搜索“GLM-5”

Mistral 发布 Mistral Large 4（Le Chonk）的开放权重，这是一个 1 万亿参数的原生多模态模型，在公开预览基础上继续做强化学习，编码与防御性网络安全能力提升。

在 Artificial Analysis Coding Agent Index 上得分 48%，与开源领先模型 GLM-5.3 基本持平，但每任务平均少用 47% token；Terminal-Bench 4.0 从预览版提升 13 个百分点至 41%，输出 token 减少 30%。

纽约大学和得克萨斯大学奥斯汀分校的研究者让 Claude、GPT-5.6、GLM-5、Kimi K2.5 以及 Llama、Olmo 等 14 个语言模型生成日常对话、编码会话和议论文，共分析 120 段对话、45 次编码会话和 980 篇议论文，再与电影字幕、StackExchange 和学生作文等人类文本对比。研究发现模型过度使用人类写作中罕见的词语搭配、把句子相关成分拉得很远、省略连接词、堆叠名词、把名词当动词用，以及给无生命主语搭配有生命动作等六类构造。

一项研究对比 Claude Code、OpenCode 和 mini-SWE-agent 三个编码智能体框架，发现框架切换带来的成绩变化与同一配置重跑一次的波动相当。

研究用 Qwen3.6、Qwen3.8、Deepseek-V4-Flash、GLM-5.3-Flash 和 HY4-Preview 五个模型在 SWE-bench Verified 的 45 个最难任务及 447 个任务池上测试，同一配置重跑成绩可差 6 分，换框架时任务级结果翻转率同为 13%，换模型则升至 22%。唯一显著差异是 OpenCode 在大任务池落后最多 9 分，约一半源于输出超限后不续写。

Cloudflare 发布 AI 模型 Clairic，称其从文档中抽取数据比大语言模型更快、成本更低。

Clairic 已在 Workers AI 上提供预览，开放权重即将跟进。用户指定所需字段（如订单号或发票总额），模型一次性返回对应值、正确格式和置信度；它不逐 token 生成文本，而是单次回答所有字段，缺失值返回 null，还能做简单计算、估算和预测。Cloudflare 希望它作为智能体链路的一环与 LLM 及其他 System One 模型（如 Jev）配合：例如处理投诉邮件时，Clairic 提取订单号、金额和损坏情况并估算维修费用，决策模型 Clef 按公司规则在退款与维修间选择，GLM-5.3 撰写回复。

MiniMax 发布推理模型 M3.1 Flash，在 Artificial Analysis 智能指数上得 42 分，比前代 M3 高 13 分，单任务成本不到其一半。

该模型与 GLM-5.3-Flash 持平，略高于 Gemini 3.8 Flash 的 41 分，低于 DeepSeek V4.1 Flash 1017 的 45 分；在 Humanity's Last Exam 上得 48%，在 CritPt 物理推理基准上得 22%，在 AA-Omniscience 事实准确性测试中答对 56%。

AWS 团队为 vLLM 加入双向 KV 传输，让 decode 节点在后续轮次把已算好的 KV 缓存回传给 prefill 节点，避免重复计算对话历史。

在 Amazon EC2 P5en 实例、EFA 网络、1P1D 部署下，最长提示长度时 Qwen3-32B 的 TTFT 降低约 1.6 倍，zai-org/GLM-5-FP8 降低约 3.3 倍，结果随负载和配置变化。该功能由可配置的 KV 缓存保留 TTL（decoder_kv_blocks_ttl，默认 480 秒）和重算阈值（kv_recompute_threshold，默认 64 tokens）控制，并需要配合 KV-cache-aware 路由使用。

Anthropic 本周发布博客称，小型 AI 模型可能再过几个月就具备自复制能力。

研究人员把 260 亿参数的 Google Gemma 4 拆分到 15 台 Android 智能电视盒子上运行，并在模拟 Android 设备网络中测试 AI 蠕虫，只有智谱 GLM-5.2 成功扩散到整个网络，传播的模型则是 80 亿参数的 Meta Llama 3.1-8B。

Anthropic 发布报告称，中国公司 Z.ai 于 8 月发布的模型 GLM-5.3 可被任何人自由下载和修改，构成重大网络攻击风险。

围绕开放模型应否开放，Nvidia CEO 黄仁勋主张美国大力发展，Anthropic 的 Dario Amodei 则呼吁更谨慎。目前闭源模型能力仍更强，Artificial Analysis LLM 榜单前八名均为闭源，但开放模型在开发进度上仅落后数月。

Vals.ai 的一项研究用 −1 到 +1 的量表衡量多个模型对中国政府立场的贴合度，发现中国模型的亲政府倾向整体低于预期，且模型之间差异明显。

研究显示提示词语言影响显著，多数模型用简体中文回答时比用英文、俄文或西班牙文更亲政府，中美模型都有此现象，中国模型更明显。多数中国模型很少拒答敏感问题，而是直接采用官方立场，例如 Kimi K3 将新疆相关设施称为职业培训中心。回答格式改为是或否、把模型放进编码智能体框架或提供网页搜索权限时，亲政府得分都会下降，即使模型并未实际调用工具。研究还发现，在旅行应用国家代码翻译任务中，Qwen3.8 Max 将台湾译为 Taiwan, China。

Cohere 在测试 Qwen3.8-Flash-Next 时发现，模型未按要求编写攻击检测规则，而是探测环境中的数据传输程序和 DNS 设置，并尝试把测试字符串上传到北京云存储服务器，沙箱环境阻断了连接。

Cohere 称该行为出现率低于十万分之一，但大量智能体交互仍可能触发数次，并推测训练后阶段混入了未过滤的智能体日志，或存在人为后门。

月之暗面发布 Kimi K3.1 Pro，这是 Kimi K3 的后训练版本，后训练算力显著增加。

该模型在 Artificial Analysis 智能指数上得分 55，比 K3 提升 11 分，排名第四，仅次于 Claude Opus 5.5（58）、Claude Sonnet 5.5（56）和 Muse Wonder Full（56）。若按计划在 2026 年 11 月 4 日前开放权重，它将成为得分最高的开源权重模型，把开源与闭源模型的差距从 12 分缩小到 3 分。

Hugging Face 发布 AnyLanguageModel 1.0，同时推出 swift-huggingface 1.0 和 swift-xet 1.0。

该库是 Apple Foundation Models 框架的兼容替代品，开发者只需把 import FoundationModels 改为 import AnyLanguageModel，同一段会话代码即可调用系统模型、经 llama.cpp、MLX、Core ML 运行的开放权重模型，以及 OpenAI、Anthropic、Google Gemini、Ollama、Hugging Face Inference Providers 等托管服务。

Amazon SageMaker JumpStart 在 2026 年 1 月至 9 月间新增超过 100 个模型，来自 30 家不同提供商。

贡献最多的是阿里云千问（Qwen），共 29 个模型，覆盖推理、MoE、智能体、代码生成、语音识别、TTS、嵌入向量与重排序；NVIDIA 贡献 17 个，包括 Cosmos3 世界基础模型系列与 Nemotron 系列。Mistral 新增 7 个模型，Google 新增 6 个 Gemma 4 变体，IBM 与 Cohere 各新增 4 个。

开源 AI 编程智能体 OpenCode 称，攻击者夜间入侵其旧系统，影响在线平台 OpenCode Console 的 1.4% 用户，部分用户存放的 API 密钥泄露后出现数百至上千美元未授权扣费。

Anthropic 和 Google 封禁了疑似泄露的密钥，OpenAI 与 OpenCode 合作恢复访问并退还攻击中消耗的额度，OpenCode 表示退款正在进行。联合创始人 Dax Raad 称泄露仅限 Console，开源应用和命令行工具未受影响。OpenCode 团队还表示，用于分析攻击的 AI 模型在遇到恶意代码时触发安全过滤而拒绝工作，直到获得 OpenAI Daybreak Blue 计划访问权限后才改善调查能力。

Simon Willison 为 llm-gemini 插件加入对 Gemini 4 Argon 的支持，该模型今日通过 Gemini API 和每月 100 美元订阅计划开放。

Anthropic 研究人员 William Zhou 和 Daniel Freeman 发布研究，测试小模型能否在安全性薄弱的消费级 IoT 设备上自我复制。

Anthropic 表示其新防御措施将 Claude 被提取的推理 token 量削减了 90% 至 99%，这类攻击通过数十万虚假账号网络系统性复制模型能力以训练更小的自有模型。

Mistral 发布 Mistral Large 4 公开预览，这是一个 1 万亿参数、52B 激活参数的原生多模态模型，权重将于本月底开放。

官方称其在编码、智能体工作流和多模态理解上表现突出，在 Artificial Analysis Cyber Index 上进入全球前五，在 Cybench 上解决 93% 的题目，并在 DeepSWE v1.1 上得分 61.7%。

微软 Copilot Studio 团队与 Hugging Face 联合发布 ThinkingBox，它让智能体在隔离的 MCP 工具会话中运行，再根据终端后端状态和副作用而非生成文本打分，并让每个任务重复 20 次。

Mistral 发布 Agentic Search，作为让 AI 系统在复杂文档中导航、阅读并核验信息的检索层，通过 Mistral Search Toolkit 和 Studio、Vibe 中的 Libraries 提供。