Inception称Mercury 3达到1,068 token/s、支持100万token上下文，首发每百万输入／输出token为0.10／0.35美元。MiniMax M3.1 Flash同样主打低价，但AA测得其幻觉率达93%，与模型几乎尝试回答所有问题有关。DeepSeek开源离线推理框架DeepInfer，vLLM v0.32.0则将多API worker每秒请求数提升43%至85%。Google开源Harness²，在冻结模型权重的情况下改进智能体运行框架，使Gemini 3.5 Flash在两个任务基准上分别提升8.4和7.5分。
Mercury 3、M3.1 Flash与DeepSeek新版，把价格、速度和回答质量摆上同一张选型表。
Inception发布扩散语言模型 Mercury 3，称其在英伟达GPU上达到1,068 token/s。参数量较Mercury 1扩大逾40倍，速度基本不变；上下文从26万增至100万token。模型已通过自家API和Baseten等平台开放，首发每百万输入／输出token分别为0.10／0.35美元，为常规价的一半。
读原文 →MiniMax发布 M3.1 Flash，输入、输出价格分别为每百万token 0.15、0.60美元。公司称，其速度是M3的3倍，成本为三分之一，权重定于10月23日开放。不过，AA独立测评给出的幻觉率达93%，与模型几乎尝试回答所有问题有关。
读原文 →DeepSeek V4.1 Flash 1017在AA智能指数中升6分至45分，与GLM-5.3并列开放权重模型第二，每任务成本为0.26美元。其GDPval-AA Elo升146至1746，CritPt成绩从14%升至24%。在AA-Omniscience测试中，非幻觉率从4%升至33%。
读原文 →🔍 深度解读：Mercury 3的首发输入／输出单价低于M3.1 Flash，但这是半价促销，不能直接当作长期成本优势。M3.1 Flash的93%幻觉率与DeepSeek新版33%的非幻觉率来自不同测试，不能据此直接排名，却共同提示开发者：低价模型的选型必须同时检查拒答行为与事实可靠性，不能只按token单价决定。DeepSeek的每任务成本又是另一种计费观察口径，不应与每百万token价格直接比较。
DeepInfer开放生产服务中的部分组件，vLLM继续优化多API请求处理。
DeepSeek 开源支撑其大规模生产服务的推理框架 DeepInfer，采用 Apache 2.0 许可。此次开放离线推理能力，包含优化算子、异步调度，以及用草稿 token 和置信度调度验证的解码加速机制。完整推理服务所需的预填充与解码分离、跨数据并行副本的负载均衡，不包含在此次发布中。
读原文 →vLLM 发布 v0.32.0，包含814次提交，多API worker的每秒请求数提升 43%至85%。新版新增 /v1/systemone 结构化决策端点，并扩展跨硬件低精度KV支持，包括NVFP4和ROCm上的4位KV。Model Runner V2还加入了GPU n-gram推测器。
读原文 →🔍 深度解读：DeepInfer与vLLM都在解码阶段引入推测式加速，但发布边界不同：前者此次开放离线推理，后者还覆盖多API worker的请求吞吐。对部署团队而言，DeepInfer的Apache 2.0许可让组件复用更直接，却不等于拿到了DeepSeek完整服务栈；在线部署仍需解决预填充与解码分离、跨副本负载均衡，不能把离线加速等同于服务容量提升。
Muse Glimmer把能力压进可本地运行的模型，Harness²则在权重之外寻找增益。
Meta发布Muse Glimmer技术报告，这款300亿参数开放权重模型面向智能体任务。它可在配备单张消费级GPU的Mac或PC上，以4-bit精度达到实用运行速度。训练采用Muse Spark训练过程中的logits进行全KL协同蒸馏，最后5%改用交叉熵，并使用持续数周的模拟“数字生活”。
读原文 →Google Research开源 Harness²，让智能体在模型权重冻结时修改自身提示词、技能、钩子和记忆。它通过提出编辑、对比基线轨迹、保存经验来改进运行框架，无需评分器。Gemini 3.5 Flash在WorkBuddy-Bench和JobBench上分别提升8.4和7.5分。
读原文 →🔍 深度解读：Muse Glimmer通过蒸馏和持续数周的模拟“数字生活”训练智能体能力，Harness²则冻结权重，把修改对象转向提示词、技能、钩子和记忆。两者提供的是不同层面的改进路径：前者影响基础模型选择与本地运行条件，后者说明任务表现不只由模型权重决定。对开发者而言，Harness²在两个基准上的增益意味着，评估智能体时需要把模型与运行框架拆开比较。
Voxtral 3将语音处理与工具调用串联，并提供欧盟托管和自部署两种选择。
Mistral 发布 Voxtral 3 语音模型及智能体 SDK，转写支持50多种语言。SDK 将转写、推理、工具调用和语音生成接入同一实时流水线，可在通话中完成多步任务。Mini 转写模型有40亿参数，价格为每分钟0.0035美元。套件可通过欧盟托管 API 使用或自部署，让企业控制音频处理位置及是否保留对话。
读原文 →Anthropic OSS Scanner缩短报告等待，但扫描结果不经人工审核。
Anthropic 推出 OSS Scanner，为获准加入的关键开源项目免费提供定期漏洞扫描。与原有人工审核后再发送报告的流程不同，该服务直接向维护者发送模型扫描结果，以缩短等待时间。报告未经人工审核；项目需主动申请，通常不接受新项目或缺乏独立特色的分叉。
读原文 →