本周重点：MiniMax Flash 权重落地、Kimi 长流程模型上线、DeepSeek 推理引擎公开，以及腾讯交互视频与细粒度视觉。把服务、权重、工具执行和实际验收分清。
依据 → 判断 → 边界；判断为本文分析
依据：MiniMax 10.19 公布输入/输出每百万 token 0.15/0.60 美元、DeepSWE v1.1 73.7%；10.23 官方仓库已上传 48 片主权重及 DSpark。
判断：代码与工具调用任务可把它加入低成本候选，同时比较 API 与自部署的完整任务成本、完成率和耗时。
边界：“任务成本降 70%”与速度均为厂商条件下的数据；权重采用 MiniMax Community 自定义许可，不能按标准开源许可处理。
查看正文与原始证据 ↓依据：Kimi Code 10.23 记录 K3.1 Pro 上线，最高 1M 上下文；技术博客报告 Terminal-Bench 4.0 为 65.7%，完整权重承诺 11.04 前提供。
判断：长代码库与跨文件任务可先测服务接口，并为思考模式、上下文长度和会话切换做回归；自部署排期要等精确权重交付。
边界：K3.1 Pro 不能用旧 K3 checkpoint 代替；厂商评测不等于企业任务效果，高速版还要考虑配额与并发条件。
查看正文与原始证据 ↓依据：DeepInfer 公开离线推理实现，列出 DSpark、异步调度和专家负载均衡；README 明确未包含完整 KV 缓存系统及跨副本负载均衡。
判断：自建 DeepSeek 服务应分别评审模型引擎、缓存、流量调度和在线可观测性，不能只凭仓库可运行就替换生产服务。
边界：官方性能测于特定硬件和拓扑；离线吞吐不能直接外推在线首字延迟、尾延迟和完整集群成本。
查看正文与原始证据 ↓依据：腾讯 10.23 上传 Hy-Nomas 权重，支持文本与相机逐段交互、持久 KV 历史；同时给出四类、280 例交互测试集合。
判断：做交互式视频或世界生成原型，应按连续转向、对象保持和多轮指令评估；单段画面好看不足以证明可交互。
边界：输出是生成视频，不代表可碰撞、可度量的三维物理世界；单卡方案依赖量化和卸载，不能当默认实时性能。
查看正文与原始证据 ↓快照与新闻窗口分开；分数不跨榜比较
保留主榜原始排序及精确版本名；± 为主榜给出的区间幅度。使用 10.26 能取得的最新页面：Text 更新于 10.22、Vision 更新于 10.19；AA 未显示统一更新时间，故仅标抓取日。以下场景解读为编辑分析，未伪装为本地实测。
第 2—7 名分差很小且区间重叠；榜单适合作为候选集，不能据此替代业务任务成功率、Agent 工具执行和推理成本评测。Gemini Flash 两个条目仍标 Preliminary。
| # | 精确模型条目 | 分数 | 开放状态与核验入口 |
|---|---|---|---|
| 1 | Gemini 4 Argon (High) | 1517±7 | 托管闭源服务 |
| 2 | Claude Opus 5.5 (High) | 1509±7 | 托管闭源服务 |
| 3 | Muse Wonder (Max) | 1509±8 | 托管闭源服务 |
| 4 | Claude Fable 5 (High) | 1503±4 | 托管闭源服务 |
| 5 | Claude Fable 5.1 (Max) | 1503±6 | 托管闭源服务 |
| 6 | Claude Opus 4.6 (High) | 1503±3 | 托管闭源服务 |
| 7 | Claude Opus 4.7 (High) | 1501±4 | 托管闭源服务 |
| 8 | Claude Opus 4.6 | 1497±3 | 托管闭源服务 |
| 9 | Gemini 3.8 Flash (High) | 1496±4 | 托管闭源服务 |
| 10 | Muse Spark 1.3 (Max) | 1496±5 | 托管闭源服务 |
| 11 | Claude Opus 4.7 | 1494±4 | 托管闭源服务 |
| 12 | Muse Spark 1.2 (xHigh) | 1491±7 | 托管闭源服务 |
| 13 | Claude Opus 5 (Max) | 1491±5 | 托管闭源服务 |
| 14 | Claude Opus 5 (High) | 1491±4 | 托管闭源服务 |
| 15 | Muse Spark 1.1 | 1490±4 | 托管闭源服务 |
| 16 | Gemini 3.7 Flash (High) | 1490±5 | 托管闭源服务 |
| 17 | Muse Spark | 1489±6 | 托管闭源服务 |
| 18 | Kimi K3 (Max) | 1487±4 | 开放权重·自定义许可 |
| 19 | Gemini 3.1 Pro Preview | 1487±3 | 托管闭源服务 |
| 20 | Gemini 3 Pro | 1486±4 | 托管闭源服务 |
文档问答、图表理解可参考此榜；像素级分割、目标定位、视频连续理解需单独测试。第 2—20 名区间大量重叠，勿把 1—2 分差写成显著优势。
| # | 精确模型条目 | 分数 | 开放状态与核验入口 |
|---|---|---|---|
| 1 | Claude Fable 5 (High) | 1309±7 | 托管闭源服务 |
| 2 | Qwen3.8-Max | 1300±7 | 托管服务·同系列有权重 |
| 3 | Claude Opus 4.6 (High) | 1299±6 | 托管闭源服务 |
| 4 | Claude Opus 4.7 | 1299±7 | 托管闭源服务 |
| 5 | Claude Opus 4.7 (High) | 1298±7 | 托管闭源服务 |
| 6 | Gemini 3.7 Flash (High) | 1295±9 | 托管闭源服务 |
| 7 | Muse Spark | 1294±9 | 托管闭源服务 |
| 8 | Claude Opus 4.6 | 1294±6 | 托管闭源服务 |
| 9 | GPT-6.1 Sol (Max) | 1294±13 | 托管闭源服务 |
| 10 | Claude Opus 5.5 (High) | 1293±12 | 托管闭源服务 |
| 11 | Muse Spark 1.2 (xHigh) | 1293±14 | 托管闭源服务 |
| 12 | Gemini 3.8 Flash (High) | 1291±10 | 托管闭源服务 |
| 13 | Muse Spark 1.3 (Max) | 1290±9 | 托管闭源服务 |
| 14 | Gemini 3 Pro | 1289±7 | 托管闭源服务 |
| 15 | Claude Opus 5 (High) | 1288±7 | 托管闭源服务 |
| 16 | Muse Spark 1.3 (xHigh) | 1288±10 | 托管闭源服务 |
| 17 | Claude Fable 5.1 (Max) | 1288±9 | 托管闭源服务 |
| 18 | GPT-5.6 Sol (xHigh) | 1286±7 | 托管闭源服务 |
| 19 | GPT-5.5 | 1286±6 | 托管闭源服务 |
| 20 | Claude Opus 4.8 (High) | 1286±6 | 托管闭源服务 |
此处是文生图主榜；参考图一致性、局部编辑、中文排版、透明通道和可控性属于不同验收项。完整 FLUX 服务不能借名变成 Klein 的本地成绩。
| # | 精确模型条目 | 分数 | 开放状态与核验入口 |
|---|---|---|---|
| 1 | GPT Image 2.5 Sunburst (max) | 1222±10 | 托管闭源服务 |
| 2 | GPT Image 2.5 Flare (max) | 1207±10 | 托管闭源服务 |
| 3 | GPT Image 2 (high) | 1186±11 | 托管闭源服务 |
| 4 | Nano Banana 2.1 | 1176±12 | 托管闭源服务 |
| 5 | MAI-Image-2.6 | 1166±12 | 托管闭源服务 |
| 6 | Grok Imagine Image 2.0 | 1166±12 | 托管闭源服务 |
| 7 | Nano Banana 2 (Gemini 3.1 Flash Image) | 1140±10 | 托管闭源服务 |
| 8 | Muse Image | 1127±11 | 托管闭源服务 |
| 9 | GPT Image 1.5 (high) | 1123±11 | 托管闭源服务 |
| 10 | MAI-Image-2.6-Flash | 1119±12 | 托管闭源服务 |
| 11 | Nano Banana Pro (Gemini 3 Pro Image) | 1118±10 | 托管闭源服务 |
| 12 | MAI-Image-2.5 | 1118±11 | 托管闭源服务 |
| 13 | FLUX 3 Image | 1117±12 | 托管服务·Klein 另有权重 |
| 14 | MAI-Image-2.5-Pro | 1114±10 | 托管闭源服务 |
| 15 | Nano Banana 2 Lite (Gemini 3.1 Flash Lite Image) | 1107±10 | 托管闭源服务 |
| 16 | Seedream 5.0 Pro | 1100±11 | 托管闭源服务 |
| 17 | Qwen-Image-3.0-Pro | 1095±12 | 托管服务·其他子款有权重 |
| 18 | Qwen-Image-3.0 | 1070±12 | 托管服务·其他子款有权重 |
| 19 | Qwen-Image-2.1-Pro | 1056±12 | 托管服务·其他子款有权重 |
| 20 | grok-imagine-image-quality | 1049±9 | 托管闭源服务 |
音画同步偏好适合筛选初始候选；身份连续性、可编辑性、多轮相机控制和长镜头稳定性需另测。此榜含研究预览和派生模型，均保留原始条目名。
| # | 精确模型条目 | 分数 | 开放状态与核验入口 |
|---|---|---|---|
| 1 | Wan 3.0 | 1175±15 | 托管闭源服务 |
| 2 | Utopai X | 1167±15 | 托管预览·未核实公开权重 |
| 3 | HeyGen Video 1 | 1160±15 | 托管预览·未核实公开权重 |
| 4 | MiniMax H3 (768p) | 1158±15 | 同名基础权重·自定义许可 |
| 5 | Dreamina Seedance 2.5 | 1158±15 | 托管闭源服务 |
| 6 | FLUX 3 Max (720p) | 1155±15 | 托管闭源服务 |
| 7 | MiniMax H3 Max | 1154±15 | 派生服务·基础 H3 有权重 |
| 8 | FLUX 3 | 1145±15 | 托管闭源服务 |
| 9 | Dreamina Seedance 2.0 | 1136±15 | 托管闭源服务 |
| 10 | Gemini Omni Flash 1.1 | 1130±14 | 托管闭源服务 |
| 11 | Agnes-Video-2.5 | 1066±16 | 托管预览·未核实公开权重 |
| 12 | Grok Imagine Video 1.5 | 1056±15 | 托管闭源服务 |
| 13 | HappyHorse-1.1 | 1051±15 | 托管闭源服务 |
| 14 | MAGI-2 Preview | 1042±14 | 基础权重·Apache 2.0 |
| 15 | Wan2.7-260612 | 1037±15 | 托管闭源服务 |
| 16 | HappyHorse-1.0 | 1033±15 | 托管闭源服务 |
| 17 | Kling 3.0 Omni 1080p (Pro) | 1020±16 | 托管闭源服务 |
| 18 | Kling 3.0 1080p (Pro) | 1000（锚点） | 托管闭源服务 |
| 19 | Grok Imagine Video 1.5 Lite | 992±14 | 托管闭源服务 |
| 20 | PixVerse V6 | 984±17 | 托管闭源服务 |
开放状态口径：闭源托管服务、开放权重自定义许可、标准许可、同系列其他 checkpoint 与尚未交付权重分别标注。Kimi K3 是已有权重的旧款；榜内 Muse Spark 托管条目不能当成 Spark Open；Qwen3.8-Max 的托管多模态能力不能直接赋给开放文本 checkpoint。
视频权重边界：MiniMax H3 基础权重采用自定义许可；H3 Max 是派生服务。MAGI-2 Preview 主模型权重标注 Apache 2.0，附属组件另有条款。榜单服务配置与公开权重的一致性未被证明，不能直接继承主榜效果。
官方发布、仓库、模型卡与论文交叉核验
10.19 首发博客提供 API 与产品入口；10.23 初始化提交已包含主权重，不再沿用首发时“稍后发布权重”的状态。已核验 48 片主 safetensors 及一个 DSpark 权重文件。
模型卡标注约 428B 总参数、23B 激活，原生接收文本、图像与视频，最高 1M 上下文。采用全层稀疏注意力、量化感知训练和 DSpark 草稿解码。
官方给出 DeepSWE v1.1 73.7%、BankerToolBench 76.2 和 OSWorld V2 61.7；API 标价输入/输出每百万 token 0.15/0.60 美元，缓存输入 0.015 美元。研发意义是把每个成功任务的费用与耗时一起测，而非只比 token 单价。
官方技术博客描述 K3.1 Pro 为 K3 的后训练版本，三万亿级、1M 上下文；报告 Terminal-Bench 4.0 65.7%，并以长流程代码和工具任务为重点。Kimi Code 日志将上线日期列为 10.23。
普通版和 Highspeed 已可通过 Kimi 产品及 API 使用；Highspeed 官方标称约 2—3 倍速度，Code 文档同时提示约 2 倍额度消耗。仅支持思考模式，建议新开会话并使用原生协议，避免跨版本历史上下文和协议转换干扰。
完整权重承诺 11.04 前发布；截至 10.26 检查的 moonshotai 官方模型列表未见 K3.1 Pro 可下载权重。现有 Kimi-K3 权重及许可不能自动代表 K3.1 Pro。
官方仓库提供 DeepSeek-V4.1-Flash 离线推理，核心包含 DSpark、置信度调度验证、异步调度、注意力并行和专家并行负载均衡，代码 Apache 2.0。
README 明列完整在线服务仍需 KV 缓存系统、视觉编码/Prefill/Decode 解耦和跨副本负载均衡。硬件支持列表为 NVIDIA SM100 与 Ascend 950，不能仅凭同属 GPU/NPU 就推定兼容。
官方性能图使用 4 卡 Prefill、64 卡 Decode 的指定拓扑；工程选型需保留输入长度、并发、草稿接受率与计数口径。不开机器、不跑基准，本周报不宣称任何硬件上的实测性能。
模型逐段生成视频，以持久 KV 缓存接续历史；每段可换文本或相机轨迹，支持连续场景与对象交互。官方代码包含推理、交互演示、LoRA 微调与数据准备。
HF 主模型标注 Apache 2.0；文件目录含基础/蒸馏 DiT、INT8 版本、LoRA、VAE/解码器及提示增强组件。默认蒸馏设置为 8 步、720×1280、24 FPS；单张 RTX 4090 路径同时使用 INT8 DiT/KV、FP8 解码器和 CPU 卸载。
Hy-Nomas-Bench 提供四类 280 个测试案例，覆盖文本交互、相机导航、交替控制和空间记忆。适合据此构建可重复的交互验收，而非把演示观感当任务成功率。
论文《WeVisOne-VL: Unified Visual Perception from Objects to Pixels》10.22 提交，2B/4B 权重 10.23 上传，模型卡标注 Apache 2.0。基于 Qwen3-VL，把对象检测、定位、计数、OCR、分割与抠图接到统一结构化输出。
主权重之外还需 mask_decoder.pt，约 9.5M / 9.6M 参数。专用坐标与对象 token 连接像素解码器；对象不存在时可返回 None。研发上可以把“回答看起来对”拆成框/点精度、掩码质量与拒识率。
OpenAI 官方 API 更新日志：10.22 Decisions API 搭配 gpt-6-luna 正式可用，单次最多 400 个问题，可在单题指令中放图片，并直接传结构化 input_json。适合把分类、字段判断与流程路由做成类型化接口，再接外部业务执行器。
10.20 新增 12 小时提示缓存，写入价格为普通输入 token 的 2.5 倍。固定指令、工具表和共享上下文可跨数小时复用，但是否省钱取决于实际缓存命中、前缀稳定性与重复次数。
Mistral 日志确认四款音频模型公开预览：Mini TTS 3、Mini Transcribe 3、Mini Transcribe Realtime 3、Small Transcribe 3。发布页提供语音 Agent SDK，以 LiveKit 串联 STT、通用 LLM、工具调用和 TTS。
转写、推理和合成可分别替换；官方演示覆盖打断、轮次检测与业务工具。客服与语音助手的研发重点变成流式状态、打断恢复和动作幂等，而非只测单段语音识别。
Microsoft 发布 Dynamic Permissions、Dynamic Agent Risk 与 Dynamic Conditional Access：权限绑定任务和时效，风险变化后可收紧写入、限制资源或暂停执行。
这为持久 Agent 提供具体控制模型：身份与员工分离，读取/写入/审批分别授权，权限执行位于模型之外。上线业务自动化时，应能回溯哪一个 Agent 在哪一个任务下获得了哪些权限。
Anthropic 宣布把 Agent Skills 名称、标识、GitHub 组织和 agentskills.io 域名捐赠给 Linux Foundation 下的 AAIF，称已有超过 70 个 Agent 平台集成。
研发意义是把可复用过程知识与单一客户端解耦：技能目录、脚本和引用资料可以共用，但执行权限、依赖和工具兼容性仍需按宿主验证。
Runway 10.21 新增 Nano Banana 2 Lite（gemini_image3.1_flash_lite），提供最多 14 张参考图、10 种 1K 尺寸；这是本周的 API 接入事件，不能把旧模型首次发布日期改成 10.21。
Luma 10.23 公告接入 Kling 4.0，支持文生/图生视频及四种画幅，并把重点放在动作与相机运动。该公告证明 Luma 平台可用性，不足以独立证明优于其他模型或在 AA 主榜已上榜。
只收本周事件；无有效证据的厂商见检查覆盖
输入/输出低价 API 已发布；完整权重以 10.23 实际文件为准，自定义许可。
模型服务上线；Code 新增工作区信任、模型切换确认与会话重载。权重仍待交付。
公开离线引擎及优化，完整线上缓存与调度仍要补齐；1017 模型不重复算本周首发。
交互视频世界生成与对象/像素统一感知两条更新，权重与许可分别核实。
远程持久进程、按需工具搜索、插件管理；修复并发写入、终端退出及上下文等可靠性问题。
V2.5-Pro / V2.5 的旧 ID 于 10.21 10:00 退役；Studio 3.4.2 修复 toolcalls 格式导致的调用失败。
12 小时缓存、项目服务档位限制和 Decisions 正式可用；属于接口能力更新。
四款音频模型公开预览与语音 Agent SDK；本地部署需进一步对接。
开放标准治理更新，保持规范与具体宿主执行环境分离。
以外部策略约束 Agent 身份、动作范围和权限时效，强调连续调整。
提供生成/多参考编辑接口；不作为 Google 模型本周首发。
面向动作和相机运动的视频生成新增选项；厂商宣传能力仍需业务素材复测。
19 家重点厂商逐家搜索；缺口明确保留
检查方法：对全部 19 家厂商执行含本周日期的模型、权重、API、代码或技术动态检索；搜索结果只作线索。对可确认的开放权重组织直接检查 GitHub 与 Hugging Face 最近条目，再核对精确 checkpoint、文件树与许可。仓库创建时间、最后修改时间均不自动等于公开发布日期。
公众号缺口：九家国内厂商的官方公众号均执行了检索，但本次没有取得可确认认证主体、发布时间及原文内容的公众号文章；不把转载和搜索摘要当官方原文。相关模型事实改由可访问的官网、官方仓库与模型卡核验；公众号覆盖不声称完成。
访问限制：部分 GitHub 组织 API 返回限流，已保留结果；京东 HF 官方模型组织未确认。Luma 与 ZCode 已用官方 HTML 补读成功。搜索无命中仅表示未取得有效证据，不等于厂商无更新。
| 厂商 | 本次检查结果与限制 |
|---|---|
| Qwen | 搜索未发现可核验的本周新基础模型；HF 最近模型检查无本周新项，GitHub API 限流；动态博客正文抓取为空。 |
| DeepSeek | 命中并核验 DeepInfer；直接查官方仓库和 HF 模型列表。API 日志最新模型更新为 10.17，不算本周。 |
| Kimi | 命中并核验 K3.1 Pro / Code；HF 模型列表仍只有旧 K3 等，GitHub 组织 API 限流。 |
| MiniMax | 命中并核验 M3.1 Flash；HF 初始权重提交、文件列表与许可已查。首发博客权重状态已过时。 |
| 智谱 / Z.ai | 命中 ZCode 3.16.2 / .3 并读原文；HF 最近模型无本周新基础模型，GitHub API 限流。 |
| 腾讯 | 直接检查 HF 找到 Hy-Nomas、WeVisOne 2B/4B；模型卡、文件与提交记录已核验。 |
| 小米 | 核验 Studio 10.22 更新与 10.21 退役；直接检查 XiaomiMiMo GitHub / HF 最近条目。 |
| 京东 | 执行日期限定搜索；未获得本周模型更新的官方证据。GitHub API 限流，HF 官方模型组织未确认。 |
| 字节 | 日期限定搜索、Seed 官网、GitHub / HF 官方组织检查；未核验到本周新基础模型，GitHub API 限流。 |
| OpenAI | 官方更新日志核验 10.20—22；原文与接口文档交叉检查。 |
| Anthropic | 新闻页与 Agent Skills 捐赠原文均已核验；公司/人事新闻未占正文。 |
| Google DeepMind | 执行日期限定搜索、模型卡线索检查；本周仅收录 Runway 对 Google 既有模型的新增接入。 |
| Meta | 执行日期限定搜索、HF meta-models 最近列表；Glimmer 文件更新不等于本周新模型，未收录财报。 |
| xAI | 官方 Release Notes 最新为 10.14；未找到本周符合口径的新模型或权重更新。 |
| Mistral | 官方新闻、日志与 HF 最近模型检查；Voxtral 3 已核验，权重公开状态保守表述。 |
| Microsoft AI | 日期限定搜索命中并核验 10.19 Agent 动态权限原文。 |
| BFL | 官方博客最新模型文章为 10.15；GitHub / HF 最近条目已查，未把旧 Klein 再报为本周新模型。 |
| Runway | 官方 API 日志核验 Nano Banana 2 Lite 10.21 接入；10.19—22 的教程不当作基础模型首发。 |
| Luma | 网页读取工具失败后直接读取官方 HTML，核验新闻目录结构化日期和 10.23 Kling 4.0 接入原文。 |