AWS 连续第四年入选 2026 Gartner 联系中心即服务魔力象限领导者
AWS 凭借 Amazon Connect 连续第四年被评为 2026 Gartner 联系中心即服务（CCaaS）魔力象限领导者。Amazon Connect Customer 是一套面向客户体验的 agentic AI 解决方案，覆盖从主动外呼、自助服务到坐席辅助的全生命周期，可在任意渠道以企业级规模运行，并支持可审计的生成式与智能体 AI 操作。报告发布于 2026 年 10 月 19 日。
#评测/基准
AWS Machine Learning BlogAI 评分2525
雷峰网AI 评分6767 长鑫拒绝苹果等海外订单，Anthropic公开上市申请，周畅离职传闻遭否认
长鑫存储拒绝苹果及一家中国台湾服务器制造商的订单，优先满足小米等国内客户需求。Anthropic向SEC公开递交IPO注册文件，计划代码ANT在纳斯达克上市，最快11月16日上市，估值有望达1.5万亿至2万亿美元，2026上半年营收162.9亿美元、净亏损807.5亿美元，未来十年算力相关承诺支出至少5180亿美元。
量子位AI 评分7979 OpenAI 发布 GPT-6.1 Terra：API 价格砍半，网友实测电脑操作更快更省
OpenAI 发布 GPT-6.1 Terra，标准 API 输入 1 美元/百万 Token、输出 5 美元/百万 Token，价格较 GPT-5.6 Terra 砍半。
钛媒体精选AI 评分7777 跑高分不等于能交付：AI排行榜经历信用重估
钛媒体作者 Alter 分析指出，BenchLM 追踪的 295 个百分制基准中约 36% 已饱和，而 Surge AI 连发三份真实职场考卷把旗舰模型拉回及格线以下。
推荐理由：原文梳理旧基准饱和与新真实任务榜单的落差，并给出按失败成本选模型的算账方法，对企业选型有直接参考。
钛媒体AI 评分6565 MiniMax M3.1 Flash 低价与高分背后遭遇背题质疑
MiniMax 新模型 M3.1 Flash 发布后因高分和低价引发背题质疑：博主猫老板观测到其在旧题接近满分、新题近乎归零，且部分难题 token 消耗反常偏低；博主 Binkg 的改题测试中，DeepSeek V4.1 Flash-1017 和 Gemini 4 Argon 都改答 RCCP，M3.1 Flash 仍答原题答案 RRP。
钛媒体AI 评分5757 大模型时代，谁会成为那部不肯换掉的"iPhone"
智讯智库发文认为模型性能决定用户为何而来，但工作流沉淀、记忆与执行环境才决定留存。文章比较Artificial Analysis 10月21日榜单上Claude Opus 5.5（58分）。
钛媒体AI 评分7171 OpenAI 发布 GPT-6.1 Terra，主打低价电脑操作能力但口碑遇冷
OpenAI 发布新模型 GPT-6.1 Terra，API 价格为每百万输入 Token 1 美元、输出 Token 5 美元，较上一代分别下降 50% 和约 58%。
新智元AI 评分4444 Claude 日烧 3 万亿 Token 破纪录，神秘 Fable 5.5 压轴登场
OpenRoute 数据显示，自 Opus 5.5 诞生以来短短一个月，Claude 的 7 日平均 Token 使用量暴涨 3.6 倍，达到日烧 3 万亿 Token，刷新纪录。同时，神秘模型 Fable 5.5 压轴登场。
The Decoder精选AI 评分8383 OpenAI 发布 GPT-6.1 Terra，API 价格减半且多项基准逼近更大模型
OpenAI 发布 GPT-6.1 Terra，API 输入 $1/M tokens、输出 $5，为 GPT-5.6 Terra 的一半，缓存输入降至 $0.05/M。
推荐理由：原文汇总多项基准数据与价格对比，读者可以据此评估这款中端模型在不同推理档位下的性价比定位。
The Verge · AIAI 评分5555 The Verge 分析 AI 能否解决 COBOL 代码危机：OpenAI 称 GPT-6.1 Sol 行为保持率达 98%，专家质疑评估过于简单
The Verge 报道 OpenAI 于 10 月 19 日宣称其最新模型在遗留语言代码迁移上有显著进展，GPT-6.1 Sol 在 COBOL 迁移测试中低推理强度下行为保持准确率为 87%，高推理强度下达 98%，而 GPT-5.6 Sol 仅 5%。
极客公园AI 评分7474 Kimi K3.1 Pro 发布：Terminal-Bench 4.0 得分 65.7%，逼近 Claude Opus 5.5
月之暗面于 10 月 24 日上线 Kimi K3.1 Pro 及速度快的 Highspeed 版本，承诺 11 月 4 日前放出完整模型权重。
雷峰网AI 评分6363 DeepSeek 开源推理框架 DeepInfer 同周，AI 编写的 ForgeKernel 登顶算子评测榜
DeepSeek 近日全面开源推理框架 DeepInfer，开放模型运行链路，其中 FlashMLA 手调版本算子性能达硬件极限 90% 以上。
量子位AI 评分5757 深圳炎曦动力首秀具身模型Paimon-0，成立三个月登顶多项具身榜单
成立刚满三个月的深圳公司炎曦动力（Primotion）首发具身基座模型Paimon-0，在RoboColiseum以0.7754分排名第一，超过GPT-6 Astra等通用多模态模型，并登顶RoboCasa365（58.1分）和VLA-Arena（0.73平均成功率）。
钛媒体AI 评分7171 月之暗面发布 Kimi K3.1 Pro，Artificial Analysis 智能指数排全球第四
月之暗面于10月24日凌晨发布 Kimi K3.1 Pro，Artificial Analysis 将其智能指数排在全球第四，并判断若权重开放将登顶开放权重模型榜首，开源与闭源差距将从12分缩至3分。
新智元AI 评分3333 人类审稿被 AI 团灭：哈佛最强专家对比 Claude，错误率高达 3 倍
哈佛组织最强人类审稿团与 Claude 对同一批 124 篇论文各写审稿意见，在七个审稿维度上人类一项都没赢，人类审稿的错误率达 AI 的 3 倍。结果显示 Claude 在审稿质量上全面领先，凸显 AI 在学术评审环节的应用潜力。
钛媒体AI 评分6767 Kimi K3.1 Pro 实测：速度与长任务执行明显提升，具身智能动向浮现
作者实测 Kimi K3.1 Pro，普通 Pro 输出速度较 K3 明显提升，另推出速度约 2-3 倍的 Pro Highspeed；官方将输出价格降至每百万 token 68 元。
The DecoderAI 评分6161 Anthropic 联合创始人 Jack Clark 将自我改进 AI 的预测提前至 2027 年
Anthropic 联合创始人 Jack Clark 依据 P-Zero Research 的 TasteVal 基准等进展，将递归自我改进（RSI）可能实现的时间从 2028 年提前到 2027 年。
新智元AI 评分3131 Kimi K3.1 Pro 发布，杀进全球前四、Agent 第一
Kimi K3.1 Pro 刚刚发布，成绩冲进全球前四，并在 Agent 排名中位居第一。发布后在 X 上刷屏，有外国开发者惊呼“欢迎来到 3D Web 开发的新时代”。
新智元AI 评分2828 港科广（HKUST-GZ）新基准：只给截图，AI 能把 App 交互做出来吗？
港科广团队推出一个新基准，测试 AI 只凭网站截图能否生成真正可交互的应用，而不只是「看起来很像」的静态网页。评测关注商品加入后购物车是否更新、切换页面后状态能否保留等实际交互能力。
TechCrunch · AIAI 评分6464 研究称 Grok 4.7 被迫选边时 92% 推荐共和党人，GPT-6.1 Sol 97% 推荐民主党人
Convovo 研究通过 API 要求 Grok 4.7 和 GPT-6.1 Sol 在近 500 个选区中明确推荐一名候选人，Grok 92% 推荐共和党人，GPT 97% 推荐民主党人，两者一致率不足 10%。
The DecoderAI 评分6767 研究称花哨的 coding agent harness 更贵但并不提升通过率
Liu 和 Han 的研究让 5 个模型跑 3 种 harness，发现换 harness 的影响与同设置重跑相当，通过率差距多在噪声范围内，但 token 消耗可差 2 到 3 倍。
钛媒体AI 评分6363 哈佛研究称AI审稿意见全面胜过人类专家，陶哲轩等数学家坚持AI须过同行评审
哈佛研究人员10月22日发表论文，对比134组AI与人类审稿意见，AI在七个评价维度全面领先；三位前期刊主编盲评30次中26次判AI更好，AI审稿事实错误率5.5%低于人类的15.9%。
Latent Space精选AI 评分8080 Moonshot 发布 Kimi K3.1 Pro：104B 激活参数、2-3 倍 Highspeed 版本，权重承诺 11 月 4 日开放
Moonshot 发布 Kimi K3.1 Pro，2.8T 总参数、104B 激活参数的 MoE 模型，支持 1M token 上下文，承诺 2026 年 11 月 4 日开放权重，Highspeed 版本输出速度快 2-3 倍但价格翻倍。
推荐理由：汇总了 K3.1 Pro 的独立评测、定价与部署细节，读者可借此区分厂商宣传与第三方实测的差异。
钛媒体AI 评分5151 阿里云与火山引擎重分中国汽车云市场格局
文章依据IDC 2026年上半年数据指出，阿里云以45.1%份额居中国汽车公有云基础设施市场第一，火山引擎以45%份额居AI座舱解决方案市场第一，两家合计在公有云市场超过六成。公有云基础设施收入同比增长88.1%，阿里同期收入同比增长111%，约拿到行业增量的一半；火山从2024年上半年未进前五升至第二。华为、腾讯、百度被赶超，AWS退出前五，智驾训练算力需求和芯片、存储涨价是市场扩大的主要支撑。
The Decoder精选AI 评分8282 Moonshot AI 发布 Kimi K3.1 Pro，Artificial Analysis 指数逼近 Claude Opus 5.5
月之暗面（Moonshot AI）发布 Kimi K3.1 Pro，在 Artificial Analysis Intelligence Index 得 55 分，比 K3 高 11 分，排名第四，仅落后 Claude Opus 5.5（58 分）3 分；若按计划于 2026 年 11 月 4 日前开放权重，将成为最高分开源权重模型。
推荐理由：媒体汇总了官方和 Artificial Analysis 的成绩与定价，读者可据此比较 K3.1 Pro 与闭源模型的差距及开放权重进展。
钛媒体AI 评分4040 Kimi K3.1 匿名现身 Arena，疑似月之暗面新模型曝光
月之暗面疑似新模型以 Kibitz 之名匿名登陆 Arena，官方预热视频中也出现 Kimi K3.1 字样。Tokenizer 测试发现其具备 Kimi 模型家族特征，社区测试显示其前端与 3D 代码生成速度快，3D 庭院任务耗时约为 GPT-6 Astra Max 的三分之一。SGLang 代码提交显示 K3.1 沿用 K3 的 Tokenizer，并可能新增 medium 推理档位。
量子位AI 评分3737 蚂蚁数科发布决策模型 LingDT-Decision-1.0，准确率超过微软和 Jev 等决策模型
蚂蚁数科10月22日正式发布决策模型 LingDT-Decision-1.0，提供4B和27B两个版本，已在 DTMaaS 平台上线，开发者可限时免费体验。相比大语言模型，其 Token 消耗降低超90%、响应时效提升10倍，并首创支持原生多选与按序决策（DAG）能力。
雷峰网AI 评分4646 登顶 RoboDojo-Agent，Manifold AI 流形空间给「机器人自进化」技术路线立标杆
Manifold AI 流形空间的 WorldScape R²SI 以 46.58 分、39.35% 成功率登顶 RoboDojo Agent Track，超过 GPT-6 Astra 的 28.97 分。
新智元AI 评分2626 谷歌 Gemini 4 Carbon 首批实测曝光，手感直逼 Opus 5.5
谷歌最强模型 Gemini 4 Carbon 被曝开测，Argon 全面开放仅 8 天后就进入竞技场。合作伙伴已抢先拿到该模型，LMArena 上也已开启盲测，正式发布近在眼前。
The DecoderAI 评分6868 Inception 发布扩散语言模型 Mercury 3，称多项基准胜过 GPT-6 Luna 和 Claude Haiku 5.5
Inception 发布扩散语言模型 Mercury 3，称其在 12 项基准中 8 项领先 GPT-6 Luna 和 Claude Haiku 5.5，生成速度达 1,068 tokens/s，约为两个对手的 4 到 8 倍。
OpenAI NewsAI 评分2525 Terminal X 搭配 GPT-6.1 投资判断与资深投资人一致率达 88.6%
OpenAI 旗下 Terminal X 的 Eval Agent 以 54 项评分标准 rubric 对输出进行评估，使用 GPT-6.1 Sol 后与资深投资人判断的一致率达 88.6%，多捕捉 25% 的偏离基金授权的情况。
量子位AI 评分7272 MiniMax 发布 M3.1 Flash，ALE 得分 29.6% 位列国产模型第一
MiniMax 揭晓国庆期间在 OpenRouter 匿名测试的模型 Space Bunny 为自家的 M3.1 Flash。
新智元AI 评分2222 全球机器人竞技场RoboColiseum爆冷：Opus 5.5击败GPT6、Gemini 4
AI正式进军物理世界，在具身能力竞技场RoboColiseum中，Claude Opus 5.5击败GPT6和Gemini 4登顶。语言模型正展现出足以挑战机器人公司多年积累的通用具身能力。
The DecoderAI 评分6464 OpenAI 称 GPT-6 大幅改进 COBOL 等低资源编程语言能力
OpenAI 表示 GPT-6 系列在 COBOL、Fortran、Visual Basic 等低资源语言上明显增强，并为此构建了 MultiLangBench 和 COBOL 迁移两个评测。
雷峰网AI 评分2929 亚太唯一！阿里云连续4年获评 Gartner 容器管理领导者象限
阿里云连续4年入选 Gartner 2026 年度《容器管理魔力象限》并稳居“领导者”象限，是亚太地区唯一获评的科技公司，核心优势为丰富的 AI 集成、全面功能覆盖和严苛生产环境的广泛使用。
Latent SpaceAI 评分6464 Latent Space AI News 汇总：DeepSeek V4.1 Flash 1017、MiniMax M3.1 Flash 与 Mercury 3 等新模型密集发布
Latent Space AI News 汇总 2026/10/16 至 10/19 的 AI 动态，主推 DeepSeek V4.1 Flash 1017（552B/16B MoE。
极客公园AI 评分6969 极客早知道：DeepSeek-V4.1-Flash-1017 登顶 Code Arena 开源榜首，豆包辟谣国内 55% 算力用于短剧传闻
DeepSeek-V4.1-Flash-1017（Max）以 1670 分登顶 Code Arena WebDev 开源模型榜首，仅落后 GPT-6 Sol 12 分，综合成本约为 Kimi K3 的 1/10。
新智元AI 评分2222 DeepSeek 第一，MiniMax 第二！国产 Flash 双子星杀疯了
DeepSeek 两天前发布 V4.1 Flash-1017，主打「许愿式编程」，在评测中位居第一。文中还将 MiniMax 列为第二，称两者为国产 Flash 双子星。
TechCrunch · AIAI 评分4343 Hugging Face 政策负责人：内嵌 AI 评估者并非易解方案
Hugging Face 首席政策官 Irene Solaiman 在 TechCrunch Disrupt 上表示，AI 基准评测仍是发展中且缺乏标准化的科学，能否复现结果、是否开放权重是可信度关键。
The DecoderAI 评分6969 MiniMax 发布 M3.1 Flash 推理模型，单任务成本低至约 $0.22
MiniMax 发布推理模型 M3.1 Flash，在 Artificial Analysis Intelligence Index 得分 42，比前代 M3 高 13 分，单任务成本约 $0.22，并称速度提升三倍。