最新模型
Agnes‑3.0‑Flash 同名模型其實有兩個版本：開放權重與榜單成績不可混用
Agnes AI 已把 Hugging Face 上的 33B 權重改標為 Preview，明確表示它不是 Artificial Analysis 測試的 API 模型。兩者連上下文長度、參數公開程度與評測結果都不同，部署者不能再用榜單的 36 分替開放 checkpoint 背書。
Archive
最新模型
新模型、開放權重、多模態、語音、影像與模型架構。
最新模型
推論系統
Xinference 3.4 加入 prefill／decode 分離與跨 worker 副本擴縮，模型快取可中斷續傳
新版把分離式推論、vLLM 多程序路由及多 worker 副本管理帶進同一個開源服務層。它也讓模型能先下載、從既有快取啟動並續傳，但發布說明沒有提供吞吐或延遲比較。
代理工具
Google Cloud API Gateway 可把既有 REST API 直接映射為遠端 MCP 工具
9 月 11 日推出的公開預覽透過 OpenAPI 3.x 擴充，讓代理以 `tools/list` 與 `tools/call` 存取既有後端，毋須另寫 MCP 伺服器。首版只有工具介面，且不支援串流、長時間呼叫及二進位回應，正式遷移前仍需審查認證與協定相容性。
最新模型
Ling‑3.0‑flash‑VL 補齊低精度權重，獨立評測卻與官方 42 分不可直接對照
InclusionAI 的 124B 多模態 MoE 已新增 FP8、FP4 與 INT4 權重及可執行的 SGLang 配方，將影像、影片和工具呼叫納入同一模型。Artificial Analysis 最新獨立測試得到 25 分，與模型卡宣稱的 42 分採用不同版本評測，部署者不應把兩者視為同一尺度。
AI 安全
Gemini CLI nightly 將不可信參數與建置檔變更納入執行確認，並隔離沙箱憑證
Gemini CLI 0.61.0 的 9 月 12 日 nightly 會追蹤外部內容衍生的命令參數，並在建置設定遭修改後重新要求使用者核准。另一組修補阻擋沙箱掛載主目錄、憑證與 `.env`，但穩定版尚未發布。
最新模型
SenseNova-U1.5 公開原生視覺統一架構報告，但完整訓練流水線仍待釋出
SenseNova-U1.5 以不依賴獨立視覺編碼器或 VAE 的 MoT 架構，同一模型處理理解、推理、生成與編輯。9 月 11 日新增的技術報告揭露訓練方法與評測，現有權重及推論程式可用，SFT、RL 與多專家蒸餾程式仍未完整公開。
最新模型
GPT‑Rosalind 退出研究預覽並擴至全球，Codex 外掛串接逾 50 個生命科學資料源
OpenAI 將生命科學專用模型開放給全球合格機構，使用介面涵蓋 ChatGPT、Codex 與 API，正式定價將於 10 月 5 日生效。同步公開的 Codex 外掛把實體正規化、證據檢索與多工具編排拆成 50 項技能，但模型存取仍須通過用途及治理審查。
AI 基礎設施
OpenAI 將 Habitat 由 Python 改寫為 Rust，CPU 與記憶體效率分別提升 6 倍、15 倍
支撐 ChatGPT、Codex 與 API 的線上儲存服務 Habitat，現以 Rust 處理 95% 生產流量，每秒總請求量已超過 7,000 萬。改寫成果來自 OpenAI 內部量測，資料庫層與多租戶最佳化則要等後續文章才會揭露。
代理工具
Claude Code 2.1.269 加入外掛 A/B 評測，但自動分數仍缺乏品質基準
新指令 `claude plugin eval` 可比較啟用與停用外掛時的表現，輸出 JSON 與 HTML 評測報告。首批實測顯示，自動產生的規則較能驗證指令遵循，未必能證明外掛真正改善任務品質。
推論系統
H3 Lightning 將 MiniMax H3 影片生成縮至四步，但 12.2 倍加速依賴未公開權重
RunningHub 公開以 SGLang、步數蒸餾、SageAttention2、Cache-DiT 與 `torch.compile` 組成的 MiniMax H3 多 GPU 推論配方。官方把五秒影片延遲由 348.8 秒降至 28.7 秒，但關鍵內部加速權重尚未釋出，公開 LoRA 不能直接重現該數字。
最新模型
TinyDiT 公開單卡訓練配方：210M 影像模型以 register 吸收九成跨注意力
TinyDiT 用單張 RTX PRO 6000、400,000 步及 3.5 天從頭訓練 210M 參數 DiT，並公開程式、權重與逐階段量測。結果顯示 flow-matching loss 幾乎不能代表成像進展，而 register、時間步偏移及編譯訓練帶來更可操作的訊號。
最新模型
T1 回放 MoE 路由穩定長序列強化學習，Terminal-Bench 2.1 解題率升至 64%
T1 在每個 token 記錄並重播 MoE 專家選擇，避免 rollout 與訓練端因數值差異走向不同子網路。公開權重可自行部署，但基準與競品比較仍主要來自團隊自評。