商汤发布日日新 SenseNova 6.8 Flash 多模态智能体模型
商汤科技发布多模态智能体模型日日新 SenseNova 6.8 Flash，主打用户仅需设定目标即可全流程自主执行的委派智能，已在小浣熊客户端限时免费开放。该模型支持 3D 动态网页、动态海报、SVG 动画及动态 PPT 生成，并在实测中展现了结合长期记忆主动核对与修订旧文档数据的办公能力；官方评测显示其在 TeamBench 和 DataAnalysis2.0 基准中取得第一。
#模型发布
#模型发布
今日 0 条量子位AI 评分6464 量子位AI 评分5454 GPT-6.2 Astra 开启灰度测试，Claude Mythos 5.5 同日曝光
GPT-6.2-Astra 已面向部分 Pro 套餐用户开启灰度测试，同时 Claude Mythos 5.5 短暂出现在官网前端代码后被移除。测试中部分用户的请求已被路由至 6.2 模型；此外 Mythos 5.5 据称包含生物学研究与网络安全能力，Hugging Face 上亦出现已被下载数千次的疑似权重仓库。
量子位AI 评分6464 智元发布具身基座模型GO-3 Preview与交互大模型WITA-OMNI
智元在创新日发布具身基座模型GO-3 Preview与全模态端到端交互大模型WITA-OMNI，并提出衡量物理AI有效工时的单位Worken。GO-3 Preview采用具身原生架构WRAM以提升精细作业与跨本体迁移能力，WITA-OMNI则采用快慢双系统实现免唤醒词的自然交互。此外，智元还推出了第三代硬件架构AHA3、重载机器人精灵G2 Max以及计划开源的具身原生操作系统灵渠OS 1.0。
量子位AI 评分6767 英伟达团队基于 MiniMax H3 开源视频增强方案，最高支持 4K 重生成
英伟达与麻省理工学院研究团队在 Hugging Face 开源了基于 MiniMax H3 的视频增强项目 Open-H3-Regenerate-2K，最高支持 3840×2160 的原生 4K 视频重生成。
量子位AI 评分3636 Claude 两款新模型曝光：Fable 5.5 与新一代 Opus
Anthropic 旗下 Claude 两款新模型遭曝光，分别为 Fable 5.5 与代号 Obsidian 3 的下一代 Opus，目前已进入早期测试阶段。
量子位AI 评分6868 SoMark 开源 1.3B 文档解析模型 OXR：采用 RSI 训练并在三项基准登顶
SoMark 团队开源了 1.3B 参数的文档解析模型 OXR，在 OmniDocBench、olmOCR-Bench 和 DocParsingBench 三项基准测试中均位列第一，单张 RTX PRO 6000 解析 100 页文档耗时 101 秒。
TechCrunch · AI精选AI 评分8080 Mistral 开源万亿参数模型 Mistral Large 4 权重，主打网络安全防御
Mistral 正式开放万亿参数模型 Mistral Large 4（ML4）的权重下载，主打企业与政府机构的网络安全防御。该模型在网络安全任务中的性能可比肩 GLM-5.3，同时每项任务消耗的 token 减少 47%，并在 Artificial Analysis 的 Coding Agent Index 智能体编码基准中位列开源模型前列。
推荐理由：原文对比了该模型在网络安全与编码智能体基准上的消耗与表现，为需要自主掌控数据并本地部署安全防御系统的机构提供了选型参考。
The Decoder精选AI 评分8181 Mistral 正式发布 Mistral Large 4 权重，编码能力领先但综合表现仍落后中国模型
Mistral 在 Hugging Face 正式开源 Mistral Large 4 权重，该模型总参数量约 1 万亿且单步激活 52B，主打代码生成与网络安全防御。
推荐理由：报道横向对比了新模型与主流开源及闭源模型在编码和成本上的基准表现，为评估自部署代码模型提供了具体选型参考。
科学网AI 评分5656 风云气象卫星首批极端天气AI模型正式发布
首批风云气象卫星极端天气AI模型于10月29日正式发布，包含台风智能云图解译和强对流短临预警两款模型。台风解译模型覆盖7类台风特征并融合20余种实况产品，每15分钟开展一次解译且仅需27秒即可生成解译文本。强对流预警模型利用风云四号卫星观测预测未来四小时云图演变，将强对流预警时间提前至四小时。
Latent SpaceAI 评分7070 Google DeepMind 发布 Gemini 4 Carbon 模型并登顶多项基准，率先面向网络防御者开放
Google DeepMind 宣布推出前沿模型 Gemini 4 Carbon，并在 Artificial Analysis 综合基准测试中登顶，支持 1M 上下文窗口与多模态输入。
量子位精选AI 评分7777 Google发布Gemini 4 Carbon模型，长程编程与安全评测超越Opus 5.5且首发半价
Google正式发布新旗舰模型Gemini 4 Carbon，在Artificial Analysis智能指数中以59分登顶，并在长程自主编程与多项终端基准上超越Claude Opus 5.5。
推荐理由：原文对比了新模型在长程编程、漏洞修复和终端基准上的多项实测数据，便于开发者评估其代码能力与调用成本。
量子位AI 评分6565 扩散智能发布350亿参数扩散语言模型Clover-35B-A3B-Preview
扩散智能发布扩散语言模型Clover-35B-A3B-Preview，采用总参数350亿、激活约30亿的MoE架构，支持思考模式并主打代码与Agent连续任务。该模型采用块扩散机制并重构门控Delta网络，在WindTunnel评测中位执行时间为1.52秒，SWE-bench Verified拿到73.6。团队后续计划拓展多模态版本并推进端侧适配。
The Verge · AIAI 评分7474 Google 发布前沿模型 Gemini 4 Carbon，重点提升网络安全能力
Google 发布前沿模型 Gemini 4 Carbon，重点提升网络安全、编码及智能体任务能力，并在 SEC-bench Pro 和 ExploitGym 榜单上登顶。
The Decoder精选AI 评分8080 Google DeepMind 发布 Gemini 4 Carbon 模型
Google DeepMind 在 Argon 发布两周后推出 Gemini 4 Carbon，并在 Artificial Analysis 智力指数 v5.0 中以 59 分位居榜首。
推荐理由：原文详细对比了新模型在长程工程推理与网络安全任务上的评测数据，读者可以参考其在不同基准测试中的成本与性能权衡。
Ars Technica · AIAI 评分2525 Google 发布最新前沿 AI 模型 Gemini 4 Carbon，但目前无法使用
Google 发布了最新前沿 AI 模型 Gemini 4 Carbon，但该模型目前不对用户开放使用。Gemini 4 Carbon 本质上是 Argon 模型的微调升级版本。
Google DeepMind精选AI 评分7777 Google DeepMind 发布 Gemini 4 Carbon 前沿模型
Google DeepMind 发布前沿大语言模型 Gemini 4 Carbon，重点提升网络安全防御与长周期复杂工程任务的处理能力。该模型在漏洞挖掘、利用验证与补丁修复多项基准上取得领先，且在 Gray Swan 间接提示词注入测试中实现 0.0% 的攻击成功率。
推荐理由：该模型在网络安全防御全流程与长程工程任务中刷新基准，展示了高对齐度模型在复杂自主工作流中的落地表现。
The Decoder精选AI 评分7676 Nvidia 开源 Nemotron 3.5 Transcribe，整合语音转录、翻译与说话人识别
Nvidia 开源语音识别模型 Nemotron 3.5 Transcribe，在单个模型内整合了语音转录、英译、说话人识别和内容问答能力。该模型拥有 30B 参数且每步仅激活约 4B，支持单张 GPU 运行，可处理长达 1 小时、最多 8 人的录音，并在多个开源 ASR 与说话人识别基准中排名前列。
推荐理由：该模型通过指令将转录、分离和翻译整合进单张GPU可跑的架构中，为本地部署长音频分析提供了低门槛方案。
TechCrunch · AIAI 评分7070 Nvidia 发布开源语音转录模型 Nemotron 3.5 Transcribe
Nvidia 发布开源权重语音转录模型 Nemotron 3.5 Transcribe 及 Granary 语音数据集第 2 版。该模型拥有 30B 参数，支持在单个芯片上运行，可转录多达 40 种语言，支持 31 种语言与英语互译，并能处理长达 1 小时音频及分离最多 8 位说话人。目前该模型仅适用于录制音频而非实时流媒体，主要面向商务会议与医疗转写等场景。
量子位AI 评分6363 蚂蚁百灵开源 Ling-3.1-flash-1019 与 560B 基座模型
蚂蚁集团旗下百灵大模型正式开源 Ling-3.1-flash-1019，并同步以 MIT 许可证开源基座模型 Ling-3.1-flash-base。该基座模型采用混合线性 MoE 架构，总参数量约 560B、每个 Token 激活约 25B 参数，重点提升了 Personal Agent 场景下复杂工作流与多步骤任务的执行表现。
科学网精选AI 评分7676 谷歌发布新一代世界模型Genie 4，加强物理AI技术布局
Google DeepMind发布新一代世界模型Genie 4的研究预览版，将场景一致性模拟时长延长至约两分钟并支持原生音频生成。用户可通过自然语言指令实时改变天气、视角与物体交互，官方同时展示了其与Gemini 4 Argon协同模拟人形机器人执行任务的实验。该能力计划在未来几周内向Google AI Ultra订阅用户及部分早期开发者开放。
推荐理由：模型将动态场景保持一致性的时长翻倍至两分钟，展示了与大模型协同进行机器人训练的混合仿真路径。
量子位AI 评分6565 SoMark 开源 1.3B 文档解析模型 OXR
SoMark 团队开源 1.3B 文档解析模型 OXR，支持表格、公式、化学式等 13 类文档元素解析并输出 Markdown 与 JSON。在 OmniDocBench 等三项基准测试中均位列第一，单卡解析 100 页测试文档平均用时约 101 秒，速度优于同场对比的 PaddleOCR-VL-1.6 和 MinerU2.5-Pro。
量子位AI 评分5959 国产 3D 大模型 Hi3D V1.0 开源模型代码与权重
国产 3D 大模型团队 Hi3D 正式在 GitHub 和 Hugging Face 开源 Hi3D V1.0 模型代码与权重。该模型基于 Sparc3D 架构与约 200 万个 3D 资产训练，支持逐级几何细化并具备 90% 的切片成功率，同时支持通过 MCP 接口接入外部工具链协同创作。
量子位精选AI 评分8080 OpenAI 发布 GPT-6.1 Terra 并开启实测：大幅降低电脑操作成本
OpenAI 正式上线 GPT-6.1 Terra 模型，主打屏幕理解与跨软件协同等电脑操作能力，标准 API 输入价格降至 1 美元/百万 Token，输出为 5 美元/百万 Token。
推荐理由：该模型以大幅降低的 Token 价格接近旗舰级电脑操作能力，读者可据此评估复杂多步骤任务的自动化成本。
量子位AI 评分7272 百度开源文心 Unlimited OCR 2：KV Cache 占用减少 96%，支持千页超长文档连续解析
百度正式开源文心 Unlimited OCR 2，通过稀疏参考滑动窗口注意力机制与无限解码机制，实现千页级超长文档的连续解析。在百页级单序列测试中，该方案将峰值 KV Cache 占用从 47GB 降至 1.77GB，降幅达 96%，16 路并发下端到端吞吐量达 1315 Token/秒。目前相关代码和模型已在 GitHub 与 Hugging Face 正式开源。
Google DeepMind精选AI 评分7777 Google DeepMind 发布实时交互世界模型 Genie 4
Google DeepMind 推出新一代实时交互世界模型 Genie 4，支持在模拟运行中通过自然语言实时修改场景并原生生成环境音与交互对话。模型结合 Gemini 系列模型进行上下文因果推理和多步任务拆解，适用于机器人训练环境构建与创意原型探索，生成内容均嵌入 SynthID 数字水印。
推荐理由：该模型将语言模型的逻辑推理与像素级实时渲染结合，为机器人训练和动态交互仿真提供了可参考的实现路径。
The Verge · AIAI 评分6767 Google 发布 Genie 4 世界模型，支持更逼真的交互体验与实时语言控制
Google 正式宣布推出 Genie 4 世界模型，可生成长达约两分钟的交互式虚拟体验。该模型支持使用自然语言提示词实时更新场景，新增了音频生成功能，并由底层的 Gemini 3.8 Flash 辅助模拟运行。目前 Genie 4 作为研究预览向受信任测试人员开放，后续将登陆 Google AI Ultra 订阅服务，主要适用于游戏原型设计、影视前期预览以及机器人训练环境构建。
The DecoderAI 评分7575 Google DeepMind 推出世界模型 Genie 4：支持实时交互生成与声音对话，结合 Gemini 进行后台规划
Google DeepMind 推出实时交互世界模型 Genie 4，支持通过键盘和文本提示词逐帧渲染交互场景，并原生生成背景音频与角色对话。模型基于 Gemini Omni 视频能力构建，并由 Gemini 3.8 Flash 等模型在后台执行多步任务规划以维持世界连贯性，还可与 Gemini Robotics 结合模拟人形机器人操作。
Ars Technica · AIAI 评分6262 DeepMind 发布 Genie 4 世界模型：物理与人物模拟更逼真
Google DeepMind 推出新一代世界模型 Genie 4，在物理表现、人物模拟与音频生成上相比 Genie 3 实现全面改进。该模型无需预先渲染环境或编程交互逻辑，可根据用户提示实时逐帧生成虚拟探索体验，主要得益于底层 Gemini 模型的更新支持。DeepMind 表示，该技术能够为实体机器人提供无限的虚拟训练环境，并为创意行业提供快速原型设计能力。
TechCrunch · AI精选AI 评分7777 Google DeepMind 发布 Genie 4 世界模型，支持实时音频与动态交互控制
Google DeepMind 发布最新世界模型 Genie 4 的研究预览版，允许用户在模拟运行中通过提示词实时修改场景，并同步生成环境音、交互对话与背景音乐。该模型将场景一致性维持时间翻倍至两分钟，能与 Gemini 结合用于机器人仿真测试和影视原型构思。目前 Genie 4 已面向受信测试者开放，后续将推向 Google AI Ultra 订阅用户及 Gemini API 合作伙伴。
推荐理由：新模型把世界模拟时长提升至两分钟并加入实时音频控制，展示了语言模型与视觉生成协同用于仿真和内容原型的路径。
Simon Willison精选AI 评分8181 OpenAI 发布 GPT-6.1 Terra
OpenAI 推出 GPT-6.1 Terra 模型，主打视觉推理与计算机使用能力，定位为介于 Sol 与 Luna 之间的中档选项。该模型在技术沟通和计算机使用速度上表现更突出，输入定价为每百万 token 1 美元、输出为 5 美元，成本约为 GPT-6.1 Sol 的一半。
推荐理由：原文对比了该模型在视觉与计算机使用上的速度与成本，便于开发者评估其作为中档方案的调用性价比。
The Decoder精选AI 评分8686 OpenAI 发布 GPT-6.1 Terra：API 定价减半且多项基准逼近更大模型
OpenAI 正式发布 GPT-6.1 Terra 模型，其 API 定价降至每百万输入 token 1 美元、输出 5 美元，仅为 GPT-5.6 Terra 的一半。
推荐理由：该模型在大幅降低调用成本的同时提升了多模态与编码表现，为评估智能体任务的性价比提供了参考。
OpenAI NewsAI 评分5757 OpenAI 发布 GPT-6.1 Terra
OpenAI 推出 GPT-6.1 Terra 模型。该模型旨在为所有用户带来快速且强大的计算机使用能力。
科学网AI 评分6767 面壁智能联合OpenBMB开源端侧多模态模型MiniCPM V 4.7
面壁智能联合OpenBMB社区开源端侧多模态模型MiniCPM V 4.7，推出35B A3B与1B两个版本以适配不同移动终端。其中35B MoE版本采用前瞻专家调度技术实现计算与读取并行，官方测试显示预取命中率超过80%，可在保持原有路由精度下降低内存占用并提升生成速度。该项目同步配套权重分层存储、分级视觉token压缩与投机解码优化，目前已适配多家芯片厂商和主流推理框架。
The DecoderAI 评分6969 Nvidia 开源 Flora 机器人视频标注模型，标注成本据称比 GPT-6 Astra 降低 125 倍
Nvidia 开源了用于机器人视频标注的数据引擎 Flora，由三个微调的 Qwen3.5 模型组成，据称可将单小时视频标注成本从 GPT-6 Astra 的约 $88.50 降至约 $0.72。
TechCrunch · AIAI 评分6161 Block 发布全双工本地语音模型 Dessa
Block 旗下研究实验室发布全双工语音模型 Dessa，完全基于人类语音训练，支持同时听说并展现笑声、哭腔和停顿等自然情感表达。该模型跳过传统文本中转流水线，可在 MacBook M4 Max 等消费级硬件上本地运行；目前尚未公开开放，官方正招募安全研究人员开展测试。
The DecoderAI 评分5959 Block 推出语音模型 Dessa：完全基于人类语音训练以捕捉情绪
Block 推出语音 AI 模型 Dessa，完全不依赖文本数据从零基于人类语音训练，可直接处理音频并实时捕捉情绪、讽刺、笑声与停顿。该模型支持全双工通信，可实现边听边说，并能在配备 M4 Max 的 MacBook Pro 上本地运行。Dessa 目前尚未公开上线，团队正面向安全研究人员开放测试报名以排查潜在风险。
Latent Space精选AI 评分7777 月之暗面发布 Kimi K3.1 Pro 模型并承诺开源权重，推出 2 至 3 倍速高速 API
月之暗面（Moonshot）推出 Kimi K3.1 Pro 多模态 MoE 模型，拥有 2.8T 总参数与 104B 激活参数，并宣布将在 2026 年 11 月 4 日发布开源模型权重。
推荐理由：材料汇总了该模型在独立评测中的表现与推理成本讨论，有助于读者了解开源大参数架构在实际落地中的算力需求。
科学网AI 评分7474 月之暗面发布开源大模型 Kimi K3.1 Pro，参数达 3 万亿级
月之暗面（Moonshot AI）发布新一代开源大模型 Kimi K3.1 Pro，参数规模达 3 万亿级，支持 100 万 token 上下文窗口。作为 Kimi K3 的后训练版本，该模型经大规模强化学习大幅提升了长程 Agent、编程、3D 创作及端到端金融分析能力。
科学网AI 评分6464 科大讯飞刘庆峰：敏感数据留在端侧，复杂任务交给云端
科大讯飞在开发者节上发布基于全国产算力训练的讯飞星火X2.6，推出端云一体协同架构以应对数据泄露风险与Token成本。端侧模型星火X2.6-4B通过自适应迭代强化长文本理解与工具调用，资料不出端即可处理敏感业务，路由协同准确率达96.1%。目前该系列已开放端侧模型下载、云端API及星火APP等应用入口。
The Verge · AIAI 评分5959 Block 发布端到端语音模型 Dessa
Jack Dorsey 旗下的 Block 推出端到端语音模型 Dessa，该模型完全从零基于人类对话训练，可在搭载 M4 Max 的 MacBook Pro 上本地运行。团队指出传统语音模型将语音拍平成文本会丢失情绪感知与节奏，Dessa 旨在通过纯语音交互提升安全与共情理解，目前计划先向部分 AI 安全研究人员提供早期访问权限。