10月开源模型盘点：决策模型成新热点，超大模型缺席加剧开源闭源差距

一句话看懂：刘聪NLP发布10月开源模型月度汇总，指出本月开源了10多个决策模型，Jev类模型热度高但口碑分化；真正的超大开源模型不多，AA榜单更新后开源与闭源差距进一步拉大。

事件核心：发生了什么

2026年10月31日，开发者刘聪NLP在公众号发布月度开源模型总结，延续其在GitHub的awesome-open-llms项目。据其盘点，10月国内外开源模型数量不少，但最突出的变化是决策类模型集中涌现，当月开源了10多个决策模型，其中Jev类模型关注度最高，不过口碑呈现两极分化。作者还补充了9月底的一个案例：9月29日EmpirioLabs开源Aplomb 1决策模型，支持在1M上下文中同时处理文本、JSON、图像、视频和音频，并可对分类、路由、审核和工具选择直接输出校准概率。作者同时指出，本月真正的超大开源模型不多，AA榜单更新后，开源与闭源模型的差距进一步拉开。

为什么重要

决策模型密集开源，反映出一个技术路线正在成形：模型不只做生成，还直接面向分类、路由、审核和工具选择输出可用的概率判断。这对后训练和AI应用落地有实际意义——开发者可以用开源权重做领域适配，而不是完全依赖闭源API。Jev类模型口碑分化说明热度不等于成熟度，不同团队在训练数据、后训练策略上的差异会直接体现在效果上。另一方面，超大开源模型缺席、AA榜单差距拉大，意味着头部闭源模型在算力和训练规模上的优势仍在扩大，开源生态更多转向小参数、专用化和工程可用性。目前公开信息显示，这些判断来自作者的月度观察，并非第三方系统性评测结论。

对用户/开发者/创作者的影响

对后端和应用开发者来说，决策模型值得关注：如果Aplomb 1这类支持1M多模态上下文、直接输出校准概率的模型可用，分类、审核和工具路由场景可能减少单独训练小模型的成本。对做后训练的人来说，这个月是练习和试错的机会，Jev类模型口碑分化意味着有改进空间。对普通用户和创作者，直接变化有限，但AI应用的路由准确性和审核体验可能间接受益。企业采购方面，建议先区分“已开源权重”和“已上线可用服务”，目前素材未提供API、定价或部署细节。