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。
#多模态
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。
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。
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。
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。
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。
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。
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。
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。
Google BlogAI 评分7474 Google 官方展示 Gemini 4 Argon 的 8 个实际用例
Google 发布 Gemini 4 Argon 的 8 个实际应用示例，展示其在复杂推理、多模态和长流程任务上的能力。
Google Blog精选AI 评分6666 Google DeepMind 发布世界模型 Genie 4，支持实时交互模拟与原生音频
Google DeepMind 宣布世界模型 Genie 4，为实时交互模拟带来更高真实感与原生音频。该模型基于 Gemini 系列能力，Gemini Omni 锚定真实世界外观与行为，其他 Gemini 模型提供维持模拟连贯性所需的复杂推理；用户可用自然语言实时操控场景，如移动镜头、改变天气或引入新角色，世界中可即时生成环境音、音乐和交互对话。
推荐理由：官方介绍了 Genie 4 的实时交互模拟能力、Gemini 组件支撑与测试范围，读者可以据此了解其应用方向。
TechCrunchAI 评分6363 Google DeepMind 发布 Genie 4 世界模型研究预览版，新增音频生成与实时引导
Google DeepMind 于周二以研究预览形式发布新一代世界模型 Genie 4，可生成更逼真的交互世界，并支持与场景匹配的实时音频，包括音乐、环境声和交互对话。
雷锋网AI 评分5555 百度开源文心 Unlimited OCR 2，实现任意页数文档解析
百度发布并开源文心 Unlimited OCR 2，宣称全球首次实现任意页数文档解析，实测可一次性解析《哈利·波特》全系列超3600页。
品玩AI 评分6363 百度开源文心 Unlimited OCR 2，实现任意页数超长文档解析
10月27日百度发布并开源文心 Unlimited OCR 2，称首次实现任意页数文档解析并达到SOTA，可一次性解析超3600页文档。
极客公园精选AI 评分7979 Kimi K3.1 Pro 上线，加量降价对标 Claude Opus 5.5
10 月 24 日 Kimi 发布 K3.1 Pro，作为 K3 的后训练版本，底座仍为 2.8 万亿总参数、1040 亿激活参数的 MoE 架构，保持 100 万 token 上下文窗口，并同步推出速度快 2 到 3 倍的 Highspeed 版本，完整权重将在 11 月 4 日前放出。
推荐理由：文章汇总了官方跑分与第三方评分，也收录了网友实测和套餐争议，能帮读者平衡看待这次模型升级。
人人都是产品经理AI 评分6464 月之暗面发布 Kimi K3.1 Pro，主打代码 Agent、3D 创作与金融文档分析
月之暗面发布 Kimi K3.1 Pro，在 7 月发布的 K3 之后通过后训练强化代码、3D 创作、金融、幻觉控制和网络安全能力，可在 Kimi 官网、Kimi Code 和 Kimi Work 使用，API 定价为每百万 Token 输入 13 元（未命中缓存）、1.3 元（命中缓存），输出 68 元。
Google BlogAI 评分5050 看看 5 位开发者用 Gemini 4 Argon 做出了什么
Google 展示了社区用新前沿模型 Gemini 4 Argon 构建的 5 个项目，包括实时映射野火与构造震波的 3D 地球仪、水上飞机模拟、涡扇发动机交互仿真、由单张图片生成的 3D 马车，以及多人夺旗游戏“Backyard Rascals”。
雷锋网AI 评分4343 Kimi K3.1 泄露：3D 成本仅为 GPT-6 Astra 的 1/14，横扫海外视觉三巨头
月之暗面 Kimi K3.1 曝光，AI 博主 Chris 实测一周称其在 Three.js 上表现出色，成本仅为 Kimi K3 的 70%。该模型在 3D 图形、交互大屏等 6 大细分领域展现统治力，生成同等复杂度 3D 代码的 Token 消耗仅为国外顶级模型的几十分之一，与 GPT-6 Astra 相比成本约 1/14，还新增“Medium 中等思考”分级。
雷锋网AI 评分6060 火山引擎启动 Seedance 2.5 4K 模型首批企业试用，定向供应全球 20 家工作室和导演
火山引擎启动 Seedance 2.5 4K 模型第一批企业用户试用，与作品绑定、定向供应给全球 20 家工作室和导演，探索高端影视需求。该模型主打人物表演更细腻自然、参考生成和编辑的一致性更精细，是 Seedance 2.5 这一代中的最强模型。
NVIDIA Blog精选AI 评分7272 NVIDIA 发布 Nemotron 3.5、Kumo、Cosmos 3.5 等开源模型家族
NVIDIA 扩展其开源模型家族，覆盖语言、机器人、生物和量子计算，包括新的 Nemotron 3.5 Super VL 与 Nemotron 3.5 Bolt。
推荐理由：NVIDIA 一次铺开语言、机器人、生物、量子多条开源模型线，可据此看清其开源组合的覆盖范围与开放渠道。
品玩AI 评分3838 网易云音乐自研模型智慧耳CloudEar获MIREX2026音乐评价赛道冠军
网易云音乐自研音乐评价模型智慧耳CloudEar在MIREX2026“Music Evaluation via CMI-RewardBench”赛道以73.9%准确率夺冠，创下该赛道世界最高纪录。其成绩超过官方基线CMI-RM Baseline（65.9%）8个百分点，并战胜开源基线SongEval（72.7%）。该模型已应用于网易云音乐产品，用于AI音乐质量把控、内容分发及生成模型优化。
品玩AI 评分3636 讯飞医疗升级星火医疗大模型V3.7，MedBench5.0评测居首
10月22日，讯飞医疗完成星火医疗大模型V3.7升级，多模态能力覆盖语音、影像、语义三大方向。诊疗助理病历书写端到端生成合理率提升至85%，讯飞晓医新增中医多模态问诊、健康档案动态记忆管理与个性化健康方案生成。该模型在MedBench5.0中以99.6分位列第一，背后依托每天171万次医生端AI辅助与52万人次患者端AI服务的数据积累。
甲子光年AI 评分4949 Aether AI 发布首个因果世界模型 CausalWM，以 66.04 分登顶 TriWorldBench
Aether AI 发布首个因果世界模型 CausalWM，为 16B 模型，以 66.04 分登顶 TriWorldBench 榜单（36 个模型），领先第二名 dream4act 的 65.66 分。
甲子光年AI 评分5858 深度机智发布物理基座模型 PhysBrain 1.5，8B 版 72.5 分居开源第一并开放权重
深度机智发布物理基座模型 PhysBrain 1.5，以 Qwen3-VL-8B-Instruct 为基座，用动作 token 与视觉状态 token 在单一自回归主干下统一训练具身理解、动作生成与未来状态预测。
甲子光年AI 评分5252 影溯科技发布世界模型 InSpatio-World 1.5，推进空间智能产业落地
影溯科技在上海国际视听艺术嘉年华发布并上线新一代世界模型 InSpatio-World 1.5，已开放试用并开源代码。该模型支持单图、多图、全景图和视频输入，扩展时间自回归架构，强化实时场景探索和时空一致性，可基于第三人称视角视频生成第一人称（ego）视角内容，应用于影视创作、沉浸式体验和具身智能训练数据扩展。
The Decoder精选AI 评分7272 Kling AI 发布 4.0 版本，支持立体声与多语言口型同步并推出 Flash 轻量版
Kling AI 发布 4.0 版本，单次可生成最长 30 秒视频，支持最多 10 张关键帧输入，提示词理解扩展至 8,000 tokens。新版本加入双声道立体声与十余种语言的口型同步，Omni Reference 单次最多接受 15 个参考素材，并推出最高 720p、20 秒的 Kling 4.0 Flash 轻量版。
推荐理由：Kling 4.0 与 Wan 3.0、Seedance 2.5 的对比显示其未明显领先，可据此观察 AI 视频模型进展是否放缓。
TechCrunchAI 评分5959 Elorian 发布首个模型 Glimpse，以研究预览形式开放 API
Elorian 发布首个模型 Glimpse，以研究预览形式提供 API 访问，聊天界面仅限候补名单。Glimpse 在推理过程中可裁剪图像区域、从视频中抽取特定帧或运行代码测量比较，Elorian 称这一机制为 visual scratch space。
NVIDIA Blog精选AI 评分7575 NVIDIA 扩展 Nemotron 家族，发布 120B 开源模型 Super VL 与两款端侧 Bolt 模型
NVIDIA 发布 Nemotron 3.5 Super VL，这是一个 120B 参数的开源模型，面向常驻智能体任务，官方称其吞吐量最高可达同类模型的 5 倍。
推荐理由：NVIDIA 一次放出三款覆盖服务器到桌面的开源模型，读者可据此判断本地智能体部署的选型空间。
品玩精选AI 评分7171 可灵 AI 发布 Kling 4.0，强化动态运镜并面向专业创作场景
10 月 15 日晚可灵 AI 的 Kling 4.0 正式全量上线，重点强化大幅动态与复杂运镜，参考素材扩充至最多 15 项、关键帧最多 10 张，单次原生生成延长到 30 秒。
推荐理由：作者用高速追逐、近身打斗等具体任务实测了 Kling 4.0，读者可以据此判断它在专业制作流程中的实际表现。
Google Blog精选AI 评分9090 Google 发布 Gemini 4 Argon，主打复杂工程与科研任务
Google 发布前沿模型 Gemini 4 Argon，即日起通过 AI Studio 和 Gemini 平台的 API 向开发者与企业开放，Google AI Ultra 订阅者可在 Google Antigravity 使用，Ultra 和 Pro 订阅者可在 Gemini 应用和 Search 的 AI Mode 中使用。
推荐理由：官方给出 Argon 在编码、科研与安全上的具体案例和定价，可据此判断前沿模型在长程任务中的落地边界。
品玩AI 评分6262 Agnes 开源 287 亿参数音视频生成模型 Agnes-Video-2.0-MoE
Agnes 开源音视频生成模型 Agnes-Video-2.0-MoE，将约 153 亿参数的 Dense 模型 DaVinci-MagiHuman 改造成总参数约 287 亿的 MoE 架构，激活参数量保持相当，再用 EENP 专家剪枝精简计算。