商汤科技发布SenseNova-U1.5-8B-MoT统一多模态模型，支持图像生成、编辑与理解，提升4K画质和文字渲染。HyperAI官网更新数据集、教程及百科词条，涵盖语音、地震数据及多模态模型部署，并预告9月截稿顶会。

Ling 3.0 Flash Sante是inclusionAI推出的医疗健康专用模型，现已在AI Gateway上线，10月4日前免费使用。该模型为混合专家架构，总参数124B，活跃参数5.1B，支持256K上下文和函数调用，擅长医学推理、专业医疗任务及多步骤医疗流程。用户可通过标准或免费模型ID使用，免费期后标准版开始计费，免费版停止服务。

Google发布Gemini 3.8 Flash，六周内第三款Flash模型，主打长程软件工程和Agent任务，跑分接近Claude Opus 5，但实测细节粗糙，能力依赖推理超频。Google因3.5 Pro失败转向快速迭代策略，放弃前沿竞争，以低成本模型服务十亿用户，但Flash在真实任务中仍与旗舰模型有差距。

谷歌发布Gemini 3.8 Flash，六周内迭代三版，DeepSWE跑分73.7%超Claude Opus 5，但Terminal-Bench 4.0仅19.1%，显示基准测试可能被刷。定价低但成本高，Cyber版仅限政府等“可信防御者”。谷歌以快速迭代和低价抢市场，但知识截止混乱，普通用户难用上新版。

谷歌发布Gemini 3.8 Flash模型，强调通过更多推理步骤提升复杂任务性能，但可能增加令牌消耗和成本。该模型在软件工程和自主AI代理基准测试中表现优异，超越前代及竞品。同时推出面向政府及可信伙伴的3.8 Flash Cyber版本及Fairwind计划，用于网络安全防护。

谷歌发布Gemini Flash 3.8及Cyber模型，性能显著提升，尤其在编程和智能体任务上，价格优惠至2026年底。Cyber版专供网络安全防御者，通过Fairwind项目向650家伙伴开放。模型在多个基准上超越竞品，但成本较高，且仍落后于Anthropic旗舰模型。谷歌计划持续快速迭代Flash系列。

GLM 5.3 Flash与DeepSeek V4 Flash在Hermes Agent实测对比：GLM跑分高但落地差，工具调用不稳、不守Agents.md规则；DeepSeek虽参数少、跑分低，但干活稳，被社区推荐为默认模型。文章指出评测与实战脱节，Agent场景更需“听话”模型，便宜非关键，能干活才是王道。

Google的Gemini 3.8 Flash模型已在AI Gateway上线，年底前享五折优惠。该模型支持1M token上下文，可处理文本、图像、PDF和视频，输出文本，支持工具调用和网络搜索，最大输出65,536 tokens。它在软件工程、代理工作和多步推理上优于前代，速度成本不变，默认开启思考功能。用户可通过AI SDK等工具使用。

GLM-5.3-Flash是Z.AI推出的低成本模型，价格约为旗舰版GLM-5.3的1/16。测试显示两者在编码、逻辑和提取任务中均得满分，准确性无差异，但Flash在困难任务中消耗更多token和时间，其成本优势依赖当前定价，可能变化。建议Flash适合简单任务，复杂任务需权衡时间与成本。

阿里通义千问发布Qwen3.8-Flash-Next，作为Qwen4架构预览，采用多模态MoE设计，通过混合注意力、门控残差和N-gram嵌入提升效率，主模型125B参数，激活仅6B，训练成本降至1/9，支持262K上下文，可扩展至百万Token，并已上线HyperAI教程供一键部署体验。

DeepSeek发布V4 Flash Vision Exp，支持图像输入，价格低于Gemini 3.7 Flash。测试显示两者在图表、发票和日志分析中准确率相当，均能识别陷阱。DeepSeek成本约为Gemini三分之一，但速度慢一倍多，且高峰期价格翻倍。建议批量处理选DeepSeek，实时任务用Gemini。

单台懒猫AI算力舱优化Qwen 3.8 Flash Next，Decode达100-102 TPS，Prefill 2070-2609 TPS，TTFT 5K 1.9s。通过YaRN技术将KV Cache调至16GB，上下文从265K扩展至320K，性能几乎不变，Edit Decode反升。72小时调优后，将部署图形化程序供用户使用。相比两台DGX GB10，算力舱因FP4算力翻倍、显存直连更快，单台即可实现100+ TPS。

TensorSharp 是纯 .NET LLM 推理引擎，三天内接入 GLM-5.3-Flash 和 Qwen3.8-Flash-Next 新架构。它支持进程内推理，性能上 decode 速度翻倍，prefill 持平，并强调正确性验证和部署便捷性。对 .NET 团队，这标志着前沿模型架构跟进加速，值得纳入 PoC 评估。

阿里巴巴发布Qwen3.8-Flash，一款1250亿参数的开源多模态MoE模型，作为Qwen4的架构预览。该模型在编码和办公任务上性能优越，训练资源仅需同类模型的九分之一，成本更低。它支持26万token上下文，可扩展至百万，并已在Hugging Face和ModelScope开放。开发者反应不一，有人称赞其能在消费级硬件运行，也有人认为本地模型尚不足以替代远程服务。

智谱GLM-5.3-Flash的token套餐性价比低，缓存命中率仅8成，实际用量远低于宣传。对比opencode go的15美元额度，智谱lite月费118元仅约4.3亿token，pro约25亿，max约60亿，相当于70元买538元pro套餐，性价比差。目前经济实惠的tokenplan仅gpt、opencode、commandcode可选，作者怀念DeepSeek涨价前的低价，现靠Muse Spark维持。