10 月 12 日，Meta 发布 Muse Wonder 与 Muse Wonder Full，这是 Meta 首次正面下场对标 OpenAI、Anthropic 的 “前沿级” 模型。两款模型内部代号 “西瓜”，由 Scale AI 创始人 Alexandr Wang 带队，专为个人与专业智能体设计，闭源付费，通过 Meta Model API 和 Muse Code 开放。它们的差异化在两点：Active Memory（主动记忆）跨对话保留用户关键信息，并在相关场景主动调用；Active Focus（主动专注）在任务受阻时尝试替代方案、从错误中恢复，执行重要操作前主动确认。
Meta 的这一动作，把 2026 年 9-10 月这轮密集发布推到了高点。过去两个月，国内厂商也在开源、垂直场景和成本效率上连续出牌。下面按时间线梳理。
一、9 月：基础模型集中亮相
OpenAI：GPT-6 系列连发
9 月 3 日，OpenAI 发布 GPT-6 Astra，定位 “全球最聪明、最符合人类意图的 AI 模型”，在电脑使用、软件工程、网络安全、科学研究等方向实现 “跨代飞跃”，采用 “循环深度” 推理技术，训练动用超 10 万块 GPU。随后 9 月 22 日推出 GPT-6 Sol、Luna 作为更快、更低成本的选项；9 月 29 日再推 GPT-6.1 Sol，标准词元价格仅为 Astra 的五分之一。
Anthropic：Claude Opus 5.5（9 月 22 日）
与 OpenAI GPT-6 Sol/Luna 同日发布，定位 “5.5 系列” 首款产品，大多数任务表现追平三周前发布的 Fable 5.1，但成本比 Opus 5 低约 40%，输出速度提升 30% 以上。
阶跃星辰 Step 5 Preview（9 月 20 日）
新一代旗舰基座模型，采用稀疏 MoE 架构，总参数 600B、激活参数仅 27B，支持 100 万 Token 上下文，原生支持文本与视觉输入。重点面向 AI 编程、软件工程、专业知识工作、金融等场景，单任务成本约为 Claude Opus 5 的 1/8，在全球开源模型中跻身前三。
小米 MiMo-V2.6 系列（9 月 22 日）
发布并开源全模态旗舰 MiMo-V2.6-Pro 与高效推理版 MiMo-V2.6-Flash。Pro 在 Artificial Analysis 综合智能指数中以 46 分登顶全球开源大模型第一，首次支持文本、图片、视频、音频全模态输入，单任务成本不到 1 元人民币。小米同步开源超 7000 个 RL 任务环境和端到端训练框架，Pro 版 RL 训练成本约 262 万美元。
紫东太初 ZDTaichu5.0-9B（9 月 15 日开源）
中科院自动化所推出的 “面向物理世界的通用多模态大模型”，参数规模 9B，在九大国际空间理解基准中拿下 8 项同组别第一。核心能力是空间理解与具身推理，可输出机器人直接使用的点位信息。除了开源权重，还同步开放了完整的数据生产管线方案。
中电信星辰 Xing4.0-29B-A4B（9 月 17 日）
国内首个基于国产算力和国产框架完成训练的百亿参数大模型，采用 MoE 架构（总参数 29B、激活 4B），聚焦代码开发、数据分析、办公自动化等场景。
智谱 GLM-5.3-FlashX（9 月下旬）
定位高吞吐、低延迟的通用推理与智能体编排场景，延续 GLM 系列在长上下文与工具调用上的积累，主打 “用得起、用得勤” 的轻量高速路线。
二、10 月：Meta 入局，国内落地加速
Meta：Muse Wonder / Muse Wonder Full（10 月 12 日）
Meta 首次明确对标 “前沿模型” 的发布。Muse Wonder 在部分技术基准测试中表现优于 Anthropic Claude Opus 5.5 和 OpenAI GPT-6 Astra，可用于 “理解租约到解读财务或健康信息” 等复杂任务。该系列为闭源付费模式，基础版每百万 token 收费低至 20 美分，高级版 Muse Wonder Full 最高每月 200 美元。扎克伯格称 Meta"已经在着手开发更高阶的产品"，模型开发 “从现在起可能会明显提速”。
阶跃 Step 5 落地动作（10 月）
模型 9 月发布，10 月进入落地：10 月 12 日上线腾讯 WorkBuddy 并开启限免，10 月 15 日正式开源完整权重。
阿里通义 Qwen-Image-2.1（10 月 2 日 - 9 日）
阿里云百炼新增的图像生成模型系列。Qwen-Image-2.1-Pro 是统一的文本到图像生成与编辑模型，视觉生成组件仅 70 亿参数；Turbo 主打低步数去噪和性价比，支持原生透明生成与编辑一体化。
三、趋势：海外闭源竞赛，国内开源深耕
Meta 结束了在顶级模型竞赛中的观望姿态，以 “个人超级智能” 为差异化方向，主动记忆与主动专注直指智能体长期任务的执行痛点 —— 这也是闭源付费模式下争夺开发者的抓手。
国内则走了另一条路：开源加场景深耕。小米的 RL 环境、阶跃的完整权重、紫东太初的数据管线，都在公开训练方法论，而不只是给权重；紫东太初直接瞄准物理世界与具身智能。国产大模型由此形成了区别于海外闭源竞赛的差异化打法。
成本效率正在成为模型竞争力的核心维度。小米单任务成本不到 1 元，阶跃是 Claude Opus 5 的 1/8，轻量化与低成本已成共识。智谱 GLM-5.3-FlashX 等轻量模型的密集更新，也印证了国内竞争从参数规模转向推理效率与落地成本的趋势。
过去两个月，海外与国内走向了两条清晰的分岔：OpenAI、Meta 押注闭源前沿与智能体能力，国内则在开源、垂直场景和成本上持续积累。对开发者而言，选择变多了，也更需要按场景和成本去做取舍。