美团把 LongCat 的迭代重心压在长程智能体与代码工程能力上，国内模型迭代方向正转向能承担工程任务的智能体。

• 影响智能体编程类场景多了一个候选模型，在线体验与 API 已可直接测试；权重即将上线 Github 与 HuggingFace，私有化部署具备条件；训练与推理在国产算力上优化，对算力采购受限的企业多一条可选路径。
• 参考可考虑把复杂代码库开发或完整项目构建类任务纳入模型对比清单，用同一批任务测试通过率与耗时；权重上线后，值得评估私有部署在数据敏感场景的可行性，先算清 W4A4 推理与现有方案的成本差。

这场同日泄露的实质是下一代编程旗舰把竞争押注在长时自主干活与百万上下文上，并按护栏松紧拆分同一模型的供应版本。

• 影响编程与智能体工具的选型节奏会被打乱，刚完成的模型评估可能很快需要重做；若百万上下文与多小时连续编码属实，长流程自动化的可行边界会外移；无护栏版本不对外开放，企业能采购的仍是带护栏通用版。
• 参考可考虑把近一两周的大型模型选型或迁移决定押后到官方发布与第三方评测之后；值得先圈定一两个长时编码或智能体试点场景，新模型上线即做同题对照。

商汤以循环计算扩展有效计算深度，尝试用架构创新替代参数规模，为小模型承接复杂任务提供一条降算力路线。

• 影响若官方结论成立，企业可用更小参数模型承接代码生成与智能体任务，推理成本有机会下降；权重开源便于私有化部署与内部评测；当前为 Preview 版本，性能口径均为官方自述。
• 参考可考虑从 Hugging Face 拉取权重，在自家代码生成或办公智能体场景与现有 27B 级模型做同题对比，把推理成本与延迟一并纳入评测维度。

OpenAI 把 Terra 定位为高频 Agent 的工作模型，竞争焦点从单点跑分转向单任务成本，按复杂度分层调用模型会更贴近真实生产。

• 影响视觉与桌面操作类自动化的单位成本明显下降，高频场景的试点预算可以重算；任务规模扩大后权限、审计和成本观测也要同步升级；低价容易放任任务无限重试，真实账单取决于成功率而不只是单价。
• 参考可考虑选发票读取、表格整理或跨应用填写等高频任务小范围试点，记录首轮成功率、端到端耗时和回滚次数；值得先算出含失败重试与人工返工的真实单任务成本，再设置项目预算和调用上限。

小米以 0.8B 专精小模型切入文档理解开源市场，官方口径下小参数量即可对标 2B 至 8B 的通用多模态模型，专精小模型路线再添一例。

• 影响发票、表单类抽取流程多了一个可私有化部署的低参数开源选项，文档解析的部署与算力门槛随之下探；各项分数均为官方口径，缺少独立评测；小米手机助手已落地该技术，端侧场景有先例。
• 参考可考虑收集发票、表格、手写体等真实业务样本，将其与现有文档解析方案做对比测试再决定是否引入；值得评估其 MCP 服务与 Agent Skill 工具包能否接入现有智能体流程。

智元用Worken把部署规模、自主时长和产出效率做成可核算口径，试图让具身智能的竞争从演示效果转向真实生产力比拼。

• 影响制造业与零售文旅企业多了一套评估机器人真实产出的指标框架；供应商宣称的榜单成绩和产线数据需按自身场景核验；灵渠OS开源或降低非智元体系硬件的接入与开发成本。
• 参考可考虑按部署规模、自主时长、产出效能三要素列出机器人试点评估清单，向供应商索要真实产线的成功率与节拍数据；做二次开发的团队可跟踪灵渠OS年底开源进度。

H3 的开源生态已补齐官方仅通过 API 提供的高分辨率重生成环节，自部署方案在画质测试中还略胜官方接口。

• 影响视频高分辨率重生成出现可自行部署的替代路径，算力成本转为自有 GPU 投入且需单张 B200 级硬件；开源版与官方 API 在各画质指标上互有胜负，替换前需按场景逐项对照。
• 参考可考虑先用约 5 秒样片在自有 GPU 上复测 22.45 秒的耗时口径，再把 UniPercept 与 VBench 各项得分对照自身画质要求，决定自部署或继续调用官方 API。

文档解析模型的竞争点转向超长文档处理，百度以开源路线发布新模型，企业有机会自托管处理百页级以上文档。

• 影响合同、档案、财报等长文档数字化场景多了一个可自托管的开源选项，整本扫描件不再需要拆分预处理；官方分数未经独立验证，替换现有方案前需自行实测。
• 参考可考虑用自有长文档样本实测表格识别合并与跨页文案合并效果，和现有 OCR 方案对比准确率与算力开销；值得先盘点业务里有哪些百页级文档处理需求。

开发者验证了把确定性计算内建进模型权重的路线，精确算术可不依赖外部工具，代价是模型体积和推理速度。

• 影响依赖外部计算器或代码解释器的精确计算链路多了一个模型内建选项；但单条指令耗时数秒、需专用驱动和 24GB 显存，现阶段更接近研究验证而非生产可用。
• 参考可考虑用 24GB 显存单卡在 Hugging Face 复现其大整数运算测试，记录真实耗时；值得盘点现有依赖代码解释器做精确计算的链路，留作该路线成熟后的替换候选。

文档解析从低技术含量的前置工序变成 Agent 知识入口，自进化训练路线降低了对人工标注的依赖。

• 影响企业把 PDF、扫描件转为结构化知识的算力门槛下降，消费级显卡即可本地部署；版面分析模块可插拔，古籍、医疗单据等特殊版面可用私有模型替换；Agent 知识入库的文档质量瓶颈有了新的解法选项。
• 参考可考虑先用免费 API 对自有 PDF 样本跑一轮对比，统计表格、公式与跨页表格的错误率；值得评估现有解析管线合并阅读顺序环节、或替换私有版面模型的改造空间。

Mistral 以开放权重加低定价切入企业级开源模型市场，差异化卖点从跑分转向智能体任务的实际 Token 消耗。

• 影响企业私有化部署多了一个常规商用免费的开源选项；若每任务省 47% Token 经得起实测，智能体类应用的推理账单可重新测算；云厂商转售 MaaS 需先谈授权，采购流程会多一步。
• 参考可考虑把 Mistral Large 4 加入开源选型对比清单，用自家真实智能体任务测算每任务 Token 成本；涉及转售或托管服务的团队值得先核实授权条款。

Mistral 此番开放权重守住了开源编程第一梯队，但综合与网络安全榜仍被中国开源模型压过，其真正的差异化在欧洲主权部署与价格。

• 影响面向欧洲数据合规或自托管需求的企业多了一个价格比预览期近乎减半的开源基座；编程智能体单任务成本 $2.06，低于 GLM-5.3 和 Kimi K3.1 Pro；将模型转售为商业云服务需向 Mistral 另行取得授权，是新增的许可成本。
• 参考可考虑按单任务成本实测编程场景，对比 Large 4 的 $2.06 与 DeepSeek V4.1 Flash 的 $0.60；若计划将其包装为商业云服务，值得先核对修改版 MIT 许可证的额外授权条款；有渗透测试需求可了解其受限合作版本的准入条件。

扩散架构在 35B 级开源模型上向自回归路线发起竞争，推理速度与生成质量的权衡多了一个新选项。

• 影响Apache 许可允许企业免费自托管与二次开发；官方宣称的更快生成速度若经自有场景实测确认，智能体编程与工具调用这类高频推理场景的响应成本有重新测算的空间。
• 参考可考虑先在智能体编程或工具调用场景做小规模实测，对比其与现有自回归模型的速度与质量；值得把开源许可条款和自托管部署条件纳入评估清单。

开源阵营的比拼正从模型性能转向 token 成本与部署自主权，网络安全这类强调数据控制的场景成为双方争夺点。

• 影响重度智能体编码与安全场景多了一个可本地部署的前沿开源选项，官方宣称的 token 效率若成立将影响调用成本核算；依赖闭源 API 的机构在数据出域和断供风险上获得对冲手段。
• 参考可考虑在智能体编码这类高频调用场景，用自有工作负载复测 ML4 的 token 消耗再定采购；安全团队值得评估其本地部署与现有威胁检测流程的整合成本。

具身模型的竞争维度正从训练阶段扩展到部署后学习，机器人在真实作业中积累经验被当作持续的能力来源。

• 影响零售补货、熟食打包等重复作业场景的机器人可用性在提升；性能数据均出自智元口径，采购评估要以真机验证为准；部署后学习能力要求验收与运维把能力随时间的变化纳入考量。
• 参考可考虑将便利店补货、打包等流程固定的场景列为具身机器人试点候选；评估时值得要求厂商提供真机演示与第三方评测数据；先算出自有场景的异常恢复与人工兜底成本。

具身模型的竞争焦点正从出厂前的训练演示转向部署后在真实业务中持续进化，比拼的是全链路迭代速度。

• 影响机器人采购的评估参考可能从演示效果转向长期作业可靠性；真实作业数据回流会形成先发优势，场景多的企业迭代更快；年底开源计划或降低行业试水门槛。
• 参考可考虑把11月2日便利店直播这类真实场景考核作为评估机器人长期可靠性的参照；有部署意向的企业值得先盘点自身高频、流程固定的作业场景，作为经验回流的起点。

谷歌把发布和开放拆成两步，用跑分先占心智、借安全测试争取调校时间，这是一次有意的期货式发布。

• 影响登顶与可用之间存在时间差，选型不能按发布会分数下单；正式开放前会加安全护栏，届时成绩可能不及解除防护的评测值；引入期定价与上代持平，等于又多了一个低价窗口。
• 参考可考虑把它列为候补，先用已开放的 Argon 做基线测试；等正式开放后用带防护的版本重跑自家业务场景评测，并把幻觉率、注入攻破率等安全指标写进验收清单。

记忆原生架构把团队规范从提示词小抄挪进固定大小的模型内部状态并可存为快照，实测能记住要点但细节走样，强文本记忆方案仍有竞争力。

• 影响对维护大量私有编码与安全规范的研发团队，快照可保存复用、新会话免配置，省去重复粘贴规范的 Token 与人力；但四条规范仅一条完全落地，生成代码仍需人工审查；端到端延迟在短历史下反而更高，收益集中在 64K 以上长程任务。
• 参考可考虑用一套自有编码规范做快照复用与提示词粘贴的对照测试，比较违规率和 Token 开销；值得先统计团队日常会话的历史长度分布，判断长程收益能否覆盖短历史的延迟代价。

高水平语音转录与说话人归属能力进入开源范畴，会议纪要、客服录音整理这类场景有了私有化部署选项。

• 影响会议纪要、访谈整理、多语言客服质检等场景可自托管转录并保留说话人标注，语音数据不必出域；权重免费开放但采用 OpenMDW-1.1 许可证，商用边界需按条款确认；量化版本尚未发布，本地设备部署要等后续。
• 参考可考虑用自有会议或客服录音与现有转录服务做词错误率对比测试；值得先核对 OpenMDW-1.1 许可证的商用条款；对语音数据敏感的团队可留意后续量化版本在 RTX Spark、DGX Spark 等本地设备上的部署成本。

超衍智能把RSI从概念做成可交付的产品叙事，AI参与造模型开始有了阶段性样本，资本正在为这条路线支付溢价。

• 影响该路线若被验证，模型研发的效率与成本结构会改变，小参数模型可能在部分能力上对标大模型；官方评测暂无独立验证，企业选型不能只看厂商口径；头部财投与三地国资密集入局，赛道资金竞争升温。
• 参考可考虑在代码与智能体场景实测Apex-35B-V1.0并与现用模型对比；值得跟踪其ACL评审分数等可独立核查的指标，再决定是否投入试点预算。

世界模型从只能看的技术演示走向可实时交互生成，谷歌、AMD、亚马逊密集投入，赛道升温但离稳定商用仍有距离。

• 影响游戏与影视可先用于镜头和走位的低成本预演；机器人训练多了一条用虚拟世界合成数据的路径；官方承认场景会漂移，短期难承担正式生产环节。
• 参考可考虑让内容团队申请内测，先在镜头预演这类低风险场景试水；做机器人的企业值得测算用世界模型合成训练数据的成本；引入前先列明物理与人声的验收标准。

模型价格下探到按任务算账的程度，Agent 选型的重心从单次问答质量转向任务成功率与总成本。

• 影响高频分类、录入和代码批处理类任务可承担更低的模型预算；Agent 真实账单取决于缓存、工具调用轮数和重试次数，需按业务类型设预算；调用量扩大后，密钥、权限和审计不能同步放松。
• 参考可考虑按任务类型列出模型分层清单，先算出单任务的 Token、重试与耗时成本再定路由规则；试点时限定工作区、命令白名单和最大工具轮数。

OCR 的竞争点从识别率扩展到可信度校验，识别模型之外单独配判卷模型，把疑似错误筛出来走人工，而不是让错字直接进业务系统。

• 影响财务、法务、医疗等对错字敏感的文档录入多了一个低成本校验选项，低分转人工可减少全量人工核对的工作量；两模型合计不到 4B，消费级显卡可跑，自部署试点门槛低；API 尚未放出，短期内以自部署或平台调用为主。
• 参考可考虑挑一类错字代价高的文档先小规模试点，记录低分区块占比与人工复核耗时；值得同时试同一页交多个 OCR 识别后按 Jev 分数择优的用法，再决定是否接入现有流程。

谷歌用Carbon重夺智能指数第一稳住技术形象，但速度和幻觉率的代价加上分阶段开放，榜单领先短期内难以转化为企业可用的竞争力。

• 影响选型层面，Carbon跑分领先但Agent任务耗时约为前代两倍以上、幻觉率升高，速度和可靠性需与分数同权重评估；模型分阶段开放，企业暂时无法实测，只能依赖第三方跑分；谷歌自由现金流连续为负、资本开支高企，云服务长期成本走向需纳入预算考量。
• 参考可考虑等Carbon向企业客户开放后，再针对自身场景实测时延与幻觉表现，暂不据此调整采购；值得先整理现用模型的响应时长和错误率基线，方便届时对比；安全防御类团队可关注其漏洞测试成绩与优惠期定价，用量大的团队可对比GPT-6 Astra的单位任务成本。

混元新旗舰仍是发布前预告，视觉理解与高性价比 flash 档是新信号，提升幅度目前只有官方口径。

• 影响用腾讯云或混元生态的企业会多出视觉能力与高性价比两档选择；模型尚未正式上线，现有选型安排不必因此变动；flash 定价落地后才能算清替代成本。
• 参考可考虑在正式发布后把视觉理解与 flash 性价比纳入模型选型对比；已在用 Hy4 preview 的团队值得先留存现有任务基准，便于升级前后比较。

扩散路线把并行生成的速度优势带进Agent任务，开始在工具调用和代码上与自回归模型正面对比。

• 影响Agent执行速度直接影响客服、网页操作等交互场景的等待体验和算力开销；若扩散路线的速度优势在大规模任务中成立，模型选型的成本测算要加入新变量；现有成绩多为团队口径，替换现有方案前需自行验证。
• 参考可考虑把响应延迟和成功率纳入Agent试点指标，用自家高频流程把Clover与现用模型放进同一任务集对比；值得跟踪其多模态和端侧版本的节奏，再评估纳入试点的场景。

谷歌用榜单第一稳住了技术声望，但更慢的速度、上升的幻觉率和极小的开放范围，让这个第一暂时停留在排行榜上。

• 影响对时延敏感的业务场景吸引力有限，任务耗时为Argon两倍以上；API优惠期结束后输入输出价格将翻倍，比价需按标准价重算；开放先限安全机构，多数企业短期没有可切换窗口。
• 参考可考虑等全面开放后用自有任务跑对比测试，重点记录耗时与幻觉率；值得按Artificial Analysis的单任务成本口径，把Carbon与Claude Opus 5.5、GPT-6 Astra放进同一预算模型重算。

递归自我改进从技术设想变成可对比的成品模型，研发效率路线开始与算力规模路线正面交锋，成绩暂为官方口径。

• 影响若AI自研循环持续有效，模型迭代速度对资金和算力规模的依赖可能松动；当前基准为公司自报，直接采信会带来选型风险；模型已在GitHub和Hugging Face放出链接，具备自行实测的条件。
• 参考可考虑在论文复现、科学计算或智能体任务中用自有数据小规模实测该模型；值得跟踪两家RSI团队的下一代模型，验证自改进循环能否持续兑现。

气象卫星数据的解译从人工分析走向 AI 自动生成，极端天气应对的着眼点从看清现状转向提前数小时预测。

• 影响台风报告 27 秒生成、每 15 分钟更新，强对流预警提前量达到四小时，物流、能源、施工等受天气影响较大的行业可把更早的预警纳入调度和应急安排；模型精度与误差范围未在发布内容中披露。
• 参考可考虑评估四小时强对流预警对停工、改线、加固等决策的价值，并盘点现有气象信息来源；天气风险敞口大的企业值得跟踪模型数据的公开渠道与接入方式。

谷歌以闭门方式重回模型榜首，多数企业暂时拿不到使用入口，这件事的实质是前沿迭代提速而非可用工具更新。

• 影响模型仅向受信任的网络安全防御者开放，多数企业短期无法试用或采购；其引入期定价和连续数天自主跑代码的能力，可作为下一轮模型选型与安全预算评估的参照。
• 参考可考虑先算出现有模型在长任务上的单次成本，与文中 1.80 美元单任务成本对比；安全团队值得整理漏洞发现与修复的测试口径，为该模型开放后的准入评估做准备。

谷歌以两周级迭代和半价定价正面进攻编程市场，前沿模型竞争从单一能力比拼转向能力、成本与可靠性并重。

• 影响前沿模型单任务成本加速下探，AI预算与供应商议价空间随之变化；防作弊与幻觉控制成为长时Agent选型的硬指标；Carbon需发布前测试且先限安全人员，短期难以直接进入生产环境。
• 参考可考虑把单任务实际Token消耗与缓存命中率纳入模型成本核算，而不只比较标价；安全或长程编程场景是否切换主力模型，可在第三方评测补齐后再决定。

前沿模型两周一级的迭代节奏与算力存储供给紧张同时出现，AI 能力竞争正在转化为企业模型选型和采购预算上的现实成本压力。

• 影响智能指数换题后各模型分数需按版本分别解读，模型选型比价有了新参照；存储厂商判断缺货持续到 2030 年且产能已被长约锁定，硬件采购成本面临上行；涉未成年人的 AI 陪伴产品多了一条 2027 年生效的合规边界。
• 参考可考虑把模型评测纳入季度流程，用第三方指数初筛、再按自家场景实测；值得重算明年的硬件与云支出预算，先算出内存涨价情景的影响；涉未成年人业务的可对照纽约州新法逐项排查功能。

谷歌用榜单第一宣示能力上限，但优先供给安全人员、普通用户无时间表，这次登顶更像品牌造势而非可用产品。

• 影响安全防御类团队可能率先拿到使用权，可留意 Fairwind Program 的扩大节奏；若多天数自主工程能力兑现，大型代码库维护的人力结构会受影响；当前无开放时间表，采购与试点暂无排期依据。
• 参考可考虑让安全团队跟进漏洞发现与修复类能力的实测对比，并留意 Fairwind Program 准入条件；采购侧值得先按推广期与标准价两档单价测算 Token 成本，再决定是否列入候选。

前沿模型竞争开始按行业场景分化，谷歌把安全攻防全流程做成模型核心能力，并以配合美国政府测试的分批放行控制发布节奏。

• 影响漏洞发现到补丁修复的全链路自动化若达到官方所述水平，安全团队现有人力分工可被压缩；分批开放下多数企业短期没有正式使用入口；首发价为准常定价一半，早期试点存在成本窗口。
• 参考可考虑先盘点安全团队在漏洞验证与补丁编写上的人力耗时，作为后续对比基线；值得在 Fairwind 计划扩大范围时争取可信合作伙伴资格，用自有代码库实测官方所称修复成绩，再决定是否引入。

Google 本月内连发两款前沿模型，并把网络安全作为差异化主打，前沿竞争从通用能力延伸到安全专用场景。

• 影响安全要求高的企业多了一条专用前沿模型选项，但目前仅开放给部分安全防御公司，多数企业暂无法直接使用；价格与 Argon 持平，若后续经 Fairwind Program 扩大开放，长任务智能体场景可按每百万输入 token 2 美元、输出 10 美元预估成本。
• 参考安全团队可考虑把 SEC-bench Pro 与 ExploitGym 成绩作为后续模型选型参照；值得先盘点自身的漏洞发现与安全代码审查场景，待模型扩大开放后再评估试点。

两周内连续迭代旗舰，竞争重心压向长时程智能体与安全能力，性能提升几乎不推高单任务成本。

• 影响长时程编程与安全检测场景多了比 Claude 更便宜的模型选项；但模型先供给安全专家和政府测试，企业接入要等护栏调整后再开放；金融与税务类任务耗时超过 Argon 两倍，接入前需评估响应速度。
• 参考可考虑把多日连续的代码修复或漏洞排查选作试点场景，按每任务 7.76 美元与现用模型重算预算；正式开放前值得先准备安全评审和提示词注入测试清单。

网络安全与长程智能体任务成为前沿模型的竞争焦点，Google 选择受控灰度发布而非直接全量开放。

• 影响漏洞发现、利用验证与补丁生成环节可用模型完成，安全团队的工作方式面临调整；$2/$10 定价延续 Argon，缓存输入 95% 折扣对长任务成本友好；模型尚未对企业开放，全面可用时间取决于其灰度节奏。
• 参考可考虑让安全团队按公开基准复测官方数字，评估在漏洞发现与补丁场景的接入价值；值得提前测算长程智能体任务在现行定价与缓存折扣下的 token 成本，并跟踪 Fairwind Program 的开放节奏。

Meta 把广告的筛选与排序进一步交给生成式模型，人工定向的价值被稀释，效果竞争转向素材质量和数据供给。

• 影响手动建人群、拆受众测试的打法价值下降；新广告冷启动期缩短，测试期损耗可能减少；按 Meta 高管说法，越早用足自动化投放，效果改善越快。
• 参考可考虑盘点在投广告系列里依赖手动定向和人群拆分的预算占比，将这部分逐步交给平台自动化；值得把团队精力转向素材与策略，先在小预算系列对比两种做法的转化成本。

英伟达把转录、翻译和说话人识别合并进一个单卡可跑的开源模型，商用语音转写服务的价格与性能基准被明显抬高。

• 影响会议转写、翻译和说话人标注负载可在自有 GPU 上对标商用 API 成本；开放数据集与微调工具让医疗等专业术语场景可自行定制；模型不支持实时处理，直播和实时语音场景暂不适用。
• 参考可考虑先算出当前转写与翻译的用量和 API 账单，再对比单卡部署的硬件成本；有行业术语的场景值得按英伟达建议准备至少 100 条已核验真实录音做定制测试，并先用官方 demo 抽测典型录音。

Nvidia 以免费开放权重放出语音转写模型，把会议与医疗转写这类成熟场景的技术和成本门槛进一步拉低。

• 影响会议记录、医疗转写等已有付费场景的应用成本结构可能改变，开发商可评估用开放权重模型替代按量计费的转写 API；仅支持录音不支持实时流，实时客服类场景暂不在覆盖范围；免费开放权重也降低了同类应用的竞争门槛。
• 参考可考虑用业务自己的录音数据实测对比现有转写供应商；试点宜选会议纪要或病历转写这类录音场景；行业术语定制依赖 Granary 数据集与 NeMo 工具链，值得先评估工程投入。