商汤发布多模态智能体模型SenseNova 6.8 Flash，主打委派智能并限时免费
商汤科技发布多模态智能体模型日日新SenseNova 6.8 Flash，主打委派智能，用户只给目标、AI自己走完全流程，目前限时免费。
全部 AI 动态
量子位AI 评分6060 雷锋网AI 评分5151 美团发布LongCat-2.5大模型，总参数1.6万亿
美团于11月2日发布新一代大模型LongCat-2.5，这是一款面向长程智能体任务的原生多模态模型，总参数1.6万亿。模型延续LongCat系列研发方向，全程在国产算力上训练，是目前国产算力上完成的最大训练任务。
量子位AI 评分3232 GPT-6.2 Astra 开启灰度测试，Claude Mythos 5.5 同日曝光
OpenAI 的 GPT-6.2-Astra 和 Anthropic 的 Claude Mythos 5.5 同日被曝光：前者已出现在部分用户模型列表并可实际使用，有用户 20% 甚至 100% 的 Astra 请求被路由到 6.2，灰度基本集中在 500 刀 Pro 套餐。
每日经济新闻AI 评分4949 美团技术团队发布 LongCat-2.5
美团技术团队 11 月 2 日宣布发布 LongCat-2.5，这是面向长程智能体任务的原生多模态模型，总参数量 1.6 万亿，每个 token 激活约 480 亿参数。该模型在 LongCat-2.0 基础上进一步强化了原生视觉理解与智能体编程能力。
每日经济新闻AI 评分4949 MiniMax M3.1 Flash 周调用量环比大增 690%，冲进全球 AI 大模型榜第八
10 月 26 日至 11 月 1 日，MiniMax M3.1 Flash 周调用量达 6.23 万亿 Token，环比增长 690%，升至全球榜单第八位；小米 MiMo-V2.6-Flash 跌出榜单。
人人都是产品经理AI 评分5252 Block 旗下 Dessa 语音模型解析：从声音学习、全双工，让模型更会聊天
作者分析了 Block 旗下语音模型 Dessa 如何把聊天细节当正题，从零只用人类对话音频训练、不用文本和预训练模型，支持全双工，能笑、能停顿、能改口。该模型源自 2020 年被 Square（现 Block）收购的多伦多创业公司 Dessa，目前仍为研究预览，未开放下载或 API，本地运行需 MacBook Pro M4 Max 或更高配置。
钛媒体AI 评分6363 DeepSeek发布V4.1 Flash-1017并首推帕累托前沿曲线，主打单位任务成本
DeepSeek正式推出V4.1 Flash-1017，并首次自主发布性能—成本帕累托前沿曲线，官方称单位任务综合成本仅为Fable、Astra等同类模型的百分之一至二十分之一。
雷锋网AI 评分5454 Pika 基于 MiniMax H3 开源 H3 Flex，六步实现音视频联合生成
Pika 发布 MiniMax H3 衍生模型 Pika H3 Flex，开放适配器权重与推理代码，通过六步去噪联合生成画面和声音，支持文本、首尾帧和多模态参考输入。
雷锋网AI 评分5353 商汤开源 SenseNova Loop-9B-Preview：Looped Transformer 架构 9B 参数媲美 27B 模型
商汤开源日日新 SenseNova Loop-9B-Preview，采用 Looped Transformer 架构，将中间层改造为参数共享的循环计算模块并引入 mHC 信息混合机制，在 9B 参数规模下媲美 27B 模型。
品玩AI 评分5959 Pika 基于 MiniMax H3 开源 H3 Flex，六步去噪实现音视频联合生成
Pika 发布 MiniMax H3 衍生模型 Pika H3 Flex，开放适配器权重与推理代码，通过六步去噪联合生成画面和同步立体声音频，支持文本、首尾帧和多模态参考输入，可生成约 5 至 15 秒、原生 480P/768P 视频。
量子位AI 评分6060 智元创新日发布GO-3 Preview与WITA-OMNI双模型、精灵G2 Max本体及灵渠OS 1.0，并推出衡量机器人有效智能工时的新单位Worken
智元在创新日上发布具身基座模型GO-3 Preview（RoboDojo、RoboTwin、RoboColiseum三项评测登顶）与交互大模型WITA-OMNI（Daily-Omni等四项评测榜首），并推出衡量机器人有效智能工时的新单位Worken，公式为活跃机器人数量×自主工作时长×产出效能比。
人人都是产品经理同新闻AI 评分7474 OpenAI 发布 GPT-6.1 Terra：主打高频 Agent 任务，单任务成本约为 Claude Opus 5.5 的九分之一
OpenAI 发布 GPT-6.1 Terra，定位承接视觉理解、桌面操作与工具调用等高频 Agent 任务，速度约为前代 3 倍，最高推理强度下单任务成本约为 Claude Opus 5.5 的九分之一。
人人都是产品经理AI 评分6767 27B开源模型SenseNova-6.8-Code2Video实测：本地部署用代码生成视频
作者实测了商汤开源（OpenSenseNova）的27B模型SenseNova-6.8-Code2Video，它基于Qwen3.8-27B微调、支持512K上下文，权重已放在Hugging Face，可本地部署并接入Claude Code。
量子位精选AI 评分7474 SoMark 开源 1.3B 文档解析模型 OXR，三榜登顶
SoMark 团队开源 1.3B 参数的文档解析模型 OXR，在 OmniDocBench（97.18）、olmOCR-Bench（87.84）和 DocParsingBench（87.76）三项基准上均排名第一。
推荐理由：1.3B 参数的开源文档解析模型靠 RSI 后训练在三项基准登顶，读者可了解小模型如何用数据迭代替代参数堆叠。
WiredAI 评分6666 Mistral 称万亿参数开源权重模型 Le Chonk 在编码与网络安全上超越中国模型
Mistral 称其万亿参数开源权重模型 Le Chonk 正式版已免费开放，在自动化编码和网络安全任务上追平或超过 DeepSeek、Z.ai 等中国实验室的模型。
The DecoderAI 评分6767 Mistral 发布万亿参数模型 Mistral Large 4，编码能力领先开源模型但整体仍落后中国模型
Mistral 在公开预览三周后于 Hugging Face 放出 Mistral Large 4 权重，该模型昵称 Le Chonk，总参数约一万亿、每步激活 520 亿，支持文本与图像输入。
TechCrunch精选AI 评分7878 Mistral 开放万亿参数模型 Mistral Large 4 权重，主打网络安全
Mistral 发布了万亿参数开源模型 Mistral Large 4（ML4）的权重，企业与政府可自行下载部署，权重已在 Hugging Face 和其 API 上提供。
推荐理由：Mistral 开放万亿参数模型权重，并给出与 GLM-5.3 的 token 效率对比，可观察开源模型在网络安全场景的落地方式。
雷锋网同新闻AI 评分7272 深度拆解 Genie 4：从视频生成到世界控制，Google 要跨越什么
Google DeepMind 发布新一代世界模型 Genie 4，由 Genie 4 生成可交互环境，Gemini 3.8 Flash 观察画面、拆解任务并调整计划，两者组合让模拟环境中的 Apollo 人形机器人完成跳棋任务。
人人都是产品经理AI 评分6262 实测讯飞 Spark-X2.6：293B 参数、1M 上下文，10 亿免费额度值不值
作者实测了科大讯飞年度版本 Spark-X2.6，该模型为 293B 总参数、每次激活 30B 的 MoE 架构，上下文 1M，主攻代码和智能体，训练到推理整条链路跑在国产算力上。
TechCrunchAI 评分5353 Nvidia 发布开源转录模型 Nemotron 3.5 Transcribe，支持 40 种语言
Nvidia 于周三发布免费开放权重模型 Nemotron 3.5 Transcribe，可转录最多 40 种语言的音频，并同步发布开源语音数据集 Granary 2。
The VergeAI 评分6767 Google 发布 Gemini 4 Carbon，主打网络安全防御能力
Google 发布最新前沿模型 Gemini 4 Carbon，宣称在编码、Agent 任务和网络安全方面有显著提升，登顶 Artificial Analysis Intelligence Index (v5.0)，超过 Claude Opus 5.5 和 GPT-6 Astra。
量子位同新闻AI 评分7777 谷歌发布Gemini 4 Carbon，智能指数登顶超越Opus 5.5，首发Token半价
谷歌发布新旗舰Gemini 4 Carbon，在Artificial Analysis智能指数5.0中以59分登顶，超越Claude Opus 5.5与GPT-6 Astra。
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，Agent执行速度比Jev快一倍
扩散智能发布扩散语言模型Clover-35B-A3B-Preview，采用MoE架构，总参数350亿，每个token激活约30亿参数，支持写代码、生成网页、调用工具等Agent任务。
品玩同新闻AI 评分7171 谷歌发布 Gemini 4 Carbon 强化网络安全与长程任务能力
谷歌发布新一代前沿模型 Gemini 4 Carbon，定位为当前能力最强的版本，重点提升网络安全防御与长周期任务处理能力。
The DecoderAI 评分6969 Nvidia 开源 Nemotron 3.5 Transcribe，整合转录、翻译与说话人识别
Nvidia 发布开源语音识别模型 Nemotron 3.5 Transcribe，可转录 40 种语言、在 31 种语言与英语间互译、识别 13 种语言的说话人，支持最长 1 小时、最多 8 名说话人的录音。
The Decoder同新闻AI 评分8383 Google DeepMind 发布 Gemini 4 Carbon，登顶 Artificial Analysis 智能指数
Google DeepMind 在 Argon 发布仅两周后推出 Gemini 4 Carbon，以 59 分登顶 Artificial Analysis 智能指数 v5，Argon 为 50 分。
Ars TechnicaAI 评分1919 Google 发布 Gemini 4 Carbon，最新前沿模型但用户无法使用
Google 宣布推出 Gemini 4 Carbon。该模型本质上是 Argon 的略微升级版本，但目前用户无法使用。
Google Blog精选AI 评分7070 Google 发布 Gemini 4 Carbon 前沿模型，主打网络安全与长程智能体能力
Google 于 10 月 28 日发布前沿模型 Gemini 4 Carbon，在 Artificial Analysis Intelligence Index v5.0 排名第一（59 分），并创下 SEC-bench Pro（88.2%）、ExploitGym（54.8%）、CWE-bench（71.0%）等网络安全基准的 SOTA。
推荐理由：官方公布了 Gemini 4 Carbon 在网络安全、编码与对齐上的具体基准成绩和定价，以及面向网络防御者的分阶段开放安排。
人人都是产品经理AI 评分6565 面壁智能与 OpenBMB 开源 MiniCPM-OCR：1.3B 识别模型配 2B Jev 打分
面壁智能与 OpenBMB 开源 MiniCPM-OCR，含 1.3B 专攻 OCR 的识别模型和 2B 的 Jev 可信度打分模型，识别结果可导出为可编辑 Markdown，低分区块自动转人工。
人人都是产品经理同新闻AI 评分7474 GPT-6.1 Terra 发布，API 价格为 GPT-6 Astra 十分之一，主打高频 Agent 调用
OpenAI 发布 GPT-6.1 Terra，定位高频调用的打工模型，标准 API 定价为输入每百万 Token 1 美元、缓存输入 0.05 美元、输出 5 美元，比 GPT-5.6 Terra 降 50%，约为 GPT-6 Astra 的十分之一。
品玩AI 评分6767 扩散智能DiffuSpace开源扩散语言模型Clover-35B-A3B-Preview，总参数350亿激活30亿
10月28日，扩散智能DiffuSpace发布并开源扩散语言模型Clover-35B-A3B-Preview，采用MoE架构，总参数350亿、激活30亿。
量子位AI 评分5252 OXR 开源：1.3B 主模型登顶 OmniDocBench 等三榜，解析速度超过 PaddleOCR-VL-1.6 与 MinerU2.5-Pro
SoMark 团队开源文档解析模型 OXR（Optical Everything Recognition），主模型仅 1.3B 参数，在 OmniDocBench。
量子位AI 评分5151 Hi3D 开源 V1.0 模型并推出 Hi3D Agent，称 Hi3D V3.0 为可商用 2048³ 精度 3D 模型
Hi3D 团队开放 V1.0 模型代码，并推出面向创作者的 Hi3D Agent。V1.0 基于 Sparc3D 架构，训练数据扩至约 200 万个筛选后的 3D 资产，是 Sparc3D 论文 50 万规模的 4 倍；多视图保真度和细节丰富度分别达到 0.75 和 0.841，切片成功率 90%。
量子位AI 评分8181 OpenAI 发布 GPT-6.1 Terra：API 价格砍半，主打低成本电脑操作
OpenAI 发布 GPT-6.1 Terra，标准 API 价格较 GPT-5.6 Terra 砍半：输入 1 美元/百万 Token、输出 5 美元/百万 Token。
量子位AI 评分6767 百度发布并开源文心Unlimited OCR 2，峰值KV缓存从47GB降至1.77GB
百度发布并开源文心Unlimited OCR 2，可连续解析超长文档，实测一口气读完3600+页《哈利·波特》全集。其采用稀疏参考滑动窗口注意力SR-SWA与无限解码机制，百页级单序列测试中峰值KV缓存从47GB降至1.77GB，减少约96%；16路并发吞吐量从360提升至1315 Token/秒。
量子位AI 评分5858 蚂蚁百灵开源 Ling-3.1-flash-1019，面向 Personal Agent 场景提升多步骤任务能力
10月28日，蚂蚁集团百灵大模型开源 Ling-3.1-flash-1019，在 Artificial Analysis Intelligence Index v4.3.2 得分44分，较上一版提升3分。
人人都是产品经理AI 评分6969 Google世界模型Genie 4发布：作者解读其实时交互、原生音频与两条世界模型路线的分野
Google发布下一代世界模型Genie 4，距Genie 3约14个月。作者基于官方演示介绍其主要进步：更强的照片级画质与物理交互，可通过键盘和自然语言实时修改天气、加入物体，并首次原生生成与环境同步的环境音和人物对话。
品玩同新闻AI 评分7474 OpenAI 发布 GPT-6.1 Terra，聚焦计算机操作与智能体应用
OpenAI 于10月27日发布新模型 GPT-6.1 Terra，聚焦计算机操作与智能体应用，可识别屏幕内容、操作软件并完成多步骤办公任务。
第一财经AI 评分6767 谷歌发布世界模型 Genie 4，首次原生生成音频并处于研究预览阶段
谷歌于北京时间10月28日发布世界模型 Genie 4，称其为旗下首个能原生生成音频的实时世界模型，可在生成场景的同时同步生成音乐、环境音和互动对话。Gemini 3.8 Flash 在生成过程中扮演“导演”角色，负责观察画面、拆解步骤并即时调整计划；模型目前处于研究预览阶段，仅向受信任测试者开放，长时一致性、复杂物理互动和空间准确性仍是待解决的问题。
品玩AI 评分6363 谷歌 DeepMind 发布世界模型 Genie 4
谷歌 DeepMind 正式发布第四代世界模型 Genie 4，具备原生多模态能力，可在生成视觉内容的同时同步输出音频。模型融合 Gemini 系列推理能力，支持自然语言实时修改模拟场景，涵盖天气变化、镜头移动及人物交互，并可模拟空气动力学、碰撞等物理场景。