DeepSeek V4.1 Pro开测！Gemini 4 Pro 跑分泄露！MiniMax M3.1 Flash 抢先上线！ | 9月28日 AI日报

1. DeepSeek V4.1 Pro 被曝进入早期测试

据泄露消息，模型标识符 deepseek-v4.1-pro 已按账户进入早期测试阶段，并被刻意从公开模型选择器中隐藏，外界据此推测其正式发布已为时不远。DeepSeek 官方尚未证实该消息，最终规格与上线时间仍以官方公告为准。

🔗 https://x.com/LuminaBench/status/2104256356283011360

2. MiniMax M3.1 Flash 预览版上线 Token Plan

来源：原文 | Lumina (AI Leaks) (Twitter)

MiniMax M3.1 Flash 预览版现已在 Token Plan 上线，模型更快更轻，专为高并发、延迟敏感工作负载的团队打造，现有订阅用户无需额外设置即可调用。与此同时，该模型也已正式登陆 MiniMax Code，为日常开发设计，快速可靠，无论是修复 Bug 还是开发完整功能都能胜任。

🔗 https://x.com/MiniMax_AI/status/2104256406786547800

3. Gemini 4 Pro 泄露跑分：上下文扩至 200 万 token

泄露数据显示，Gemini 4 Pro 在 DeepSWE v1.1 拿到 88.7%、Terminal-Bench 2.1 拿到 95.3%、OSWorld-2.0 拿到 86.8%，GDPval-AA v2 跑出 2064 Elo；上下文扩至 200 万 token，定价为每百万 token 输入 2.25 美元、输出 11.25 美元。所有数据均未经官方证实。

🔗 https://x.com/EbiThinks/status/2104168520556724361

4. Gemini 3.5 Pro（gemdelta）发布前最后一刻被砍

有开发者透露，谷歌在一切均已为最终发布准备就绪的情况下，于最后一刻取消了 Gemini 3.5 Pro，其内部标识符为 gemdelta。取消原因至今未获官方说明，这款临阵被撤的模型也引发外界对谷歌产品线规划的诸多猜测。

🔗 https://x.com/lyraxana/status/2104201102384119874

5. Claude Sonnet 5.5 客户端配置曝光，发布临近

据爆料，一份公开的生产客户端构建产物中出现 claude-sonnet-5-5 专属模型配置，同一产物还引用了 claude-opus-5-5。该标识此前已现身 Droid 0.228.0 模型注册表并藏于功能开关之后，Sonnet 5.5 目前疑似处于灰度测试阶段，距离正式发布或已不远。

🔗 https://x.com/Mr_Salio/status/2104178854633849145

6. Nano Banana 2.5 Flash 在 Flow 中被改标为 2.1

谷歌已在 Flow 中将 Nano Banana 2.5 Flash 的模型标注悄然改为 Nano Banana 2.1，外界推测这只是一次小版本更新。目前官方尚未说明改动原因，新标注也尚未正式上线，后续是否伴随模型能力变化仍待观察。

🔗 https://x.com/testingcatalog/status/2104218540567924747

7. Gemini 网页版被曝支持技能，Gems 将转型

据泄露消息，Gemini 网页版现已支持技能功能，并计划自 2026 年 11 月 17 日起把所有 Gems 转变为技能，被视为一次实用升级。谷歌官方尚未公告该变化，具体迁移方式与存量 Gems 的兼容细节仍待确认。

🔗 https://x.com/LuminaBench/status/2104189064782176358

8. 科研智能体 OpenScience 结束测试版并登陆 Product Hunt

OpenScience 宣布正式走出测试版并登陆 Product Hunt，新版带来更快的研究工作区 IDE，模型聚合服务收录 30 多款模型，含 GPT-6 Astra、Kimi K3、GLM-5.3 等，共用按量付费钱包。Autoresearch 可在给定指标后自主迭代实验，平台已被 30 多所高校采用，免费且开源。

🔗 https://x.com/SynScience/status/2104231436052271495

9. Claude Code 推出 plugin eval 插件评测命令

claude plugin eval 是 Claude Code 的新增命令：它会将插件针对一组测试用例运行并评分，再在不启用插件的情况下逐条重跑用例，直观呈现有无插件的差异。开发者可借此检验插件实际价值，例如在 Opus 5.5 发布后核查付费插件是否仍物有所值。

🔗 https://x.com/adocomplete/status/2104019331025883493

10. Supersonic Labs 发布 1.443 亿参数决策模型 Julia-1

AI实验室Supersonic Labs发布轻量决策模型Julia-1，参数仅1.443亿，接收上下文与2到20个候选答案，完成分类、打分和是非判断，可为Agent选工具或路由。该模型基于mmBERT-small开发，权重550MB，M4上单次决策中位延迟约33毫秒，训练成本约104美元，已按Apache 2.0开源。

🔗 https://x.com/0xLogicrw/status/2104013751632683250

11. ChatGPT dots 功能内部代号曝光：orbit、aeon 与 o

9月26日ChatGPT网页版代码显示，dots功能内部关联orbit、aeon与可能的o三个代号，配置项为orbit_enabled。在此基础上，该博主推测o是OpenAI下一款产品，面向Pro档位，可能于周二开发者大会正式揭晓。另有消息称，其将于本周四正式发布，Codex Plus用户将无法使用。

🔗 https://x.com/0x0SojalSec/status/2104275605428785512

12. 微软开源可自我改进的 AI 技能框架 SkillOpt

微软把能自我改进的技能优化框架 SkillOpt 开源，它会评估智能体的任务表现，据此重写自身指令，未通过基准测试的改动会被否决，优化后的技能还可跨模型迁移复用。目前代码仓库已公开，开发者可直接查看源码上手试用。以下是官方给出的 demo

🔗 https://x.com/RoundtableSpace/status/2104235868298924252

13. GitHub 热榜 8 项目盘点，Paperclip 星标破 8.5 万

Paperclip 登上 GitHub 今日热榜第一，单日新增 2000 多个 Star，总量突破 8.5 万。它把 Claude Code、Codex、Cursor 等编码 Agent 接入统一管理，分配岗位目标与任务，还提供审批、预算和审计记录。该项目适合已在协调多个 Agent 的团队，若只用一个 Agent 处理零散任务，治理流程反增负担。

🔗 https://mp.weixin.qq.com/s?__biz=MzUxNjg4NDEzNA==&mid=2247537385&idx=1&sn=6f57abbd0554d6288c4aa1b3566ef704

14. 开源项目 Rome 为 AI 智能体打造可积累技能的共享工作区

开源项目Rome为AI智能体打造可积累技能的共享工作区，智能体可在其中构建自己的工具，验证有效的技能长期保留供后续复用。项目定位为人类与智能体协作的智能体操作系统，可作为Grok Bot和Meta的Muse的开源替代方案，代码已公开，目前获597颗Star和52次Fork。

🔗 https://github.com/rome-os/rome

15. Artificial Analysis AI 模型能力排行榜

最后是今日的 AI 模型能力排行榜单，智力榜头部由Claude Opus 5.5（max with fallback）以58分领跑，Claude Fable 5.1与GPT-6 Astra同以53分并列第二。开源与国产模型表现亮眼：MiMo-V2.6-Pro以46分位列第9，Qwen3.8 Max以45分排名第10，双双在榜。

🔗 https://artificialanalysis.ai/