🚨 AI News | TestingCatalog@testingcatalogAI 评分7575

Anthropic 官方发布 Claude Sonnet 5.5，为 Claude 5.5 家族第二款模型。官方称其较 Sonnet 5 快 30% 以上，多数任务成本降低最多 30%，接近 Opus 5.5 的性能，并称其为新的默认模型。附图显示 Artificial Analysis 在预发布部署上测得 Sonnet 5.5 与 Opus 5.5 在 AA-Briefcase v1.1 各努力档位的 Elo 表现接近。

Anthropic 发布 Claude Sonnet 5.5：速度提升 30%+，每任务成本最多降 30%

Anthropic 发布 Claude Sonnet 5.5，为 Claude 5.5 家族第二款模型，生成速度比 Sonnet 5 快 30% 以上，每任务成本最多低 30%，定价维持每百万输入 token $2、输出 $10、缓存读取 $0.20。

Anthropic 发布 Claude Sonnet 5.5，速度比 Sonnet 5 快超 30%

Anthropic 发布 Claude Sonnet 5.5，运行速度比 Sonnet 5 快 30% 以上，写作更清晰，适合快速来回交互。定位上与为复杂判断工作打造的 Claude Opus 5.5 区分，Sonnet 5.5 擅长范围明确的日常任务、修复 bug 以及制作文档、幻灯片和表格。模型即日起全量可用，Claude Haiku 5.5 将在未来几周加入该系列。

Anthropic 发布 Claude Sonnet 5.5，速度比 Sonnet 5 快逾 30%

Anthropic 发布 Claude Sonnet 5.5，运行速度比 Sonnet 5 快超过 30%，写作更清晰，适合快速往复的日常任务。官方称其擅长修复 bug、制作文档、幻灯片和表格并有较强设计感，而 Claude Opus 5.5 面向需要谨慎判断的复杂工作；Sonnet 5.5 即日起全面可用，Claude Haiku 5.5 将在未来几周加入该系列。

Arena.ai@arenaAI 评分6868

Arena 公布 Claude Opus 5.5 (High) 以 +12.15% 净提升分数进入 Agent Arena 第二名，仅低于 Claude Fable 5.1 (Max)。其每任务中位价格为 $1.31，比同水平低 64%，成本比 Opus 5 (High) 低 40%、比 Opus 5 (Max) 低 56%；分项信号中 Steerability 排名第一（+14.50%）。

Arena.ai@arenaAI 评分7373

Arena 官方宣布 Claude Opus 5.5 (High) 进入 Agent Arena 排名第 2，净改进分 +12.15%，仅次于 Fable 5.1 (Max)。其中位价格为每任务 $1.31，比 Opus 5 (High) 便宜 40%、比 Opus 5 (Max) 便宜 56%，分项上 Steerability 排名第 1（+14.50%）。

Arena.ai@arena精选AI 评分7575

Arena 公布 Claude Opus 5.5 (High) 进入 Agent Arena 排名第 2，净改进分 +12.15%，仅次于 Fable 5.1 (Max)。

Rohan Paul@rohanpaul_aiAI 评分4646

VoiceArena 推出 Monsoon，一个覆盖 50 种语言、基于 23 国无脚本对话构建的语音数据集。

Artificial Analysis@ArtificialAnlysAI 评分6161

Artificial Analysis 评测显示，ElevenLabs 的 Eleven v4 在 Provider Voice TTS Arena 排行榜和 Pronunciation Robustness 基准上排名第一。

Kimi K3.1 前端标识泄露：支持 1M tokens 上下文，预计近期发布

月之暗面 API 后台模型注册表出现“kimi-k3-1”标识且接口可调用，官方开放平台同步出现 K3.1 预告，支持 1M tokens 上下文窗口。该模型提供 Low、High、Max 三档推理强度，可能引入 Agent 智能体模式、Swarm 多智能体协作及搜索、批处理任务模式，API 价格显示与现有 K3 相同。

Artificial Analysis@ArtificialAnlysAI 评分5555

Artificial Analysis 发布 Cyber Index 与 Cyber Index Alliance，联合 @CollinearAI、@IBM、@nvidia、@vercel 作为启动伙伴，用 CWE-Bench-AA、DeepsecBench-AA 和 CyberGym-E2E-AA 三个开放基准评估智能体发现和修复漏洞的能力。

OpenBMB@OpenBMBAI 评分3232

社区为 MiniCPM5-2B 构建了 EXL3 4-bit 量化版本，量化后模型权重仅 1.61 GB，在 NVIDIA Tesla T4 上实测约 68–70 tokens/s。该版本采用 4.0 bpw EXL3 量化，支持通过 ExLlamaV3 和 TabbyAPI 进行本地推理。

X.PIN@thexpinAI 评分6464

华为发布了 openPangu 2.0 的代码，涵盖预训练、监督微调及强化学习后训练环节。此次发布扩展了其基于昇腾硬件原生训练与推理的开放 AI 模型计划，相关模型组件正逐步添加至开源平台。

H Company 发布 Holo4 智能体模型系列，含 27B 与 35B-A3B 两个版本

H Company 发布通用计算机使用智能体模型系列 Holo4，含 27B dense 和 35B-A3B MoE 两个尺寸，并基于 Nemotron 3 Nano Omni 推出 Holotron4 Nano。

Fireworks AI 发布 Ember-1：基于 Kimi K3 的后训练模型，推理 Token 减少约 40%

Fireworks AI 推出 Ember-1，这是基于 Moonshot AI 开源权重 Kimi K3 进行后训练的专用模型。该模型通过优化内部推理过程，在保持任务准确率的同时将生成的推理 Token 减少了约 40%。与单纯降低推理努力程度不同，Ember-1 保留了有用的自我反思并削减了冗余循环。基准测试显示，其在 Terminal Bench 2.1 和 DeepSWE 1.1 上表现优于 K3 Max，且在生产环境 A/B 测试中实现了显著的成本节约。目前仅通过 Fireworks Serverless API 以研究预览形式提供，未开放权重。

华为开源盘古 openPangu-2.0 预训练、SFT 代码和后训练 RL 代码正式开源上线

华为 9 月 28 日宣布，开源盘古 openPangu-2.0 的预训练、SFT 代码和后训练 RL 代码正式开源上线。openPangu 是华为开源 AI 模型品牌，通过昇腾原生训练与推理技术为业界提供最佳实践参考，相关代码已上线 gitcode.com 的 ascend-tribe/openPangu-2.0-Training 和 openPangu-2.0-RL 仓库。

Claude Sonnet 5.5 疑似泄露，配置标识符现身并开启灰度测试

新智元转述多位开发者在 X 上的爆料称，Claude Sonnet 5.5 已出现在 Anthropic 官方配置中，标识符为「claude-sonnet-5-5」，并在 Claude Code 中开启灰度测试。

elvis@omarsar0AI 评分5555

Fireworks Research 发布专用模型 Ember-1，基于 Kimi K3 构建，生成更短的推理轨迹，token 用量减少约 40%，同时保持顶级质量。作者 Elvis Saravia 评论称这是对 Pareto 前沿上 token 效率优化的推进，认为该方向仍探索不足，各实验室急于发布新模型，某些方面尚未被优化。

H Company 发布 Holo4 开放权重模型，统一操作界面与工具

H Company 发布 Holo4 的二百七十亿参数稠密模型和混合专家版本，提供 API、可下载权重与多种量化格式。模型把桌面、网页、安卓操作及代码和工具调用结合在同一智能体中；不同测试平台的分数不能直接横向比较。

巴西 Supersonic Labs 发布 144.3M 参数开源决策模型 Julia 1，可在 CPU 上运行

巴西 AI 实验室 Supersonic Labs 发布 144.3M 参数的开源决策模型 Julia 1，权重以 Apache 2.0 协议托管在 Hugging Face，可在普通 CPU 上运行，不生成文本，只对 2 到 20 个候选答案输出选择和概率。

Arena.ai@arena精选AI 评分7878

Arena 宣布 Claude Opus 5.5 (High) 以 1509 分首次登顶 Text Arena，比 Opus 5 (High) 高 18 分（现列第 11）。Opus 4.6 (High) 以 4 分之差保持第 2，Anthropic 包揽该榜前六名；Opus 5.5 (High) 按每百万 token 输入/输出定价折算的混合价格为 $16/MToken，进入 Text Arena 的 Pareto 前沿。

美团上线 LongCat-2.5-Preview 模型：1.6T 参数，主打长程任务与多模态

美团 LongCat API 开放平台于 9 月 25 日上线 LongCat-2.5-Preview 模型，同步开放 API 与网页端体验入口。

Liquid AI 发布 LFM2.5-VL-3B-DSpark 投机解码草稿模型，解码最高提速 3.13 倍

Liquid AI 发布 LFM2.5-VL-3B-DSpark，一个为其视觉语言模型 LFM2.5-VL-3B 设计的实验性投机解码草稿模型，新增约 279.5M 参数（+8.9%），在 Apple silicon 上解码最高提速 3.13 倍，NVIDIA H100 上最高 2.66 倍。

Arena.ai@arenaAI 评分8181

OpenAI 发布 GPT-6 Sol 和 GPT-6 Luna，GPT-6 Sol (Max) 随即进入 Arena 的 Agent Arena 排行榜，在 4000+ 真实智能体会话中以 +7.7% 净提升排名第 6。

Rohan Paul@rohanpaul_aiAI 评分5151

Perceptron 发布 35B 具身智能体模型 Mk1.5，可控制无人机、四足机器人、智能眼镜，并调度子智能体，无需平台特定重训练。模型针对 egocentric 视频训练，启用网页搜索、页面阅读、反向图搜和缩放工具后，MMSearch F1 从 18.2 升至 54.3；官方数据显示端到端延迟最高较 Mk1 快 4.7 倍（Chat 从 5.2 秒降至 1.1 秒）。

Aikido Security 发布开源权重安全模型 Altar-1，由 GLM-5.3 压缩至 328 GB

Aikido Security 发布首个开源权重安全模型 Altar-1，将 Z.AI 的 GLM-5.3 经 AWQ 4-bit 量化和 Cerebras REAP 专家剪枝（每层保留 168/256 个专家）从 1,506.7 GB 压缩到 328 GB，缩小 78.2%。

karminski-牙医@karminski3AI 评分5858

美团 LongCat 发布 LongCat-2.5-Preview，作者转发时指出定价与之前一样。该模型 1.6T 参数、约 48B 激活、1M-token 上下文窗口，原生多模态，面向长程任务，覆盖终端、浏览器、GUI、电子表格和设计工具等场景。API 入口 https://longcat.ai/platform/ ，对话入口 https://longcat.ai/chat/ 。

Meituan LongCat@Meituan_LongCatAI 评分5555

美团 LongCat 发布 LongCat-2.5-Preview，总参数 1.6T、激活约 48B，提供 1M token 上下文窗口，原生多模态，面向长程任务，覆盖终端、浏览器、GUI、表格和设计工具。现已开放 API（https://longcat.ai/platform/）和聊天入口（https://longcat.ai/chat/）。

Fastino 发布 GLiNER2.5-Decide：可在 CPU 上运行的 340M 开源权重决策模型

Fastino Labs 发布 340M 参数开源权重决策模型 GLiNER2.5-Decide，接受文本和类型化问题 schema，返回带概率分布、置信度和约束可行性元数据的结构化答案，权重采用 Apache 2.0，可运行于 CPU、GPU 或气隙环境。

Black Forest Labs 发布 7B 开源权重世界动作模型 FLUX 3 Action，以 42.92% 登顶 RoboLab-120

Black Forest Labs 发布 7B 开源权重世界动作模型 FLUX 3 Action，用于机器人控制，在 RoboLab-120 上以 42.92% 任务成功率排名第一，领先 Cosmos 3 Nano 6.1 个百分点且参数少 56%。

BottleCap AI 发布 ThinkingCap-Qwen3.8-27B：思考 token 减少 37.2%，精度仅降 0.86pp

BottleCap AI 发布 ThinkingCap-Qwen3.8-27B，这是基于 Qwen3.8-27B 的微调模型，在 12 个基准上平均减少 37.2% 思考 token，宏观精度从 86.65% 降至 85.79%。

Black Forest Labs 发布 7B 开源权重世界动作模型 FLUX 3 Action

Black Forest Labs 发布 FLUX 3 Action，一个 7B 参数、开放权重的世界动作模型。官方称可将 FLUX 的视觉智能转化为动作能力，用于机器人、模拟器或游戏。

Black Forest Labs 发布开源机器人模型 FLUX 3 Action

Black Forest Labs 发布面向机器人的开源模型 FLUX 3 Action，基于以视频数据训练的多模态 FLUX 3，可从机器人工作区的多机位视频预测智能体下一步动作及环境变化。BFL 称其仅 70 亿参数即在 RoboLab-120 排行榜创下成功率纪录，体积不到此前最佳开源模型一半，运行最快快至 3.95 倍；模型权重已上架 Hugging Face。

Rohan Paul@rohanpaul_aiAI 评分5656

Odyssey 发布下一代多智能体世界模型 Agora-2，支持最多 20 个人类与 AI Agent 在共享环境中实时交互模拟，多人研究预览版已开放体验。其模拟模型基于实体属性、近期动作和周围几何结构预测组合动作如何改变共享世界状态，显式追踪参与者之间的相互影响。

Google 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS 两款语音模型

Google 发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款语音生成模型，前者面向游戏、互动娱乐和长篇旁白，后者面向自动配音、对话智能体和高吞吐翻译流水线。

elvis@omarsar0AI 评分5252

Odyssey 推出下一代多智能体世界模型 Agora-2，支持最多 20 个人类与智能体在共享环境中实时交互，多人研究预览现已开放体验。作者 Elvis Saravia 评价称，这类世界模型可用于共同训练机器人、自动驾驶和网络安全防御智能体，各方在交互中相互提升，也为研究智能体串谋提供了安全环境。

Liquid AI 发布 LFM2.5-VL-DSpark 视觉语言 drafter 模型，边缘端解码最高提速 3.13 倍

Liquid AI 为视觉语言模型 LFM2.5-VL-3B 发布实验性 DSpark drafter 模型，参数约 280M，仅增加 8.9% 参数量。GPU 上解码吞吐最高提升 2.66 倍、边缘设备 3.13 倍，端到端分别最高 2.27 倍和 2.62 倍；模型已上架 Hugging Face，支持 llama.cpp、SGLang 和 MLX-VLM。

Stanford 与 NVIDIA Research 发布对比语言模型 CLM-8B

Stanford 与 NVIDIA Research 团队发布 Contrastive Language Models（CLM）及 CLM-8B，用对比学习连接状态与动作，作为快速决策的 System One 模型。

Claude Opus 5.5 与 GPT-6 Sol、Luna 同日发布，主打性价比与降本

Anthropic 发布 Claude Opus 5.5，上下文1M Token，输入4美元/输出20美元每百万Token，比Opus 5成本降40%、速度快30%以上，Terminal-Bench 4.0拿66.4%创最高分，定位为Fable 5.1的性价比替代。

蚂蚁开源 Ming-Image-0.1-Design 系列：两个 6B 模型打通设计生成与图层编辑

蚂蚁百灵开源 Ming-Image-0.1-Design 系列模型，包含两个 6B 模型：Design 从文字需求生成 UI、信息图、海报等完整设计，Layer 将设计图拆成 2 至 9 个可独立编辑的 RGBA 图层，并同步开源 Design Skill 和 PPT Skill。