MiniMax M3.1 Flash 成本降 70% 速度提升 3 倍【AI 早报 2026-10-20】

AI日报
发布于 2026-10-20 10:43:03 5 次浏览

MiniMax M3.1 Flash 成本降 70% 速度提升 3 倍【AI 早报 2026-10-20】

今日 AI 领域迎来多项重要更新：MiniMax 发布 M3.1 Flash 模型，Agentic 任务成本降低 70% 且线上推理速度提升近 3 倍；DeepSeek-V4.1-Flash-1017 在能力提升的同时将单个任务开销降低约六成；Claude Code 披露约 90% 代码由 AI 自审；Gemini 4 Argon 组队 27 小时首次自主通关《我的世界》。

今日概览

要闻

  1. MiniMax M3.1 Flash：成本降 70% 速度提升 3 倍

模型发布

  1. DeepSeek-V4.1-Flash-1017：能力提升价格降六成
  2. 中电信开源 Xing4.0-29B-Intent：意图理解+参数抽取
  3. VAST 开源 EdenLive：5B 参数实时生成渲染超 24 FPS
  4. 百度联合清华人大高瓴开源 LoopVL：1B 模型数据效率超 2B 基线
  5. Cloudflare 发布 Clairic：System One 提取模型

开发生态

  1. Claude Code 自产自审：九成代码不再经过人类
  2. Meta 提出"薄编排器"架构：1300 行代码路由 20+ 工作流
  3. 谷歌开源 Harness²：不改权重递归提升 Agent 能力
  4. OpenAI 改进低资源编程语言支持
  5. AWS 简化 SageMaker Studio 接入：2-3 步创建账户

产品应用

  1. Gemini 4 Argon 组队 27 小时首次自主通关《我的世界》
  2. Lovart 2.0 发布个人设计 Agent Arti

技术与洞察

  1. Anthropic 用 Claude 设计量子电路：7 项任务降低门和量子比特需求
  2. GPT-6-Astra 具身能力遭大考：传统基准满分真机频碰壁
  3. 思维链不是内心独白：Anthropic 研究员谈模型内部机制
  4. Goodfire 研究员称神经网络可能比想象中更容易理解

行业动态

  1. Dream Labs 融资 9000 万美元：机器人基础模型 Dream-1

前瞻与传闻

  1. 苹果研发机械臂 HomeView：9 英寸屏幕可自动转向
  2. OpenAI 三大 Aurora 模型深夜上线又撤回

要闻

MiniMax M3.1 Flash：成本降 70% 速度提升 3 倍

MiniMax 正式更新 M3.1 Flash 模型，该模型此前以匿名身份处理超过 200T Token。在 Agentic 任务、编程、Computer Use 及网络安全能力方面实现代际提升，线上推理速度提升近 3 倍，使用成本降低 70%。具体基准测试中，AutomationBench-AA 位居最前列，BankerToolBench 取得 76.2 分，DeepSWE v1.1 取得 73.7%，OSWorld V2 取得 61.7 分，Agents' Last Exam 取得 29.6 分，CyberGym 取得 82% 高分。模型采用更激进的稀疏注意力架构，日常使用输出速度可达 200+ TPS，中位数稳定达到 170+ TPS。价格方面，输入每百万 Token 1 元，输出每百万 Token 4 元，缓存读取每百万 Token 0.1 元。现已上线 MiniMax API、MPlan 及 MiniMax Code，并将稍后开放权重。 来源：https://mp.weixin.qq.com/s?__biz=MzE5MTA3NzcxMQ==&mid=2247489196&idx=1&sn=4c8b969db8bd136f47d7b1a7650790c4

模型发布

DeepSeek-V4.1-Flash-1017：能力提升价格降六成

DeepSeek 将 DeepSeek-V4.1-Flash 更新为 DeepSeek-V4.1-Flash-1017，官方称并非小更新。在官方评测中，Terminal-Bench 4.0 从 31.2 分升至 42.3 分，ProgramBench 从 20.3 分升至 29.1 分。与 GPT-5.6 Sol 相比，1017 版本在 9 项测试中更高，终端操作和软件逆向完成反超；与 Claude Opus 5 相比，在 DeepSWE、Automation-Bench、Agents' Last Exam 和 Apex Bench 四项测试中领先。单个 DeepSWE 评测任务平均开销从约 0.49 美元降至约 0.20 美元，降幅约六成。模型主干参数仍为 552B，输入激活 8B、输出激活 16B，沿用初版架构，改进集中在后训练和任务执行效率。官方展示了故宫 3D 建模、网页赛车、Godot 复刻《传送门 2》等项目，称"许愿式编程一键成真"。 来源：https://mp.weixin.qq.com/s?__biz=MzkyNjU2ODM2NQ==&mid=2247634509&idx=1&sn=b72b856dc30464d9caae9c65f5c71eba

中电信开源 Xing4.0-29B-Intent：意图理解+参数抽取

中电信人工智能科技有限公司星辰通用人工智能实验室开源 Xing4.0-29B-Intent 模型，将意图理解扩展为"选择题+填空题"。模型既能判断输入对应什么意图，也能提取实体、数值及相关属性，通过统一 JSON 结构返回。在零样本冷启动评测中，Micro-F1 达到 70.27，较 Jev 最优配置高出 12.62 个百分点，同时超过 GPT-4.1。端到端推理延迟低于 150 毫秒，落在 Jev 的 70 至 500 毫秒区间内。结构化 JSON 输出带 Schema 强约束，格式幻觉被压得很低。实测中，面对"展厅东侧灯调到 80%、色温 4000K，西侧调到 30%、2700K，入口灯别动，大厅背景音乐音量调到 15%"的复杂指令，模型一次返回两类意图，正确保留对象与属性对应关系，并将要求保持原样的入口灯排除在调节设备外。模型、训练语料和推理 SDK 一并开源，已在 GitHub、HuggingFace、魔搭和魔乐社区上线。 来源：https://mp.weixin.qq.com/s?__biz=MzA4MTQ4NjQzMw==&mid=2652812227&idx=1&sn=a988e9940e5134b16debe8f60f3afdbd

VAST 开源 EdenLive：5B 参数实时生成渲染超 24 FPS

VAST（三启万物）开源世界模型研究项目 Project Eden 系列中的实时生成式渲染器 EdenLive。该渲染器以 Proxy 或参考视频作为控制信号，结合目标首帧图像和文本提示词，持续生成写实、精细化或风格化视频画面。在单张 Nvidia RTX 5090、5B 参数模型、720P 配置下，实时帧率超过 24 FPS，连续生成可持续到分钟级，输出提供 480P 和 720P 两档，端到端延迟在百毫秒量级。VAST 同时开源了不同尺寸规格的模型权重、推理代码及 Tech Report，并开源 Game Prototype Turbo——一款"Prompt to Proxy Game"Skill，可将自然语言快速生成可直接游玩的 Proxy Game，游戏运行状态数据同步输入 EdenLive 实时渲染。开发者可通过 GitHub、项目主页及 HuggingFace 获取相关资源。 来源：https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2651063676&idx=1&sn=a4814af1afbdc7ce1c9f6b582eb9bfac

百度联合清华人大高瓴开源 LoopVL：1B 模型数据效率超 2B 基线

中国人民大学、百度、清枢智汇、上海交通大学、清华等机构的研究者提出 LoopVL，围绕 Loop Transformer 扩展到视觉语言模型完成系统探索。LoopVL 仅用 0.14T 训练 token，而 Qwen3.5-2B 和 InternVL3.5-2B 约用 36T，训练数据量相差约 260 倍。在 LogicVista、MMMU-Pro、MMStar、RealWorldQA、MMK12-Math、MathVision 等多项评测上，LoopVL 仍能达到甚至超过这些公开 VLM 的表现。团队构建了三个相同 Transformer block 设计的非循环基线：32 层 Transformer-VL 1B 及两个约 4B 模型。在八项受控评测中，LoopVL 有五项同时超过 Deep 和 Wide 基线，RealWorldQA 达 70.98，MathVision 达 38.49。LoopVL 沿用 HRM-Text 分层循环架构，32 套独立 Transformer 层展开为 128 次层调用，图像仅经过一次视觉编码。论文、代码及模型权重已开源。 来源：https://mp.weixin.qq.com/s/FCZOaRgfLE5SvV5vqPJ1kg

Cloudflare 发布 Clairic：System One 提取模型

Cloudflare 宣布预览新一类 System One 风格模型——提取模型，首个模型 Clairic 已托管在 Workers AI 上，模型 ID 为 @cf/cloudflare/clairic，并计划很快发布开放权重。Clairic 能够从非结构化输入中提取、计算、估计和预测数值，准确率显著高于传统 LLM，延迟更低且成本更便宜。与 Jev 和 Clef 等决策模型不同，Clairic 是首个 System One 提取模型，直接返回从输入中提取、计算或预测的数值，带 80% 范围，也能提取名称、日期和列表等类型化值。Cloudflare 指出，当前大量结构化输出调用发往前沿 LLM，如发票总额、交付日期、延迟天数、维修成本、未来 24 小时流量预测等，这些任务无法预先列出答案，因此需要提取模型而非决策模型。 来源：https://blog.cloudflare.com/clairic-extraction-model/

开发生态

Claude Code 自产自审：九成代码不再经过人类

Anthropic 披露 Claude Code 目前约 90% 的代码由 Claude 自己编写，大部分审查也由 AI 完成。6 月到 9 月，Claude Code 合并的 PR 数量翻了一倍多，需要回滚的反而减少四成多。Anthropic 大仓库一天合并的改动从 5 月的约 2500 个增至 9 月的 3 万多个。团队采用七层检查机制，PR 提交前 Claude 需提供测试结果、Build 状态及界面截图等证据；PR 提交后由多个 Agent 分头找 Bug 并投票，实质性审查意见的 PR 占比从 16% 提升至 54%。Git Blame 显示 Reviewer 揪出的问题约 59% 在第一轮就已存在，因此团队将审查轮数上限设为三轮，平均审轮数从 2.08 降至 1.32，需审五轮以上的 PR 从约 1/11 降至不到 2%。需要人工审批的代码仍要求人类签字，Agent 点的 Approve 无效。 来源：https://mp.weixin.qq.com/s?__biz=MzI3MTA0MTk1MA==&mid=2652735857&idx=2&sn=080a2d5531a5d51a3afe813509c04e82

Meta 提出"薄编排器"架构：1300 行代码路由 20+ 工作流

Meta 工程团队分享数据管道 Agent 的"薄编排器"（thin orchestrator）模式。他们构建了一个 1300 行的编排器，将 20 多个工作流路由到 14 个专门 AI Agent，自身不执行任何领域工作。最初部署时，团队构建了一个掌握所有领域知识的单一智能 Agent，但在生产中开始出现幻觉，跨子系统概念污染。修复方法不是更好的提示词或更大上下文窗口，而是减少中央 Agent 的工作量。该架构中，编排器负责排序和可靠性检查，领域决策留给专家。论文数据显示，编排式多智能体系统在 80 任务批次中保持 65.3% 准确率，而单 Agent 降至 16.6%，同时 token 使用量减少达 65 倍。 来源：https://engineering.fb.com/2026/10/19/ml-applications/thin-orchestrator-ai-agent-architecture/

谷歌开源 Harness²：不改权重递归提升 Agent 能力

谷歌研究团队开源智能体框架 Harness²，以 Apache 2.0 协议托管在 GitHub，支持 OpenCode 和 Codex，默认使用 OpenCode。该框架让 AI Agent 在不修改模型权重的情况下，通过持续调整系统提示词、记忆、工具指导、skill、子智能体等外部组件实现递归式能力提升。Harness² 将可修改组件拆成 8 类，采用两层递归机制：任务级递归通过"提出—探测—组合"生成多个 Harness 修改方案并实际执行；Harnessing 级递归维护持续存在的 Improvement Harness 保存有效经验。在 JobBench、LAB 和 WorkBuddy-Bench 测试中，仅一步优化，WorkBuddy-Bench 成绩最高提升 11.5 分，JobBench 最高提升 4.5 分，LAB 部分通过率最高提高 11.8 个百分点。官方提醒该框架仍属研究项目，且 executor 默认网络访问不受限制，正式评测需限制网络。 来源：https://mp.weixin.qq.com/s?__biz=MjM5MDE0Mjc4MA==&mid=2651295407&idx=1&sn=b8c188b3e578205013431c43c98bc95d

OpenAI 改进低资源编程语言支持

OpenAI 发布新文章，介绍如何改进 ChatGPT 在低资源编程语言上的表现，包括软件工程、SQLite 和 COBOL 迁移的新评测。文章详细说明了 OpenAI 在这些领域提升模型能力的方法和评估标准。 来源：https://openai.com/index/low-resource-programming-languages

AWS 简化 SageMaker Studio 接入：2-3 步创建账户

亚马逊宣布新的 Amazon SageMaker AI 客户现在可以在注册 AWS 后仅需几步就进入完全配置好的 SageMaker Studio 环境。新客户可使用已有的 Amazon、Apple、GitHub、Google 账户或邮箱地址登录，无需设置高级 AWS 账户、输入信用卡（大多数客户）或手动配置环境。注册后 SageMaker AI 自动在约 20 秒内创建 Studio 环境。新客户还可获得 100 美元 AWS Free Tier 额度，可用于 SageMaker AI 的模型定制、训练任务、Studio 笔记本和端点部署。此前从 Hugging Face 模型页面到 SageMaker Studio 的一键深度链接已上线，Studio 环境创建时间从 2 分钟缩短至约 20 秒。 来源：https://aws.amazon.com/blogs/machine-learning/developers-can-now-access-sagemaker-studio-through-the-new-aws-experience/

产品应用

Gemini 4 Argon 组队 27 小时首次自主通关《我的世界》

谷歌 DeepMind 让四个 Gemini 4 Argon Agent 组队游玩《我的世界》，从随机生存世界出发，目标击败末影龙。27 小时 14 分钟后完成任务，期间自行编写并运行 2783 个程序，死亡 605 次。这是首次仅用标准 Mineflayer 库、无人工预写策略的端到端自主通关。开局十分钟内 Agent 们完成分工：janesick 炼铁做工具，gyldenia 找食物，auratian 建传送门，bulicame 探索矿洞。第 1 小时 42 分钟建成下界传送门，第 10 小时 46 分钟通过两次投掷末影之眼的方向线交点定位要塞，估计点距真正传送门房间仅 43 米。第 13 小时 17 分钟十二颗末影之眼全部填好。第 26 小时 34 分钟拆除全部十颗末影水晶，此前龙血量从未低于 198.5（满血 200）。最终 bulicame 打出最后一击时自身仅剩 2.5 点血。通关前 Agent 们共写了六万多行 JavaScript，交换 229 条游戏内消息。 来源：https://mp.weixin.qq.com/s?__biz=MjM5ODkzMzMwMQ==&mid=2650455427&idx=1&sn=cd7db27ee29de0e7be9627d7e0d90940

Lovart 2.0 发布个人设计 Agent Arti

Lovart 于 10 月 19 日上线 2.0 版本，发布个人设计 Agent Arti。该 Agent 会记住用户的审美、习惯和工作方式，能接下一个完整设计委托并按周期执行，设计前后自行做调研、巡检画布、整理反馈，并将反复做的事情沉淀成 Skill。Lovart 2.0 为 Arti 配齐四项核心能力：跨项目留存审美标准与工作习惯的记忆；支持设定执行周期和积分消耗上限的设计委托；负责设计调研、画布巡检与反馈改稿的主动式设计；以及把用户做对过的工作流自动总结存的 Skill 自进化。Founder Park 指出，Personal Agent 未必先以通用生活助理形态跑通，反而更可能先在设计这种有明确交付物、有人为结果买单、个人上下文能持续攒下来的垂类工作台里长出来。Lovart 新版本已向所有用户开放，国内可直接访问。 来源：https://mp.weixin.qq.com/s?__biz=MzY5ODQwMTkxNA==&mid=2247517324&idx=1&sn=4939b4b57340578f45ce48058b7bbe84

技术与洞察

Anthropic 用 Claude 设计量子电路：7 项任务降低门和量子比特需求

Anthropic 和哈佛大学研究人员将 Claude 与自动评估器配对，在八项计算任务中设计更高效的量子电路。系统在七项任务中减少了昂贵的量子操作和量子比特需求，第八项开发出一种新的算术方法，在计算时间和内存之间提供更好权衡。评估器使用 Toffoli 门数量乘以峰值量子比特使用量进行评分，Toffoli 门在许多纠错量子计算机中成本特别高。研究人员选择可在传统计算机上高效测试的电路行为，无需量子处理器即可提供反馈。Anthropic 博客文章将模型标识为 Claude Mythos 5。研究涉及哈佛大学、Anthropic 和 QuEra Computing 的研究人员，展示了语言模型提出方案、接收可测量反馈并修订方法的研究工作流。 来源：https://theaiinsider.tech/2026/10/19/anthropics-claude-designs-more-efficient-quantum-circuits-with-automated-feedback/

GPT-6-Astra 具身能力遭大考：传统基准满分真机频碰壁

商汤联合大晓机器人、Ropedia、新加坡南洋理工大学和东京大学的研究团队发布《Has GPT-6-Astra Achieved Embodied Intelligence?》，对 GPT-6-Astra 进行覆盖 12 项仿真评测、8 个真实机器人平台的系统分析。在传统具身评测中，GPT-6-Astra 在 LIBERO-Long++ 上达 100%，LIBERO-Pro 上达 99.3%，SIMPLE 上达 98.8%，LIBERO-Ultra-Long 上达 98.9%，DexJoCo 上达 87.3%，RoboDojo 上达 81.9%。但在真实机器人上，"把笔放进笔筒"任务耗时 4 个多小时、消耗 55 美元；判断鸡蛋煎好后未能及时关火导致烧焦；打开冰箱放下牛奶后让冰箱门敞开数分钟；插入插头操作在多款真机交叉验证 11 次均未成功。报告判断 GPT-6-Astra 已跨过具身能力门槛，但距离实用部署仍有相当差距。 来源：https://mp.weixin.qq.com/s/55cbbtumbRhSGM92xWwALg

思维链不是内心独白：Anthropic 研究员谈模型内部机制

Anthropic 可解释性研究员 Emmanuel Ameisen 在 72 分钟访谈中解释，大模型内部策略由训练过程形成，并非工程师逐行写入。他指出"预测下一个 Token"只描述输出方式，模型可能已在内部表示概念、拼接事实、保留中间判断甚至提前选好尚未输出的目标。在"Dallas 所在州的首府"问题中，研究人员观察到代表 Texas 的中间表征先被激活，随后与"首府"关系结合最终指向 Austin。干预实验显示，将 Texas 替换为 California 后，答案从 Austin 变为 Sacramento。在押韵诗实验中，模型准备续写第二行时会先激活可能的结尾如 rabbit，再组织前面的词；压低 rabbit 对应的内部表征，模型会换用 habit；注入 green 概念，整行诗则朝 green 组织。Ameisen 强调，面对大模型，开发者其实没有一份能够直接读懂的源码。 来源：https://mp.weixin.qq.com/s?__biz=MjM5ODI5Njc2MA==&mid=2655943359&idx=1&sn=5a1bad8433d972f7d0b68d6cf62b60db

Goodfire 研究员称神经网络可能比想象中更容易理解

AI 初创公司 Goodfire 研究员 Nick Cammarata 发布 26000 字博客文章，提出大语言模型可能比人们此前认为的更容易理解、监控和控制。该文章引发 AI 行业广泛讨论，有研究者称"这可能会被铭记为科学史上的重要时刻"，也有人称其为"年度最重要 AI 论文"。斯坦福大学 Chris Potts 持谨慎态度，认为这只是一个直觉，博客文章并未让问题变得更容易。Cammarata 表示惊讶于人们如此大幅度地更新了对 AI 的信念。他此前在 OpenAI 工作，曾帮助开创可解释性技术。长期以来，神经网络内部机制被认为难以完全解析，因为训练后的网络呈现出人类难以理解的缠绕结构，研究者常形容今天的 AI 是"像花园一样生长，而非像桥梁一样建造"。 来源：https://www.technologyreview.com/2026/10/19/1147149/we-were-looking-at-it-wrong-the-explosive-claim-thats-upended-the-ai-world/

行业动态

Dream Labs 融资 9000 万美元：机器人基础模型 Dream-1

机器人 AI 公司 Dream Labs 完成 9000 万美元种子轮融资，由 B Capital 和 Kindred Ventures 领投，A.Capital、Unusual Ventures、SV Angel、Wing VC、Scribble VC 等参投。公司成立于 2026 年，创始人为前 Nvidia 机器人研究人员，曾参与 GR00T 研究项目及 DreamZero 和 World Action Models 等项目。核心模型 Dream-1 设计为跨不同机器人硬件工作，通过观看人们执行日常任务的视频学习，预测接下来应发生什么并生成相应机器人动作。公司称 Dream-1 已能无需额外训练控制配备夹爪的机器人，目前处理桌面任务包括拾取、放置物体和折叠衣物，轮式移动机器人和更灵巧机械手支持已在计划中。同时推出 Dream API，将机器人摄像头画面和自然语言指令转换为电机命令，以及微调服务和浏览器端 Robot Playground。公司已与 20 多家硬件合作伙伴合作，计划将大部分资金用于计算基础设施。 来源：https://theaiinsider.tech/2026/10/19/dream-labs-raises-90m-in-seed-funding-to-build-foundation-models-for-any-robot/

前瞻与传闻

苹果研发机械臂 HomeView：9 英寸屏幕可自动转向

彭博社记者 Mark Gurman 爆料，苹果内部正秘密研发一款高端 HomeView 型号，代号 J595。该设备配备约 9 英寸屏幕，底座连接电动机械臂，支持 360 度水平旋转和上下仰角俯仰。通过麦克风阵列与声纹识别，设备可判断说话者身份并自动将屏幕转向对方。预计最早 2027 至 2028 年面世。现款 HomeView 起价 299 美元，采用半球形底座搭配不锈钢连接轴，造型致敬 2002 年的 iMac G4。苹果过去十年在 iPhone X 的 Face ID、HomePod 的听声辨人、UWB 空间感知及 iPad Center Stage 等产品中积累的感知能力，正被整合进客厅场景。前置摄像头可识别最多 6 位家庭成员，但需绑定 iPhone 在附近且解锁状态以保护隐私。 来源：https://www.ifanr.com/1684921?utm_source=rss&utm_medium=rss&utm_campaign=

OpenAI 三大 Aurora 模型深夜上线又撤回

OpenAI API 后台短暂出现 aurora-red-alpha、aurora-green-alpha、aurora-blue-alpha 三个神秘 Alpha 模型，随后被迅速撤回。但模型在 Arena 灰度测试池中暴露了真实用途：并非代码模型，而是下一代图像生成底座。测试者发送 Prompt 后，模型返回了构图严谨、光影考究的猫咪面部特写。此前 2026 年 2 月 9 日，OpenRouter 曾上架"Aurora Alpha"匿名模型，官方描述为"专为速度而生的推理模型"，三天后 OpenAI 发布 GPT-5.3-Codex-Spark，宣称每秒生成超过 1000 个 Token。社区曾默认 Aurora 代表顶级代码和推理能力，此次 Arena 实测显示其实际为图像生成模型。 来源：https://mp.weixin.qq.com/s/J5b-xGSWVUUMNW-KfJDw3w

评论

暂无评论。

登录后可发表评论。

专题：AI日报
目录