文本之外的能力：视觉理解、图文混合、音视频输入输出的模型与产品进展。
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。
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。
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。
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。
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。
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 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。
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。
小米发布 MiMo-V2.6，包含 Pro 和 Flash 两个全模态模型，通过规模化强化学习推进，并可开放获取模型权重、技术报告、强化学习环境与训练代码。Pro 在多数智能体基准上与 Claude Opus 5 和 GPT-5.6 Sol 表现相当，在 Artificial Analysis 智能指数上得分 46，为开源模型中最高，同时在编码、电脑操作、3D 推理和创作能力上更强。
小米发布 MiMo-V2.6 双版本开源权重模型，并给出与闭源前沿模型在智能体基准上的对照成绩。
小米正式推出 MiMo-V2.6-Flash、MiMo-V2.6-Pro 及 Pro 的 UltraSpeed 版本；Pro 在 Artificial Analysis 智能指数拿 46 分，超过 Kimi K3 和 Qwen3.8 Max。
作者用编程、设计、视频三类实测展示 MiMo-V2.6 的实际交付能力，并给出与同级模型的价格对比。
小米团队正式发布并开源 Xiaomi MiMo-V2.6 系列，包含 Pro 和 Flash 两个原生全模态模型。
原文给出开源模型在AA综合指数上的位置与RL算力扩展的公开细节，便于比较开源与闭源差距。
小米发布开源模型 MiMo-V2.6-Pro，支持文本、图像、音频、视频多模态输入，权重已上传 Hugging Face。Artificial Analysis 称其以智能指数 46 成为开源权重模型榜首，较前代 MiMo-V2.5-Pro 的 26 大幅提升，每任务成本 0.13 美元，位于智能与单任务成本帕累托前沿。
小米开源新模型以远低于同级的 token 价格进入智能成本帕累托前沿，可据价格与榜单位置观察开源与闭源的成本差距。
Z.ai 正式发布视觉语言模型 GLM-5.3-Flash，即此前在 OpenRouter 上匿名预览的 Ox Alpha，并公开了权重。该模型采用 MoE Transformer 结合线性注意力与稀疏注意力，总参数 3200 亿、每 token 激活 180 亿，支持文本、图像和视频输入，最多 1,048,576 个 token，输出上限 128,000 个 token。
智谱开源 GLM-5.3-Flash 的架构与成本数据，可用于判断低价视觉语言模型的性价比取舍。
World Labs 发布名为 Atlas 的多模态世界模型，称其从零训练，可生成具备像素级相机控制的图像与视频帧。Atlas 支持从单张输入图像重建大场景、通过重新取景模拟时空、从一张或多张图像原生输出 3D 空间，并将多张带位姿图像组合成一致的 3D 世界。团队称该模型面向 VFX 到机器人等用例。
World Labs 从零训练的多模态世界模型，读者可了解其相机控制与单图重建三维场景的能力。
Google DeepMind 为 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 推出智能体视频理解功能，通过原生视频工具动态搜索、扫描目标片段，替代固定帧率的静态处理方式。
原文给出 token 与成本降幅及基准表现，读者可据此判断长视频分析的落地成本变化。
智谱认领了此前在 X 上刷屏的匿名模型 Ox-Alpha（中文社区称“牛来”），正式名称为 GLM-5.3-Flash，320B 总参数、仅激活 18B，是 GLM-5 系列首个原生多模态模型。
文章把匿名模型的身份揭晓、参数与价格和多个实测案例放在一起，读者可据此判断它在多模态任务上的成本与可用性。
Qwen 发布 Qwen3.8-Flash，一个多模态 MoE 模型，也是 Qwen4 架构的早期预览，现已开放权重，API 上线 QwenCloud。
Qwen3.8-Flash 以 1/9 训练成本超越前代，并作为 Qwen4 架构的早期预览开放权重，可据此观察下一代架构取向。
匿名上线 OpenRouter 的 Ox Alpha 正式揭晓为智谱 GLM-5.3 Flash，并已 MIT 开源上架 API。
作者用三个有技术门槛的前端复刻案例实测该模型的多模态理解与编码能力，并给出与 DeepSeek V4 Flash 的对比。
Z.ai 发布 GLM-5.3-Flash，原生多模态、支持 100 万 token 上下文窗口，模型规模为 320B-A18B，以 MIT 许可证开放权重，此前以 Ox Alpha 为名预览并完全运行在中国 AI 芯片上。
从公开定价、上下文窗口和 MIT 开源许可三个维度，可以判断这款模型对日常任务的成本影响。
智谱上线并开源 GLM-5.3-Flash（320B-A18B），为 GLM-5 系列首个原生多模态模型，在 Artificial Analysis Intelligence Index 中取得 57 分，与 Claude Opus 4.8 持平。
智谱开源 GLM-5.3-Flash，公开了参数规模、定价倍差与国产芯片推理的工程细节，可对比同级别前沿模型的成本路线。
阿里发布 Qwen3.8-Flash 的开源权重，这是一个多模态 MoE 模型，也是 Qwen4 架构的早期预览版，生产版本将随后通过 QwenCloud API 提供，定价为输入 $0.16/1M tokens、输出 $0.47/1M tokens。
这条内容汇总了 Qwen3.8-Flash 的架构变化、激活参数与基准分数，便于对照同类开源模型的性价比路线。
阿里 Qwen 团队发布 Qwen3.8-Flash，这是一个多模态 MoE 模型，也是 Qwen4 架构的早期预览，现已开放权重。模型总参数 125B，另有 51B N-gram 嵌入，每个 token 仅激活 6B；生产版本将很快通过 QwenCloud API 提供，价格为每 1M 输入 token 0.16 美元、每 1M 输出 token 0.47 美元。
Qwen3.8-Flash 以 6B 激活参数和低价 API 给出成本效率数据，并开源权重预览 Qwen4 新架构。
阿里视频生成模型Wan3.0于8月24日正式上线，单次可生成30秒视频，并首次支持doc、xls、ppt、pdf、md等文档格式输入，在生成时长、参考一致性和真实世界还原等维度升级。
原文给出Wan3.0的时长、文档输入与API定价，读者可据此判断它在短剧、广告等生产流程中的落地成本。
阿里开源 Qwen3.8-27B，这是一个原生多模态稠密模型，仅 27B 参数，综合表现超过 Qwen3.7-Plus，在真实编码与办公工作流中表现突出。
原文给出 Qwen3.8-27B 的参数量、上下文与 Apache 2.0 许可，读者可据此判断小模型本地部署的能力边界。