本栏目每天汇总近 1–2 天全球新发布 / 新开源的大模型与重要行业动态,信息来自官方公告与多家媒体交叉核验;性能数据区分「官方口径」与「已复测 / 第三方实测」,没复测的明确标注。配图为原创示意插画。

11 月 5 日(美国时间,北京时间已是 6 日),Mira Murati 创办的 Thinking Machines Lab 发布第二代模型 Inkling 2 Small。官方页面写得明确:总参 594B、单次激活 17B 的稀疏混合专家架构,支持图像输入和可调的推理强度。这是本期窗口里体量最大的一次模型发布,也是此前本报没有覆盖过的一家实验室。
它最值得记的不是分数,而是一个新的开源流程——官方原话是:先在 Tinker 上以闭权重方式提供,等外部安全测试与红队完成之后,「下周」以 Apache 2.0 放出完整权重,checkpoint 同时提供下载。也就是说,「开源」这件事被拆成了两步:先让你用,再让你拿。上一代 Inkling 走的就是这条路,这次是第二次执行。
先把硬数据摆出来(除注明外均为厂商口径,发稿时无第三方独立复测):
怎么看:594B 这个数字本身不稀奇——今年已经有 1T 级开源模型。真正变的是三件事。第一,「开源」开始带时间差和前置条件:先闭权重卖 API,过完安全测试再放 Apache 2.0,这很可能成为大实验室的标准动作,采购方要按「现在能调、下周能下」两套时间表排方案,别把承诺当既成事实。第二,数据来源开始跨国反向流动:训练轨迹采样自 Kimi K3,说明「谁的模型被用来训下一代模型」和「谁的模型分数高」已经不是同一张榜单。第三,它的强弱极不均衡——企业运营和金融法务类任务能压过同代开源,科学推理却只有 5.7 分,选型时按场景挑,别看综合分。
| 模型 / 产品 | 日期 | 类型 | 要点 |
|---|---|---|---|
| Kanana-2-v-decide-3b(Kakao,开源) | 11-6 | 决策专用模型 | 约 3.67B(0.49B 视觉编码器 + 3.18B 语言塔),基于 Kanana-2-v-3b。它的特别之处是根本不生成文本:把问题和候选答案编码成 2,560 维向量,用余弦相似度 + softmax 直接吐出 choice / noul / score 三种带概率的判断,候选向量还能跨调用缓存。这样省掉了「生成 JSON 再解析」这一步,也省掉了格式错。厂商口径:韩语 Kanana Decision Bench(15,909 题)72.50,公开 Decision Index 61.34、视觉版 61.12(均值 61.23),称超过 StartLux、Liquid AI d1 与 Joey-1;单张 H200 平均延迟 0.04 秒,宣称约为 GPT-6 Luna 的 43 倍。商用 Kanana Open License。注意:只能判断给定候选,不支持视频,概率是相对候选集而言。 |
| Cola2(字节 Seed,开源) | 11-6 上 HF | 连续潜空间基础模型 | 约 9B,走的不是逐 Token 自回归:先用动态压缩 VAE 把文本切成语义片段、压成一个连续潜向量,再由约 4B 的块因果扩散 Transformer 用流匹配生成潜块,最后用 span 因果解码器还原成字——先想好一段意思,再拼成字。346.03B Token 训练,模型卡自报 8 任务均分 60.10,明显低于 Llama-3-8B 的 66.25 与 Qwen3-8B-Base 的 75.87;只在 HellaSwag(41.75 vs 39.21)和 StoryCloze(80.42 vs 79.49)上赢 Llama-3-8B。代码 Apache 2.0,权重与分词器另有条款,扩散部分作者自述尚未收敛、仓库不带训练代码、是 base 不是对话模型——看路线可以,别急着换进生产。 |
| PrimeSim(PrimebotTech,开源) | 11-6 | 动作条件世界模型 | 同一天放了代码和两个 Apache-2.0 checkpoint(各约 10.1GB),论文 arXiv 2611.04870。基座是 Wan2.2-TI2V-5B:给每个相机视角的首帧、一句语言提示、一段机器人动作轨迹,它生成接下来三路视角同步的视频。训练数据 22 个机器人平台、30,110 小时,用统一的 31 维跨本体动作表示(末端位姿、夹爪、躯干、头、腰、底盘),rollout 跟着指令走而不是自由发挥。实测口径:单张 A100 上三视角 192×256、几步采样、约 10Hz 量级。坑在于它不是单文件包:文本编码器 / VAE / 分词器还得去下 Wan2.2 的十来个 G,24GB 卡装不下 5B 主干加编码器,按 A100/H100 80GB 准备。 |
| Cosmos 3 四款(英伟达,开源) | 11-5 上 HF | 世界模型 / 仿真 | 四款 checkpoint 都是 Cosmos 3 Nano 的后训练版,各 16B 可训练参数,OpenMDW1.1 许可可商用:Transfer-Auto 离线造驾驶数据,最多 11 路相机(含鱼眼)+ LiDAR,单段最多 400 帧 @480p/720p,一次跑出 7 段 720p、297 帧、99 次 LiDAR 扫描;Sim-Auto 是它的流式蒸馏版,几步去噪出一小段,供闭环仿真;Sim-Transfer 把物理引擎的深度/分割/边缘/模糊布局渲染成真实感画面,物理仍留在引擎里;Sim-Bimanual 按双臂动作预测下一帧,支持 YAM 与 AgiBot 本体,单台 GB300 上 480p 实测 48.1 fps、166ms 延迟。四阶段配方(双向适配 → teacher forcing → 一致性蒸馏四步 → self-forcing)一并公开。显存:Nano 生成 BF16 需 58GiB、FP8 需 44GiB。 |
| Kimi K3.1 Pro 权重(月之暗面,补充核验) | 11-6 复核 | 开源权重已上线 | 本报 11-5 期报过「11-4 如期开源」,本期做了独立复核:官方仓库不设门槛、112 个文件含 96 个 safetensors 分片、约 1.17 万次下载 / 944 赞;模型卡写明 2.8T 总参、104B 激活、93 层、896 个专家每 Token 选 16 + 2 共享、1,048,576 上下文,权重 MXFP4、激活 MXFP8(量化感知训练,不是事后压)。许可证有两条硬线要提前看清:做 MaaS 且近 12 个月(含关联方)合计年收入 超过 2,000 万美元,须与月之暗面单独签约;月活超 1 亿或月收入超 2,000 万美元的产品,必须挂 Kimi 品牌。 |

聚合站今天把 腾讯 Hy4、OpenAI Images 2.6、Kimi K3.1 Pro 权重、百度文心 5.5 Flash Base、GPT-6 Cyber、蚂蚁 Ling-3.2-flash 统统标成「11-7 今日发布」,实际分别是 11-4 到 11-6 的事,本报 11-5、11-6 两期已报,本期不重复。另有模型库站把 GPT-5.1、Claude 4、Gemini 3、Qwen3、DeepSeek V3.1 挂上「2026-11-07」的日期,这些都是 2025 年的模型,属陈旧占位条目,一律不采信。最后一条要紧:Inkling 2 Small 被不少中文稿写成「11-7 发布」,官方新闻页标的是 11 月 5 日(美国时间,北京已是 6 日),本报按官方日期记。
这周真正的变化不在分数,而在「开源」这两个字被拆成了两段:先闭权重卖 API,过完外部安全测试,再放 Apache 2.0。能力照样给,但给的方式开始带条件、带时间差、带许可门槛——Kimi 的 2,000 万美元 MaaS 条款、Inkling 的「下周再看」、Cosmos 的 OpenMDW1.1,都是同一件事的不同写法。对用模型的人,结论很朴素:承诺的权重不算权重,能下载的那天才算。
(数据来自官方公告与公开报道,2026-11-07;官方口径与第三方实测已分别标注,未复测项已在文中说明。模型能力强弱会影响选型,但实际价格以本站模型广场实时报价为准。)
OpenAI发布GPT-6.2并把旗舰价下调20%,阿里、腾讯同周把单任务成本和缓存价压到新低。结论:官方降价仍远高于本站实付价,gpt-6-astra现在最深0.099折,实付$0.099/百万输入token。日常用现款便宜档,追新等上架比价。
大模型缓存token是什么?一句话:把重复的提示词前缀存下来,命中后按缓存读计价,通常只有正常输入价的5%到12%。本文用在售模型的真实缓存价,讲清缓存读写怎么算钱、什么情况命中,以及怎么把账单压下来。
Claude 有哪些模型?站内 12 个版本按实付价排完发现:最新的 opus-5-5 月成本 $8.91,最老的 opus-4-6 反而 $49.50。本文给出全系价格表、真实实测数据与四个场景的选型结论,日常开发选 sonnet-5-5 最稳。
写代码用哪个 AI 模型?按本站实付价和 24 小时实测:gpt-5.6-terra、deepseek-v4.1-flash 各三千多次调用零失败,每月千次请求分别 $2.85 和 $1.66;gemini-3.8-flash 出字 111 token/s 最快。附完整实付价表与三档选型建议。
拿到密钥后把 API 地址改成平台地址,就能用一个 Key 调用在售的 138 个模型(覆盖 51 家厂商),同时兼容 OpenAI 和 Anthropic 两种请求格式。本文给出可直接复制的接入代码、模型切换方法和常见坑,全部接口已实测验证,数据截至 11 月 16 日。