月之暗面发布 Kimi K3.1 Pro，这是一款 2.8 万亿总参数、1040 亿激活参数的多模态 MoE 模型，支持 100 万 token 上下文，标准版与 Highspeed 版已上线网站、App、Kimi Work、Kimi Code 和 API，Highspeed 号称输出速度提升 2–3 倍、价格为标准版两倍。
推荐理由：汇总了 Kimi K3.1 Pro 的独立评测、定价与开源承诺，也保留了围绕推理成本和推广合规的争议。
月之暗面发布 Kimi K3.1 Pro，在 Artificial Analysis 智能指数上得分 55，比 K3 提升 11 分，位列第四，仅落后 Claude Opus 5.5（58）、Claude Sonnet 5.5（56）和 Muse Wonder Full（56）。
推荐理由：Kimi K3.1 Pro 在多项基准上逼近 Claude Opus 5.5，且计划开放权重，读者可据此判断开源与闭源模型的差距变化。
Anthropic 的 Frontier Red Team 与 Theorem 合作，让 Claude 对 Google OSS-Fuzz 项目中 123 个开源库的测试程序做形式化验证，几周内产出约 1.8 亿行数学证明代码，由 Rocq 独立校验，据称几乎不需要人工复核。
推荐理由：材料给出了 Claude 自动生成形式化证明的规模、发现的真实缺陷和适用边界，读者可据此判断 AI 验证代码的可行范围。
DeepSeek 发布 DeepSeek-V4.1-Flash-1017，已在官网、App 和 API 上线，并在 Hugging Face 与 ModelScope 开源模型权重。
推荐理由：DeepSeek 小尺寸 Flash 模型在自家基准上以更低单任务成本超过更大竞品，同时开放内部搜索 API。
Reflection AI 推出开源权重模型 Beam，面向智能体编码和长周期任务，可维护代码、调用工具并完成多步工作流。
推荐理由：Reflection AI 开源 Beam 的权重与部署路径，读者可据此了解其参数规模、上下文长度和 AWS 落地方式。
Meta 发布开源权重模型 Muse Spark Open，采用 MoE 架构，总参数约 816B、每 token 激活约 42B，支持文本、图像、音频和视频输入，上下文窗口最高 1M tokens。
推荐理由：Meta 开源 816B 参数 MoE 多模态模型，给出完整部署、微调与量化运行配方，可据此评估自托管成本。
Meta 发布前沿模型 Muse Wonder，分为 Muse Wonder 与 Muse Wonder Full 两个版本。Muse Wonder Full 在 Artificial Analysis Intelligence Index v4.3 上得 56 分，Muse Wonder 得 52 分，前代 Muse Spark 1.3 为 48 分。
推荐理由：Meta 新前沿模型在智能体与编码评测上大幅跃升，但事实知识仍落后，且单任务成本接近前代三倍。
Mistral 发布 Mistral Large 4 公开预览版，这是一个 1 万亿参数、490 亿激活参数的原生多模态模型，可通过 Mistral Studio 的预览 API 试用，权重将于本月底放出。
推荐理由：Mistral 迄今最大模型以开放权重切入网络安全等企业场景，读者可据此判断欧洲开源路线的能力边界。
智谱（Z.ai）的 GLM 5.3 已在 Amazon Bedrock 上线，这是一个 753B 参数的 MoE 模型，面向编码和长程智能体任务优化。Bedrock 提供全托管 API、跨区域推理、提示词缓存和服务层级，支持 OpenAI 兼容的 Responses 与 Chat Completions API 以及 Invoke 和 Converse API。
推荐理由：GLM 5.3 以 753B MoE 模型上线 Amazon Bedrock，读者可了解其编码与长程智能体能力及托管接入方式。
美国新实验室 Reflection 的首个模型 Beam 在 Hugging Face 开源，采用 MoE 架构，总参数 501B、每 token 激活 23B，支持 1M token 上下文，Apache 2.0 许可，面向编码与智能体场景。
推荐理由：Hugging Face 给出 Beam 的架构细节、量化版本与 vLLM/SGLang 部署命令，可据此评估自托管成本。
GitHub 发布 ReviewBench，一个面向 AI 代码审查智能体的开放离线基准，基于 1.039 亿个 GitHub pull request 的分布特征构建，包含来自 187 个开源仓库、覆盖 19 种语言的 219 个 pull request。
推荐理由：GitHub 公开了代码审查基准的构建方法与离线在线信号对照，读者可据此判断评测结果能否预测生产表现。
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御者开放，随后逐步扩展到开发者、企业和消费者，起价为每百万输入 token 2 美元、每百万输出 token 10 美元，缓存输入 token 按输入价的 95% 折扣计费。
推荐理由：官方给出 Argon 在编码、企业知识与网络安全上的基准与内部落地数据，可据此判断前沿模型的能力边界与分阶段开放节奏。
GitHub 用 GitHub Copilot app 和 Copilot CLI 把 Copilot agent runtime 从 TypeScript 完全重写为超过 80 万行生产级 Rust，AI agent 写了其中大部分代码，分布在 128 个合入 main 的 PR 中并增量发布。
推荐理由：作者以亲历者身份给出把 Copilot 运行时从 TypeScript 迁到 Rust 的完整工程细节，可迁移到大规模 agent 协作开发。
Mistral 帮助一家欧洲能源运营商把 4 万行 Fortran 77 的油藏模拟器迁移到 C++，该代码库没有测试套件和集中文档。团队先搭建数值对齐校验框架，用自定义解析器生成调用树并让上百个智能体结合 Mistral OCR 补文档，再以规划、编码、测试、审查的智能体工作流逐模块迁移，并保留人工审核环节。
推荐理由：Mistral 公开了用智能体迁移 4 万行 Fortran 的完整流程，其中先建数值对齐校验、再让智能体文档化的做法可迁移到其他遗留系统改造。