.1、NL2Repo、DeepSWE 等基准上均高于预览版。
推荐理由：官方技术报告列出正式版与预览版在多项智能体基准上的对比，可据此判断其生产环境能力变化。
DeepSeek 发布 DeepSeek-V4-Flash-0731 正式版，取代此前的预览版本，智能体能力大幅增强。该模型与 DeepSeek-V4-Flash-DSpark 结构相同，附带投机解码模块，在 Terminal Bench 2.1、NL2Repo、DeepSWE 等基准上超过 DeepSeek-V4-Pro (Preview)，激活参数量则小得多。
推荐理由：官方技术报告列出多项基准对比，读者可据此判断小激活参数模型在智能体任务上的位置。
DeepSeek 发布 DeepSeek-V4.1-Flash，这是一个 552B 骨干参数、支持 100 万 token 上下文的多模态 MoE 模型，原生处理图像与文本并自回归生成文本。
推荐理由：技术报告给出 KV cache 压缩到 890 bytes/token 与激活参数 8B/16B 的设计取舍，可据此判断长上下文智能体负载的成本走向。
作者在 DeepSeek Harness 中实测 DeepSeek V4.1 Flash，用纯提示词生成特斯拉飞行 3D 网页，耗时 35 分钟、消耗 3752 万 Token，按缓存命中 0.04 元每百万 Token 和输出 8 元每百万 Token 计算约花 4 元。
推荐理由：作者用多个实测案例对比 V4.1 Flash 与闭源模型的成本差距，可据此判断低价模型能覆盖哪些任务。
DeepSeek 发布 DeepSeek-V4.1-Flash-1017，作为 DeepSeek-V4.1-Flash 的小版本更新，在推理、编码、智能体任务和视觉基准上均有提升，同时缩短任务执行时间和输出长度。
推荐理由：原文给出多项基准对比和推理成本变化，读者可据此判断这次小版本更新在智能体任务上的位置。
DeepSeek 发布 DeepSeek-V4-Flash-Vision-Exp，这是 DeepSeek-V4 系列首个实验性多模态模型，在 DeepSeek-V4-Flash 架构上加入视觉模块并继续训练。
推荐理由：DeepSeek 首次把视觉模块接入 V4-Flash，并给出多模态与纯文本智能体基准的对照数据。
MiniMax 于 10 月 19 日正式发布 M3.1 Flash，并认领此前匿名模型 Space Bunny，其在 Automation-Bench 复杂 Agent 任务对比中位列第一，BankerToolBench 以 76.2% 与 Opus 5 并列第一。
同一件事，精选收录的是《MiniMax 发布 M3.1 Flash，Agent 基准 ALE 得分 29.6% 居国产模型第一》
DeepSeek@deepseek_ai精选AI 评分8888推荐理由：DeepSeek 官方公布 V4 两个版本的参数规模与 1M 上下文，可据此判断开源模型在长上下文上的成本位置。
DeepSeek@deepseek_ai精选AI 评分8080推荐理由：官方给出 V4-Pro 的 Agent 能力升级、三档推理强度和 Codex 接入方式，可据此判断实际使用成本与场景。
DeepSeek@deepseek_ai精选AI 评分8080推荐理由：官方给出两个版本的定位差异与开放渠道，可据此判断面向智能体的推理模型如何分层落地。
DeepSeek@deepseek_ai精选AI 评分7878推荐理由：官方给出新版本在基准表现、任务完成速度和输出长度上的变化，并说明已上线网站、App 与 API。
DeepSeek@deepseek_ai精选AI 评分7575DeepSeek 在 API 平台上线实验性多模态模型 DeepSeek-V4-Flash-Vision-Exp，调用时使用 model='deepseek-v4-flash-vision-exp'。
推荐理由：官方给出新模型与 V4-Flash 的文本能力对照，以及多模态智能体基准上的提升幅度，便于判断是否值得接入。
DeepSeek@deepseek_ai精选AI 评分7272DeepSeek 发布 DeepSeek-V4.1-Flash，称其为新架构家族中参数规模最小的模型，并原生支持视觉理解。官方表示该模型面向更强能力、更快推理和更高吞吐设计，并可扩展至更大模型。
推荐理由：DeepSeek 新架构家族的最小模型，原生支持视觉理解，并强调推理速度与吞吐。
Lisan al Gaib@scaling01AI 评分5050哦这太牛了 但考虑到它的效率低了好几倍，我不太会说它击败了 Sol 我想说的是，它击败了 Kimi-K3、GLM-5.3 Flash 和 Grok-4.7，这已经令人印象深刻了
We found DeepSeek V4.1 Flash 1017 beats GPT 6 Sol on our multi-step offensive cybersecurity task. Sol was tested via the Daybreak trusted access program. We have been building a cybersecurity benchmark based on simulated corporate networks. This is a valuable indicator for the cyber-risk a model poses if in the hands of a bad actor. We plan to make the full evaluation public in the coming weeks but wanted to share our first immediate finding here.
DeepSeek@deepseek_aiAI 评分4242我们已将折扣永久化！🎉 尽情使用 DeepSeek-V4-Pro 构建，让你的创新想法成为现实！🚀
The DeepSeek-V4-Pro discount has been extended until May 31, 2026, 15:59 UTC!
MiniMax 正式发布 M3.1 Flash，即此前在 OpenRouter 匿名测试的 Space Bunny（玉兔），Agents' Last Exam 得分 29.6%，位列国产模型第一。
推荐理由：文章列出 M3.1 Flash 在 Agent、编码、网络安全等基准上的分数与定价，可对照国产 Flash 模型的性价比路线。
科大讯飞10月22日发布端云一体大模型讯飞星火X2.6，包含云端293-A30B模型和端侧X2.6-4B模型，后者已开源，均基于全国产算力完成能力升级。云端模型支持百万token上下文，输入价格0.9元/百万tokens、输出3.6元/百万tokens，输入缓存未命中与输出价格低于DeepSeek-V4.1-Flash-1017。
推荐理由：科大讯飞公布星火X2.6的国产算力训练与端云一体架构细节，可据此判断国产芯片训练大模型的实际进度。
记忆张量开源发布 MemT 1.0 系列记忆原生模型，包含 36B 参数、激活 3B 的 MemT-1.0-Nano（基座 Qwen3.6-35B-A3B）和 288B 参数、激活 17B 的 MemT-1.0-Flash（基座 DeepSeek-V4-Flash），在选定 Transformer 模块中增加与注意力并行的记忆分支。
稀宇科技（MiniMax）于 10 月 19 日正式上线 MiniMax M3.1 Flash 模型，线上推理速度较此前提升近 3 倍，Agent 类任务综合使用成本降低 70%。
月之暗面发布开源原生多模态智能体模型 Kimi K2.6，采用 MoE 架构，总参数 1T、激活参数 32B，上下文长度 256K，视觉编码器为 400M 参数的 MoonViT。
推荐理由：模型卡给出完整架构、评测对比和部署方式，可据此判断开源多模态智能体模型的当前水平。
月之暗面发布开源原生多模态智能体模型 Kimi K2.5，在 Kimi-K2-Base 上以约 15 万亿视觉与文本混合 token 持续预训练而成。模型采用 MoE 架构，总参数 1T、激活参数 32B，上下文长度 256K，配备 400M 参数的 MoonViT 视觉编码器，支持即时与思考两种模式。
推荐理由：月之暗面开源原生多模态智能体模型，1T 总参数与 Agent Swarm 设计给出了与闭源旗舰对比的完整基准。
智谱发布 GLM-5.3，与 GLM-5.2 使用同一基座模型，能力提升全部来自后训练。官方称其在自研 Z.ai Code Bench 上较 GLM-5.2 提升 50%，并在 Terminal Bench 3.0、Agents' Last Exam 等公开基准上取得开源 SOTA。
推荐理由：GLM-5.3 沿用 GLM-5.2 基座、全部提升来自后训练，读者可据此判断开源权重模型在编码与长程任务上的位置。
月之暗面发布 Kimi K2，这是一个总参数 1T、激活参数 32B 的 MoE 语言模型，在 15.5T token 上预训练，采用 Muon 优化器，并针对工具调用与自主问题求解做了优化。
推荐理由：原文给出 1T 总参数、32B 激活的 MoE 架构与完整评测对照，可据此判断开源模型在编码和工具调用上的位置。
Mirendil发布编码专用基座模型Mirendil-Base，参数区间1000亿至5000亿，由1名研究员借助Agent在三个半月内完成，成本不到1000万美元。
推荐理由：原文给出单人加Agent训练千亿参数基座的成本与对比分数，也点出这一门槛对普通团队仍难复制。
智谱发布 GLM-5.3，与 GLM-5.2 使用同一基座模型，全部提升来自后训练。官方称其在自研 Z.ai Code Bench 上较 GLM-5.2 提升 50%，并在 Terminal Bench 3.0、Agents' Last Exam 等公开基准上达到开源 SOTA；在 CyberGym 漏洞发现与利用链基准上同样领先，利用类基准成绩超过 GLM-5.2 两倍。
推荐理由：GLM-5.3 与 5.2 共用基座、提升全部来自后训练，读者可据此判断后训练对编码与长程任务的实际拉动幅度。
MiniMax 发布推理模型 M3.1 Flash，在 Artificial Analysis 智能指数上得 42 分，比前代 M3 高 13 分，每任务成本不到其一半。
蚂蚁数科10月22日发布决策模型LingDT-Decision-1.0，提供4B和27B两个版本，面向客服、风控、金融等场景，已上线DTMaaS平台限时免费体验。
腾讯优图实验室发布 Youtu-LLM-2B，参数量 1.96B，支持 131,072 上下文，提供 Base、Instruct 和 GGUF 版本，并称具备原生智能体能力。
腾讯混元发布 Hy-Memory-30B-A3B-FP8，这是 Hy-Memory-30B-A3B 的 FP8 量化版本，针对 vLLM 部署优化。
中国电信人工智能科技有限公司星辰通用人工智能实验室发布并开源意图理解专用模型 Xing4.0-29B-Intent，同步开放275.3万条训练语料、模型权重与推理镜像。模型将意图识别与参数抽取结合，按预定义字段输出 JSON 结构化信息，已在电信万号客服和智能家居音箱等场景应用。官方评测中该模型在48个中英文公开数据集抽取的6000道题上总分58，高于本次参评18款通用模型的最高分49。