Import AI 479：太空战、低延迟任务与 LLM、Genie 4
研究人员发布 Realtime-Bench 基准，用 50 个交互式游戏与网页任务评估大语言模型的实时决策能力，测得 GPT-6 Astra（high）在 wall clock 设置下通过率最高，仅 36%，而暂停时钟下可达 70%-80%。期刊还提及美国国防情报局《Challenges to Security in Space》报告，指出中美俄太空攻防技术竞争加剧，并预告 Genie 4。
#评测/基准
Import AIAI 评分3838 WiredAI 评分2828 Birdbuddy Nook 对比 Birdfy Rookie：百元以下智能喂鸟器该买哪款？
Wired 实测 Birdfy Rookie 与 Birdbuddy Nook 两款 100 美元以下智能喂鸟器各四周，结论是 Birdbuddy Nook 略胜，硬件更扎实、支持 2K HDR 相机和悬挂安装，但种子容量仅 0.9 升需近每日补充，且价格贵 20 美元。
每日经济新闻AI 评分4949 MiniMax M3.1 Flash 周调用量环比大增 690%，冲进全球 AI 大模型榜第八
10 月 26 日至 11 月 1 日，MiniMax M3.1 Flash 周调用量达 6.23 万亿 Token，环比增长 690%，升至全球榜单第八位；小米 MiMo-V2.6-Flash 跌出榜单。
品玩AI 评分1414 AppsFlyer 2026 年度榜单发布：BIGO Ads 安卓游戏全球综合实力排名第7
欢聚集团旗下广告平台 BIGO Ads 入选 AppsFlyer《广告平台综合表现报告——2026 版》，在安卓游戏及非游戏榜单共获 11 项实力排名，其中安卓游戏全球综合实力位列第 7。区域市场方面，BIGO Ads 在东欧与拉美均排名第 5，北美第 8，西欧第 21；非游戏领域安卓综合实力东欧榜单第 7。益智与生活类游戏榜单中位列全球第 8。
人人都是产品经理AI 评分4141 DeepSeek、Kimi K3.1、Opus 5.5、GPT-6 同台竞技，Token 消耗差了 13 倍
一个纯代码生成视频任务让五组 Harness 与模型同台比拼：Codex + GPT-6 Astra 8 分钟最快完成，Claude Code + Opus 5.5 输出质量最佳，DSH + DeepSeek V4.1 Flash 耗时 46 分钟、消耗 4644 万 token（99% 缓存），与 Codex 的 350 万 token 相差约 13 倍。
The DecoderAI 评分5757 Vals 研究发现中国 AI 模型政治立场复杂，提示词语言显著影响回答倾向
Vals.ai 的评测发现，中国 AI 模型并非只会拒绝敏感问题，多数很少拒答，而是有时采纳官方立场，且亲政府倾向低于预期。测试显示简体中文提示的回答比英文更亲政府，该效应在中文模型上更明显；改为只答 yes/no、加入智能体框架或 web search 权限都会降低亲政府得分。
极客公园同新闻AI 评分7272 灵光 2.0 实测：中国个人 AI 助理卡在权限、责任与忠诚三道坎
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。
同一新闻，精选展示《灵光 2.0 实测：个人 AI 助理的机会和门槛》
The DecoderAI 评分6767 Mistral 发布万亿参数模型 Mistral Large 4，编码能力领先开源模型但整体仍落后中国模型
Mistral 在公开预览三周后于 Hugging Face 放出 Mistral Large 4 权重，该模型昵称 Le Chonk，总参数约一万亿、每步激活 520 亿，支持文本与图像输入。
品玩AI 评分2020 易观报告：讯飞输入法净推荐值排名第一
易观《中国移动端第三方输入法市场年度研究2026》显示，讯飞输入法净推荐值为52.6%，高于行业整体的49.1%，在报告所列产品中排名第一。用户推荐理由集中在多场景语音输入适用性与语音识别精准度，其次是输入方式切换便捷性和AI工具智能化水平。2026年1—7月，讯飞输入法新安装用户规模同样在报告所列产品中排名第一。
199ITAI 评分3636 Gartner 发布 2026 年全球供应链 25 强榜单：施耐德电气连续第四年居首
Gartner 公布 2026 年全球供应链 25 强榜单，施耐德电气连续第四年位居榜首，英伟达排名第二，沃尔玛上升 10 位位列第三。亚马逊、苹果、宝洁和联合利华继续保持“大师级”类别地位。榜单显示领先企业正围绕自主化劳动力、网络中心化战略和端到端供应链协同三大趋势，积极采用人工智能重构人与机器的工作方式。
199ITAI 评分2828 2026年智慧城市指数：人工智能如何重塑城市生活
2026年智慧城市指数发布，伦敦以85分位居第一，迪拜、纽约、华盛顿和阿姆斯特丹均为80分，构成全球第一梯队。报告显示，约三分之一的AI领先采用城市同时拥有较多AI应用场景和较高居民成果得分，GenAI使用频率越高，居民对AI未来影响的评价通常越积极。61座城市中有37座已形成硬赋能与软赋能之间的平衡，智慧城市正从“数字化建设”进入“智能化运营”阶段。
品玩AI 评分2727 IDC 报告解读：同等算力拼有效 Token，PPIO 如何跻身 MaaS 头部阵营？
IDC《中国AI软件市场半年度追踪，26H1》显示，2026年上半年中国MaaS市场规模达106.3亿元，同比增长889.4%，PPIO 成为唯一上榜的独立MaaS服务商，位居大语言模型MaaS市场第六。截至2026年9月，PPIO 日均 Token 调用量达3.4万亿，同比增长近20倍。其智能模型网关使综合 Token 成本降低60%，经优化的大模型首字延迟降低95%、总吞吐提升300%。
量子位AI 评分6868 分子之心MMDesign技术报告：18/19项目获命中，6个GPCR靶点全部成功
分子之心发布MMDesign平台最新技术报告，覆盖18个靶点、纳米抗体与大环肽两类模态共19个设计项目，18个项目获得实验确认的结合分子，成功率94.7%，453个受测候选中139个确认结合，命中率30.7%。
品玩AI 评分4949 澳鹏数据发布ExamOCRBench：以端到端整页判分基准检验多模态模型真实能力
澳鹏数据发布多模态评测基准ExamOCRBench，基于2,464套中国小学真实试卷页面、22,636个小题，以整页全对为标准的PageScoreAccuracy检验端到端判分能力。
品玩同新闻AI 评分7171 谷歌发布 Gemini 4 Carbon 强化网络安全与长程任务能力
谷歌发布新一代前沿模型 Gemini 4 Carbon，定位为当前能力最强的版本，重点提升网络安全防御与长周期任务处理能力。
The DecoderAI 评分5050 Artificial Analysis 新版智能指数拉大开源与闭源模型差距
Artificial Analysis 全面改版其 Intelligence Index，Kimi K3.1 Pro 从第四名跌至第九名，落后八个闭源模型。新版中 60% 的测试首次采用私有测试集以防“benchmaxxing”，开源模型与榜首差距从 3 分扩大到 12 分，Grok 4.7 也丢掉 12 分。
The Decoder同新闻AI 评分8383 Google DeepMind 发布 Gemini 4 Carbon，登顶 Artificial Analysis 智能指数
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。
钛媒体AI 评分5656 AI编程迎来交付能力大考：FrontierCode 2.0 榜单分数大幅缩水
10月27日 Cognition 发布 FrontierCode 2.0 测评榜单，包含132项任务、更侧重真实软件工程通过率，主流模型得分大幅缩水，Claude Opus 5.5 从54.6%降至45.5%仍居第一，GPT-6 Astra 从53.3%降至42.8%，Grok 4.7 从47.6%降至28.6%。
量子位AI 评分8181 OpenAI 发布 GPT-6.1 Terra：API 价格砍半，主打低成本电脑操作
OpenAI 发布 GPT-6.1 Terra，标准 API 价格较 GPT-5.6 Terra 砍半：输入 1 美元/百万 Token、输出 5 美元/百万 Token。
钛媒体精选AI 评分7373 微软 MAI-DxO 登上《科学》杂志，AI 会诊准确率约83%高于医生组
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。
人人都是产品经理AI 评分6060 1.3B 开源 OCR 模型 OXR 实测：复杂版面解析与业务落地避坑
SoMark 团队的开源文档解析模型 OXR 只有 1.3B 参数，单卡 24G 显存可本地运行，在 OmniDocBench、olmOCR-Bench、DocParsingBench 三大基准排第一，GitHub 开源一周多破 1.7k Star。
WiredAI 评分6565 WIRED 记者一天实测六款主流 AI 智能体，OpenAI Dots 综合最佳
WIRED 记者在 iPhone 上同时测试 Meta Muse、OpenAI Dots、Instinct、Anthropic Claude Duet、Google Gemini Spark 和 xAI Grok Bot 六款常驻智能体。
钛媒体精选AI 评分7171 MiniMax M3.1 Flash 低价高分遭遇背题质疑，改题实测中英结果不一
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。
The VergeAI 评分3838 Fitbit Edge 评测：179.99 美元复古回归的经典健身手环
Fitbit Edge 售价 $179.99，延续了 2014-2020 年代健身手环的设计，续航约一周（开启常亮显示缩至一天半），采用圆润表盘和 Fitbit 专有系统，内置 GPS 但取消了麦克风、扬声器和非接触支付——Google Health 产品负责人 Andy Abramson 称 Charge 6 用户中不到 1% 使用过支付功能。
雷锋网AI 评分6262 DeepSeek 开源推理框架 DeepInfer 同周，AI 编写的 ForgeKernel 登顶两个算子评测榜
DeepSeek 全面开源推理框架 DeepInfer，模型运行链路在模型权重和 FlashMLA、DeepGEMM 等算子库之后对外开放，其中 FlashMLA 有工程师逐行手调版本算子性能达到硬件极限的 90% 以上。
极客公园精选AI 评分7979 Kimi K3.1 Pro 上线，加量降价对标 Claude Opus 5.5
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。
人人都是产品经理AI 评分6969 实测 Kimi K3.1 Pro：AA 指数 55 分，3D 建模与长程编程表现如何
Kimi K3.1 Pro 发布，AA 指数从前代 44 分升至 55 分，是首个越过 50 分的国产模型，3 万亿参数、1M 上下文并开源。作者将其接入 Kimi Code 实测，许愿式和精细化提示词均能完成 3D 台灯、3D 立体书、青花瓷展示网页等任务，Tool use 能力大幅提升，但单个任务耗时约一个半小时，额度消耗较快。
钛媒体AI 评分6767 OpenAI 发布 GPT-6.1 Terra，主打低价电脑操作能力但社区反响冷淡
OpenAI 发布新模型 GPT-6.1 Terra，这是 Terra 系列时隔三个多月的首次更新，也属于连续 28 天更新计划中的首款新模型。
人人都是产品经理AI 评分5959 vLLM 与 SGLang 在 DeepSeek-V4.1-Flash 上追平甚至反超 DeepInfer，通用推理引擎地位分析
SGLang 与 vLLM 几乎同时公布基准：在 DeepSeek-V4.1-Flash 上以 DeepInfer 官方相同标准测试，Prefill 吞吐与单步生成耗时追平甚至部分反超。
量子位AI 评分4444 成立3个月反超GPT-6 Astra！深圳黑马炎曦动力首次亮相，具身模型Paimon-0登顶四项榜单
成立仅三个月的深圳公司炎曦动力（Primotion）首次亮相，发布Paimon具身基座模型系列首款模型Paimon-0，拿下四项第一：RoboColiseum榜单0.7754分，反超GPT-6 Astra等通用多模态大模型；RoboCasa365综合分58.1登顶；VLA-Arena平均成功率0.73排名第一；并获IROS Workshop双臂机器人挑战赛46.599总分冠军。
人人都是产品经理AI 评分6464 月之暗面发布 Kimi K3.1 Pro，主打代码 Agent、3D 创作与金融文档分析
月之暗面发布 Kimi K3.1 Pro，在 7 月发布的 K3 之后通过后训练强化代码、3D 创作、金融、幻觉控制和网络安全能力，可在 Kimi 官网、Kimi Code 和 Kimi Work 使用，API 定价为每百万 Token 输入 13 元（未命中缓存）、1.3 元（命中缓存），输出 68 元。
钛媒体AI 评分6060 Kimi K3.1 Pro 陷额度争议，杨植麟与梁文锋的 token 哲学对比
月之暗面在 K3.1 Pro 发布后 48 小时内道歉，10月26日起向所有订阅用户返还月度总额的25%，并砍掉不必要的子 Agent 调用、压缩冗余输出。用户反馈额度消耗过快，Artificial Analysis 测试显示 K3.1 Pro 跑完 Intelligence Index 约输出 1.5 亿 token，是同价位中位数的近两倍，单次任务平均花费 2.11 美元。
每日经济新闻AI 评分6565 DeepSeek V4.1-Flash-1017 周调用量达 33.6 万亿 Token 登顶全球第一
据每日经济新闻根据 OpenRouter 数据测算，上周（10月19日至25日）全球大模型总调用量为 188 万亿 Token，环比增长 14.63%。中国大模型周调用量达 93.54 万亿 Token，连续二十六周超过美国，全球调用量前五均为中国大模型。
钛媒体AI 评分6767 Kimi K3.1 Pro 发布，评论称其为国产大模型沉寂期后的救场之作
评论文章认为，在国产大模型沉寂两个多月、遭“全靠蒸馏”质疑的背景下，10月24日凌晨发布的 Kimi K3.1 Pro 具有救场意义。
每日经济新闻AI 评分6161 DeepSeek V4.1-Flash-1017 周调用量环比增长801%登顶全球第一
《每日经济新闻》根据 OpenRouter 数据测算，上周（10月19日至25日）全球AI大模型总调用量为188万亿Token，环比增长14.63%，中国大模型周调用量连续二十六周超过美国。
The DecoderAI 评分6363 南京大学与商汤等发布 OpenMobile-2 开源手机智能体模型并开放复现环境
南京大学、商汤等机构发布 OpenMobile-2，基于 Qwen3.5-9B 与 Qwen3.6-27B 两个智能体模型，并公开完整训练环境、数据与复现说明。
WiredAI 评分5353 Ray-Ban Meta Audio 评测：去掉摄像头的 Meta 音频智能眼镜实测
Wired 评测 Ray-Ban Meta Audio 无摄像头智能眼镜，认为去摄像头让眼镜更适合日常佩戴，作者称这是其唯一愿意自费保留使用的智能眼镜。眼镜不支持录音，仅 Meta AI 对话内容保存在 Meta AI app；支持实时翻译但需先打开 app。
钛媒体精选AI 评分7070 Kimi K3.1 Pro 实测评析：速度提升、任务能力进步，具身智能迹象显现
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。
TechCrunchAI 评分6868 Convovo 研究：Grok 4.7 在 92% 案例中推荐共和党候选人，GPT-6.1 Sol 97% 推荐民主党
Convovo 由康奈尔大学教授 Tapan Parikh 领导的研究发现，在近 500 场中期选举竞选中被强制二选一时，Grok 4.7 在 92% 的回答中推荐共和党候选人，GPT-6.1 Sol 在 97% 的回答中推荐民主党，两者一致率不到 10%。
WiredAI 评分1313 Samsung Galaxy Z Flip8 评测：小巧但表现够用的折叠屏手机
Samsung Galaxy Z Flip8 折叠屏手机配备 4,300 mAh 硅碳电池，日常够用但重度使用需充电宝，充电仅为 25 W 有线、15 W 无线，且不支持 Qi2 磁吸。