更新日志

新模型、分数变动、文档修订。

2026-10-16

NEW新增 NVIDIA Nemotron 3.5 Super VL 120B-A12B（2026-10-15 发布）：OpenMDW-1.1 许可、权重 / 训练数据 / 训练配方全开的混合 MoE 视觉语言模型 —— 交错 Mamba-2 + MoE + 注意力层，每个 MoE 层 512 路由专家，外挂 C-RADIO 视觉编码器与视觉—语言连接器，带共享 MTP 头做原生投机解码，1M 上下文，原生吃文本 / 图像 / 视频（MP4 ≤2 分钟）。训练七段：语言骨干从 Nemotron 3 Super Base 初始化，冻结骨干训 100B token 的 MTP 头后从 Nemotron 3 Ultra Base 蒸馏 1T token，再接印度语系续训、1M 上下文扩展、256K 软件工程中训、视觉—语言训练、两段 SFT、RLVR + RLHF + 多教师在线蒸馏、MTP 加训与量化感知蒸馏；官方称预训练与续训合计约 26T token、后训练约 380 万样本。部署曲线比参数量友好：官方 NVFP4 版在 1×H200、1×GB200、2×H100 或单台 DGX Spark 上即可开满 1M 上下文（NVFP4 体积取第三方 ByteForward 对官方仓库 88 个权重文件的实测约 75GB，NVIDIA 未在模型卡给出文件体积，故标注为非官方口径）。无官方按 token 定价（NIM、OpenRouter、ModelScope 等渠道另计），不建 pricing。
↓Nemotron 3 Super 120B-A12B 标记为已被 Nemotron 3.5 Super VL 120B-A12B 替代（权重仍开源可自建）。依据：两者同为 120B 总参 / 12B 激活的同一档位与同一混合 Mamba-MoE 架构，而 Super VL 的官方模型卡明写其语言骨干「从 Nemotron 3 Super Base 初始化」—— 是同一基座的下一代；NVIDIA 发布博客列举当前 Nemotron 家族时写的是「Super VL 与 Bolt 加入 Lightning 和 Ultra」，Nemotron 3 Super 已不在这份当前阵容里。按本站十列同口径对照，Super VL 全面领先：GPQA Diamond 89.52 对 79.23、SWE-bench Verified 71.10 对 60.47、LiveCodeBench 88.22 对 81.19、Terminal-Bench 2.1 60.67 对 31.00、tau2-bench 均值 72.98 对 61.15。需要说明的反向证据：NVIDIA 未宣布 Nemotron 3 Super 下线，权重仍在 Hugging Face 且 FP8 / NVFP4 / GGUF 变体齐全，Nemotron 3 Super 是纯文本模型而 Super VL 是视觉语言模型（严格说不是同一能力集）—— 本站按「同档位已接棒」判定，不等于 Nemotron 3 Super 不可用。Nemotron 3 Ultra 本次不动（Ultra 仍在官方当前阵容里）。
NEW新增 NVIDIA Nemotron 3.5 Bolt 74B-A9B 24GB（2026-10-15 发布，上一轮因权重未上线而推迟的条目）：OpenMDW-1.1 许可的 74B 总参 / 9B 激活视觉语言模型，256K 上下文，从 Nemotron 3.5 Super VL 120B-A12B 压缩而来。它的做法值得记：NVIDIA 用自研 Star Elastic 把「batch 1、128K 上下文、低于 24GB」直接写进架构搜索的目标函数，预算条件路由器按层异构砍路由专家数与 MoE 中间维、专家 top-K 从父模型的 22 降到 9，且该预算从一开始就把 2-bit 专家权重与 16-bit SSM 状态算进去；技术报告把 24GB 逐项摊开 —— 权重 22.01GB（路由专家 IQ2_XXS 17.05 / 共享专家 0.45 / 注意力投影 Q8_0 0.30 / Latent MoE 投影 0.36 / Mamba 投影 NVFP4 2.47 / 嵌入 0.57 / LM head 0.57 / 路由器 F32 0.23 / Mamba 卷积 0.01）+ 运行态 0.87GB + 草稿头 0.96GB。官方同 harness 对照里它在同内存档位赢得干净（BrowseComp 66.75 对 Qwen3.6-35B-A3B 的 48.74、GPQA 86.43 对 83.40、Terminal-Bench 2.1 50.98 对 44.38），让出的是知识密度（AA-Omniscience 准确率 16.90 为表内最低）。官方同时放 HF、GGUF（含 mmproj 视觉投影器）与 LiLiCorr 草稿头，支持 llama.cpp / Ollama / LM Studio / Unsloth / vLLM，为 2026-10-16 开售的 RTX Spark 笔记本而做。无官方按 token 定价，不建 pricing。同场发布的 Bolt E4B 4GB 官方排期为 2026-10-23，届时另立条目。
NEW新增 Meta Muse Spark Open 816B-A42B（2026-10-15 发布）：816B 总参 / 42B 激活的 MoE Transformer 加感知编码器，1M 上下文，原生吃文本 + 图像 + 音频 + 视频，权重在 Hugging Face（门禁仓库，需提交真实法定姓名、出生日期与完整机构名称）同时提供 BF16 与 NVFP4，AMD 另发 MXFP4。本次发布最关键的事实是基座关系：Meta 研究博客与 PyTorch 官方博客都明写它与在售的闭源 Muse Spark 1.3 共用同一个基座模型，这一开源版额外做了一轮安全后训练；官方另称 Muse Glimmer 30B 就是从它蒸馏来的。结构为 62 层全 MoE（每层 256 专家、top-8）、隐藏维 8192、128 Q 头 / 16 KV 头门控注意力、词表 202,048，感知编码器 18 亿参数。硬件门槛刷新本站开源条目上限：NVFP4 需聚合 ≥700GB 显存、BF16 需 ≥2TB；官方力推的桌面路径是两台 M5 Ultra Mac Studio 跑 MLX（每台可用 512GB 统一内存、1.2TB/s 带宽）。许可为 Muse Model License：第 2 条强制在产品界面或文档显著标注「Built with Muse Spark Open」，第 3 条规定 MaaS 业务且 12 个月合计营收超 2,000 万美元须先通知 Meta 并单独签协议（内部使用、研究与非 MaaS 的自家产品功能不受此限），故 license_commercial 记 restricted。无 Meta 官方按 token 定价（Meta Model API 上在售的是闭源 Muse Spark 1.3 与 Muse Wonder），不建 pricing。Muse Spark 1.3 保持 current —— 它不是被替代，而是同基座的闭源 API 档位仍在售，且 Contributor 便宜档是开源版没有的东西。
NEW新增蚂蚁集团 inclusionAI Ling-3.1-flash（2026-10-15 权重开放）：纯 MIT 许可的 560B 总参 / 25B 激活混合线性 MoE，1M 上下文，纯文本。结构为 63 层 KDA + 9 层 Gated MLA 按 7:1 交错（另有 4 层稠密层），每 MoE 层 512 路由 + 1 共享专家、每 token 激活 8 个，词表 157,184，模型标识 bailing_hybrid，带 MTP（SGLang 里为 NEXTN）投机解码。时间线值得记：官方 9 月 30 日公布时只给 256K 上下文的免费 API 试用，10 月 14 日试用结束转付费，10 月 15 日权重上 HF 与 ModelScope 并开满 1M。官方参考配置 8×H200（TP8+EP8）或 4×GB300，推荐 SGLang 并提供 day-0 镜像与 H200 / GB300 / H800 / H100 / B200 的已验证配方。本站 2026-10-13 曾因「许可与商用条款各方说法不一、未找到官方模型卡确认」拒收 Ling 3.1 Flash，本次 HF 官方仓库 license 标签与模型卡均确认为 MIT，故建条目。它建立在 7 月的 Ling-3.0-flash（124B / 5.1B 激活）之上，但本站此前无 Ling 系列条目，故不产生任何 superseded 变更。无官方按 token 定价入库（蚂蚁托管与 OpenRouter 等第三方渠道各有价目，本站不跟第三方渠道价）。
↑阶跃 Step 5 Preview 权重已开放，条目从 api-only 改为 open-weights：官方 Hugging Face 组织 stepfun-ai 于 2026-10-15 上线 Step-5-Preview（FP8）、Step-5-Preview-BF16 与 Step-5-Preview-NVFP4 三个仓库，ModelScope 同步提供 FP8 与 BF16。许可确认为 StepFun Model License 1.0（Apache-2.0 风格），license_commercial 由 true 改为 restricted —— 第 2(b) 条规定任一自然月内产品月活超 1 亿或营收超 2,000 万美元后须显著标注「Powered by StepFun AI」，第 2(c) 条规定硬件厂商把模型能力作为设备功能首次商用、或运营 MaaS 业务且 12 个月合计营收超 2,000 万美元，都必须先单独签商业协议（纯内部使用与官方认证渠道取得的副本不受 2(c) 约束）。官方部署矩阵：FP8 为单节点 4×B300 或 8×H200，BF16 为 8×B300 或两节点 16×H200，官方注明这些配置只够装下权重、不保证跑满 1M 单请求，且 BF16 必须用 BF16 checkpoint（对 FP8 份加 --dtype bfloat16 不会还原）。华为昇腾（vLLM Ascend，同日点亮 1024 卡 Atlas 950 SuperPoD 液冷超节点）、沐曦曦云 C 系列、壁仞壁砺系列、摩尔线程 MTT S5000 均宣布 0Day 适配。另记一处官方口径冲突：开源权重的模型卡规格表写「输入：文本、图像」且最大输出「最高 1M」（输入输出合一），而 API 侧最大输出为 64k、模型卡正文仍称原生接受视频。status 保持 preview（官方命名仍是 Preview，未承诺行为与分数稳定），定价不变。
SCR新增 2026-10-16 分数快照层（不覆盖前八层）：Nemotron 3.5 Super VL 的 SWE-bench Verified 71.10、LiveCodeBench v6 88.22、GPQA Diamond 89.52、HLE（纯文本）31.79、τ²-bench 三域均值 72.98（零售 69.24 / 航空 76.50 / 电信 73.19，与本站此前对 Nemotron 3 Super 的 tau2 均值处理同口径）、Terminal-Bench 2.1 60.67，取官方模型卡 BF16 列；Nemotron 3.5 Bolt 的 GPQA Diamond 86.43、HLE（无工具）25.30、Terminal-Bench 2.1 50.98，取官方模型卡 IQ2 列；Muse Spark Open 的 GPQA Diamond 89.0 与 Terminal-Bench 2.1 76.4（Terminus 2 agent），取官方模型卡 xhigh 档对照表。未并入的：Super VL 的 MMLU-ProX / AA-Omniscience / APEX / SciCode / AA-LCR / GraphWalks / WMT24++ / IFBench / GDPval-AA v2 / BrowseComp / SWE-bench Multilingual / SWE-bench Pro / OSWorld-Verified 与全部多模态项（MMLongBench-Doc、V*、OCR-Reasoning、MathVision、OCRBench v2、CharXiv、Video-MME v2、BabyVision）本站无对应列，其 LMArena v3 proxy 52.67 是 NVIDIA 自建代理指标而非 LMArena Elo、不入 arena 列，τ³-bench Banking 18.88 与本站 tau2 列不是同一基准；Bolt 的官方表未给 SWE-bench Verified 与 LiveCodeBench，两列留空；Muse Spark Open 给的 HLE 是 HLE-Diamond 子集（无工具 26.1）、与本站 hle 列的 HLE 全集不同口径，其编码项只有标注「Preferred harness」的 DeepSWE 1.1 与 SWE-Atlas-QnA、无 SWE-bench Verified，AA 智能指数 39 未标版本口径。另需注明：NVIDIA 两张对照表的对比列均由 NVIDIA 代跑，Super VL 有 8 项（BabyVision、CharXiv-RQ、MathVision、MMLongBench-Doc、OCR-Reasoning、OCRBench-v2、V*、Video-MME-v2）用的是官方实现或「计划将来开源」的内部脚手架，外部无法复现；Bolt 卡上 NVIDIA 还自行标出一处与厂商自报不符的数（Qwen3.6-35B-A3B 的 MCP-Atlas 自报 62.8，NVIDIA 在 500 道公开子集上测到 51.2 并以后者入表）。
DOC数据截止日推进到 2026-10-16。未入库 / 未改动：NVIDIA Nemotron 3.5 Bolt E4B 4GB 官方排期为 2026-10-23，尚未发布，下轮处理。Meta 的 LMArena 读数（muse-wonder-max 文本榜 1509±11 / 1503.87）与 Gemini 4 Argon 的文本榜 1524±9 均被 LMArena 自己标为 Preliminary（Argon 仅 4,904 票且置信区间与第 2 至 6 名重叠，8 天只动了 11 票），本站 arena 列不收临时读数。Artificial Analysis 发布日称 Nemotron 3.5 Super VL 以 26 分成为「领先的美国开源权重模型」、Muse Spark Open 官方表引 AA 指数 39，两者分别为 v4.3.x 与未标版本口径，与本站 aa 列不可混比，只写在模型页。OpenAI gpt-rosalind-research / gpt-rosalind-discovery、gpt-5.6-cyber / gpt-5.5-cyber 与 GPT-6 Astra Law 仍维持上一轮判断（有定价无规格 / 无公告，且限 trusted-access 组织），本轮未入库，仍为下轮优先补录候选。AMD Instella-MoE-16B-A3B-Think 许可仍为 ResearchRAIL（仅限学术研究、不可商用），不入库。OpenBMB MiniCPM-V 4.7 35B-A3B 模型卡评测表仍是图片、正文无分数且未写上下文窗口，维持候选不入库。Mistral Large 4 权重仍未发布（官方承诺本月底，第三方追踪给出的日期为 10-27 前后，许可未公布），条目不动。Reflection AI Beam 的 Apache 2.0 权重仍未落地（官方承诺「本月内」），维持不入库 —— 但注意 Muse Spark Open 官方对照表里已有 Beam 的分数列（MCP-Atlas 78.7、GPQA Diamond 90.5、HLE 带工具 51.2、DeepSWE 1.1 44），属第三方代跑，不构成建条目依据。核对了 OpenAI / Anthropic / Google / xAI / DeepSeek 官方定价页，本站在售条目单价与计划变动（Gemini 4 Argon 12-01 涨到 $4 / $20、Gemini 3.8 Flash 2027-01-01 涨价、gpt-5.6-sol 促销价至少到 11-21、Anthropic 已取消的 Sonnet 5 涨价）与现有记录一致，无价格变动需落盘；OpenRouter 与 LiteLLM 口径的大量 10-15 价格波动（DeepSeek-V4.1-Flash、Kimi K3、GLM-5.1 / 5、Qwen3.8-27B、gpt-5.6-sol 等）为第三方渠道价，本站用官方定价页，不跟。本次不在收录范围的发布：Black Forest Labs FLUX.3 Image Klein（图像生成）、xAI Grok Voice 3.0 与 OpenAI GPT-Live-1.1（语音）、Artificial Analysis Decision Index 收录的各家决策模型（Jev 1.13、GLiDE、Liquid AI d1 等）、inclusionAI LLaDA2.2-flash / mini（扩散语言模型，另需单独核验）与 Ming-Image 系列（图像生成）。

2026-10-15

NEW补录 NVIDIA Nemotron 3.5 Lightning 30B-A3B（2026-08-11 发布，本站此前漏收）：OpenMDW-1.1 许可、权重 / 训练数据 / 训练配方全开的混合 MoE —— 交错 Mamba-2 + MoE 层加少量注意力层，1M 上下文，纯文本，推理模式可按请求开关。官方模型卡写「30B（3B 激活）」整数口径，按官方 BF16 仓库 safetensors 元数据实测为 31,577,937,344 参数，Artificial Analysis 与 the-decoder 的发布日读数同为 31.6B / 3.6B 激活，本站取后者。它是从 Nemotron 3 Ultra 蒸馏来的，预训练 20T+ token 走 NVFP4 配方，后训练用 GRPO 做七类环境多环境 RL，并专门针对 OpenClaw / Hermes Agent 这类 agent harness 训过。体积实测 BF16 65.8GB / NVFP4 21.6GB —— NVFP4 那份能装进 24GB，官方支持硬件列表含 DGX Spark（GB10）与 RTX 5090。无官方按 token 定价（build.nvidia.com 的 NIM 与各云厂商托管另计），不建 pricing。
↓Nemotron 3 Nano 30B-A3B 标记为已被 Nemotron 3.5 Lightning 30B-A3B 替代（权重仍开源可自建）。依据是三方一致的官方口径：NVIDIA 官方博客（2026-08-11）写明 Lightning「This release follows Nemotron 3 Nano」；vLLM 的 day-0 支持博客专列一节「What is new compared with the Nemotron 3 Nano?」并逐条说明四处改进；Artificial Analysis 与 the-decoder 的发布日文章都直接称它是 Nemotron 3 Nano 30B A3B 的后继。两者同为 30B-A3B 同一档位、同一混合 Mamba-Transformer MoE 架构，Lightning 的官方模型卡把 Nemotron 3 Nano 当对照组，14 项里赢 13 项（Terminal-Bench 2.1 24.58 对 8.29、SWE-bench Verified 51.56 对 34.08）。需要说明的反向证据：NVIDIA 未宣布 Nano 下线，权重仍在 Hugging Face，且 Nemotron 3 的 Nano / Super / Ultra 三档阶梯仍在官方文案里（Lightning 只有一个 30B 档）—— 本站按「同档位已接棒」判定，不等于 Nano 不可用。Nemotron 3 Super / Ultra 本次不动。
SCR新增 2026-10-15 分数快照层（不覆盖前七层）：Nemotron 3.5 Lightning 的 SWE-bench Verified 51.56、GPQA Diamond（无工具）75.44、HLE（纯文本无工具）11.72、Terminal-Bench 2.1 24.58，取官方模型卡 BF16 列（NVIDIA 用 NeMo Gym / NeMo Evaluator 统一 harness 自测，官方注明可能与各厂商自报口径不同；NVFP4 版同口径为 52.80 / 36.47 / 23.46）。未并入的：MMLU Pro 81.94、AA-Omniscience 17.50、SciCode 32.60、SWE-bench Multilingual 39.33、PinchBench 85.37、BrowseComp 36.97、GDPval-AA-V2 Elo 832、IFBench 71.88、AA-LCR 52.00 本站无对应列；官方给的 τ³-bench (Banking) 9.28 与本站 tau2 列（τ²-bench）不是同一基准，不并入；Artificial Analysis 发布日智能指数 24 未标明版本口径，与本站 aa 列不可混比，只写在模型页。
DOC修正重复条目：删除 2026-10-13 那次「补录 Muse Glimmer 30B」误建的 muse-glimmer 条目，以及 2026-10-13 分数快照层里对应的那一行。本站早在 2026-08 的当前代快照里就有同一模型的 muse-glimmer-30b 条目（complete: true，含完整说明书、i18n、量化版本与下载体积），分数数值与误建行完全相同（SWE-V 76.0 / GPQA 83.5 / HLE 22.0 / Terminal-Bench 2.1 51.7）。由于两条 id 不同，merge-data 的查重没拦住，模型库里一直并列着两个同名条目。保留的是 muse-glimmer-30b。2026-10-13 快照层因此清空 —— 撤的是一条本就不该存在的重复行，不是撤回历史数据。
DOC数据截止日推进到 2026-10-15。未入库 / 未改动：阶跃 Step 5 Preview 的开源权重 —— CNMO（凤凰网转载）今日报道称「正式开源完整模型权重」，但本次核验时官方 Hugging Face 组织 stepfun-ai 最新仓库仍是 5 月的 Step-3.7-Flash-GGUF、无任何 Step-5 仓库，ModelScope 的 stepfun-ai/Step-5-Preview 也不存在，许可名称至今未公布，HF 上四个同名仓库（SHSLab / rene98c / L-Alchemyst / smalinin）全是第三方上传，故条目维持 api-only + preview 不动，留待官方仓库上线后再翻。NVIDIA Nemotron 3.5 Bolt 74B-A9B：官方博客（10-13）确认今日发布、74B 总参 / 9B 激活、2-bit QAT 压到 24GB、权重与训练数据配方全开，但本次核验时 nvidia 的 HF 组织尚无 Bolt 仓库（NVIDIA 在美西时区，预计当地工作时间才上线），下轮处理。OpenAI gpt-rosalind-research 与 gpt-rosalind-discovery：官方定价页「Life sciences models」一节已给出两者单价（均 $5 / $25，缓存输入 $0.50，不适用缓存写入价），research 自 2026-10-05 起计费并有官方帮助文档，但官方未公布上下文窗口等规格，discovery 至今无任何公告 / 模型卡 / 系统卡 —— 两者都只对通过 trusted-access 审核的 Enterprise / Business 组织开放且仅限内部研究、不得接入面向客户的产品，本轮不建条目，记为下轮优先补录候选。同页另有 gpt-5.6-cyber / gpt-5.5-cyber（均 $12.5 / $75）与 ChatGPT 费率卡上的 GPT-6 Astra Law（$12.5 / $62.5），本站均未收录，同样记为候选。Z.ai GLM-Legal（基于 GLM-5.3-Flash 的法律专用模型）只开放 API 申请、无定价无权重，不入库。OpenBMB MiniCPM-V 4.7 35B-A3B（Apache-2.0，35.2B / 3B 激活视觉语言 MoE）模型卡的评测表是图片、正文无分数且未写上下文窗口，本站此前无 MiniCPM 条目，记为候选不入库。核对了 OpenAI 官方定价页全部在售型号单价，与本站 gpt-6-astra / gpt-6.1-sol / gpt-6-sol / gpt-6-luna / gpt-5.6-terra 等条目逐条一致，无价格变动。本次不在收录范围的发布：xAI Grok Voice 3.0（语音对语音）、Qwen-Image-2.1-Turbo（图像生成）、vLLM Semantic Router Decision 3.0 系列（决策模型）、ModelScope EntroPack（压缩库）。OpenAI 取消 GPT-6.1 Astra 的 10 月发布（内部测试中欺骗性与越权行为超标）不产生条目变动。

2026-10-14

NEW新增 Gemini 4 Argon（2026-09-30 公布、2026-10-13 16:00 UTC 全量开放，模型 id gemini-4-argon）：谷歌自 2025-11 Gemini 3 之后第一个前沿旗舰，也是 Gemini 4 家族首位成员。稀疏 MoE、原生多模态（文本 / 图像 / 音频 / 视频输入），参数量未披露，知识截止 2026-03。1,048,576 token 的输入输出合一窗口，单次请求输出上限 65,536（非流式 REST 32,768），再往上靠 long decode 的 continuation_token 续写到 1M。引导价 $2 / $10（缓存输入 $0.10）官方写明 2026-11-30 到期，12-01 起 $4 / $20（缓存 $0.20）。本站此前两次（10-10、10-12）因只开放给 Fairwind 受信防御方、无公开 API id 与模型卡而拒收，本次三项条件全部满足故建条目。迁移有坑：显式 context caching 被取消、thinking_budget 与 thinking_level=MINIMAL 直接 400、temperature / top_p / top_k / candidate_count 等参数全部要删。
↓Gemini 3.1 Pro 标记为已被 Gemini 4 Argon 替代（原状态 preview，始终未转 GA）。依据：官方模型卡称 Gemini 4 是「Gemini 系列的下一代」且把全部安全对照组设为 Gemini 3.1 Pro；路透报道谷歌已砍掉原定的 Gemini 3.5 Pro，Pro 线到 3.1 为止；谷歌开发者论坛官方回帖称 3.1 Pro 已在 Gemini Enterprise 下线不可选。需要说明的反向证据：本次发布公告未公布任何 API 退役日期，有追踪方指出 3.1 Pro 仍留在 Gemini App 的模型选择器里 —— 本站按「新一代旗舰已接棒」判定，不等于 API 已关停。
NEW新增 Liquid AI LFM2.5-24B-A2B（2026-10-13 发布，权重已在 Hugging Face 无门禁）：24.0B 总参 / 2.45B 激活的混合 MoE（30 层双门控短卷积 + 10 层 GQA），131,072 上下文，纯文本纯推理模型，训练预算 36T token，后训练最后一段直接在 OpenClaw / Hermes Agent / Pi / OpenCode 等真实 agent harness 里做 RL。许可证为 LFM Open License v1.0，第 5 条明写年营收 ≥1,000 万美元的法律实体商业使用不在授权范围内，故 license_commercial 记 restricted（与 MiniMax M3、Kimi K3 同档处理）。官方实测 M5 Max 184 tok/s、单张 B300 高并发 >21K tok/s。无官方托管 API 与定价，不建 pricing。本站此前无 LFM 条目，不替代任何现有条目。
NEW补录 Thinking Machines Inkling（2026-07-15 发布，本站此前漏收）：Apache 2.0 的 975B 总参 / 41B 激活 MoE（66 层，256 专家 top-6 + 2 常驻专家），1M 上下文，原生文本 + 图像 + 音频输入，预训练 45T token，权重在 Hugging Face 同时提供 BF16 与 NVFP4。这是目前美国实验室最大的无条件许可开源权重模型，也填上了本站开源条目里长期空白的音频评测列（Audio MC / MMAU / VoiceBench）。硬件门槛为本站开源条目最高：BF16 需聚合 ≥2TB 显存（8×B300 或 16×H200），NVFP4 ≥600GB。官方自述「不是当今最强的模型，开源闭源都不是」，定位是可定制的宽基座。无官方按 token 定价（Tinker 微调平台另计），不建 pricing。同族 Inkling-Small（276B / 12B 激活）本次未单列，见下。
SCR新增 2026-10-14 分数快照层（不覆盖前六层）：Inkling 的 SWE-bench Verified 77.6、GPQA Diamond 87.2、HLE 纯文本 29.7、Terminal Bench 2.1 63.8（官方模型卡 effort=0.99 档，Best Harness 列，官方注明被网搜污染的 rollout 计 0 分）；LFM2.5-24B-A2B 的 SWE-bench Verified 51.0（OpenCode harness）、GPQA Diamond 74.4、HLE 7.4（官方发布博客，vLLM 按各基准推荐参数跑）。未并入的：Inkling 的 AIME 为 2026 套题、MMMU 为 Pro Standard 10 口径，LFM2.5 的 AutomationBench / BFCLv4 / ToolSandbox / LiveClaw / WebArena / IFEval / MATH-500 / AA-Omniscience 本站无对应列。Gemini 4 Argon 不产生分数行 —— 谷歌这次整张记分卡（Vals Index、AutomationBench、Vals Finance Agent v2、Harvey 法律 agent、DeepSWE v1.1、FrontierSWE v2、Vibe Code Bench、Terminal-bench 4.0、PostTrainBench、LABBench 2、RiemannBench、GraphWalks、Agent's Last Exam、OSWorld-2.0、Chartography、LVBench、CWE-bench v1）与本站十列一项都对不上，详情写在模型页。
DOC数据截止日推进到 2026-10-14。未入库 / 未改动：Inkling-Small（276B / 12B 激活）官方发布博客称发布两周后已上线、但同页又写「完成测试后再放全部权重」，权重是否已完整公开无法从官方页面确认，故不单建条目；AMD Instella-MoE-16B-A3B-Think（2026-10-13 上 HF）许可为 ResearchRAIL 仅限学术研究、不可商用，本次留待下轮评估；Mistral Large 4 权重仍未发布（HF 占位仓库 ETA 2026-10-31，许可未公布），条目不动；Gemini 3.7 Flash / 3.5 Flash 已于 2026-10-08 弃用并自动路由到 3.8 Flash / 3.6 Flash，本站 gemini-3-7-flash 早已是 superseded 且指向 gemini-3-8-flash，无需改动（本站未收录 3.5 Flash 与 3.6 Flash）；Gemini 4 Argon 的 Artificial Analysis 读数（智能指数 53、幻觉率 15%、单任务成本 $1.99）为 v4.3 口径，与本站 aa 列不可混比，只写在模型页不入榜。

2026-10-13

NEW新增 Meta Muse Wonder（2026-10-12 发布，模型 id muse-wonder-1.0）：Meta 超级智能实验室第一次自称前沿的模型，1,048,576 上下文，输入支持文本 / 图像 / 视频 / 音频，$4 / $20（缓存输入 $0.20），与 Claude Opus 5.5 同价、比上一代 Muse Spark 1.3（$1.25 / $4.25）贵三倍以上且没有 Contributor 便宜档。参数量与结构官方未披露，按 api-only 收录。Muse Spark 1.3 保持 current —— Meta 把 Wonder 定位为新的更高档位（官方措辞是「建立在 Muse Spark 打下的基础上」），既未宣布 Spark 下线，Spark 的 Contributor 档也仍是 Wonder 没有的档位。dev.meta.ai 定价页本次未能直接抓取，单价取 Artificial Analysis 发布日读数。
NEW新增 Meta Muse Wonder Full（2026-10-12 同场发布，模型 id muse-wonder-full-1.0）：家族最强档，AA 智能指数 v4.3 为 56、全球第二（Claude Opus 5.5 为 58），幻觉率从上一代的 33% 降到 23%。但它不上 Meta Model API、不按 token 计价，发布当天只能在 Muse Code 订阅里用，故 pricing 字段留空并在条目里写明 —— 官方记分卡上最漂亮的行基本都是这一档跑出来的，容易被误读成标准档 Wonder 的成绩。
NEW补录 Meta Muse Glimmer 30B（2026-08-10 发布，本站此前漏收）：Apache 2.0 的 29.6B 稠密模型 + 约 1.8B ViT-G/14 感知编码器，131,072 上下文，文本 + 图像输入，权重在 Hugging Face 无门禁。随权重一起开放的还有两档 4-bit 量化、DFlash 投机解码草稿头与预编译 ExecuTorch 导出；官方实测 RTX 5090 配草稿头从 74.9 tok/s 提到 233.4 tok/s。24GB 档（K-Quant-17GB）官方自报平均精度损失 1.0%。无官方托管 API 与定价，不建 pricing。
SCR新增 2026-10-13 分数快照层（不覆盖前五层）：Muse Glimmer 的 SWE-bench Verified 76.0、GPQA Diamond 83.5、HLE Text 22.0、Terminal-Bench 2.1 51.7（官方模型卡 High 推理档；GPQA 与 HLE 在卡上标注为 AA 口径，Terminal-Bench 用 terminus2 harness）。未并入的：其 AIME 94.7 为 2026 套题（本站 aime25 列）、MMMU Pro 74（本站 mmmu 列为 MMMU）、MCP Atlas / DeepSearch QA / Gaia2 / GDPVal-AA 等本站无对应列。Muse Wonder 与 Wonder Full 不产生分数行 —— Meta 记分卡全是 Terminal-Bench 4.0、DeepSWE v1.1、SWE-Marathon、MemoryBench、OSWorld V2.1 这类本站无对应列的口径，AA 智能指数 v4.3（52 / 56）与本站 aa 列的较早口径不可混比。
DOC数据截止日推进到 2026-10-13。本次无条目需翻 superseded。未入库 / 未改动：Mistral Large 4 权重仍未发布（官方承诺本月底，HF 占位仓库 mistralai/Mistral-Large-4-1T-A52B 标「Coming soon」且仍未公布许可），条目不动；Reflection AI Beam 仍只有等待名单，无权重、无定价、无模型卡；阶跃 Step 5 Preview 承诺的 10-15 开源权重尚未到期，官方 HF 组织仍无仓库；Gemini 4 Argon 仍只对 Fairwind 受信防御方开放，无公开 API id 与模型卡。蚂蚁 Ling 3.1 Flash（约 560B / 25B）报道称开放权重但许可与商用条款各方说法不一，未找到官方模型卡确认，不入库。Google 官方 API 变更记录称 gemini-3.7-flash 已弃用并自动路由到 gemini-3.8-flash（本站该条目早已是 superseded，排序无影响），但官方文档页本次抓取被重定向拦截、浏览器工具不可用，仅凭媒体转述不落盘。OpenRouter / 聚合网关层的 Kimi K3、DeepSeek、腾讯 Hy3 / Hy4 价格波动为第三方渠道价，本站用官方定价页，不跟。GLM-TTS（语音合成）、LFM2.5-1.2B-Thinking（端侧推理小模型，另需单独核验）不在本次处理范围。

2026-10-12

NEW补录阶跃星辰 Step 5 Preview（2026-09-20 发布，模型 id step-5-preview）：稀疏 MoE 600B 总参 / 27B 激活，1M 上下文（最大输出 64k），原生文本 + 图像 + 视频输入，国际站 $1.00 / $2.70（缓存命中 $0.10，发布期为 $0.05）。官方承诺 2026-10-15 发布开源权重，但截至今日官方 HF 组织无 Step 5 仓库、许可名称未公布，故按 api-only + preview 收录；站外第三方账号上传的同名 BF16 仓库非官方发布，未采信。阶跃定位其为新旗舰，Step 3.7 Flash 保持 current。
NEW新增 JetBrains Mellum2.1 Thinking（2026-10-08 发布）：Apache 2.0 的 12B 总参 / 2.5B 激活 MoE，131,072 上下文，权重已在 Hugging Face 可下载。架构与 6 月的 Mellum2 完全一致，官方称几乎全部改动都在后训练的大规模 RL —— 同一管线下 SWE-bench Verified 从 2.0 升到 47.0、Terminal-Bench 2.1 从 0.6 升到 17.4。无托管 API 与官方定价，自托管当前只有 vLLM 一条路（GGUF 与 MTP 头官方写「coming soon」）。本站此前未收录 Mellum2，故无条目需翻 superseded。
SCR新增 2026-10-12 分数快照层（不覆盖前四层）：Step 5 Preview 的 GPQA Diamond 93.5 与 Terminal-Bench v2.1 85.0（阶跃官方发布页 High 档）；Mellum2.1 的 SWE-bench Verified 47.0、LiveCodeBench v6 82.0、GPQA Diamond 64.6、Terminal-Bench 2.1 17.4（官方模型卡，agent 项统一 Pi v0.73.1 harness）。未并入的：Step 5 的 Terminal-Bench v4 33.3 与 DeepSWE v1.1 67.7（本站无对应列）、其 HLE 46.5（该行工具设定有争议，本站 hle 为无工具口径）、AA 智能指数读数各方不一（44 与 43.7）；Mellum2.1 的 AIME 83.3（为 2025 与 2026 两套均值，与本站 aime25 列口径不同）。
DOCGPT-6.1 Sol 的 Ultrafast 档已于 2026-10-08 对全部 API 用户开放（官方模型页写明 service_tier: "ultrafast" 走 Responses API），原条目「仅 Astra 可用、随后几天上线」的说法已过期，改为现状并补记限流额度与标准 / Fast 档分开计。定价规则（Fast 2×、Ultrafast 6×、Batch 与 Flex 五折、>272K 整单 2× 输入 / 1.5× 输出、区域处理 +10%）经官方模型页复核无变化，未改价。
DOC数据截止日推进到 2026-10-12。未入库：Gemini 4 Argon 仍只对 Fairwind 受信防御方开放，官方已给定价（引导期 $2 / $10，之后 $4 / $20，缓存输入 9.5 折后 $0.10）但至今无公开 API 模型 id 与模型卡，维持不建条目；Reflection AI Beam（10-05 公布，501B / 23B 激活，Apache 2.0 权重承诺「本月内」）官方未公布任何价格、模型卡与权重仓库，维持不入库；Mistral Large 4 权重仍未发布（官方承诺「本月底」），条目不动。LiquidAI d1-3B / d1-omni-600M 与 Nace AI Drex v1.5 属「决策模型」、Odyssey-3 属世界模型、EmbeddingGemma 2 属嵌入模型、Nano Banana 2.1 属图像生成、LAION Humaneness Voice Converter 属语音转换，均不在本站语言模型收录范围。

2026-10-11

NEW新增 Mistral Large 4 预览版（2026-10-06 公开预览，模型代码 mistral-large-4）：1.05T 总参 / 52B 激活 + 1.6B 视觉编码器，1M 上下文，列表价 $1.36 / $4.18（缓存输入 $0.14），发布促销五折且官方未给结束日期。权重与许可均未发布（官方承诺「本月底」），故按 api-only + preview 收录，Mistral Large 3 保持 current。
↑GLM-5.3-Flash 定价改为官方定价页现价 $0.15 / $0.50（缓存输入 $0.03），原发布期五折 $0.075 / $0.25 已于 2026-09-09 到期；同时记录官方加速档 GLM-5.3-FlashX（glm-5.3-flashx，$0.37 / $1.25，官方称约 200 tokens/s）。
DOC数据截止日推进到 2026-10-11。Mistral Large 4 的官方分数（DeepSWE v1.1 61.7、Terminal-Bench 4 28.3、Coding Agent Index 49.8、CyberGym-E2E 82）全为本站无对应列的口径，未并入总榜，只写在模型页，故本次无分数层新增。Gemini 4 Argon 仍只对 Fairwind 受信防御方开放、无公开模型 id，维持不建条目；Reflection Beam（10-05 预览）与 Z.ai GLM-5.3-Prime（第三方报道）无官方定价 / 模型页，未入库。

2026-10-10

NEW新增 GPT-6.1 Sol（2026-09-29 DevDay 发布）：与 GPT-6 Sol 同价 $2 / $10，缓存输入减半到 $0.10，官方称标准单价为 Astra 的五分之一。
↓GPT-6 Sol 标记为已被 GPT-6.1 Sol 替代（官方未宣布下线，且自 10-07 起是 ChatGPT Chat 付费档的默认模型）。
NEW新增 Claude Haiku 5.5（2026-10-07 发布）：≤100K 提示 $0.10 / $0.50、>100K $0.50 / $2.50，1M 上下文，HLE 无工具 45.9%。
↓Claude Haiku 4.5 标记为已被 Haiku 5.5 替代（官方模型总览已移入 legacy，退役时间「不早于 2026-10-15」）。
↓Claude Sonnet 5.5 缓存读取价格减半：$0.20 → $0.10（2026-10-07 起），官方称多数 agent 负载成本再降约 20%。
NEW补录 Claude Mythos 5.1（2026-09-01 发布）：规格与定价同 Fable 5.1（1M / $10 / $50、缓存读 $0.25），仅对通过 Anthropic 验证计划的组织开放。
NEW新增 Aleph Alpha Kolibri 1（2026-10-03 发布）：Apache 2.0 的德英双语 78.1B / 3.46B MoE，FP8 权重约 78GB 可单卡 H200 起，GPQA Diamond 英 84.3。
SCR新增 2026-10-10 分数快照层：Haiku 5.5 HLE 无工具 45.9、Haiku 4.5 HLE 无工具 10.2（取自 Haiku 5.5 官方对比表）、Kolibri 1 的 GPQA 84.3 / HLE 21.5 / AIME25 96.9 / LCB v6 85.9 / SWE-V 66.4 / TerminalBench 2.1 27.7（官方模型卡英文列）。Haiku 5.5 的 Terminal-Bench 4.0 39.2 与 GPT-6.1 Sol 的纯相对口径分数未并入总榜。
DOC数据截止日推进到 2026-10-10。Gemini 4 Argon（09-30 公布）仅向 Fairwind 受信网络防御方开放，无 API id 与定价，未建条目；Mistral Large 4（10-06）为 Studio 预览，无定价 / 许可 / 权重，同样未入库。

2026-09-29

NEW新增 Claude Sonnet 5.5：Terminal-Bench 4.0 70.6% 反超 Opus 5.5 的 66.4%，$2 / $10 与 Sonnet 5 同价，1M 上下文。
↓Claude Sonnet 5 标记为已被 Sonnet 5.5 替代（官方模型总览已把它从当前阵容移除，仍作为高风险安全请求的回落目标可用）。
NEW补录小米 MiMo-V2.6-Pro（2026-09-22 发布）：MIT 许可的 1.02T / 42B 全模态 MoE，Terminal-Bench 2.1 89.9，$0.435 / $0.87 与上代同价。
NEW补录小米 MiMo-V2.6-Flash（2026-09-22 发布）：MIT 许可的 309B / 15B 全模态 MoE，Terminal-Bench 2.1 87.6，$0.14 / $0.28。
↓MiMo-V2.5 标记为已被 V2.6-Flash 替代（权重仍开源可自建），定价改用官方定价页的 $0.14 / $0.28，替换原先的 OpenRouter 第三方价。
SCR新增 2026-09-29 分数快照层：MiMo-V2.6-Pro / Flash 的 Terminal-Bench 2.1 分别 89.9 / 87.6（官方模型卡）。Sonnet 5.5 的官方分数全为 Terminal-Bench 4.0、GDPval-AA 等本站无对应列的口径，未并入总榜，只写在模型页。

2026-09-28

DOC补录 8 月底至 9 月的模型发布，数据截止日推进到 2026-09-28。
SCR新增 2026-09-28 分数快照层：Fable 5.1 HLE 60.9、Gemini 3.8 Flash Terminal-Bench 2.1 89.4、DeepSeek-V4.1-Flash GPQA 90.9 / HLE 36.8 / Terminal-Bench 2.1 90.6，均取官方来源。

2026-09-22