新模型的发布、开源与迭代：大模型厂商的旗舰更新、开源权重放出、性能与价格变化的第一时间记录。
当前仅显示精选新闻千问（Qwen）团队发布 Qwen3.8-Omni-Flash，定位为新一代原生全模态模型。其核心目标是强化真实生产力场景中的智能体能力，推动全模态模型从理解全模态内容走向规划任务、调用工具和完成创意工作，并建立在编码、文本知识工作和 GUI 等通用智能体能力之上。原文链接：https://qwen.ai/blog?id=qwen3.8-omni-flash
推荐理由：官方说明新一代全模态模型从内容理解转向任务规划与工具调用的定位，读者可据此判断其对生产力场景的意义。
Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking 两个实时语音对话模型，主打近实时推理与语音智能体。
推荐理由：官方给出两个新语音模型的定位分工和多项基准数字，读者可据此判断其适合规模化还是高复杂度语音任务。
OpenAI 发布 GPT Image 2.5 的 Flare 和 Sunburst 两款图像模型，在 Artificial Analysis 图像榜单包揽文生图与图像编辑的前两名。
推荐理由：评测显示两款新模型在文生图与图像编辑榜单占据前两位，输出价格与 GPT Image 2 持平。
推荐理由：K2 Horizon 披露预训练用约 20T token 且 17% 含显式推理轨迹，读者可借此对照模型的训练数据构成。
推荐理由：6 款开源模型从 0.9B 覆盖到 375B，并公开中间 checkpoint 与训练日志，便于观察完整训练过程。
OpenAI 在 API 中开放 GPT-Live-1，开发者可把 ChatGPT 式的自然对话体验接入自己的应用。该语音智能体可在说话的同时持续聆听，并支持搭配开发者自选的模型与 harness。
GPT-Live-1 is now available in the API. Bring ChatGPT’s natural back-and-forth to your app, with voice agents that listen while they speak and work with the models and harness you choose. https://t.co/gIl1gwsBDV
推荐理由：GPT-Live-1 开放 API 后，开发者可把边听边说的语音智能体接入自家应用并自选模型与 harness。
推荐理由：文中给出同一套指数下的横向对比和每任务成本，可据此判断轻量模型与旗舰 Pro 之间的性价比差距。
GPT-Live-1 is now available in the API. Bring ChatGPT’s natural back-and-forth to your app, with voice agents that listen while they speak and work with the models and harness you choose. https://t.co/gIl1gwsBDV
推荐理由：全双工语音对话能力开放到 API，开发者可搭建可转派任务的语音智能体，语音应用的工作流编排随之变化。
推荐理由：原文列出 GPT-Live-1 在多项语音基准上与前代的对比数据，可用于判断语音智能体完成多轮客服任务的能力变化。
推荐理由：语音智能体能在说话的同时继续聆听，并可自选模型与 harness，读者可据此判断接入方式。
⚡ V4.1-Flash is now live on the DeepSeek API with native multimodal support. Set your model to deepseek-flash. 🔹 V4-Flash & V4-Flash-Vision-Exp are retired. For compatibility, deepseek-v4-flash and deepseek-v4-flash-vision-exp temporarily route to V4.1-Flash. 🔹 Tests by multiple parties put V4.1-Flash ahead of V4-Pro on performance, cost, speed & total runtime. We’re phasing out V4-Pro. 🔹 Starting at 04:00 UTC on Sept 14, 2026, all deepseek-v4-pro requests will route to V4.1-Flash at V4.1-Flash rates. This will continue until V4.1-Pro launches. 🤝 Official partners @WorkBuddy_AI (including Codebuddy) & @opencode now fully support V4.1-Flash. Try it today! 4/6
推荐理由：DeepSeek 以 V4.1-Flash 取代 V4-Pro，读者可以据此了解模型迭代在性能、成本与速度之间的取舍。
SiliconFlow@SiliconFlowAI精选AI 评分6767
推荐理由：原文给出 DeepSeek-V4.1-Flash 的参数结构、上下文长度和开源协议，读者可据此评估其部署与成本价值。
推荐理由：给出了 V4.1-Flash 的稀疏激活与记忆查找设计，读者可据此对比 V4-Flash 的持久 KV 占用变化。
DeepSeek 发布 V4.1-Flash，作者引用 DeepSeek 的测试称其在多项编码与智能体基准上追平或超过 GPT-5.6 Sol，而输出 token 价格低 94%。
DeepSeek just released V4.1-Flash with a new architecture, six weeks after its July V4-Flash update. July’s release improved post-training while keeping the architecture unchanged. (Same with GLM-5.3/Flash) V4.1 introduces a Causal Encoder–Decoder architecture with native visual understanding. DeepSeek reports: - 552B MoE parameters, with 8B active during input processing and 16B during output generation. - KV-cache requirements cut to ¼ of the HBM and ⅛ of the SSD storage versus the previous generation. - Lower API prices. These are *significant* jumps in just a few weeks with post training. This is the new reality we have to adapt to: weekly releases with significant improvements. The company says Flash now beats V4-Pro on capability, cost and speed. Starting September 14, V4-Pro API requests will temporarily route to V4.1-Flash until V4.1-Pro arrives.
推荐理由：文中给出 DeepSeek V4.1-Flash 的定价与 DeepSWE 基准对比，读者可据此判断价格战对智能体调用成本的影响。
推荐理由：面壁智能同步放出权重、训练代码与 Agent SFT/RL 数据，便于端侧复现和二次开发。
DeepSeek 发布 V4.1-Flash，距离 7 月的 V4-Flash 更新约六周，改用 Causal Encoder–Decoder 新架构并具备原生视觉理解能力。
🚀 Introducing DeepSeek-V4.1-Flash: smarter, faster, more efficient. 🔹 Introducing the smallest model in our new architecture family, with native visual understanding. 🔹 Designed for greater capability, faster inference, higher throughput, and scaling to larger models. 1/6
推荐理由：距上代仅六周，DeepSeek 在新架构下同时给出参数量、KV-cache 占用与 API 价格的变化，可与前代直接对照。
DeepSeek 发布多模态 MoE 模型 DeepSeek-V4.1-Flash，具备 1M token 上下文窗口，全局 KV 缓存占用约 890 字节每 token，约为 DeepSeek-V4-Flash 的 1/4。
推荐理由：DeepSeek-V4.1-Flash 把全局 KV 缓存压到 890 字节每 token，长上下文推理的部署成本变化构成主要看点。
🚀 Introducing DeepSeek-V4.1-Flash: smarter, faster, more efficient. 🔹 Introducing the smallest model in our new architecture family, with native visual understanding. 🔹 Designed for greater capability, faster inference, higher throughput, and scaling to larger models. 1/6
推荐理由：DeepSeek 新架构家族最小模型亮相，配图给出它在四个基准上与其他模型的对比数据，可据此了解该型号的定位与表现。
🚀 Introducing DeepSeek-V4.1-Flash: smarter, faster, more efficient. 🔹 Introducing the smallest model in our new architecture family, with native visual understanding. 🔹 Designed for greater capability, faster inference, higher throughput, and scaling to larger models. 1/6
推荐理由：原文给出 552B MoE 新架构、原生视觉理解的规格与 Hugging Face 入口，可据此判断这款模型的定位。
推荐理由：官方给出 V4.1-Flash 与 V4-Pro 在性能、成本、速度和总运行时间上的比较结论及旧模型的迁移时间表，可供选择接入版本时参考。