inclusionAI 发布 SingProbe：基于 gemma-4-E4B-it 的流式安全探针

inclusionAI 推出 SingProbe，一个基于 google/gemma-4-E4B-it 的流式安全探针，复用基座模型隐藏状态，在生成每个 token 时对查询意图、回复安全性和幻觉风险打分，解码开销低于 0.5%。

inclusionAI 发布 SingProbe：基于 Qwen3-4B-Instruct-2507 的流式安全探针

inclusionAI 发布 SingProbe，一个构建在 Qwen/Qwen3-4B-Instruct-2507 上的内置流式护栏，复用基座模型隐藏状态，在每个 token 上对查询意图、回复不安全和幻觉风险打分，解码开销低于 0.5%。

inclusionAI 发布 GLM-5.3-singprobe 流式安全探针

inclusionAI 发布基于 GLM-5.3 的流式安全探针 GLM-5.3-singprobe，复用基座模型隐藏状态逐 token 打分，解码开销低于 0.5%。

inclusionAI 发布 Qwen3.5-4B-singprobe：基于 Qwen3.5-4B 的流式安全探针

inclusionAI 发布 Qwen3.5-4B-singprobe，这是一个构建在 Qwen/Qwen3.5-4B 上的流式安全探针，复用基座模型隐藏状态，在每个 token 上对查询意图、回复不安全和幻觉风险打分，解码开销低于 0.5%。

inclusionAI 发布 Qwen3.5-9B-singprobe：基于隐藏状态的流式安全探针

inclusionAI 发布 Qwen3.5-9B-singprobe，这是一个构建在 Qwen/Qwen3.5-9B 上的内置流式护栏，复用基座模型隐藏状态，在每个 token 上对查询意图、回复不安全和幻觉风险打分，解码开销低于 0.5%。

inclusionAI 发布 gemma-4-31B-it-singprobe：基于 Gemma 4 的流式安全探针

inclusionAI 发布 SingProbe，一个基于 google/gemma-4-31B-it 的流式护栏探针，复用基座模型隐藏状态，在每个 token 上对查询意图、回复不安全和幻觉风险打分，解码开销低于 0.5%。

inclusionAI 发布 gpt-oss-120b-singprobe：基于 gpt-oss-120b 的流式安全探针

inclusionAI 发布 gpt-oss-120b-singprobe，这是构建在 openai/gpt-oss-120b 上的流式护栏探针，复用基座模型隐藏状态，在每个 token 上对查询意图、回复不安全和幻觉风险打分，解码开销低于 0.5%。

inclusionAI 发布 Step-3.7-Flash-singprobe：基于 Step-3.7-Flash 的流式安全探针

inclusionAI 发布 SingProbe，一个构建在 stepfun-ai/Step-3.7-Flash 上的内在流式护栏，复用基座模型隐藏状态，在生成每个 token 时对查询意图、回复不安全和幻觉风险打分，解码开销低于 0.5%。

inclusionAI 发布 Hy3-singprobe：基于腾讯 Hy3 的流式安全探针

inclusionAI 发布 Hy3-singprobe，一个构建在 tencent/Hy3 上的流式安全探针，复用基座模型隐藏状态逐 token 打分，解码开销低于 0.5%。

inclusionAI 发布 Llama-3.1-8B-Instruct-singprobe 流式安全探针

inclusionAI 发布 Llama-3.1-8B-Instruct-singprobe，一个基于 meta-llama/Llama-3.1-8B-Instruct 的流式安全探针，复用基座模型隐藏状态，在每个 token 上对查询意图、回复不安全和幻觉风险打分，解码开销低于 0.5%。

inclusionAI 发布 Qwen3-8B-singprobe：基于 Qwen3-8B 的流式安全探针

inclusionAI 发布 Qwen3-8B-singprobe，这是构建在 Qwen/Qwen3-8B 上的内在流式护栏，复用基座模型隐藏状态，在每个 token 上对查询意图、回复不安全和幻觉风险打分，解码开销低于 0.5%。

inclusionAI 发布 gpt-oss-20b-singprobe：基于 gpt-oss-20b 的流式安全探针

inclusionAI 发布 gpt-oss-20b-singprobe，这是构建在 openai/gpt-oss-20b 上的流式护栏探针，复用基座模型隐藏状态，在每个 token 上对查询意图、回复不安全和幻觉风险打分，解码开销低于 0.5%。

inclusionAI 发布基于 MiniMax-M2.7 的流式护栏探针 SingProbe

inclusionAI 发布 SingProbe，一个构建在 MiniMaxAI/MiniMax-M2.7 之上的流式护栏探针，在生成过程中复用基座模型隐藏状态，对每个 token 输出查询意图、回复不安全度和幻觉风险评分。

Ant Ling@AntLingAGIAI 评分4949

Ling-3.0-flash-VL 两项更新： - 现已在 OpenRouter 上线，提供两周免费访问 - FP4 和 INT4 量化版本现已开源 可通过 API 试用或自行部署——由你选择。

Google AI@GoogleAIAI 评分3939

哦，原来这就是我们绘制出雄性果蝇全部166,000个神经元的原因。来看看这项大型社区合作成果，展示这些微小果蝇大脑究竟有多大能力 🪰🧵

SiliconFlow@SiliconFlowAI精选AI 评分6767

DeepSeek-V4.1-Flash 在 SiliconFlow 实现 Day 0 上线。该模型为 552B MoE，prefill 约激活 8B、decode 约激活 16B，支持原生视觉和 1M 上下文窗口，KV cache 占用相比 V4 Flash 缩小约 4 倍，采用 MIT 协议开源。

Ant Ling@AntLingAGIAI 评分5454

Novita 与蚂蚁百灵合作，在 Hugging Face 上线 Ling-3.0-flash-VL，前 14 天免费。模型总参数 124B、每 token 激活 5.5B，原生支持图像与视频理解，面向多模态推理和智能体工作流。

Ant Ling@AntLingAGIAI 评分4343

在 DeepInfra 上体验最新的 Ling-3.0-flash-VL，我们的 day0 合作伙伴 @DeepInfra

DeepSeek 发布 DeepSeek-V4.1-Flash，API 价格同步下调

DeepSeek 正式发布 DeepSeek-V4.1-Flash，是全新模型结构系列中最小尺寸模型，具备原生多模态视觉理解能力，设计目标是能力上限更高、推理更快、吞吐更大。

OpenAI 发布 GPT-6 Astra：面向商务场景的新一代模型

OpenAI 发布 GPT-6 Astra，称其为面向商务的最强模型，具备高级推理、电脑使用能力，以及更强的写作和设计判断。

最新开源模型盘点第 24 期：Motif-3、GLM-5.3、Hy4-preview 与开源模型许可证

智谱 GLM-5.3 从 MIT 转为自定义许可证，要求年收入超 100 亿美元的模型服务商通过 Z.AI 安全审查，但许可证未定义"关联方"。本期还收录 Motif-3（MIT 许可）、腾讯 Hy4-preview、Qwen3.8-Flash-Next（125B-A6B）等新模型。

OpenAI 发布 Navier–Stokes 千禧年难题的 AI 生成解答

OpenAI 宣布分享针对 Navier–Stokes 千禧年大奖难题的 AI 生成解答，包含一份完整 writeup 和 Lean 形式化证明。

AI at Meta@AIatMetaAI 评分5959

Meta 表示，6 月将下一代自主 AI 研究系统 AIRA₃ 投入 NVIDIA 主办的 Kaggle 竞赛，任务是微调 30B Nemotron 模型以提升推理能力，所有参赛者信息相同并按私有测试集外部评分。AIRA₃ 在约 4,000 支队伍中排第 8 获金牌，Meta 认为这表明 AIRA₃ 能以接近人类专家的水平改进模型的目标能力。

AI at Meta@AIatMetaAI 评分4848

Muse Spark 1.3 现已支持 max reasoning，可在 Muse Code 和 Meta Model API 上使用 👇

Microsoft 发布 MAI-Image-2.6 及 MAI-Image-2.6-Flash 图像模型

Microsoft 于 9 月 4 日发布 MAI-Image-2.6，并面向 Microsoft Foundry 开发者推出低延迟版本 MAI-Image-2.6-Flash。

SiliconFlow@SiliconFlowAIAI 评分6464

DeepSeek-V4-Flash-Vision-Exp 现已上线 SiliconFlow，并可通过 OpenRouter 使用。该模型基于 V4 Flash 增加视觉理解，面向多模态任务与智能体，支持 1M 上下文，采用 MIT 协议，图片显示输入价格为 $0.44/M tokens，缓存输入 $0.028/M tokens，输出 $1.32/M tokens。

Google DeepMind 发布 WeatherNext 3 全球 AI 天气模型

Google DeepMind 与 Google Research 发布 WeatherNext 3，称其为最先进准确的全球 AI 天气模型。模型直接学习实时卫星数据和气象站观测，逐小时产出最高 5 公里分辨率预报，精度约为 WeatherNext 2 的五倍；中期降水预报 CRPS 相对 IMERG 提升最高 60%。

Microsoft MAI 发布语音识别模型 MAI-Transcribe-2

Microsoft MAI 发布转写模型 MAI-Transcribe-2，在 FLEURS 基准 60 种语言上以平均词错率 5.2% 排名第一，定价每小时音频 $0.10（年底前限时）。

H Company 发布 NeoMME 多语言多模态编码器，含 260M 与 800M 两种规格

H Company 发布 NeoMME 系列多语言多模态编码器，有 260M 和 800M 两种规格，用单个双向 Transformer 从头训练处理文本 token 和 32×32 图像 patch，不依赖预训练视觉塔或因果语言模型。

AI at Meta@AIatMetaAI 评分3434

Meta 发布 Muse Spark 1.3，在智能体与编程任务上性能提升，聚焦真实场景可用性。新版本可在单一线程中跨多个工作流维持更长周期任务，会主动提问澄清、卡住时主动上报、执行重大操作前先确认，并更清楚自身能力边界以减少幻觉。内部对比显示，其工具调用次数比 Muse Spark 1.2 减少约 20%，token 用量减少约 25%。

Demis Hassabis@demishassabisAI 评分6060

Demis Hassabis 宣布 Google 发布 Gemini 3.8 Flash，这是不到一个月内的又一次升级，同时推出面向网络防御方向的 3.8 Flash Cyber。引用内容称 3.8 Flash 是 6 周内第三个更新的 Flash 模型，提升了智能体与编码能力，详情见博客 https://blog.google/innovation-and-ai/models-and-research/gemini-models/3-8-flash-and-3-8-flash-cyber/

Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber 两款模型

Google DeepMind 发布 Gemini 3.8 Flash 和 Gemini 3.8 Flash Cyber。

Ammaar Reshi@ammaarAI 评分6161

Google 发布 Gemini 3.8 Flash，距上一版发布仅 3 周，定价 $0.75/百万输入 token、$3.75/百万输出 token。作者称其在多项基准上超越旗舰模型，已在 AI Studio、Gemini app 和 Antigravity 开放使用。

Fei-Fei Li@drfeifeiAI 评分5757

Fei-Fei Li 宣布 World Labs 团队发布从零训练的多模态世界模型 Atlas。该模型支持像素级精准的相机控制生成帧、从单张输入图像重建大场景、通过重排视频帧模拟时空、从一或多张图像原生输出 3D 空间，以及将多张带位姿图像组合成一致的 3D 世界，潜在应用覆盖 VFX 到机器人。

SpaceXAI@SpaceXAIAI 评分3131

LatchBio 评估了 Grok 在生物安全监测和对抗性生物任务上的表现。 他们发现 Grok 4.6 能正确检测并拒绝危险查询，包括恶意混淆的生物任务，同时也能回答有益的科研查询。 我们在博客文章中讨论了这些结果： https://x.ai/news/biosafety-at-the-frontier

Runway 发布 Interface World Model 首个模型 Solaris，实时生成可交互界面

Runway 发布 Solaris，定位为 Interface World Model 系列的首个模型，基于 Gen-4.5 改造，逐帧实时生成应用和网站界面，无需代码等中间表示。用户研究显示 250 名参与者约 7500 次成对评判中，61% 偏好其遵循指令（对比编码界面的 24%），71% 认为交互更自然；文本渲染、长会话一致性和无障碍集成仍是待解难题，现已开放早期访问申请。

Google 发布 TimesFM-3 时间序列基础模型，支持零样本多变量预测

Google 发布 TimesFM-3，一个 330M 参数、在超过 1 万亿时间点上预训练的时间序列基础模型，原生支持零样本多变量预测。模型可在单次前向传播中生成整个预测区间，支持多目标、过去协变量和过去-未来协变量，并在 Gift-Eval、FEV-Bench 和 Time 三个基准上于点预测和概率预测指标中均排名第一。

Anthropic 发布 Claude Fable 5.1 与 Claude Mythos 5.1

Anthropic 发布 Claude Fable 5.1 和 Claude Mythos 5.1，两者为同一模型、安全防护级别不同，Fable 5.1 全面开放，Mythos 5.1 限可信访问计划。

Anthropic 发布 Claude Fable 5.1 与 Claude Mythos 5.1，默认 1M token 上下文并下调缓存读取价格

Anthropic 发布 Claude Fable 5.1（claude-fable-5-1），面向长时运行的智能体编码、知识工作和研究，并向 Project Glasswing 参与者提供 Claude Mythos 5.1。

微软发布 GigaPath-Flash 与 GigaTIME-Flash：高效病理基础模型迈向人群级发现

微软研究院推出 GigaPath-Flash 和 GigaTIME-Flash，以蒸馏自十亿参数 GigaPath 编码器的 22M 参数 ViT-S 骨干大幅降低病理基础模型算力需求，均以 Apache 2.0 许可开源。