初创公司 TypeSafe AI 发布了决策模型 Jev，其通过强化学习将输入归类到预设输出，而非生成文本，日处理量已达 1 万亿 token。OpenAI、Databricks、Cloudflare 和亚马逊等公司近期也推出了类似功能的工具或模型，形成了一个与生成式模型互补的决策模型新类别。
推荐理由：原文梳理了决策模型的技术路线和多家公司的跟进动作，读者可以了解这一新兴类别如何与生成式模型形成互补。
文章对比了 OpenAI、Google DeepMind 和 Anthropic 在 30 天内发布的四款前沿模型。GPT-6.1 Sol 在 DeepSWE v1.1 等基准上表现接近 GPT-6 Astra，但价格仅为五分之一。
推荐理由：原文对比了四款前沿模型在价格、访问规则和不同任务上的表现差异，为读者选择模型提供了具体的工作负载匹配建议。
StartLux 开源了决策模型 StartLux-Decision，其 27B 版本在 Decision Index 0.2.1 评测中综合分 63.88，超过 Jev 1.13 的 57.91。
StartLux 开源了决策模型 StartLux-Decision，并一次性发布了 0.8B、2B、4B、9B、27B 五个参数版本。在 Decision Index 0.2.1 评测中，其 27B 版本得分 63.88，在 38 项基准中有 31 项高于 Jev 1.13；在另一套七项评测中平均准确率达 91.82%。
推荐理由：原文提供了详细的基准测试对比和多种规格的量化版本，读者可以评估其在不同部署场景下的适用性。
Aleph Alpha 发布了 Kolibri-1，这是一个采用混合专家架构的开源权重英德双语大语言模型。模型总参数量为 781 亿，但每个 token 仅激活 34.6 亿参数，支持长达 1,048,576 token 的上下文，并附带 Apache 2.0 许可证。
美国 AI 视频公司 Tavus 发布实时交互模型 Griffin，在一项一分钟视频通话测试中，54 名参与者中有 26 人认为自己在和真人聊天。Griffin 采用端到端的全双工视频到视频架构，能实时生成语音、表情和手势，平均反应延迟为 0.43 秒。Tavus 表示该模型目前仅向少数受信任的测试者开放，并正在开发主动披露身份的安全功能。
推荐理由：原文提供了模型的核心能力、技术架构和测试数据，读者可以据此评估其在实时交互领域的突破性。
Kimi K3通过美国AI基础设施公司Baseten进入OpenAI企业付费结算体系，企业用户调用费用可直接计入其OpenAI采购额度。这是中国开源模型首次进入该主流企业采购通道。同期，Anthropic提交的IPO文件显示其2025年营收达45.9亿美元，其中近半数依赖亚马逊和谷歌云平台。
亚马逊 Strands Agents 团队开源了 Strands Decider 2B 决策模型，可在本地 CPU/GPU 上运行。该模型基于 Qwen3.5-2B 微调，在 JevBench 数据集上表现良好，在 2B 级别模型中排名第三。在 NVIDIA GeForce RTX 3090 上执行小型决策任务的中位数时延为 153ms。
OpenAI 发布 GPT-6.1 Sol，定价为每百万输入/输出 token 2/10 美元，在 DeepSWE v1.1 上比 GPT-6 Sol 高出 6.4 分，在 Agent Arena 中位任务成本为 0.56 美元。
Anthropic 发布 Opus 5.5，价格更低、性能更快，并扩展了面向防御者的网络安全访问权限。OpenAI 推出成本更低的 GPT-6 层级 Sol 和 Luna，而 Meta 的 Muse 已扩展至 Mac 平台。开源方面，DeepSeek-V4.1-Flash 探索了 KV cache 压缩的极限。
决策 AI 模型是一种返回带概率的决策而非生成文本的新模型类别，适用于分类、路由、评分等需要确定性答案的场景。TypeSafe AI 的 Jev 是该领域的代表，定价为每百万输入 token 0.042 美元，输出免费；Fastino Labs 随后推出了竞品 GLiDE 和开源模型 GLiNER2.5-Decide，同时社区也出现了多个开源复现项目。
推荐理由：文章对比了多款决策模型的核心能力、定价和适用场景，为开发者选择工具提供了具体参考。
Google 在2026年9月发布了新一代前沿模型 Gemini 4 Argon，其具备高级推理能力，并拥有行业领先的100万token输出上限，专为应对网络安全防御等复杂挑战而设计。
谷歌发布了其最新的前沿模型 Gemini 4 Argon，但目前仅限特定网络安全专家通过 Fairwind 项目使用。该模型具备编码、多模态理解和推理能力，输出上限为 100 万 token，并声称在软件工程、网络安全及法律金融等知识工作领域表现优异。谷歌正遵循自愿审查流程，模型将先经专家测试修补，再逐步向订阅用户和免费用户开放。
Google DeepMind 发布了 Gemini 4 Argon 模型，专注于编码、企业知识工作和网络防御，并提供了 100 万 token 的输出上限。模型在 19 项可信基准测试中的 13 项取得领先，标准定价为每 100 万输入/输出 token 4/20 美元，目前通过 Fairwind 项目向政府用户和可信网络防御者提供有限预览。
推荐理由：原文汇集了 Gemini 4 Argon 的发布详情、基准测试、定价和初步评测，读者可以了解其定位、能力与当前市场竞品的对比。
Google 宣布了 Gemini 4 Argon AI 模型，声称其在编程、知识工作和网络安全方面具备行业领先性能，但该模型目前尚未向公众开放。在 DeepSWE v1.1 基准测试中，Gemini 4 Argon 取得了 77.9% 的分数，高于 GPT-6 Astra、Fable 5.1 和 Opus 5.5。
Google DeepMind 宣布推出前沿模型 Gemini 4 Argon，旨在处理复杂、长周期的跨领域工作流。该模型在 DeepSWE v1.1 上达到 77.9% 的 SOTA 水平，输出 token 上限提升至 100 万，定价为每百万输入 token 2 美元、输出 token 10 美元。
推荐理由：原文详细列举了模型在软件工程、金融法律和网络安全等领域的性能表现及定价，读者可以据此评估其实际应用潜力。
OpenAI 发布 GPT-6.1 Sol，官方称其为一次重大升级，覆盖专业办公、操控电脑和 agentic 编程等任务。其智能水平接近 Astra，但价格仅为后者的五分之一。
Latent Space 汇总了 OpenAI DevDay 2026 的主要发布，包括 Dots 智能体、GPT-6.1 Sol 模型及多项平台更新，并整合了社区评测和行业动态。
推荐理由：作者整合了多个独立评测和社区反馈，为读者提供了关于GPT-6.1 Sol性能、定价和Dots智能体功能的多角度事实依据。
Anthropic 发布了 Claude Sonnet 5.5，定位为 Opus 5.5 的快速、低成本互补版本。官方称其速度比 Sonnet 5 快 30% 以上，多数任务成本低 30%，在 Agent 编程评测中成绩从 10% 跃升至 70%。
推荐理由：原文给出了速度提升、成本降低和特定评测的进步幅度，读者可以据此判断它是否适合高频日常任务。
Holo4 是新的通用智能体模型系列，包含 27B 密集版和 35B-A3B MoE 版，现已通过 H Models API 和 Hugging Face 提供。
推荐理由：原文提供了模型性能、成本对比和具体应用案例，读者可以评估其作为通用智能体在不同接口下的实际能力。
Anthropic 发布了 Claude Opus 5.5 模型，擅长复杂的多步骤软件任务和知识密集型工作负载。其定价为每百万输入 token 4 美元、输出 token 20 美元，比 Opus 5 降价 20%，但仍高于同日发布的 OpenAI GPT-6 Sol 和 GPT-6 Luna。
推荐理由：原文提供了新模型在编码任务上的具体性能数据、价格变化以及与竞品的详细对比，读者可以据此评估其性价比。
Anthropic 发布 Claude Opus 5.5，宣称其在多数工作上达到 Fable 5.1 的性能水平，且运行成本降低约 40%。模型输出速度比 Opus 5 快 30% 以上，token 价格降低 20%，订阅用户的 5 小时使用额度增加 20%。Anthropic 强调该模型在安全对齐方面有显著改进，并引入了针对网络安全和生物研究的验证程序。
推荐理由：文章引用了多家企业客户的实际测试数据，为评估 Claude Opus 5.5 在成本、效率和安全性方面的提升提供了具体参考。
OpenAI 发布了专注于计算机使用和网络安全的 GPT-6 Astra 模型，称其为对齐程度最高的模型，能更好地理解用户意图和模型行为。该模型可以执行填写在线表格、更新 CRM 记录、组织日程、在线研究和起草邮件摘要等任务。
推荐理由：原文提供了关于模型安全能力、潜在风险及行业趋势的第三方分析，有助于理解这类智能体的能力边界和竞争格局。
Google 发布了 Gemini 3.8，包含面向软件工程和智能体的 Flash 版本，以及专用于网络安全漏洞发现和代码修补的 Flash Cyber 版本。
Google 在 2026 年 8 月发布了多款 AI 产品，包括面向编程和智能体的高效模型 Gemini 3.7 Flash，以及专为实时转录设计的 Gemini 3.5 Transcribe。同期推出的 Pixel 11 系列设备搭载了 Google Tensor G6 芯片和最新的 Gemini Nano 模型。此外，Gemini 应用的月活用户已超过 10 亿。
fal 发布了 H3 Max，这是一个基于 MiniMax H3 进行后训练优化的视频生成模型，在人类偏好评估中，其在整体质量、提示词理解和美学三个维度均排名第一。该模型生成 5 秒视频的时间不到 3 秒，吞吐量约为官方 MiniMax H3 端点的 35 倍。H3 Max 现已上线 fal 平台，可通过 Playground、fal Agent 或 API 使用。
推荐理由：原文展示了模型在质量和速度上的双重优势，并提供了与原始模型的对比数据，读者可以据此评估其实际应用潜力。
Meta Superintelligence Labs 发布的首个开源多模态模型 Muse Glimmer 现已可在 Ollama 上运行。这是一个 30B 参数、专为本地智能体工作负载设计的模型，拥有 128K+ 上下文长度，采用 Apache 2.0 许可证。
推荐理由：原文提供了模型参数、许可证、支持的智能体框架和性能优化细节，读者可以据此评估其本地部署的适用性。
Claude Opus 4.8 已发布，相比 4.7 版本在编码、推理、智能体工作流和知识任务上均实现更强的基准表现。该模型支持 32k 上下文窗口，适用于复杂多步骤任务。目前可通过 API 获取，未公开参数规模与定价。