Canva 推出首款自研图像生成模型 Canva Craft
Canva 正式推出自研图像生成模型 Canva Craft，采用在生成前先规划布局的两阶段架构，现已在 Dream Lab 面向全球用户上线。该模型基于平台内数百万套人工模板训练，支持最高 2K 分辨率和 30 多种宽高比，能更准确地生成可读文字与精准布局。Canva 还计划后续推出轻量化版本，并支持 AI 智能体通过 MCP 接入。
#模型发布
#模型发布
今日 0 条The Verge · AIAI 评分7575 Simon Willison精选AI 评分8080 Kimi K3.1 Pro 上线 API 并计划开源完整权重
月之暗面在 API 上线 Kimi K3.1 Pro 模型，并承诺于 2026 年 11 月 4 日前开源完整权重。该模型输入与输出价格分别为每百万 token 2 美元和 10 美元，Artificial Analysis 评分为 55 分，同时提供速度快 2 至 3 倍的高速版本。作者通过 Moonshot API 实测了该模型在三种推理等级下的 SVG 代码生成效果。
推荐理由：原文对比了该模型与前沿模型的基准得分与 API 定价，读者可以快速了解即将开源的高性能模型的性价比定位。
The Decoder精选AI 评分8080 月之暗面发布推理模型 Kimi K3.1 Pro，在基准测试中逼近 Claude Opus 5.5
月之暗面发布推理模型 Kimi K3.1 Pro 及其高速版本，在 Artificial Analysis 智能指数上取得 55 分，排名第四并逼近 Claude Opus 5.5。
推荐理由：该模型通过大幅增加后训练算力显著提升智能体表现，并在开源权重前主动剔除了高危网络攻击训练数据。
The DecoderAI 评分7474 Canva 发布首款自研图像生成模型 Canva Craft
设计平台 Canva 发布首款自研图像生成模型 Canva Craft，支持最高 2K 分辨率生成与 55 种语言文本渲染，已通过 Dream Lab 和公共 API 面向所有用户开放。
量子位AI 评分5858 高德发布全身基座模型 λ0，推动人形机器人全身动作对齐
高德联合阿里 ATH 事业群发布基于开放世界行为的机器人全身基座模型 λ0，真机任务成功率较最强基线提升 22.5%。该模型采用无本体全身数据采集与三阶段训练机制，支持机器人仅依靠人类行动数据实现零样本跨形态迁移，采集效率达传统本体采集的 3.4 倍。团队已构建 500 小时数据集 HumanVerse-500，并在 GitHub 与 Hugging Face 开源了硬件配置代码及数据样例。
量子位精选AI 评分7676 开源5B生图模型MOSS-Image上线4天下载量破130万
模思智能与OpenMOSS团队开源5B参数DiT生图模型MOSS-Image，上线4天在海外社区收获130万次下载。模型采用Qwen3.5-9B文本编码器与FLUX.2 VAE，并在训练中剔除AI生成图像，重点优化了中英文文字渲染、结构化JSON Layout构图控制与4096 tokens长提示词支持。目前社区已快速跟进4步/8步加速方案、GGUF量化以及ComfyUI和SGLang推理适配。
推荐理由：原文展示了剔除AI合成数据并结合结构化布局的设计方案，读者可借此了解轻量DiT模型在精准排版与文字渲染上的实践路径。
TechCrunch · AIAI 评分7373 Canva 发布首个图像生成模型 Canva Craft
设计平台 Canva 发布其首个自主研发的图像生成模型 Canva Craft，面向所有用户上线并支持最高 2K 分辨率及 30 种画幅比。该模型基于平台内设计模板训练，采用先规划空间层级再成像的两阶段机制，支持清晰文字排版、局部精准编辑以及转为分层设计。
量子位AI 评分5050 蚂蚁数科发布决策模型 LingDT-Decision-1.0，准确率超过微软与 Jev
蚂蚁数科于 10 月 22 日正式发布决策模型 LingDT-Decision-1.0，提供 4B 和 27B 两个版本，目前已在 DTMaaS 平台上线提供限时免费体验。
TechCrunch · AIAI 评分7474 Recursive 推出笔记本端侧编码模型 Flint，主要由 AI 系统辅助构建
AI 初创公司 Recursive 发布首个免费开源编码模型 Flint，该模型主要由其自动化研究系统 Eureka Machine 辅助在四个月内完成开发，可在笔记本电脑上离线运行。
The DecoderAI 评分7373 Recursive 发布首个开源端侧代码模型 Flint
AI 初创公司 Recursive 发布首个开源语言模型 Flint，该模型采用总参数 40B、每 token 激活 2.5B 的 MoE 架构，专为本地 Agent 编码设计。
量子位AI 评分6060 中国电信星辰实验室开源意图理解模型 Xing4.0-29B-Intent
中国电信星辰通用人工智能实验室正式发布并开源意图理解专用模型 Xing4.0-29B-Intent，同步开放 275.3 万条训练语料、模型权重与推理镜像。模型基于 Xing4.0-29B-A4B 微调，采用统一模式驱动语义解析框架同时支持类别决策与参数抽取，输出预定义结构的 JSON 数据，平均响应时延为百毫秒级。目前该模型已在电信客服与智能家居音箱等场景落地。
NVIDIA BlogAI 评分4444 欧洲先驱机构部署 NVIDIA Earth-2 开源模型赋能天气与气候预测
欧洲多家机构正部署 NVIDIA Earth-2 开源模型与工具，用于天气预测与气候研究，同时 Earth-2 迎来了基于 EUMETSAT 卫星数据每 10 分钟预测云层变化的区域模型 StormScope EU。
量子位AI 评分4949 千诀科技发布预测式世界模型 Polibrain，已适配人形与四足等多形态机器人
清华系具身智能公司千诀科技正式发布预测式世界模型 Polibrain，主打物理规律预测与跨本体复用。该模型不追求逐帧画面生成，而是预测任务相关的潜在状态变化，目前已在人形、四足、轮式和双臂等多种机器人形态上开展适配。千诀联合清华团队在隐变量可辨识性等基础理论研究上，比 Yann LeCun 团队相近工作早约一年。
The DecoderAI 评分6969 Inception 发布 Mercury 3 扩散语言模型
Inception 正式发布扩散架构语言模型 Mercury 3，声称在 Nvidia GPU 上生成速度达 1,068 tokens/s，并在 12 项基准测试中的 8 项优于 GPT-6 Luna 与 Claude Haiku 5.5。该模型支持最高 100 万 tokens 上下文，主打 AI 智能体、搜索和客服等对延迟敏感的场景，上线初期提供半价优惠，兼容 OpenAI API 标准。
NVIDIA Blog精选AI 评分8181 NVIDIA 扩展开源模型矩阵，发布 Nemotron 3.5、Kumo 等多领域模型
NVIDIA 扩展了覆盖语言、结构化数据、机器人、生物学和量子计算的开源模型家族，推出 Nemotron 3.5 Super VL、Nemotron 3.5 Bolt、Kumo 及 Cosmos 3.5 等多领域基础模型。
推荐理由：文章系统梳理了覆盖语言、物理模拟与生物计算等领域的开源模型矩阵，读者可借此了解不同垂直业务场景下的模型选型与落地路径。
科学网AI 评分6565 中国农大与百图生科等联合发布DNA大模型DeepD，实现百万碱基序列生成
中国农业大学联合百图生科等单位开发出基因组基座大模型DeepD，在单碱基分辨率下支持百万碱基上下文并实现百万碱基长度的序列生成。模型采用稀疏混合专家架构，大版本参数量约630亿且计算时仅激活十亿量级参数，完成了覆盖全基因组的5.69T碱基预训练。目前该模型已提供API访问，可用于序列生成、变异效应预测与基因组分析流程。
量子位AI 评分6868 MemT 1.0 记忆原生模型开源发布：在 Transformer 内部引入动态记忆计算通路
MemTensor 开源发布 MemT 1.0 记忆原生模型系列，通过在 Transformer 内部增加并行记忆通路，将经验编码为可更新的动态矩阵状态参与计算。
量子位AI 评分7474 MiniMax 推出 M3.1 Flash 模型
MiniMax 正式推出 M3.1 Flash 模型，其前身为此前在 OpenRouter 匿名测试的 Space Bunny。该模型在 ALE 基准测试中得分 29.6%，DeepSWE v1.1 评测达 73.7%，输出速度中位数维持在 170+ TPS。API 定价为输入每百万 Token 1 元、输出 4 元、缓存读取 0.1 元，综合成本相比前代 M3 降低 70%。
The DecoderAI 评分7373 Elevenlabs 发布两款 Eleven Realtime 实时语音模型
Elevenlabs 发布名为 Eleven Realtime 的两款实时语音到语音模型 v1 Max 与 v1 Mini。其中 v1 Max 面向客服等复杂任务，在 Big Bench Audio 基准测试中得分为 98.8%，响应时间为 0.57 秒；轻量版 v1 Mini 主打低成本自然对话，能准确识别用户是否讲完还是仅在附和。
The Decoder精选AI 评分7777 Mistral AI 发布 Voxtral 3 实时语音智能体模型栈
Mistral AI 推出 Voxtral 3 系列模型，打造支持实时倾听、思考与发音的完整语音智能体技术栈。系统包含覆盖 50 多种语言的语音转文字模型 Voxtral Small Transcribe 3、支持 35 种以上语言与 50 种方言情绪适配的 Voxtral Mini TTS 3，以及基于 LiveKit 的智能体 SDK。
推荐理由：原文给出了全流程实时语音架构与计费细节，读者可以据此评估将端到端语音与工具调用集成到企业私有环境的可行性。
The DecoderAI 评分6464 Cloudflare 发布文档抽取模型 Clairic
Cloudflare 推出文档数据提取模型 Clairic，目前已在 Workers AI 提供预览版并将开放权重。该模型采用单次传递直接输出目标字段与置信度分数，无需逐 token 生成，并可处理简单计算与估算。在客诉处理测试链中，Clairic 配合决策模型与 GLM-5.3 耗时 19.3 秒，相比单独使用 GLM-5.3 的 61.7 秒大幅提速且成本降低近半。
Latent SpaceAI 评分4040 AINews：DeepSeek V4.1 Flash 1017 领跑开源性价比，MiniMax 与 Mercury 3 同步亮相
DeepSeek V4.1 Flash 1017 正式上线，采用 552B 总参数/16B 激活 MoE 架构与 1M token 上下文，在 AA 智能指数达 45 分并领跑多项开源榜单。
科学网AI 评分2222 中国工程院院士包振民：科技创新拓深蓝空间，良种良法筑蓝色粮仓
中国工程院院士包振民团队今年发布了首个水产育种专用智能大模型“蓝鲲智种”，构建“1个生命基座模型+5个水产垂域模型”协同架构，覆盖鱼、虾、贝、参、藻等养殖物种。团队还研发出准确率超91%的水产生物高通量表型测定技术，并突破大西洋鲑与南海名贵石斑鱼的全人工繁育技术。包振民强调需以科技创新推动深远海养殖从以设备为中心转向以鱼为本，突破经济可行性瓶颈。
The Decoder精选AI 评分7979 Kling AI 发布 4.0 版本：支持立体声音频、多语言口型同步与 Flash 轻量变体
Kling AI 正式发布 4.0 版本，单次生成时长提升至最高 30 秒并支持 10 张关键帧输入，同时推出了生成速度更快且成本更低的 Flash 轻量变体。
推荐理由：新版本不仅提升了生成时长与参考素材控制精度，还开放了 CLI 与 MCP 接口以便接入智能体工作流。
The DecoderAI 评分7373 MiniMax 发布 M3.1 Flash 推理模型，支持 1M 上下文并计划开源权重
MiniMax 正式发布推理模型 M3.1 Flash，支持 1M 上下文与图文输入，在多项基准测试提升的同时大幅降低了单任务推理成本。该模型在 Artificial Analysis 智能指数得分为 42 分，运行速度较 M3 提升 3 倍，API 输入每百万 token 定价 0.15 美元、输出 0.60 美元。
Cloudflare Blog精选AI 评分7878 Cloudflare 发布抽取模型 Clairic 预览版
Cloudflare 推出 System One 抽取模型 Clairic 预览版，已托管于 Workers AI 并计划后续开源权重。该模型采用单次前向传递架构，不生成 token 即可从非结构化文本或图像中提取强类型字段、执行基础计算、给出置信区间估计与时序预测。在工单处理评测中，Clairic 配合决策模型与大语言模型的级联流程比纯大模型方案提速约 3.2 倍，调用成本降低 49%。
推荐理由：原文给出了单次前向传递替代生成式抽取的机制与实测数据，读者可据此评估其在高并发解析场景的降本效果。
AWS Machine Learning BlogAI 评分5454 TwelveLabs 视频大模型 Pegasus 1.5 正式上线 Amazon Bedrock
TwelveLabs 视频语言模型 Pegasus 1.5 正式在 Amazon Bedrock 上线可用。该模型支持单次处理长达 2 小时的长视频，无需预先建立索引即可直接读取 Amazon S3 中的视频源；模型新增时序元数据生成与参考图像多模态提示功能，可根据自定义字段以 JSON 格式输出匹配片段的起止时间及结构化信息。
量子位AI 评分7272 VAST 开源实时世界模型 EdenLive，单张 RTX 5090 实现 720P 超 24FPS 渲染
VAST 正式发布并开源实时世界模型 EdenLive，核心采用世界状态与视觉渲染解耦路线，已开放模型权重、推理代码及技术报告。在单张消费级显卡 RTX 5090 上，其 5B 模型在 720P 分辨率下生成速度超过 24FPS，端到端延迟为百毫秒级并支持分钟级连续运行。该模型可将 2D/3D 简化场景或参考视频结合提示词实时渲染为不同画风，适用于交互式游戏预览、视频风格重绘以及具身智能数据增强。
量子位AI 评分6363 智谱推出法律专用开源模型 GLM-Legal
智谱推出法律专用开源模型 GLM-Legal，在 Harvey LAB 与 LegalBench 双榜开放权重模型中位列榜首。该模型基于 GLM-5.3-Flash 底座进行法律语料中期训练与数万法律任务的强化学习，支持审合同、串联证据链及跨境合规清单梳理等任务。智谱目前已开放 Beta 测试申请，并计划将相关能力接入 AutoClaw 推进实际应用。
量子位精选AI 评分8585 DeepSeek 发布 DeepSeek-V4.1-Flash-1017 模型并开放自研搜索 API
DeepSeek 正式发布新模型 DeepSeek-V4.1-Flash-1017，网页端、APP 与 API 已同步更新，重点优化了代码与 Agent 任务并降低了运行时间和 token 消耗。
推荐理由：新模型在提升 Agent 任务表现的同时压缩了输出消耗与运行时间，结合新开放的搜索接口可直接降低自动化流程的调用成本。
The Decoder精选AI 评分7777 DeepSeek 发布 DeepSeek-V4.1-Flash-1017，提升智能体任务表现并大幅降低单任务成本
DeepSeek 发布更新版模型 DeepSeek-V4.1-Flash-1017 并开源模型权重，在官方基准测试中展现出更强的编码与 AI 智能体任务处理能力。
推荐理由：原文对比了新模型在智能体任务中的成本与性能表现，有助于开发者评估轻量模型在自动化编程工作流中的实用性。
Solidot精选AI 评分8686 Meta 发布开放权重模型 Muse Spark Open
Meta 发布开放权重多模态模型 Muse Spark Open，拥有 8160 亿总参数和 420 亿激活参数，支持 100 万 Token 上下文。该模型结合苹果开源框架 MLX 针对统一内存进行了优化，两台搭载 M5 Ultra 芯片的 Mac Studio 即可部署运行。目前模型权重已在 Hugging Face 正式上线。
推荐理由：该模型通过适配苹果 MLX 框架与统一内存架构，让超大参数规模的开放多模态模型能够在两台桌面工作站上直接本地运行。
AWS Machine Learning Blog精选AI 评分7171 Reflection AI 发布开源权重智能体编码模型 Beam 并提供 AWS 部署方案
Reflection AI 推出用于智能体编码的开源权重模型 Beam，具备 501B 总参数和 23B 激活参数，支持 100 万 token 上下文。该稀疏 MoE 模型权重在 Hugging Face 基于 Apache 2.0 协议开源，提供 BF16、FP8 和 NVFP4 版本。
推荐理由：原文给出了超大参数 MoE 编码模型的规格细节与分层部署路径，便于开发者评估大模型落地成本。
量子位精选AI 评分8585 谷歌发布新一代旗舰模型 Gemini 4 Argon 并开启 API 限时半价
谷歌正式面向全球开发者、企业及付费订阅用户推出 Gemini 4 Argon 模型，重点强化了长流程任务执行与多模态能力。在第三方智能指数中其高配版本追平竞品旗舰水平，API 首发推出半价优惠，并在代码库维护、机器人仿真以及科研实验设计等真实场景中完成了长流程验证。
推荐理由：原文汇总了新模型的评测数据、成本表现与实际工程实践，读者可以直观了解其在长流程任务上的落地效果。
量子位AI 评分5151 优必选发布具身世界模型 Thinker-WM：统一多模态表征并在三大基准登顶
优必选发布具身统一多模态世界模型 Thinker-WM，并在 WorldOlympiad、EWMBench 与 WorldArena 三大基准评测中登顶。
Latent SpaceAI 评分3131 AINews：AI 智能体反驳多语义性，大幅提升模型可解释性与对齐
Goodfire 的 Nick Cammarata 撰文提出“神经网络本身已足够干净”，指出多语义性与特征叠加现象经 AI 智能体深入分析后被逐一破解，大幅改善了模型可解释性与对齐。同日 Meta 发布多模态 MoE 模型 Muse Spark Open，拥有 816B 总参数与 42B 激活参数，支持 1M 上下文，以 39 分位列 Artificial Analysis 美国开放权重模型榜首。
量子位AI 评分6969 蚂蚁百灵开源 Ling-3.1-flash 模型，主打长流程办公与复杂任务交付
蚂蚁百灵正式开源大模型 Ling-3.1-flash，主打承接真实办公与长流程任务。模型总参数约 560B，每个 token 激活约 25B，采用 7 层 KDA 搭配 1 层 Gated MLA 的混合注意力结构，支持 1M 上下文窗口。实测显示其在任务拆解、表格方案生成和医疗问诊整理中表现稳定，但当前版本尚未集成原生视觉理解。
The Decoder精选AI 评分7878 Meta 推出开源权重模型 Muse Spark Open 对标千问与智谱等竞品
Meta 推出 8160 亿参数（420 亿激活）的开源权重模型 Muse Spark Open，支持文本、图像、视频和音频输入，上下文达 100 万 token。
推荐理由：该模型在智能体与多模态基准中对标多款竞品，展示了在双台工作站本地运行超大 MoE 架构的可行性与商用边界。
The Verge · AI精选AI 评分8080 Meta 与苹果合作优化 Muse Spark Open 模型在 Mac 上的运行表现
Meta 发布拥有 816B 总参数的开源多模态模型 Muse Spark Open，并与苹果合作使其能够在搭载最新 MLX 框架的两台 Apple M5 Ultra Mac Studio 上进行桌面端本地运行。该模型主打长周期任务、复杂软件工程与多步骤推理能力，苹果也同步发布了关于 MLX 适配的技术说明。
推荐理由：原文展现了两家科技巨头在桌面端大模型运行上的合作，读者可据此了解超大参数模型在本地硬件框架下的适配进展。
The Decoder精选AI 评分7676 Nvidia 发布开源多模态智能体模型 Nemotron 3.5 Super VL
Nvidia 正式推出开源多模态模型 Nemotron 3.5 Super VL，采用 120B MoE 架构（每个 token 激活 12B 参数），专为企业级后台持续运行的 AI 智能体设计。
推荐理由：原文给出了从云端 MoE 到端侧量化版本的完整架构和实测数据，展示了企业级智能体兼顾吞吐量与私有化部署的具体路径。