9月7日-13日大模型发布追踪：DeepSeek-V4.1-Flash、GPT-Image-2.5 与 GPT-Live-1

一句话判断

先看价格、状态和边界

DeepSeek-V4.1-Flash：552B 非对称架构与千分之一美元级缓存

• 真实软件工程任务基准 DeepSWE v1.1 达到 74.2 分（V4-Pro 为 62.7 分，前代 V4-Flash 为 54.4 分）；
• 终端环境测试 Terminal-Bench 2.1 达到 90.6 分，Terminal-Bench 4.0 达到 31.2 分；
• 网络安全防御基准 CyberGym 取得 88.1 分，SEC-Bench Pro 取得 62.8 分；
• 学术推理基准 GPQA Diamond 达到 90.9 分，Codeforces 评级达到 3471 分。12

• 缓存命中输入（Cache Hit）：非峰值时段为每百万 token $0.003（约合人民币 0.021 元），峰值时段为 $0.006；
• 缓存未命中输入（Cache Miss）：非峰值时段为每百万 token $0.15，峰值时段为 $0.30；
• 输出内容（Output）：非峰值时段为每百万 token $0.60，峰值时段为 $1.20；
• 峰值时段定义为周一至周五的 UTC 01:00-04:00 与 06:00-10:00，其余时段均按半价（非峰值）结算。4

OpenAI GPT-Image-2.5：Flare 与 Sunburst 分工，多轮编辑一致性落地

• 生图延迟大幅优化：端到端生成时延相比 Images 2.0 降低达 50%，加快了概念设计的迭代循环；
• 真实人像与主体保真度跃升：模型基于参考照片进行二次创作时，能够高度保留人物面部特征、神态、光影质感与环境固有色；
• 多轮交互编辑一致性：在连续修改指令下，模型精准执行新增、替换或局部微调操作，避免画面无关元素出现变形或画质劣化；
• 复杂图文排版与透明背景支持：模型原生支持生成透明背景图层，并能稳定遵循包含位置、层级和文字排版要求的复杂设计草案。6

• GPT-Image-2.5 Flare：作为通用默认模型，主打低延迟与高吞吐，生成速度达到 GPT-Image-2 的 2 至 4 倍，适配社交营销素材、动态创意、商品速览等大批量工作流；
• GPT-Image-2.5 Sunburst：专为高保真专业级创意打造，通过分配更充分的生成推理时间，捕捉更为严苛的材质细节与多轮微调一致性，服务于商业广告与工业级物料制作；
• 在 ChatGPT 消费端与企业端，OpenAI 同步集成 Sketch（草图交互功能，允许用户通过绘制简笔画或线框图直接约束构图）以及海报、文创等常用设计模板。6

• 图像输入（Image Input）：每百万 token 计费 $8.00（缓存读取为 $2.00）；
• 图像输出（Image Output）：每百万 token 计费 $30.00；
• 提示词文本输入（Text Input）：每百万 token 计费 $5.00（缓存读取为 $1.25）。9

OpenAI GPT-Live-1：全双工语音进入 API，架构从拼装走向单模型

• 实时平滑打断：模型能够实时识别用户的打断信号、犹豫语气和轻声应答，早期应用案例表明，语言教学产品 Speak 引入该模型后，将学员思考停顿期间被系统不当打断的概率降低了近 80%；
• 后台推理与工具委派：GPT-Live-1 专注充当前端高情商、低延迟的语音交互中枢，复杂业务逻辑与深度思考可无缝委派至后端文本大模型（如 GPT-6 Astra 或通用型 Luna），形成“前台敏捷对话、后台深度推理”的协作机制；
• 对话风格精准调控：开发者可通过标准 System Prompt 灵活约束智能体的语气基调、说话节奏与个性特征；
• 环境降噪与电话通信级支持：模型能原生过滤嘈杂环境噪音，并提供对传统电话通信协议（Telephony）的标准对接支持，适用于订座、挂号与电话客服等真实外呼场景。10

本期未纳入条目与覆盖说明

• 阿里通义千问（Qwen）：本周通过 Qwen 官方博客、GitHub 组织代码库与阿里云百炼模型更新列表核对，官方团队在 9 月 10 日至 11 日仅对 qwen-code 客户端与工程工作流执行了日常分支维护与补丁修复，未发布新的基础大模型。上一代 Qwen3.8-Flash-Next（8 月 26 日）与旗舰快照 Qwen3.8-Max（9 月 2 日）已在前期文章中完整覆盖。
• 智谱 GLM、月之暗面 Kimi、MiniMax：本周检索智谱 Z.ai 官方动态、月之暗面开放平台以及 MiniMax 官方发布渠道，均未发现满足“窗口内具备官方原始详情页、明确发布日期及模型级能力升级”的全新发布，因此本期不予收录。
• Google 与 Anthropic：Google 在 9 月 10 日于 Google Labs 推出儿童故事生成应用 Dreambeans，属于上层实验性消费产品，并非底层模型发布；Anthropic 在 9 月 10 日发布了 2026 年 9 月威胁情报分析报告，未更新 Claude 系列模型。两者在 9 月初发布的 Gemini 3.8 Flash 与 Claude Fable 5.1 已在上一期周报详述。
• Meta：Meta 在 9 月 8 日正式推出名为 Muse 的个人 AI 智能体应用，运行于其专有的 Muse Secure VM 环境中。经核验官方新闻稿与技术说明，该产品底层由 9 月 2 日已发布的 Muse Spark 1.3 驱动，不属于全新基础模型架构发布，故不占用本期主条目篇幅。11

面向技术选型的三项行动建议

1. 针对长任务智能体，复测 DeepSeek-V4.1-Flash 的缓存命中率与平替稳定性。 提取当前生产环境中最消耗 token 的复杂代码仓库与长指令任务，将模型参数分别配置为 deepseek-flash 与 deepseek-v4-pro。比对两者的任务成功率、代码缺陷修复准确率，并重点记录在稳定前缀复用下的实际账单。若团队日均调用规模较大，可将非实时批量作业调度至 UTC 10:00 至次日 01:00 的非峰值时段，以利用 $0.003 / MTok 的极低缓存单价。
2. 在设计与创意生产线中，建立 Flare 与 Sunburst 的分级生成流。 梳理图像工作流的延迟容忍度与画质要求：将海量素材快速预生成、用户探索界面和实时交互渲染交由低延迟的 gpt-image-2.5-flare 承接；将终端高精交付、商品主图精修与需要透明背景的原画生成切换至 gpt-image-2.5-sunburst。同时在多轮局部微调场景中，验证输入原图特征的保留度。
3. 基于全双工架构重构语音服务，评估 GPT-Live-1 的打断体验与后端算力配比。 搭建基于 WebSocket 或电话通信协议的交互原型，测试在背景人声干扰与用户频繁插话时的响应延迟和听觉顺畅度。设计合理的分工提示词，由 GPT-Live-1 负责问候、确认和短答，仅在涉及知识检索与长程推理时异步调用后端 Astra 或 Luna 模型，避免在高频闲聊中产生不必要的推理溢价。