Thinking Machines发布Inkling 2 Small，总参数594B、激活17B，计划完成安全测试后于下周以Apache 2.0开放权重。METR基于Anthropic内部数据估计，自2025年10月起模型AECI分数增长速度为此前的1.9倍，但基准分数与现实能力的对应关系仍不明确。AA测评逾100个推理端点，发现近四分之一低于参考部署成绩，GLM-5.3 Flash部分端点的HLE-250得分仅22%—29%，参考部署为55%。
模型权重与训练诀窍，正在以不同节奏向开发者开放。
Thinking Machines发布Inkling 2 Small：总参数594B、激活17B的多模态MoE，已上线Tinker。它支持图像输入，在Artificial Analysis智能指数获31分，较上一代显著提升。目前权重仍封闭，计划完成外部安全测试和红队测试后，下周以Apache 2.0开放。
读原文 →蚂蚁 Ling 发布 Ling-3.2-flash，总参数 560B、激活参数 25B。模型主打复杂视觉理解、长程多模态智能体、3D 理解与交互及医疗智能。官方报告其 OmniDocBench1.5 得分为 92.21，Vision2Web 得分为 85.86，均高于所比较的 Opus 5（max），后者分别为 90.56 和 80.20。
读原文 →Hugging Face 发布约7 万词的免费 MoE 训练手册，涵盖专家数量与共享、路由选择、通信优化和部署。手册背后是约80 万 GPU 小时、折合约 200 万美元的实验。Thomas Wolf 表示，当前最好的 20 个开放模型中有 18 个采用 MoE，但训练诀窍仍集中在少数团队手中，因此团队自行实验并整理成文。
读原文 →🔍 深度解读：Inkling 2 Small以594B总参数激活17B，Ling-3.2-flash以560B总参数激活25B，两者说明总参数规模接近并不意味着每次推理调用的参数量相同，选型不能只比较模型大小。Hugging Face手册公开路由、通信和部署经验，补的是这类模型从架构到实际运行之间的工程知识；对开发团队而言，获取权重与掌握高效训练、部署方法仍是两道门槛。
METR给出1.9倍的分数增速估计，也明确了其解释边界。
METR利用Anthropic内部数据发布删节版风险报告，评估AI是否加速自身研发。自2025年10月起，Anthropic模型的AECI分数增长速度为此前的1.9倍，95%区间为1.5—2.8倍。METR提醒，估计依赖分析选择，基准分数与现实能力的对应关系仍不明确。
读原文 →推理服务的成本优势，需要与准确率、代码验证和运行隔离一起验收。
AA发布端点准确率指数v1.1，测评逾100个无服务器端点，发现近四分之一得分低于参考部署。GLM-5.3 Flash部分端点输出上限约32K token，HLE-250得分仅22%—29%，参考部署为55%。另有两个Muse Spark Open端点出现工具参数类型错误。
读原文 →CMU 的 ServerBench 让编码智能体构建完整推理服务栈，33 次运行中 22 次通过验证，13 次超过最强基线。Claude Sonnet 5.5 为 Gemma E4B 构建的系统，单位 GPU 成本价值最高达 vLLM 的 4.87 倍。不过，失败运行交付的系统经常包含未经测试的代码路径。
读原文 →Replit 的 Amjad Masad 介绍了新的沙箱设计，称其通过定制 Linux 内核构建，能够避开 96% 的 Linux 零日漏洞。Masad 表示，当前这类漏洞数量很多。他强调，Replit 依靠的是自身的定制内核构建。
读原文 →🔍 深度解读：ServerBench中最高达vLLM 4.87倍的单位GPU成本价值，与AA发现的端点准确率落差形成同一个验收问题：服务更便宜、更快，不代表模型能力被完整保留，性能测试必须同时核对输出上限、准确率与工具调用。ServerBench失败运行中的未测试代码路径，与Replit所称避开96% Linux零日漏洞的定制内核，涉及应用代码和内核隔离两个不同层次；企业不能用沙箱的防护声明替代对智能体交付代码的验证。
Gemini Omni 1.2 Flash延长片段，并支持在同一片段上多轮修改。
谷歌发布 Gemini Omni 1.2 Flash，原生视频时长从上一代的10秒增至15秒。新版强化参考素材一致性，支持多轮对话修改同一片段，无需整段重新生成。720p视频价格较Omni 1.1降低30%，至每秒0.07美元，已在Gemini API和Gemini企业版全面开放。
读原文 →账户查询与支出整理进入对话界面，资金操作仍在权限之外。
Claude本周开始在美国向Pro、Max和Ultra用户逐步开放Personal Finance测试版。连接银行和卡账户后，用户可用自然语言查询余额、汇总支出或查找重复扣款，不必逐个打开银行应用核算。功能仅有只读权限，不能转移、管理或投资资金，也不提供投资建议；没有广告或赞助推荐，但回答可能出错。
读原文 →