Reflection 的 Beam 加入开放权重竞赛，但资料库中没有视频模型发布

资料库里最新的发布不是视频生成器。Reflection 在 10 月 5 日的博客文章中把 Beam 称为自家首个开放权重模型：稀疏混合专家设计，总参数 5010 亿，激活参数 230 亿，针对编程、推理和智能体工作负载训练。

权重还没有放出。Reflection 表示 Beam 仍在进行最后的红队测试和评估，权重、技术报告、模型卡和开发者资料将在 10 月晚些时候跟进。这个空档对本周想找 AI 视频生成发布的人来说很关键。资料库里没有过去三天内关于新文本生视频或图生视频模型的有日期公告。其中涉及的视频生成条目都更早：一篇 5 月提交的 arXiv 光学深度伪造检测论文、一条 9 月 29 日快手的内容（只出现在标题列表里），以及一些没有日期或不在时间窗口内的产品帖。这些都不是新发布。

资料库里真正有的是 10 月 5 日的一批模型发布和智能体工具。它们大多规模小、成本低、用途专一。Liquid AI 推出了 d1，这是一个决策模型，处理文本和图像，返回概率而不是生成 token。Interfaze 发布了一个开放权重模型，由推理核心加专用组件构成。GitHub 上则涌现出大量编程智能体，它们围绕现有模型工作，而不是取代模型。

决策模型，不是视频模型

Liquid AI 的 d1 最能说明这一趋势。公司称一次文本决策耗时 200 到 300 毫秒，因为模型在一次前向传播中读完输入并返回概率，不生成 token。Liquid 在六个应用场景中拿 d1 与 GPT-6.1 Sol 和 Claude Opus 5.5 对比，从过滤客服工单到检查电路板。公司称 d1 在其中四个场景追平或超过 GPT-6.1 Sol，成本低 19 倍到 200 倍。

这些是 Liquid 自己的数字，发表在其发布帖中。视觉部分的说法更有意思。Liquid 称 d1 从未针对工业检测训练，却在公开数据集 VisA 上以 85% 到 97% 的准确率分拣良品和缺陷件，覆盖电路板、蜡烛、腰果和口香糖。它还报告说，加一块屏幕后，d1 的俄罗斯方块得分从消除 70 行提高到 81 行，并在 12 局 Wordle 中全部解出，平均 3.8 次猜中。资料库中没有独立验证，因此这些数字只能算厂商自述。

Interfaze 的发布走了另一条路，但服务于同一个成本论点。根据其模型页面，Interfaze 1.1 Lite 是多种架构的混合：一个视觉语言推理核心负责规划和组合答案，另有专用于文档阅读、线段几何、版面、语音、说话人分离、分割、时间序列预测和安全分类的组件。公司称整套系统在一块 80 GB GPU 上运行，不依赖外部服务。

其基准表列出该模型在 GPQA Diamond 上为 85.9，MMMLU 为 87.8，MMMU-Pro 为 73.2，olmOCR-Bench 为 83.8；而 Interfaze 自己给出的 GPT-5.4-Mini 对比数字分别为 92.4、90.9、71.1 和 85.7。Interfaze 还列出一段 95 分钟的录音约 90 秒完成转写，以及按给定 JSON schema 约束的结构化输出。同样，这些都是发布方自己的数字。

绕开大模型的智能体

10 月 5 日的编程智能体发布，重点是从已有模型里榨出更多产出。Jeff-Code 是 Mario Zechner 的 Pi 智能体的分支，在 Qwen 3.8-27B 周围的循环里插入一个名为 Jeff 的 8 亿参数决策模型。Jeff 每次做两次调用，各约 0.2 秒：一是它能否自己走下一步，二是 Qwen 这一轮是否需要深度思考。写文件和改文件仍由 Qwen 负责。

仓库的评估报告称，Jeff-Code 的通过率为 62.4%，单独使用 Qwen 为 62.8%。在 1242 个配对任务上，配对差为负 0.2 个百分点，95% 区间为负 2.6 到正 2.1。每任务耗时平均为 0.68 倍，中位数 0.70 倍。所有任务的总耗时降幅较小，为 0.86 倍，因为在约 5% 的任务中 Jeff-Code 比单独使用 Qwen 多跑 30 分钟以上。作者还报告说，每轮都关闭思考会更快，但损失 7.6 个百分点。

Reika 押的是相反的方向：一个优先面向本地小模型的编程智能体 CLI，规模在 80 亿到 350 亿参数之间，常见的是 Q2 到 Q4 量化，上下文窗口 16 到 32000。它公布的结果异常坦率。一次中等上下文的改写重新处理了 8453 个 token 的提示，作者测算这相当于 7.9 分钟的预填充，而在同一会话中追加只需 25 个 token 和 3.5 秒。该工具尚未到 1.0，作者警告命令和行为可能在不同版本之间变化。

框架自身的上下文管理比模型本身还贵。

这两个项目都不是前沿模型发布，也都没有这样宣称。它们说明大量工程精力正在流向哪里：不是更大的生成器，而是更便宜的路由、更小的决策层，以及围绕已经能用的模型做更紧的上下文管理。

基础设施与更早的材料

10 月 5 日还有两条内容补全了画面。微软的 Windows 开发者博客在一篇 9 月 29 日的文章中（10 月 5 日出现在资料库里）表示，WSL 容器现已正式可用，配有 wslc.exe 命令行工具、面向原生 Windows 应用的容器 API，Intune 和 Defender for Endpoint 的覆盖范围也扩展到容器工作流。另外，mold 链接器于 10 月 5 日发布 3.0.0 版，从 C++ 重写为 Rust，项目称通过构建所有 Gentoo 软件包验证了兼容性，未发现回归。

资料库里的视频生成材料很单薄，而且大多过时。Parnian Ghapandar Kashani、Shiqi Chen 和 Aydogan Ozcan 的一篇 arXiv 论文于 5 月 19 日提交，发表在 eLight 上，描述了一种光学与数字混合的深度伪造检测器，单次光学处理可处理 15 路以上视频流，在 Celeb-DF 上平均准确率达到 97.79%。那是检测，不是生成。近期头条区块提到快手旗下可灵分拆公司在 9 月 29 日发布新模型，但资料库只给了标题，没有数字或公司声明可供参考。

Reflection 的 Beam 是资料库中最大的模型公告，其基准表也最详细。在 SWE Bench Pro v2-Hard 上，它列出 77.2，而 GLM 5.3 为 84.3，Kimi K3 为 88.2。在 Terminal Bench v2.1 上，它列出 80.1，对比 88.2 和 88.3。在 AIME 2026 上，它列出 97.8，略低于 GLM 5.2 的 99.2。Reflection 称 Beam 与更大的开放模型相比有竞争力，在编程和智能体任务上接近 Qwen 3.8-Max，其优势在于推理效率，声称在推理算力少 3 到 4 倍的情况下取得与 GLM-5.2 相当的推理分数。

训练数字很具体：238000亿 token 的预训练数据，以及在 10500 块 NVIDIA GB300 GPU 上历时四周、生成超过 1 亿次 rollout 的强化学习运行。Reflection 称权重将在本月跟进。在权重放出之前，Beam 的每个数字都是开发它的公司的说法，d1、Interfaze 以及上述智能体基准也是如此。

对于本周想找视频生成发布的读者，诚实的答案是资料库里没有。最接近的有日期条目要么更早，要么只有标题。10 月 5 日最新、记录最完整的新闻，讲的是会做决策、做路由和做转写的模型，不是渲染画面的模型。