MiniMax M3.1 Flash 发布，Agent 任务榜单第一并实测对比 DeepSeek
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》
#评测/基准
雷锋网同事件AI 评分7575 爱范儿精选AI 评分7878 实测 DeepSeek V4.1 Flash：4 元生成特斯拉飞行 3D 网页
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。
The Decoder同事件AI 评分7878 MiniMax 发布 M3.1 Flash 推理模型，每任务成本约 0.22 美元
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。
MiniMax (X)AI 评分2525 MiniMax M3.1 Flash 登顶搜索效率榜
感谢 Parallel Web System 提供如此有意义的数据点~ 是的，MiniMax M3.1 Flash 现已在搜索能力排行榜的效率维度上位列第一。而且它很快~
Rohan Paul (X)AI 评分5858 Coco Labs 推出 AI 设计模型 Vyb，按图层生成可编辑设计
Coco Labs 推出 AI 设计模型 Vyb，它逐层构建图形元素，文字保持可编辑文本、图形保持矢量、照片保持像素，logo 与字体、配色可从网站提取。在 145 个随机 Google 字体测试中，Vyb 以像素重叠（IoU）对比程序化渲染达到 90.3%，该测试上限为 94.4%，对比中最强的图像模型为 76.0%。由于每层保留原生类型，导出到 Figma 时结构完整保留。
The Decoder精选AI 评分7676 OpenAI 称 GPT-6 在 COBOL、Fortran 等遗留语言上表现大幅提升
OpenAI 表示已针对 COBOL、Fortran、Visual Basic 等低资源语言改进最新模型，并构建 MultiLangBench 与 COBOL 迁移两个评测来衡量进展。
推荐理由：OpenAI 公布的两个基准显示，GPT-6 系列在 COBOL、Fortran 等低资源语言上的通过率大幅提升，可对照旧版本看差距。
Lisan al Gaib (X)AI 评分2222 网友期待DeepSeek V4.1 Flash超越Haiku
我本希望看到它能胜过Haiku，尤其是在Vals的网络安全评测结果之后。
Lisan al Gaib (X)AI 评分5050 DeepSeek V4.1 Flash 效率与性能讨论
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
elvis (X)AI 评分5858 Nace 发布多模态决策模型 Drex Max
Nace 发布多模态决策模型 Drex Max，支持文本、图像和视频输入，单次决策耗时 34 ms，262K token 下低于 1 秒，输入价格为 $0.06/1M tokens。该模型可直接从截图、录屏、扫描文档、科学图表和照片中做决策，适合 computer-use 与 browser-use 智能体。Nace 称其在 Mind2Web 上达到 88.3%，超过 Jev 1.14，Decision Index 得分为 67.6（Jev 1.14 为 60.70）。
Qwen (X)AI 评分4040 Qwen3.8-Flash-Next 推理提速至 685 tokens/s
祝贺 @lightseekorg 取得令人印象深刻的 TokenSpeed 成果！🚀 很高兴看到 Qwen3.8-Flash-Next 在 Nvida GPU 上达到每用户 685 output tokens/s。期待社区进一步释放 Qwen 的推理潜力！
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemini 4 Argon 并公布安全防护方案
Google DeepMind 开始广泛推送 Gemini 4 Argon，并同步发布安全与安全报告，说明其在高风险领域的防护设计。该模型在 12 个端到端模拟网络攻击场景中全部完成，上一代为 5 个；在 Gray Swan 的间接提示注入基准上，15 次自适应攻击的成功率降至 0.7%。
推荐理由：原文披露了 Gemini 4 Argon 在网络安全与生物风险上的防护分层，以及智能体越界行为的监控数据。
MiniMax (X)AI 评分4040 MiniMax H3 开源视频世界模型物理表现接近闭源SOTA
在物理方面，谁拥有最好的开源视频世界模型？💫 又是我，MiniMax H3。几乎与闭源 SOTA 持平。🍾
Qwen (X)AI 评分5858 Qwen-Image-2.1 在 Image Edit 与 Text-to-Image Arena 登顶开源第一
Qwen 宣布 Qwen-Image-2.1 在 Image Edit 和 Text-to-Image 两个 Arena 中均成为排名第一的开源模型。引用内容显示，该模型在 Image Edit Arena 拿到 1367 分，位列开源第一、总榜第 16，距第 15 名的 GPT-Image-1.5-high-fidelity 差 3 分。Qwen 邀请用户试用并分享创作结果。
AI at Meta (X)精选AI 评分6868 Meta 的 AIRA₃ 在 NVIDIA Kaggle 竞赛中获金牌，约 4000 支队伍中排第 8
Meta 称其在 6 月让自主 AI 研究系统 AIRA₃ 参加 NVIDIA 在 Kaggle 举办的竞赛，任务是微调一个 30B 的 Nemotron 模型，使其推理能力更强。AIRA₃ 在约 4000 支队伍中排名第 8，获得金牌，成绩超过使用同等前沿工具的人类参赛者。Meta 认为这表明 AIRA₃ 能在特定能力上把模型提升到接近人类专家的水平。
推荐理由：Meta 公开 AIRA₃ 在 Kaggle 微调竞赛中的名次与参赛条件，可据此判断自主研究系统在模型能力改进上的位置。
AI at Meta (X)AI 评分5858 Meta 公布 Muse Spark 1.2 多模态评测与演示
Meta 公布 Muse Spark 1.2 的新评测与演示，展示该模型在视觉理解与推理上的覆盖范围。Muse Spark 1.2 支持从视觉内容生成可运行代码、把感知转化为物理动作，并具备音视频理解能力，以支持企业场景中视频密集的工作流。演示中，模型解析多模态观测并调用工具，引导机器人在非结构化环境中导航寻找橡皮鸭。