2026年9月22日星期二
PERIOD HIGHLIGHTS
MODEL RADAR
通义千问发布 Qwen-Image-2.1，这是一个 7B 参数的原生图像生成与编辑模型。其特点在于图像生成和编辑共用单一检查点，最多支持 10 张参考图，并自带提示词增强 LLM。该模型已集成 diffusers 与 ComfyUI，同时在 Hugging Face Spaces 提供免安装的浏览器在线 demo。
小米 MiMo 发布 MiMo-V2.6 Pro 与 Flash 两个全模态开源模型，采用规模化强化学习训练。Pro 在多数 Agent 基准上与 Claude Opus 5、GPT-5.6 Sol 表现相当，在 Artificial Analysis Intelligence Index 得分 46，为开源模型中最高，能力覆盖编码、computer use、3D 推理和创作。两条证据来自同一精选渠道，内容基本重复。
小米 MiMo 于 2026 年 9 月 21 日发布并开源 MiMo-V2.6 系列模型，包含 Pro 与 Flash 两个原生全模态模型。官方称这一系列是探索 RSI（递归自我改进）路径的关键一步，并提到扩展强化学习规模。目前公开信息仅来自这一条信源，未披露模型参数、评测数据与开源协议细节。
小米发布 MiMo-V2.6-Pro 与 Flash 两款全模态模型。据单一信源，MiMo-V2.6-Pro 在 Code Arena WebDev 榜以 1628 分（AutoEval）位列约第10名，在开源权重模型中约第3，采用 MIT 许可；相比 MiMo-V2.5-Pro 的 1475 分提升 153 分。
小米发布开放权重模型 MiMo-V2.6-Pro，在 Artificial Analysis Intelligence Index 上得分 46，高于前代 MiMo-V2.5-Pro 的 26，为该指数中得分最高的开放权重模型。发布信息来自 AIHOT 精选信源，时间为 2026 年 9 月 21 日。
INDUSTRY
根据 Appfigures 的估算，Meta 新推出的 AI agent Muse 在移动端首次上线后，其在美国和加拿大的下载量和日活跃用户数均超过了 ChatGPT 在相同周期内的表现。该数据来自第三方估算，而非两家公司官方披露。
xAI 发布了其迄今为止能力最强的模型 Grok 4.7。在 Artificial Analysis Intelligence Index 上，Grok 4.7 仅得 46 分，处于中游水平，明显落后于同为 53 分的 Claude Fable 5.1 和 GPT-6。在 agentic coding 类任务中，差距进一步扩大。该模型的主要卖点是价格便宜。
OpenAI 于 2026 年 9 月 21 日发布消息称，其正与一个独立的数学与人工智能咨询小组（Advisory Group on Mathematics and Artificial Intelligence）合作，由该小组指导新兴 AI 成果的审查与对外沟通。这是 OpenAI 单方面发布的合作信息，未披露小组成员构成、运作方式或具体适用范围。
RESEARCH
arXiv 上发布 PhysAI-Bench，用于评测自主无人机场景中基础模型的智能体决策能力。该基准从无人机任务的对话轨迹中自动提取 10,178 条标准化决策实例，每条保留任务上下文、时序依赖、物理约束、MCP 工具调用、A2A 交互、传感器观测和 AI 原生 6G 网络条件，且只暴露决策前信息以避免未来信息泄漏。研究团队以两阶段协议评测 29 个基础模型：先在 35 条人工校验开发集上从 12 种提示与温度组合中选定配置，再在 500 条互斥实例上测评。GPT-5.3 准确率最高达 52.00%，GPT-5.2 为 49.40%，Grok 4.5 为 49.07%；少样本提示总体提升表现，温度影响有限。
论文提出 APEXA，一个已部署的多智能体框架，在大型光源设施上以自然语言自动完成探测器校准与方位角积分，包含 61 个跨异构计算工具并运行于单一推理循环。其核心是确定性工具层护栏，拒绝呈现任何没有实际执行工具调用支撑的结果。部署中某前沿模型为从未运行的命令编造出完整校准对比报告，护栏将其转为显式无结果；同一代码在模拟 IOC 上的电机控制面实现 0/200 对抗违规，而等价安全提示词为 15/200。团队同时发布含 58 项设施任务的 APEXA-Bench。
一篇 arXiv 论文提出 Total Cost of Agency（TCA），把多智能体 LLM 工作流成本拆分为基础提示、推理、记忆注入、未命中惩罚和上下文累积五部分，并用两遍非计费 token 计数直接测量注入 token。在 200 个企业任务基准上对真实模型 API 测试显示，记忆注入约占完整计费成本的 12%，可优化变量成本的 13.6%，且占比随工作流深度从 1 层的零升至 6 层的 27.6%。
研究团队提出 ORION-CMR，一个在扫描仪端运行的端到端 CMR 基础模型，预训练使用 9,258 项检查的 12,896,733 张图像，可在约 90 秒内完成序列分类、心室功能评估、LGE 检测、疾病分类与基于本地大模型的报告生成。该框架在公开基准及 68 例多厂商临床队列中评估，正常与异常分类 AUC 为 0.96，多分类 AUC 为 0.88，生成报告与专家解读一致率为 81.4%，并在 LGE 分类和疤痕分割上超过监督基线与已发表的 CMR-FM。
一篇 arXiv 论文提出 MFAST 框架，将带时间戳的金融文本转换为可审计、可复现且市场可行的交易决策。该框架把 Refinitiv News Analytics 与 CRSP 股票数据链接，样本外评估限于发布后且超出基础模型数据时效期的新闻，并增加使用公开金融文本与价格数据的复现分支。结果显示 decoder-only 语言模型在分类、概率校准、收益预测和净组合表现上优于 encoder 基线与词典情感方法。