大模型與推理能力
Inception Mercury 3 號稱 12 項跑分贏 8 項、速度 4 至 8 倍 廠商自評待獨立驗證
AI 新創 Inception 發布擴散式語言模型 Mercury 3，號稱每秒生成 1,068 tokens、12 項基準測試贏 8 項。但 Claude Haiku 5.5 贏走長編程與長文檢索，GPT-6 Luna 贏走兩項，目前冇任何獨立測試。
大模型與推理能力
大模型與推理能力
DeepSeek 推 V4.1-Flash-1017 號稱更勁更平 Search API 5 蚊千次
DeepSeek 發布 V4.1-Flash-1017，官方稱推理、寫 code、agent 同視覺辨識均有進步，同時向外部開發者開放 Search 同 Fetch API，5 元人民幣可作 1,000 次請求。
大模型與推理能力
Exa 3.0 八項跑分全贏 但試係佢自己出嘅
Exa 於10月19日發布 Exa 3.0 搜尋 API，新增更大 embedding 模型同平價方案 Exa Lite（每千次請求 4 美元），並稱喺 8 項由自家設計嘅基準測試全面領先 Perplexity、Brave 同 Parallel。
大模型與推理能力
Cloudflare 出 Clairic：抽文件數據快過 LLM 廠商話成本差近一倍
Cloudflare 發布專做文件數據抽取嘅模型 Clairic，話比大型語言模型快同慳，19.3 秒對 61.7 秒；但廠商自認長鏈計算尚未可靠，開放權重遲啲先至。
大模型與推理能力
Clairic：唔寫字嘅「大模型」，抽完數據就收工，輸出分文唔取
Cloudflare 2026年10月19日預覽 System One 首個抽取模型 Clairic：唔生成文本，只一次前向傳播回帶置信度嘅類型化數值，每百萬輸入 token 收 $0.10、輸出免費。
大模型與推理能力
Inception 發 Mercury 3 1,068 tokens 每秒 八項測試領先
Inception 2026年10月19日推出 diffusion LLM Mercury 3，稱喺自家測試中十二項基準贏 GPT-6 Luna 及 Claude Haiku 5.5 八項。1M token 上下文，上架即打五折。
大模型與推理能力
Claude、Gemini、GPT 三間同時開工 Claude 據稱修 Bug 會「治本」
有傳聞指 Anthropic、Google、OpenAI 下月都會有新模型。Claude 新模型據內測者稱能識別 Bug 背後嘅根因，另指 GPT-6.1 Sol 喺 COBOL 遷移測試喺較高檔位做到 97.9% 準確率。
大模型與推理能力
Nace 推 Drex Max 多模態決策模型 自評 Decision Index 67.59
Nace AI 推出 Drex Max，能讀文字同截圖、輸出經校準嘅概率，聲稱喺 Decision Index 0.3.2 得 67.59 分，輸入計價每百萬 token 0.06 美元。
大模型與推理能力
算力最勁係邊個？Google 攞咗全球四分之一晶片，模型分數仲輸
Google 喺 9 月 30 日推出 Gemini 4 最高階版本 Argon，但第三方評測同 GPT-6 Astra 同分，落後 Claude Opus 5.5。分析指問題唔喺算力，而喺雲端部門同 DeepMind 嘅「晶片爭奪戰」。
大模型與推理能力
MiniMax 推 M3.1 Flash：428B MoE 模型、1M 上下文，輸入 $0.15/百万 token
MiniMax 公佈新模型 M3.1 Flash：總參數 428B、活躍參數約 23B、支援 1M token 上下文，API 每百萬 token 輸入 $0.15、輸出 $0.60，權重預計 10 月 23 日放出。
大模型與推理能力
DeepSeek-V4.1-Flash-1017 登場 願望式編程、搜索 API 一齊放
10月17日 DeepSeek 上線新模型 V4.1-Flash-1017，官方話跑分抬頭同時縮短時間、壓低 token 費用；同日發佈 Search、Fetch 兩個自研搜索 API，11月1日前免費。
大模型與推理能力
千億 token 寫出 166 頁證明，但十萬個 agent 幫咗乜，OpenAI 自己都唔知
OpenAI 用約 10,000 個模型實例、88 小時同 1300 億 tokens 寫出 Navier-Stokes 問題嘅 166 頁潛在證明，但多組數學專家指出證明嘅方法同宣稱完全唔同，而公司自己亦承認唔知 10,000 個 agent 實際貢獻咗乜。
大模型與推理能力
DeepSeek 上緊 V4.1-Flash-1017，號稱性能同成本兩頭改進
DeepSeek-V4.1-Flash-1017 已喺網站、App 同 API 上線，模型權重放上 Hugging Face 同 ModelScope；公司稱跑分更高、成本更低，同時首次開放內部搜尋引擎嘅 Search 同 Fetch API。
大模型與推理能力
Mistral 推出 Timestral 時間序列模型 209M 參數自稱三大基準第一
Mistral 發布首個時間序列基礎模型家族，最細 5M、最大 209M 參數，號稱 GIFT-Eval、TIME、fev-bench 三大公開基準全部頭名，仲要係 CPU 可跑。問題係——跑分出自邊隻手？
大模型與推理能力
Jev 1.14 加晒圖片同長上下文，26 萬 token 要另開
TypeSafe AI 嘅 System One 模型 Jev 1.14 以 jev-preview 名義推出，加入實驗性圖片輸入、Box 邊框型別，以及需另外開啟嘅 262k token 長上下文。
大模型與推理能力
Muse Wonder 重回前沿 訂閲制先試你願唔願交課
Meta 今日推出 Muse Wonder 及 Muse Wonder Full（代號 Watermelon），宣稱可媲美 GPT-6 Astra 同 Claude Opus 5.5；用 Muse 代理需訂閲，用户投訴代理偷睇私人訊息，Meta 否認。
大模型與推理能力
微軟用阿里 Qwen 做底層推出 Microsoft-Decision-1，話要推去「所有領域」
微軟基於阿里 Qwen3.5-9B 後訓練出 Microsoft-Decision-1，稱時延同準確度贏過 LLM 同 Jev 1.13.0。Xbox 已處理 1 萬條玩家反饋，納德拉話正喺事件響應、質控至科學發現測試。HuggingFace 129 個決策模型有 84 個建基於 Qwen。全部係微軟自述。
大模型與推理能力
智譜神秘上線 GLM-5.3-Highspeed 高速版，網民實測 490 tokens/s
智譜新模型 GLM-5.3-Highspeed 喺 Zcode 隨機灰度中，網民實測 490 tokens/s 生成速度，遠超上月發布嘅 GLM-5.3-FlashX。
大模型與推理能力
Astra跑分99.9%係廠商自報 第三方驗證畀緊另一種解讀
OpenAI 宣佈踏入「AGI 時代」，Astra 喺 ARC-AGI-3 攞 99.9%。但第三方 ARC Prize 財団嘅數字，講緊一個唔完全一樣嘅故事。