分類：基礎模型

發生什麼事Google 於9月30日發表Gemini 4 Argon，稱其為複雜軟體工程頂尖模型之一。MakeUseOf作者用模糊指令讓它與Claude Opus 5.5各做一個筆記App：Argon早約20分鐘完成，自行加入白板、單字卡、查核清單等功能，但有兩個錯誤需作者指出才修好；Claude功能較常規，自己跑了32個單元測試與12個瀏覽器測試。

為什麼重要在這位作者過去的測試裡，Gemini寫程式常只做最低限度、功能做不完。這次Argon會依使用者身分主動設計功能，作者認為進步很大；但Claude交件前自己測試除錯的紀律，Argon仍沒做到。兩者一個點子多、一個穩健，挑程式助手時差異明顯。

發生什麼事Baseten週四推出開放權重決策模型joey-1，20億參數，不寫文字、只回答是非或選擇題並附機率；每百萬token收0.01美元，處理2,000 token請求約20毫秒。以阿里巴巴Qwen3.5-2B為基礎，權重在Hugging Face免費下載。微軟本月也推出同類模型，每百萬token 0.042美元。

為什麼重要企業大量的分類、判斷工作，例如分派客服單、擋垃圾訊息，不需要AI寫長文。joey-1只給答案和把握程度，Baseten稱每月分類一千萬張客服單約50美元，是自家大模型的十分之一，讓這類工作的AI成本大幅降低；但它自稱同級最強的測試尚未公開。

發生什麼事輝達釋出一款免費、開放的語音轉文字模型，最多能把40種語言的語音轉成文字。它只能處理已經錄好的音檔，不支援現場即時轉錄。TechCrunch 指出，即時語音轉錄目前仍由 ElevenLabs 等業者提供。

為什麼重要做會議記錄、醫療錄音轉逐字稿工具的業者，多了一個免費、支援多語言的模型可以拿來用。TechCrunch 認為這是這類工具的一大進展；但要做即時字幕或即時語音對話，暫時還是得找 ElevenLabs 等其他業者。

發生什麼事Jack Dorsey 創辦的支付公司 Block 發表語音模型 Dessa，能邊聽邊說，說話時會笑、停頓、哭，可在 MacBook M4 Max 以上等級的電腦本機執行。Block 稱它完全用人類語音、以一組輝達 GPU 機櫃訓練，情緒是模型內建。目前未對外開放，正招募安全研究人員測試。

為什麼重要多數語音 AI 會先把聲音轉成文字再處理，語氣和情緒在轉換過程中流失。Dessa 宣稱直接從聲音學會說話和情緒，又能在個人電腦上執行。旗下 Square 已用語音 AI 接單，Block 自有模型可能讓服務成本更低。但聲音太像真人，也帶來被拿去騙人的風險。

發生什麼事DeepSeek 10月17日推出新版 V4.1 Flash，網頁、App、API 同步換用，API 呼叫方式與價格不變，模型權重也公開；寫程式測驗 Terminal-Bench 4.0 從31.2升到42.3。另推網頁搜尋與抓取 API，每千次人民幣5元，11月1日起收費。更新兩天前曾當機近5小時。

為什麼重要DeepSeek 剛當機近5小時，兩天後就拿出寫程式能力更強的新版。開發者不用改設定、不用多付錢就能直接換用，分數進步也看得出來。新增的搜尋與抓取功能11月起收費，原本免費的周邊工具開始計價，開發者的成本得重新估算。

發生什麼事Google DeepMind 與 Google Cloud 宣布，透過歐盟 RAISE 計畫，向最多 200 位歐洲研究者開放 AlphaFold 3（蛋白質結構預測）、WeatherNext（天氣預報）、AlphaGenome（DNA 研究）、AlphaEvolve（演算法設計）、AlphaEarth Foundations（衛星地圖）五款科研 AI 模型，並附 300 萬美元雲端算力額度；遴選標準、開放時程與額度分配方式均未公布。

為什麼重要歐洲研究者長期受制於算力不足，此次 Google 直接開放旗下最完整的科研模型陣容，等於補上了一塊關鍵缺口；但 AlphaFold 核心團隊已解散、主導者 John Jumper 也已離職，開放工具的同時，誰來持續維護與更新這些模型，仍是未解的問號。

發生什麼事微軟發布 Microsoft-Decision-1，基於阿里巴巴 Qwen3.5-9B 後訓練，輸出各選項校準機率而非文字，可透過 Microsoft Foundry 與 OpenRouter 呼叫；定價每百萬 input token 0.042 美元，output 免費。自報 36 項基準平均準確率 83.5%，p50 延遲 85 毫秒；但延遲比較方式遭 H2O.ai 公開質疑，模型目前不在 JevBench 獨立排行榜上。

為什麼重要微軟把代理架構拆成專屬功能模型的策略已具輪廓——路由、驗證、評分各走獨立端點，全鎖在 Azure 生態內。企業一旦導入，基礎設施依賴就難以脫身。所有基準數字均出自微軟自測，第三方驗證缺席前，速度與成本優勢的實際倍數還不能當真。

發生什麼事德國 AI 公司 Aleph Alpha 在德國統一日（10 月 3 日）發布 Kolibri 1，以 Apache 2.0 授權在 Hugging Face 開放下載，可免費商用。模型為 MoE 架構，總參數 78B、推論時啟動約 3B，支援最高 100 萬 tokens 上下文，21.3% 預訓練 tokens 為德文（約 4.3T），在德國與芬蘭基礎設施上以 768 張 B200 GPU 訓練 20T tokens，歷時 21 天。

為什麼重要Kolibri 1 把「合規、可在地自建、德文夠用」三個條件打包成一個可直接下載的開源模型，對在歐洲有 GDPR 或 EU AI Act 合規壓力、或不願把資料送到境外的企業而言，這道門檻從「大量客製」降到「下載即用」；Aleph Alpha 的企業支援能不能跟上需求，才是決定這個開源賭注能走多遠的關鍵。

發生什麼事Fastino Labs 於 9 月 24 日發布 GLiNER2.5-Decide，340M 參數、encoder 架構、Apache 2.0 授權，已上架 Hugging Face。模型接受文字加自訂規則輸入，輸出帶信心分數的結構化決策，不生成自由文字。在 48 核 Intel Xeon Platinum 8581C 上 p50 延遲 167.3ms，Nvidia T4/L4 約 43ms；支援氣隙環境部署，無需連外部 API。

為什麼重要GPU 塞車、記憶體漲七倍的年份，一個跑在普通 CPU 上、授權無上限、可離線的決策模型，直接省掉 GPU 採購、資料出境、廠商鎖定三道企業關卡。它不打算取代大模型，但那些默認路由給大模型的高量低複雜分類工作，Fastino 正在搶著接走。

發生什麼事OpenBMB 於 2026 年 9 月釋出 MiniCPM5-2B，約 25 億參數，原生上下文窗口 131,072 tokens；在自家設計的 34 項基準中得分 53.9，高於比較組最強的 Qwen3.5-4B（51.1）。同週 Ornith-1.5-9B（90 億參數）在 SWE-Bench Verified 拿下 70.6，Liquid AI 推出 2.8 億參數草稿模型用於投機解碼，Supersonic Labs 發布 1.44 億參數的 Julia 1。

為什麼重要小模型每次刷新基準，就讓前沿 API 的高價格多一分難以自辯：跑在自有硬體上的 25 億參數開源模型邊際成本近乎零，相比 Grok 4.7 每百萬 token 最高 6 美元，差距已大到影響企業採購邏輯。混用小模型處理高頻任務、前沿模型只做最硬的活，正從架構選項變成標準實踐，但自評基準未經第三方驗證是使用前必須確認的前提。

發生什麼事Black Forest Labs 推出 FLUX 3 Action，70 億參數開放權重機器人模型，在 NVIDIA RoboLab-120 基準取得 42.92% 成功率，超越前榜首 OASIS WAM（39.0%）；對比同類 NVIDIA Cosmos3-Nano-Policy 的 160 億參數，FLUX 3 Action 體積不到一半、推論快 1.43 倍。BFL 將公開權重、程式碼與微調配方，目前無 API 定價或商業授權條款。

為什麼重要機器人 AI 的門檻正在往下走：以前要自己訓練大模型，現在 70 億參數加上 200 段示範就能微調上線，而且資料留在自家環境。真正的考驗是 RoboLab 的模擬分數能否在真實場景重現——機器人領域沒有統一基準，每家都在自己最有利的跑道比賽，這一點還沒變。

發生什麼事TypeSafe AI 於 9 月 15 日正式推出首款模型 Jev，同步宣布 4,000 萬美元種子輪融資，由 DCVC 領投。Jev 不輸出文字，而是回傳結構化決策結果（選項、評分或機率），端到端延遲 70～500 毫秒，比同類 LLM 快 20～200 倍，輸入定價每十億 token 42 美元、輸出免費。共同創辦人 Almeida 曾在 OpenAI 參與 RLHF 演算法開發。

為什麼重要Jev 真正打開的，是過去用 LLM 太貴、不用 AI 又太慢的中間地帶——郵件路由、指令分類、廣告評估這類高頻小判斷，現在都可以用程式接管。但輸出邏輯由用戶預先定義，導入需要工程能力，對沒有技術團隊的企業主來說，這道門檻比數字看起來更高。