极客公园用两天实测蚂蚁集团 10 月 27 日发布的灵光 2.0，并横向对比千问、Meta 的 Muse 和 Claude Duet。灵光能读支付宝账单、钉钉与飞书，但发消息被自身安全策略拦截，淘宝购物车被反爬风控挡住，也无法调用支付宝完成支付，而千问可直通淘宝购物车并在 App 内完成点单。
推荐理由：作者实测灵光 2.0 并对比千问、Muse 和 Claude Duet，指出中国 AI 助理的真正瓶颈在权限、责任与忠诚而非模型能力。
Google DeepMind 在 Argon 发布仅两周后推出 Gemini 4 Carbon，以 59 分登顶 Artificial Analysis 智能指数 v5，Argon 为 50 分。
推荐理由：文章汇总了 Artificial Analysis、Vals AI 等多方独立评测数据，读者可以据此比较 Gemini 4 Carbon 的真实能力与短板。
微软公布 MAI-DxO 系统，让同一个大模型扮演五位分工不同的虚拟医生组成会诊小组，包括提出诊断、挑选检查、唱反调、盯成本和复核的角色，成果登上《科学》杂志。
推荐理由：原文拆解了微软 MAI-DxO 五角色会诊机制的分工细节和测试费用数据，读者可以了解多智能体医疗诊断的可行思路。
钛媒体梳理 MiniMax M3.1 Flash 发布后的背题争议：AA 给出综合智能指数42分，比 M3 高13分，但评测博主猫老板观察到其旧题接近满分、新题近乎归零，且部分难题仅用约1万 Token 就答对。
推荐理由：原文实测复现了改题实验，并整理新旧题得分和幻觉率数据，读者可据此了解这场争议的证据边界。
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。
MiniMax 于 10 月 19 日正式发布 M3.1 Flash，并认领此前匿名模型 Space Bunny，在 Automation-Bench 复杂 Agent 任务对比中位列第一，BankerToolBench 以 76.2% 与 Opus 5 并列第一。
推荐理由：作者用同一道 3D 校园任务实测两款国产 Flash，给出耗时与费用对比，可据此判断 Agent 场景下的选型取舍。
MiniMax 发布 M3.1 Flash，输入每百万 Token 1 元、输出 4 元，缓存读取 0.1 元，全天统一价。官方数据显示其 AA 智能指数从 M3 的 29 分升至 43 分，单次基准任务平均费用从 0.51 美元降至 0.22 美元；在 ALE 得 29.6 分、OSWorld V2 得 67.1 分，均为国产模型第一。
推荐理由：作者用一款小游戏从零开发的全过程实测 M3.1 Flash，并给出 ALE、OSWorld 等 Agent 评测与成本对比，可据此判断它在长链路任务中的实际完成度。