Google 于 10 月 28 日发布前沿模型 Gemini 4 Carbon，在 Artificial Analysis Intelligence Index v5.0 排名第一（59 分），并创下 SEC-bench Pro（88.2%）、ExploitGym（54.8%）、CWE-bench（71.0%）等网络安全基准的 SOTA。
推荐理由：官方公布了 Gemini 4 Carbon 在网络安全、编码与对齐上的具体基准成绩和定价，以及面向网络防御者的分阶段开放安排。
OpenAI 发布 GPT-6.1 Terra，API 价格为 GPT-5.6 Terra 的一半，输入 $1/百万 token、输出 $5，缓存输入降至 $0.05。
推荐理由：文章汇总了价格、多项基准和安全数据，读者可据此比较 GPT-6.1 Terra 与 Sonnet 及上代模型的真实性价比。
10 月 24 日 Kimi 发布 K3.1 Pro，作为 K3 的后训练版本，底座仍为 2.8 万亿总参数、1040 亿激活参数的 MoE 架构，保持 100 万 token 上下文窗口，并同步推出速度快 2 到 3 倍的 Highspeed 版本，完整权重将在 11 月 4 日前放出。
推荐理由：文章汇总了官方跑分与第三方评分，也收录了网友实测和套餐争议，能帮读者平衡看待这次模型升级。
作者实测月之暗面 Kimi K3.1 Pro，普通 Pro 速度明显快于 K3，API 输出价格从每百万 token 100 元降至 68 元。
推荐理由：作者实测Kimi K3.1 Pro的速度、任务成绩与token消耗，并给出多个可直接对照的编程测试案例。
Recursive 发布首个开源权重编码模型 Flint，参数规模 40B，可在 48GB 内存的 Mac 上运行。CEO Richard Socher 称，模型管线几乎所有环节都由其递归 AI 系统 Eureka Machine 完成并优化，包括新的基座训练方式、新架构和为特定芯片优化的代码；公司公布的基准显示 Flint 在编码任务上优于同尺寸同架构模型。
推荐理由：作者亲手实测 Flint 的编码表现，并梳理 Recursive 用 AI 自动化模型开发流程的做法与融资背景。
Meta 发布开源权重模型 Muse Spark Open，称其为美国“最强”开源权重模型，采用 8160 亿参数和 100 万 token 上下文窗口，原生多模态，面向复杂编码任务和智能体工作。
推荐理由：Meta 开源权重模型 Muse Spark Open 的参数规模、上下文窗口与本地运行门槛，可供读者判断端侧大模型的落地条件。
Google 发布前沿模型 Gemini 4 Argon，面向真实软件工程、企业知识工作和网络安全防御等复杂工作流，主打需要深度推理与结构精度的长周期任务，如代码迁移和前沿研究。
推荐理由：官方给出 Gemini 4 Argon 的定位与开放入口，读者可据此判断它面向长周期工程与安全任务的能力边界。