美国新实验室 Reflection 在 Hugging Face 发布首个开源模型 Beam，这是一个 501B 参数的 MoE 模型，每 token 激活 23B，支持 1M token 上下文，采用 Apache 2.0 许可，主打编码与智能体场景。
选题角度：开源 501B MoE 模型 Beam 放出 Apache 2.0 权重和 vLLM、SGLang 部署配方，适合实测 1M 上下文下的编码与工具调用表现。
Claude Fable 5.5 出现在微软 Azure East US 2 模型目录中，模型 ID 为 azure_ai/claude-fable-5-5，状态显示 GenerallyAvailable。
选题角度：围绕 Azure 目录泄露的 1M 上下文与 10/50 定价，梳理 Fable 5.5 与 Gemini 4 Argon 撞车的时间线，做一期大厂发布节奏的评论。
NVIDIA 发布开源 1200 亿参数模型 Nemotron 3.5 Super VL，并推出两款边缘模型 Nemotron 3.5 Bolt 74B-A9B 24GB 和 Bolt E4B 4GB。
选题角度：原文给出三款模型的参数、内存占用和开放下载入口，适合上手实测 Super VL 与 Bolt 在本地设备上的多模态与智能体任务表现。
阶跃星辰正式开源Step 5 Preview模型权重，BF16、FP8两个版本同步上线Hugging Face和ModelScope。该模型采用稀疏MoE架构，总参数量600B、激活参数27B，支持100万Token上下文窗口，在Artificial Analysis Intelligence Index取得44分，位居全球开源模型前三。
选题角度：原文给出开源权重下载入口和与Claude Opus 5的成本对比，适合实测同一任务下Step 5 Preview的百万token长上下文表现。
蚂蚁百灵于9月30日发布、今天正式开源的 Ling-3.1-flash，总参数量约560B，每 Token 激活参数约25B，上下文窗口上限1M，重点面向日常办公、长周期软件研发和复杂 Agent 任务。
选题角度：围绕编辑部真实办公与开发任务实测 Ling-3.1-flash，从财报可视化网页到3D桃花源、手机新闻App原型，展示长程Agent交付完整度。
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，上下文窗口最高 100 万 token，支持文本、图像、音频和视频输入，输出文本。
选题角度：原文给出 816B 开源多模态模型的完整部署与微调配方，适合上手实测它在本地跑智能体编码和多模态输入的效果。
谷歌宣布旗舰模型 Gemini 4 Argon 即日起全球开放，开发者和企业可通过 Google AI Studio 及 Gemini platform 的 API 使用，Google AI Ultra 订阅用户可在 Google Antigravity 中使用。
选题角度：谷歌给出 Gemini 4 Argon 的全球开放入口、五折 API 价格和多个多步骤工具调用演示，适合上手实测同一复杂任务的实际执行效果。
作者自费升级 100 美元 Ultra 会员实测 Gemini 4 Argon，认为它难以冲击 Claude Opus 5.5 和 GPT-6 Astra 的地位。
选题角度：作者自费升级 Ultra 会员实测 Gemini 4 Argon，可拍成跑分与真实任务体验对比，重点讲额度消耗和前端输出翻车。
Google 发布 Gemini 4 Argon，作者获得早期权限在 Gemini 应用中实测了 12 个演示，并给出每个演示的完整提示词。最大变化在 Canvas 能力，一句提示词即可生成完整 3D 世界、真实物理效果和可在应用内直接运行的可玩游戏，还能把杂乱文件整理成完整演示文稿，新 Tasks 功能可在用户离开时继续处理任务。
选题角度：作者拿到 Gemini 4 Argon 早期权限，用 12 个带完整提示词的演示展示 Canvas 生成 3D 世界和可玩游戏，适合照着提示词逐个复现。
Google DeepMind 开始广泛推送 Gemini 4 Argon，并同步发布安全与安全报告，说明其在编码、金融、法律、网络安全和科学等复杂任务上的能力提升。
选题角度：原文给出 Gemini 4 Argon 在网络安全与生物风险上的具体防护数据和误对齐监控案例，适合做安全报告解读。
Google 全球上线 Gemini 4 Argon，开发者可通过 AI Studio 和 Gemini 平台的 API 使用，AI Ultra 订阅者可在 Google Antigravity 中使用，Ultra 和 Pro 订阅者可通过 Gemini 应用和 Google Search 的 AI 模式访问。
选题角度：Gemini 4 Argon 全球上线，原文给出 API 入口、订阅档位差异和 3D 演示源码，适合上手实测同一任务在 Argon 与 Flash 档位下的效果差异。
Liquid AI 发布 LFM2.5-24B-A2B，这是一个 24B 参数、每 token 仅 2B 激活参数的推理模型，面向端侧私有 Agent，已在 Hugging Face 开源权重。
选题角度：Liquid AI 开源 24B-A2B 端侧推理模型，给出 M5 Max 上 184 tok/s 的实测数据和与 Qwen3.6-35B-A3B 的基准对比，适合上手实测本地跑 Agent 的速度与工具调用表现。
有人让 Gemini 4 Argon 做一个 Apple 电脑互动博物馆，全程没有提供任何图片或数据。它自行抓取 Mac 档案照片、写工具清洗图片、拉取 50 年规格数据，并搭出 3D Cover Flow 界面，UI 会随所处年代变形。
选题角度：作者只给一句提示词、不提供任何图片和数据，看 Gemini 4 Argon 自己抓图、清洗、拉参数并搭出随年代变形的 3D 界面，适合录屏复现这套玩法。
Theoretically Media 提前一周把 Gemini 4 Argon 当作日常主力模型使用，并展示了多个实际产出。Gemini 4 Argon 已上线 AI Ultra 和每月 20 美元的 Pro 套餐，具备 1M 统一 token 上限和 Antigravity 中的 continuation protocol。
选题角度：作者用一周实测展示 Gemini 4 Argon 在 Godot 游戏、合成器、Skyrim 模组和 DaVinci Resolve 剪辑上的实际产出，适合做上手实测与效果对比。
Google DeepMind 宣布 Gemini 4 Argon 已在全球开放，定位为端到端解决最难问题。官方称该模型在编码、企业工作流和网络防御方面带来前沿能力。
选题角度：官方宣布 Gemini 4 Argon 全球开放，可围绕编码、企业工作流和网络防御三类任务做上手实测。
Google 发布 Gemini 4 Argon，支持 1M 输出 token，可一次完成 100K+ token 推理轨迹、整仓库代码生成与重构。官方称其在 CWE-Bench 漏洞修复上以 68% 并列第一，是抗间接提示词注入最强的模型，并已在 Google AI Pro 和 Ultra 订阅中上线。
选题角度：官方给出 Gemini 4 Argon 与 GPT-6 Astra、Claude 系列的逐项基准对比，还演示了看视频学会投沙包并让 Apollo 人形机器人连中七球，适合做能力实测与跑分对比。
Google DeepMind 发布前沿模型 Gemini 4 Argon，今日起通过 AI Studio 和 Gemini API 面向开发者与企业开放，Google AI Ultra 订阅者可在 Google Antigravity 使用，Gemini app 和 Search 的 AI Mode 面向 Ultra 与 Pro 订阅者开放。
选题角度：官方给出 Argon 在 Chrome 重构、ADK 提速和机器人视频学习上的具体数字，适合挑一个案例做前后效果对比实测。
Google 发布前沿模型 Gemini 4 Argon，今日起通过 AI Studio 和 Gemini API 面向开发者与企业开放，Google AI Ultra 订阅者可在 Google Antigravity 使用，Ultra 和 Pro 订阅者可在 Gemini app 与 Search 的 AI Mode 使用。
选题角度：官方给出 API 定价、1M 上下文和多项内部实测数据，适合做一次能力盘点，重点讲 Chrome 重构与 ADK 提速这两个可验证案例。
Meta 超级智能实验室发布 Muse Wonder 和 Muse Wonder Full 两款模型，均支持 100 万 Token 上下文窗口，主打编程、长期 Agent 任务和专业知识工作。
选题角度：Meta 发布 Muse Wonder 系列并给出与 GPT-6 Astra、Claude Opus 5.5 的多项跑分对比，适合做数据对比和定价解读。
Meta 发布前沿模型 Muse Wonder，包含 Muse Wonder 和 Muse Wonder Full 两个版本。Muse Wonder Full 在 Artificial Analysis Intelligence Index v4.3 上得分 56，Muse Wonder 得分 52，前代 Muse Spark 1.3 为 48。
选题角度：Meta 新前沿模型 Muse Wonder 两个版本在智能体与编码基准上大幅提升，可对比其与前代 Muse Spark 1.3 的跑分和每任务成本差异。