Microsoft-Decision-1 上线 OpenRouter，基于 Qwen3.5-9B 后训练
Microsoft-Decision-1 已在 OpenRouter 上线。微软方面给出的数据称，该模型在 36 项盲测基准（约 15 万道题）上准确率最高，速度是第二名的 4.5 倍、是 GPT-6 Sol 的 35 倍，在扰动输入下决策仅在 1.3% 的情况下发生变化。
10月10日 · 周六
精选
今日精选 2 条
最近精选动态：10月10日 03:36
当前热点
完整榜单最新精选
OpenRouter(@OpenRouterAI)精选AI 评估 · 76/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 76/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 国际大厂精选AI 评估 · 76/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 76/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 TypeSafe 的 Jev 十类真实用例：从 Agent 路由到自动驾驶的低成本决策
TypeSafe AI 于 2026 年 9 月 15 日推出 Jev，并宣布获得 DCVC 领投的 4,000 万美元种子轮融资。Jev 不聊天不写文本，接收 state 与 typed questions，返回带校准概率的 Choice、Score 和 Noul 答案，通常耗时 70 到 500 毫秒，输入每百万 tokens 收费 0.042 美元、输出免费。
为什么值得看
梳理 Jev 的十类真实用例与每类成本延迟数据，可对照现有 LLM 工作流判断哪些小决策值得下放。
AI前线精选AI 评估 · 88/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 88/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 OpenAI将GPT-6引入ChatGPT日常对话，并推出Intelligent UI
OpenAI于10月7日宣布GPT-6进入ChatGPT日常对话，并推出Intelligent UI智能交互界面，向全球超过12亿周活跃用户开放。Plus、Pro、Business、Enterprise自10月7日起陆续获得GPT-6 Sol，Free和Go用户从10月8日起陆续获得GPT-6 Luna，企业工作区可用性还取决于管理员权限设置。
最新进展10月9日 14:50OpenAI 向全部 ChatGPT 用户推送 GPT-6
为什么值得看
梳理了GPT-6在ChatGPT全员开放的分批安排，以及Intelligent UI如何把回答变成可交互界面。
Satya Nadella(@satyanadella)精选AI 评估 · 79/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 79/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 微软为 Windows 引入本地编码模型与智能体能力
微软宣布为 Windows 带来不限量智能能力，并让每台 PC 成为智能体可安全代为工作的平台。其中 MAI-Code-1.1 Flash 是 137B 参数的编码模型，拥有 256K 上下文窗口，已针对在 PC 上运行做优化；GitHub Copilot 可将工作交给本地模型，降低项目成本。
为什么值得看
微软把编码模型和智能体能力搬到 Windows 本地，读者可据此观察端侧智能体的落地路径。
技术前沿精选AI 评估 · 77/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 77/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Google 在 Gemini 中引入智能体能力，先从企业客户开始
Google 在 Cloud 活动上宣布将 Gemini 带入智能体阶段，推出统一智能体，既能回答问题也能代用户完成任务，初期面向企业、之后再向消费者开放。该智能体可接收目标而非指令，自行规划工作并调用自定义技能与工具；默认自动选择模型，用户也可手动切换，首批第三方模型为 Anthropic 的 Claude。
为什么值得看
Google 把 Gemini 智能体先落到企业场景，文中给出的模型选择、系统连接与审计线索可供评估落地边界。
PyTorch研习社精选AI 评估 · 76/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 76/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 CrowdStrike 报告称黑客用 Claude Code 与 DeepSeek 攻破韩国多家银行
CrowdStrike 报告称，2026 年 9 月下旬至 10 月初韩国多家金融机构遭针对性网络攻击，新韩银行约 2.5 万名客户信息受影响，KB 国民银行、韩亚银行等也有不同程度泄露。
为什么值得看
CrowdStrike 报告披露的攻击链细节，可供安全从业者观察 AI Agent 被用于真实金融渗透的方式。
Google Cloud Blog精选AI 评估 · 88/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 88/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Google Cloud 发布 Gemini agent：面向工作的统一智能体
Google Cloud 在 Gemini at Work 2026 上发布 Gemini agent，一个面向工作的统一智能体，可回答问题、处理知识工作、生成图像媒体并编写运行代码，全部通过单一提示框和单一 API 完成。
为什么值得看
Google Cloud 把 Gemini 从模型入口升级为统一工作智能体，读者可据此判断企业级 Agent 平台的竞争格局与落地条件。
The Rundown AI(@TheRundownAI)精选AI 评估 · 78/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 78/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Anthropic 发布 Claude Haiku 5.5 小模型
Anthropic 发布 Claude Haiku 5.5，官方称其是迄今最便宜、最快、能力最强的小模型。该模型在多项基准上超过前代 Haiku 4.5，并胜过 OpenAI 的同类模型 GPT-6 Luna；定价为每百万输入 token 0.10 美元，比 Haiku 4.5 便宜约 75%，与 Luna 持平。
最新进展10月8日 15:27Anthropic 发布 Claude Haiku 5.5 并大幅降价
为什么值得看
Anthropic 新小模型给出价格与基准对比，读者可据此判断小型模型的性价比走向。
国际大厂精选AI 评估 · 77/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 77/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 微软在 Windows 发布会推出混合智能，GitHub Copilot 可调用本地模型
微软在 10 月 8 日的 Windows 发布会上宣布将混合智能引入 Windows，通过模型路由、Windows ML 和本地 AI 能力，让 Copilot 等产品按任务复杂度、成本和隐私要求在云端与本地模型之间自动切换，GitHub Copilot 的 HydraFusion 首次可直接调用运行在 Windows PC 上的本地模型。
为什么值得看
微软把混合智能与模型路由引入 Windows，并让 GitHub Copilot 直接调用本地模型，读者可了解 AI PC 向 Agent 运行环境演进的具体路径。
爱范儿精选AI 评估 · 79/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 79/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 微软发布 Surface Laptop Ultra 与 Windows 混合智能更新
微软在特别发布会上推出 Surface Laptop Ultra，搭载 NVIDIA RTX Spark Superchip，最高 128GB 统一内存，可在本地运行超 1200 亿参数模型，起售价 2599 美元，10 月 7 日开放预订、10 月 16 日供货。
为什么值得看
梳理微软从硬件到 MXC 容器、混合智能调度的整条设备链路，可对照两年前 Copilot+ PC 的定位变化。
Google AI(@GoogleAI)精选AI 评估 · 77/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 77/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Google 开放 SynthID 水印检测站点 synthid.com
Google 将其 SynthID 水印检测能力扩展到公开站点 synthid.com，任何人都可以上传图片、视频或音频文件检查是否带有 SynthID 水印，无论内容由 Google 生成还是来自 OpenAI、NVIDIA、Kakao 等合作方，Apple 也即将加入。
为什么值得看
SynthID 验证入口从内置功能扩展为公开站点，并接入 OpenAI、NVIDIA 等合作方的水印检测。
新智元精选AI 评估 · 77/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 77/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Mistral 发布 1 万亿参数 Mistral Large 4，权重月底开源
Mistral 发布新旗舰 Mistral Large 4，总参数 1 万亿，采用混合专家架构，每个 token 激活 490 亿参数，权重将于月底全部开源。
为什么值得看
通过第三方智能指数与多项细分基准的横向对比，读者可以看到开源万亿参数模型与闭源旗舰之间的实际差距。
数字生命卡兹克精选AI 评估 · 83/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 83/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 OpenAI开源722份数学手稿，引发数学界震动
OpenAI在GitHub发布openai/math仓库，公开722份数学手稿、归为372组成果，覆盖数论、代数几何、组合数学等方向，全部来自一个未公开的内部模型。作者称这些成果平均每个花费约3小时ChatGPT Pro级思考算力，其中包含将准黎曼猜想推进到7/8、复数域矩阵乘法指数降到2.25等说法，同时记录了25位菲尔兹奖得主联名信等数学界的质疑与争议。
为什么值得看
梳理OpenAI一次性公开722份数学手稿所引发的学界反应与争议，并讨论AI科研中评审环节的瓶颈。
Thomas Wolf(@Thom_Wolf)精选AI 评估 · 80/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 80/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Mistral AI 发布 Mistral Large 4，1T 参数多模态开放权重模型
Mistral AI 发布 Mistral Large 4（代号 Le Chonk），1T 参数、原生多模态、49B 激活，号称是美欧聚合基准上最好的开放权重模型。该模型在网络防御、制造和金融等关键负载达到 SOTA，视觉 grounding 超过闭源前沿模型，端到端在欧洲锻造并可通过 Mistral Cloud 从欧洲部署，今日起 API 全面可用，开放权重将于十月底发布。
为什么值得看
Mistral Large 4 以 1T 参数、49B 激活的开放权重形态发布，可对照其与闭源前沿模型的基准位置。
OpenRouter(@OpenRouterAI)精选AI 评估 · 77/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 77/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Mistral 发布 Mistral Large 4：1T 参数、原生多模态，开放权重 10 月底释出
Mistral AI 发布 Mistral Large 4（代号 Le Chonk），1T 参数、49B 激活、原生多模态。官方称其在聚合基准上是美国或欧洲最好的开放权重模型，在网络防御、制造和金融等关键负载上达到 SOTA，视觉接地表现超过闭源前沿模型。
为什么值得看
Mistral Large 4 的参数规模、多模态能力与开放权重时间表一并给出，可据此判断欧洲开源模型的竞争位置。
The Rundown AI(@TheRundownAI)精选AI 评估 · 83/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 83/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Mistral 发布 1T 参数开源模型 Mistral Large 4，代号 Le Chonk
Mistral 发布 Mistral Large 4（代号 Le Chonk），1T 参数、原生多模态、49B 激活参数，已在 API 上线，开放权重将于 10 月底发布。
为什么值得看
原文列出 Mistral Large 4 在多类工作负载上的对照数字，读者可据此判断开源权重模型的竞争位置。
Arthur Mensch(@arthurmensch)精选AI 评估 · 78/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 78/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Mistral AI 发布 Mistral Large 4，1T 参数原生多模态
Mistral AI 发布 Mistral Large 4（代号 Le Chonk），1T 参数、原生多模态、49B 激活参数，在自有算力上训练和推理。官方称其在聚合基准上是美国或欧洲最好的开放权重模型，在网络安全、制造和金融等关键负载上达到 SOTA，视觉 grounding 超过闭源前沿模型；由欧洲端到端打造，可通过自有 Mistral Cloud 从欧洲部署。
为什么值得看
Mistral 联合创始人披露 Large 4 的参数量、多模态与自有算力训练细节，可据此判断欧洲开源模型的量级位置。
Mistral AI(@MistralAI)精选AI 评估 · 77/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 77/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Mistral 发布 Mistral Large 4，1T 参数原生多模态
Mistral AI 发布 Mistral Large 4（代号 Le Chonk），1T 参数、原生多模态、49B 激活参数，称其是美欧范围内聚合基准上最好的开源权重模型。该模型在网络安全、制造和金融等关键负载上达到 SOTA，并在视觉定位上超过闭源前沿模型；今日起通过 API 提供，开源权重将于 10 月底发布，并可通过其自有 Mistral Cloud 基础设施在欧洲部署。
为什么值得看
Mistral 官方给出新模型的参数规模、能力定位与开放节奏，可据此判断欧洲开源权重模型当前的位置。
新智元精选AI 评估 · 76/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 76/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 谷歌 10 月 9 日起调整 Gemini 订阅权限，免费用户仅剩 Flash-Lite
谷歌宣布自 10 月 9 日起调整 Gemini 模型访问权限：免费用户仅能使用 Flash-Lite，AI Plus 订阅用户失去 Pro 模型使用权只保留 Flash 系列，只有 AI Pro 和 Ultra 用户可继续使用 Pro 模型及 Deep Think 最大并行推理能力。
为什么值得看
材料梳理了谷歌 Gemini 各档订阅权限的调整细节和第三方模型清退时间点，可据此判断现有工作流将受何影响。
AI前线精选AI 评估 · 79/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 79/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 OpenAI 发布 Decisions API 15 天后，Jev 被质疑没有护城河
OpenAI 在 DevDay 上发布 Decisions API，基于当前体量最小、价格最低的 GPT-6 Luna，让模型在一组预设答案中作出选择并返回置信度分数，官方给出的延迟为 150 毫秒，而直接用 GPT-6 Luna 完成同类任务需 1.6 秒。
为什么值得看
围绕OpenAI新API与Jev的能力重合度，梳理了双方产品形态与护城河所在，可帮助读者判断这一赛道的竞争格局。