跳到正文

#模型发布

今日 6 条
11月4日周三
  1. 爱范儿64

    实测腾讯混元 Hy4 正式版:复刻《王者荣耀》、半小时出 14 份论文 PPT

    腾讯混元 Hy4 正式版发布,官方称在 Agent 能力和长程任务上优化,多个 Benchmark 位列开源第一,超过 DeepSeek V4.1 Flash。

    决策要点

    腾讯把模型、工具和产品场景放进同一条迭代链路,开源模型的竞争维度正从单点跑分转向真实任务的交付能力。

    • 影响日常办公与创意任务在作者实测中基本一次交付,文档批量的返工成本有望下降;复杂电脑操作流程仍需多轮交互,人力监督并未省掉;API 价格与 preview 持平且 11.4 至 11.15 限时免费,试用和批处理成本可重新核算。
    • 参考可考虑在免费期内挑一批论文总结或批量 PPT、报表类任务实测,记录一次交付率与返工次数;值得把模型选型的对比标准从 Benchmark 跑分换成真实文档任务的成本核算。
  2. 人人都是产品经理62

    美团 LongCat-2.5 发布:全国产训练、原生多模态、1.6 万亿参数

    美团发布 LongCat-2.5,总参数 1.6 万亿、激活 480 亿,上下文窗口 1M token,单次最多输出 128K,训练时即把图文 token 排进同一序列的原生多模态模型。

    决策要点

    这次发布的核心信号是国产加速卡已能支撑 1.6 万亿参数模型的完整训练与推理,官方跑分显示长程智能体任务能力跨代提升。

    • 影响国产卡跑通超大模型全流程,算力供应多了国产选项;长任务得分从 3.0 到 38.5,代码与办公类智能体任务的可用门槛在下降;每百万 token 输入 2 元的定价属低价档。
    • 参考可考虑用真实业务里的长任务做小样对比,比如代码修复或经营报表分析类需求;值得按每百万 token 输入 2 元的口径先算一次替换现有模型的成本;选型时可留意它对 Claude Code、Codex 等环境的适配。
  3. 人人都是产品经理53

    深度原理开源科学模型 Hydrogen-1.0,基于 GLM-5.3 后训练、权重全开放

    深度原理团队把 GLM-5.3 后训练成科学模型 Hydrogen-1.0,权重全开放,挂在 Hugging Face 和 ModelScope 可下载,并在 NeuroSpark 提供 API、自家 AI 科学家产品 Mira 中可用。

    决策要点

    海外闭源的科学发现能力被国内团队用开源权重重新铺开,研发企业多了可自由改造和继续训练的科学模型选项。

    • 影响材料、化学等研发团队可以零授权费拿到权重并在自有数据上继续训练,降低科学模型的引入门槛;公开领先幅度只有几个百分点且多来自内部评测,选型前需要自建评测验证;也减少对单一闭源 API 的依赖。
    • 参考可考虑让研发团队下载权重,选单步反应预测或结构解析等边界清晰的任务自建评测,与现有模型对比;值得盘点自有实验记录,评估能否整理成后续训练数据。
  4. IT之家·人工智能66

    腾讯混元 Hy4 正式版发布,官方称首次跻身最强开源模型之列

    腾讯 11 月 4 日发布混元 Hy4 大语言模型正式版,官方称 Hy 首次跻身最强开源模型之列,计划近期开源模型权重并发布模型系统卡片。相比 Hy4 preview,正式版首次引入视觉能力与电脑操作支持,已上线腾讯云和 OpenRouter,性能提升同时维持相同 API 价格;8 月发布的 preview 版总参数 770B、激活参数 49B、上下文长度 1M。

    决策要点

    腾讯用开源策略把旗舰模型推入最强开源梯队,同时官方承认与顶尖闭源模型差距仍大,定位是开源生态强选项而非闭源平替。

    • 影响已有 API 用户可在成本不变的情况下升级到正式版;开源权重计划发布,自部署和私有化方案会出现更多选择;官方承认高难度任务与闭源顶尖仍有差距,关键场景选型需要留出备选。
    • 参考可考虑在长文理解、图表分析等场景对比 Hy4 与现有模型的成本和效果;值得等权重开源后评估私有化部署可行性;选型压测可参考官方自认的高难度短板清单。
  5. 人人都是产品经理51

    微信开源 WeVisOne-VL:1亿张图、36亿目标框训练,图里没有就报没有

    微信视觉团队开源 WeVisOne-VL,放出 2B、4B 两版权重(Apache 2.0),一个模型同时完成找物体、数数量、读文字、分割和抠图,图里没有目标时直接返回 None。

    决策要点

    把敢说没有当成一项独立能力来训练和评测,减少视觉识别硬凑框带来的误报,并把多种视觉任务合并进一个模型。

    • 影响依赖找目标、读文字、分割抠图的业务,找不到目标时不硬框可减少下游误判和人工复核成本;单模型替代画框加 SAM 的组合可简化部署链路;当前版本只支持图片输入。
    • 参考可考虑先在网页 Demo 用自己的图片各试一类题,包括确认图里没有的目标和发丝等细节多的抠图;值得按官方复现说明在自有数据上复测,再评估是否替换现有画框加分段的链路。
  6. 36氪·AI34

    GPT-6.2 Astra要来了,神秘双模型闪现OpenAI API后火速撤回

    OpenAI两个未公开模型ID rc-ada-or-vm与rc-ada-sh-vm闪现官方API列表,数分钟后被撤下,外界解读为GPT-6.2 Astra临近发布。

    决策要点

    泄露与官博信息共同指向OpenAI下一代模型临近发布,工程任务跑分跳升加双虚拟机架构,主打长链路Agent场景。

    • 影响官方口径的新跑分与更低单题成本若获独立验证,重度调用的预算测算需要重算;架构面向长链路Agent,复杂工程任务的自动化范围可能扩大;发布临近,新签调用合约可留换代余地。
    • 参考可考虑等正式发布与首批独立评测后再重算单题成本与选型;值得提前盘点工作流中依赖沙盒执行代码的Agent环节,作为新架构试点候选;新签调用合约可加入模型换代条款。
  7. OpenAI:官网动态40

    OpenAI 发布 Images 2.6,图像生成提速并支持 GIF 创建

    OpenAI 发布图像模型 Images 2.6,官方称带来更快的图像生成、GIF 创建、更精确的编辑以及新的 API 控制。新能力同时覆盖 ChatGPT、Codex 和 API 三条渠道,为开发者接入图像生成提供更多控制选项。

    决策要点

    这是图像生成能力的一次常规版本升级,实质是把速度、格式与编辑精度的改进同时铺到聊天端和开发者侧。

    • 影响内容与营销团队出图的等待成本会随之下降;GIF 创建让动图素材可以直接由模型产出;API 控制项增多,已有图像集成的参数配置需要重新核对。
    • 参考已有图像生成集成的团队可先核对新 API 控制项能否简化现有后处理流程;营销侧值得把 GIF 场景纳入试用清单,对比模型生成与人工制作的成本。
11月3日周二
  1. IT之家·人工智能46

    商汤发布日日新 SenseNova 6.8 Flash 正式版,支持动态 PPT 与 3D 设计

    商汤科技 2 日晚间发布日日新 SenseNova 6.8 Flash 正式版,重点升级办公协作与设计生成能力。新版支持长期记忆与跨会话任务协作,设计覆盖动态 PPT、动态海报、网页、SVG 与 Blender 3D 创作,可接入 Figma 等专业工作流。

    决策要点

    商汤把 Flash 版模型定位在办公设计交付物上,竞争点从对话问答转向能直接产出的 PPT、海报与 3D 成品。

    • 影响市场与设计团队的 PPT、海报类日常产出可借助此类模型压缩制作成本;长期记忆加跨会话协作让模型有机会承接需多轮跟进的任务;性能领先的说法来自评测口径,暂无独立验证。
    • 参考可考虑让市场或设计岗用动态 PPT 与海报功能做小范围对比试点,记录单件产出耗时;值得把商汤小浣熊限免期至 2026 年 12 月 1 日当作低成本试用窗口,再决定是否纳入正式预算。
  2. 36氪·AI37

    奥特曼宣布攻下千禧年难题的下一代GPT即将上线

    奥特曼在ADIPEC 2026开幕式上确认,破解纳维-斯托克斯方程的内部模型就是下一代GPT,很快发布。按官方口径,1万个Agent无层级自主协作88小时完成证明,再由GPT-6 Astra用17小时通过Lean形式化验证;OpenAI披露该模型过去两个月还产出721篇预印本、攻克挂谷猜想并证伪指数时间假说,10月起单次提示平均约3小时解出一题。

    决策要点

    这是一场以科研战绩为素材的发布预热,关键进展均出自奥特曼官方口径,实质是把模型能力叙事推到新高度为上线造势。

    • 影响复杂推理与科研辅助任务的能力预期被官方叙事抬高,若兑现会改变相关研发与外包的预算结构;多数战果仍是官方口径,文中仅提及个别论文有学者参与核验,按宣传直接立项有高估风险;能源被点名为头号瓶颈,高强度Agent调用伴随真实算力成本。
    • 参考可考虑把该模型列入发布后的实测清单,先挑一道本行业可验证的复杂分析题做基准对比;值得复核现有多Agent编排中总控节点的必要性;预算上先算出高并发Agent调用的Token成本上限。
  3. Google Blog:AI56

    Google 汇总 2026 年 10 月 AI 进展,Gemini 4 Argon 全球上线并公布新模型 Gemini 4 Carbon

    Google 发布 2026 年 10 月 AI 更新汇总,核心是推理模型 Gemini 4 Argon 全球上线,覆盖 AI Studio、Gemini API、Google Cloud、搜索与 Gemini 应用,两周后公布定位网络安全防御与长程工程的 Gemini 4 Carbon,后者正通过 Fairwind Program 向美国政府及可信网络防御者预发布测试。

    决策要点

    旗舰模型迭代间隔压缩到两周,且 Carbon 按敏感度分层投放,企业可用的模型梯队和选型节奏都在改变。

    • 影响Argon 已在 AI Studio、Gemini API、Google Cloud 等渠道全面开放,复杂编程、金融分析、法律流程可纳入现有选型;Carbon 仅限政府和可信网络防御者测试,商业客户暂无获取通道;网络安全防御成为旗舰模型的主打能力,相关工具预算的参照系可能随之变化。
    • 参考可考虑在复杂编程或财务分析流程用 Gemini 4 Argon 做小范围对比试点;有内容合规需求的团队值得评估 SynthID Detector 英文版的检测范围;医疗类机构可跟踪 AMIE 的门诊证据。
11月2日周一
  1. 量子位47

    商汤发布日日新 SenseNova 6.8 Flash,主打委派智能,限时免费开放

    商汤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 走完全流程,目前限时免费。官方评测称其在 TeamBench 和 DataAnalysis2.0 排名第一,BEAM 128K 上与 GPT 6 Luna 并列第一。

    决策要点

    商汤把竞争点放在交付而非跑分上,用限时免费把多模态智能体的使用门槛降到普通办公场景可试用的程度。

    • 影响网页、海报和 PPT 这类设计初稿的内部产能可能上升,外包与设计工时结构值得重算;智能体主动改旧材料可减少数据过期风险,但改动仍需人验收;限时免费是低成本试用窗口。
    • 参考可考虑选一个网页或动态 PPT 的真实需求,在免费期内做一次产出对比;值得梳理公司对外引用的行业数据清单,为带长期记忆的智能体设定核对与审批环节。
  2. IT之家·人工智能48

    美团龙猫发布 LongCat-2.5 原生多模态模型:1.6T 参数,面向长程智能体任务

    美团龙猫 11 月 2 日发布面向长程智能体任务的原生多模态模型 LongCat-2.5,总参数量 1.6 万亿,每个 token 激活约 480 亿参数。

    决策要点

    美团把 LongCat 的迭代重心压在长程智能体与代码工程能力上,国内模型迭代方向正转向能承担工程任务的智能体。

    • 影响智能体编程类场景多了一个候选模型,在线体验与 API 已可直接测试;权重即将上线 Github 与 HuggingFace,私有化部署具备条件;训练与推理在国产算力上优化,对算力采购受限的企业多一条可选路径。
    • 参考可考虑把复杂代码库开发或完整项目构建类任务纳入模型对比清单,用同一批任务测试通过率与耗时;权重上线后,值得评估私有部署在数据敏感场景的可行性,先算清 W4A4 推理与现有方案的成本差。
  3. 36氪·AI52

    OpenAI GPT-6.2 Astra 与 Claude 5.5 新旗舰同日曝光

    OpenAI 与 Anthropic 的下一代旗舰在 11 月 1 日前后同日被曝光,GPT-6.2 Astra 已在 Codex 后台灰度承接 19.8% 真实流量(爆料人 Token Gremlin 账单口径),Claude Mythos 5.5 则被发现预埋在 Anthropic 官网源码中。

    决策要点

    这场同日泄露的实质是下一代编程旗舰把竞争押注在长时自主干活与百万上下文上,并按护栏松紧拆分同一模型的供应版本。

    • 影响编程与智能体工具的选型节奏会被打乱,刚完成的模型评估可能很快需要重做;若百万上下文与多小时连续编码属实,长流程自动化的可行边界会外移;无护栏版本不对外开放,企业能采购的仍是带护栏通用版。
    • 参考可考虑把近一两周的大型模型选型或迁移决定押后到官方发布与第三方评测之后;值得先圈定一两个长时编码或智能体试点场景,新模型上线即做同题对照。
11月1日周日
  1. IT之家·人工智能35

    商汤开源 SenseNova Loop-9B-Preview,宣称媲美 27B 参数模型

    商汤科技 10 月 30 日宣布开源 SenseNova Loop-9B-Preview,该模型基于 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 机制,官方称仅 9B 参数即可媲美 27B 参数模型,并在 WorkBuddy Bench 等评测中超过 Qwen3.5-27B(官方口径,暂无独立验证)。

    决策要点

    商汤以循环计算扩展有效计算深度,尝试用架构创新替代参数规模,为小模型承接复杂任务提供一条降算力路线。

    • 影响若官方结论成立,企业可用更小参数模型承接代码生成与智能体任务,推理成本有机会下降;权重开源便于私有化部署与内部评测;当前为 Preview 版本,性能口径均为官方自述。
    • 参考可考虑从 Hugging Face 拉取权重,在自家代码生成或办公智能体场景与现有 27B 级模型做同题对比,把推理成本与延迟一并纳入评测维度。
10月31日周六
  1. 人人都是产品经理73

    OpenAI 发布低成本新模型 GPT-6.1 Terra,单任务成本约为 Claude Opus 5.5 九分之一

    OpenAI 发布低价模型 GPT-6.1 Terra,定位承接视觉理解、桌面操作和工具调用等高频 Agent 任务,官方称速度超过 GPT-6 Astra 和 GPT-6.1 Sol 的 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。

    决策要点

    OpenAI 把 Terra 定位为高频 Agent 的工作模型,竞争焦点从单点跑分转向单任务成本,按复杂度分层调用模型会更贴近真实生产。

    • 影响视觉与桌面操作类自动化的单位成本明显下降,高频场景的试点预算可以重算;任务规模扩大后权限、审计和成本观测也要同步升级;低价容易放任任务无限重试,真实账单取决于成功率而不只是单价。
    • 参考可考虑选发票读取、表格整理或跨应用填写等高频任务小范围试点,记录首轮成功率、端到端耗时和回滚次数;值得先算出含失败重试与人工返工的真实单任务成本,再设置项目预算和调用上限。
10月30日周五
  1. IT之家·人工智能61

    小米开源 0.8B 参数 OCR 模型 Xiaomi-OCR-0,打通文档解析与视觉问答

    小米宣布开源 0.8B 参数文档理解模型 Xiaomi-OCR-0,权重与推理代码已上线 Hugging Face 和 GitHub。

    决策要点

    小米以 0.8B 专精小模型切入文档理解开源市场,官方口径下小参数量即可对标 2B 至 8B 的通用多模态模型,专精小模型路线再添一例。

    • 影响发票、表单类抽取流程多了一个可私有化部署的低参数开源选项,文档解析的部署与算力门槛随之下探;各项分数均为官方口径,缺少独立评测;小米手机助手已落地该技术,端侧场景有先例。
    • 参考可考虑收集发票、表格、手写体等真实业务样本,将其与现有文档解析方案做对比测试再决定是否引入;值得评估其 MCP 服务与 Agent Skill 工具包能否接入现有智能体流程。
  2. 量子位55

    智元发布GO-3 Preview与WITA-OMNI双模型,推出机器人有效工时单位Worken

    智元在创新日发布具身基座模型GO-3 Preview与交互大模型WITA-OMNI,并推出衡量机器人有效智能工时的新单位Worken。官方称两款模型分别登顶三项和四项评测榜单,同期发布单臂20公斤负载的机器人精灵G2 Max、第三代硬件架构AHA3和具身原生操作系统灵渠OS 1.0,灵渠OS计划年底全面开源并捐赠开放原子开源基金会。

    决策要点

    智元用Worken把部署规模、自主时长和产出效率做成可核算口径,试图让具身智能的竞争从演示效果转向真实生产力比拼。

    • 影响制造业与零售文旅企业多了一套评估机器人真实产出的指标框架;供应商宣称的榜单成绩和产线数据需按自身场景核验;灵渠OS开源或降低非智元体系硬件的接入与开发成本。
    • 参考可考虑按部署规模、自主时长、产出效能三要素列出机器人试点评估清单,向供应商索要真实产线的成功率与节拍数据;做二次开发的团队可跟踪灵渠OS年底开源进度。
  3. 量子位42

    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 MIT 研究人员组成的 Efficient-Large-Model 团队在 Hugging Face 开源视频增强项目 Open-H3-Regenerate-2K 的模型权重,推理代码在 NVlabs/Sana 仓库开放。

    决策要点

    H3 的开源生态已补齐官方仅通过 API 提供的高分辨率重生成环节,自部署方案在画质测试中还略胜官方接口。

    • 影响视频高分辨率重生成出现可自行部署的替代路径,算力成本转为自有 GPU 投入且需单张 B200 级硬件;开源版与官方 API 在各画质指标上互有胜负,替换前需按场景逐项对照。
    • 参考可考虑先用约 5 秒样片在自有 GPU 上复测 22.45 秒的耗时口径,再把 UniPercept 与 VBench 各项得分对照自身画质要求,决定自部署或继续调用官方 API。
  4. IT之家·人工智能51

    百度开源发布文心 Unlimited OCR 2 文档解析模型,支持"无限"页数

    百度于 10 月 27 日发布并开源文心 Unlimited OCR 2 文档解析模型,将解析上限从数十页推向"无限",官方演示可一次性解析累计超过 3,600 页的《哈利·波特》全系列 7 部作品。

    决策要点

    文档解析模型的竞争点转向超长文档处理,百度以开源路线发布新模型,企业有机会自托管处理百页级以上文档。

    • 影响合同、档案、财报等长文档数字化场景多了一个可自托管的开源选项,整本扫描件不再需要拆分预处理;官方分数未经独立验证,替换现有方案前需自行实测。
    • 参考可考虑用自有长文档样本实测表格识别合并与跨页文案合并效果,和现有 OCR 方案对比准确率与算力开销;值得先盘点业务里有哪些百页级文档处理需求。
  5. IT之家·人工智能39

    Qwenputer 问世:把 RISC-V CPU 指令集塞进模型,AI 算数不再靠外部工具

    开发者 Divyansh Agrawal 于 10 月 22 日发布基于阿里 Qwen3.5-4B 的实验性模型 Qwenputer,将 RISC-V 的 RV32IM 指令集编译进模型权重、以门控 DeltaNet 内部状态充当 RAM,使模型无需调用 Python 等外部工具即可执行程序和精确计算。

    决策要点

    开发者验证了把确定性计算内建进模型权重的路线,精确算术可不依赖外部工具,代价是模型体积和推理速度。

    • 影响依赖外部计算器或代码解释器的精确计算链路多了一个模型内建选项;但单条指令耗时数秒、需专用驱动和 24GB 显存,现阶段更接近研究验证而非生产可用。
    • 参考可考虑用 24GB 显存单卡在 Hugging Face 复现其大整数运算测试,记录真实耗时;值得盘点现有依赖代码解释器做精确计算的链路,留作该路线成熟后的替换候选。
  6. 量子位67

    国产开源模型 OXR 登顶三份文档解析榜单,1.3B 参数单卡百页解析 101 秒

    国产团队 SoMark 发布 1.3B 参数开源文档解析模型 OXR,官方成绩显示其以 97.18、87.84、87.76 登顶 OmniDocBench、olmOCR-Bench、DocParsingBench 三份榜单,单张 RTX PRO 6000 端到端解析 100 页文档耗时 101 秒。

    决策要点

    文档解析从低技术含量的前置工序变成 Agent 知识入口,自进化训练路线降低了对人工标注的依赖。

    • 影响企业把 PDF、扫描件转为结构化知识的算力门槛下降,消费级显卡即可本地部署;版面分析模块可插拔,古籍、医疗单据等特殊版面可用私有模型替换;Agent 知识入库的文档质量瓶颈有了新的解法选项。
    • 参考可考虑先用免费 API 对自有 PDF 样本跑一轮对比,统计表格、公式与跨页表格的错误率;值得评估现有解析管线合并阅读顺序环节、或替换私有版面模型的改造空间。
  7. IT之家·人工智能64

    Mistral AI 开放 Large 4 模型权重:1T 参数,编程智能体更省 Token

    法国 Mistral AI 于当地时间 10 月 29 日开放 Mistral Large 4(ML4,代号 le Chonk)模型权重,为 1 万亿总参数、490 亿激活参数的原生多模态模型,在 Mistral 欧洲自有数据中心用 3,800 块 NVIDIA Grace Blackwell GPU 从零训练。

    决策要点

    Mistral 以开放权重加低定价切入企业级开源模型市场,差异化卖点从跑分转向智能体任务的实际 Token 消耗。

    • 影响企业私有化部署多了一个常规商用免费的开源选项;若每任务省 47% Token 经得起实测,智能体类应用的推理账单可重新测算;云厂商转售 MaaS 需先谈授权,采购流程会多一步。
    • 参考可考虑把 Mistral Large 4 加入开源选型对比清单,用自家真实智能体任务测算每任务 Token 成本;涉及转售或托管服务的团队值得先核实授权条款。
10月29日周四
  1. The Decoder:AI News68

    Mistral 开放 Mistral Large 4 权重,编程领先开源阵营但综合评测仍落后中国模型

    Mistral 在 Hugging Face 开放 Mistral Large 4(绰号 Le Chonk)权重,总参数约 1 万亿、每步激活 52B,预览后又经三周强化学习加练。

    决策要点

    Mistral 此番开放权重守住了开源编程第一梯队,但综合与网络安全榜仍被中国开源模型压过,其真正的差异化在欧洲主权部署与价格。

    • 影响面向欧洲数据合规或自托管需求的企业多了一个价格比预览期近乎减半的开源基座;编程智能体单任务成本 $2.06,低于 GLM-5.3 和 Kimi K3.1 Pro;将模型转售为商业云服务需向 Mistral 另行取得授权,是新增的许可成本。
    • 参考可考虑按单任务成本实测编程场景,对比 Large 4 的 $2.06 与 DeepSeek V4.1 Flash 的 $0.60;若计划将其包装为商业云服务,值得先核对修改版 MIT 许可证的额外授权条款;有渗透测试需求可了解其受限合作版本的准入条件。
  2. IT之家·人工智能47

    DiffuSpace 发布扩散语言模型 Clover-35B-A3B-Preview,以 Apache 许可开源

    AI 实验室 DiffuSpace(扩散智能)发布 Clover 系列首个成员 Clover-35B-A3B-Preview,一款采用 MoE 架构的扩散语言模型,以 Apache 许可开源,区别于自回归模型,通过多轮迭代实现结果从模糊到具体的生成。

    决策要点

    扩散架构在 35B 级开源模型上向自回归路线发起竞争,推理速度与生成质量的权衡多了一个新选项。

    • 影响Apache 许可允许企业免费自托管与二次开发;官方宣称的更快生成速度若经自有场景实测确认,智能体编程与工具调用这类高频推理场景的响应成本有重新测算的空间。
    • 参考可考虑先在智能体编程或工具调用场景做小规模实测,对比其与现有自回归模型的速度与质量;值得把开源许可条款和自托管部署条件纳入评估清单。
  3. TechCrunch · AI65

    Mistral 开源万亿参数模型 Mistral Large 4 权重,瞄准网络安全

    Mistral 发布万亿参数开源模型 Mistral Large 4 的权重,昵称 Le Chonk,企业和政府可自行下载部署,权重已上架 Hugging Face 并可通过 API 调用。

    决策要点

    开源阵营的比拼正从模型性能转向 token 成本与部署自主权,网络安全这类强调数据控制的场景成为双方争夺点。

    • 影响重度智能体编码与安全场景多了一个可本地部署的前沿开源选项,官方宣称的 token 效率若成立将影响调用成本核算;依赖闭源 API 的机构在数据出域和断供风险上获得对冲手段。
    • 参考可考虑在智能体编码这类高频调用场景,用自有工作负载复测 ML4 的 token 消耗再定采购;安全团队值得评估其本地部署与现有威胁检测流程的整合成本。
  4. 36氪·AI53

    智元发布具身模型 GO-3 Preview,覆盖预训练、后训练与部署后全链路学习

    智元 10 月 29 日发布具身模型 GO-3 Preview,官方称其在 RoboDojo、RoboTwin、RoboColiseum 三项评测居第一,预训练数据约九成来自人类第一视角视频,据智元介绍已具备数百种任务的开箱即用能力。

    决策要点

    具身模型的竞争维度正从训练阶段扩展到部署后学习,机器人在真实作业中积累经验被当作持续的能力来源。

    • 影响零售补货、熟食打包等重复作业场景的机器人可用性在提升;性能数据均出自智元口径,采购评估要以真机验证为准;部署后学习能力要求验收与运维把能力随时间的变化纳入考量。
    • 参考可考虑将便利店补货、打包等流程固定的场景列为具身机器人试点候选;评估时值得要求厂商提供真机演示与第三方评测数据;先算出自有场景的异常恢复与人工兜底成本。
  5. 36氪·AI50

    智元发布具身模型 GO-3 Preview,称拿下三大机器人榜单第一,年底全面开源

    智元 10月29日发布具身模型 GO-3 Preview,官方称其在 RoboDojo、RoboTwin、RoboColismus 等机器人榜单拿下 Top 1,并计划年底全面开源。

    决策要点

    具身模型的竞争焦点正从出厂前的训练演示转向部署后在真实业务中持续进化,比拼的是全链路迭代速度。

    • 影响机器人采购的评估参考可能从演示效果转向长期作业可靠性;真实作业数据回流会形成先发优势,场景多的企业迭代更快;年底开源计划或降低行业试水门槛。
    • 参考可考虑把11月2日便利店直播这类真实场景考核作为评估机器人长期可靠性的参照;有部署意向的企业值得先盘点自身高频、流程固定的作业场景,作为经验回流的起点。
  6. 36氪·AI66

    谷歌 Gemini 4 Carbon 跑分登顶超 GPT 与 Claude,暂只对网络安全人员开放

    谷歌 10 月 28 日突然发布新旗舰 Gemini 4 Carbon,在第三方机构 Artificial Analysis 的智能指数 v5.0 上以 59 分登顶,超过 58 分的 Claude Opus 5.5 和 57 分的 GPT-6 Astra,但模型暂只对少数网络安全防御人员开放。

    决策要点

    谷歌把发布和开放拆成两步,用跑分先占心智、借安全测试争取调校时间,这是一次有意的期货式发布。

    • 影响登顶与可用之间存在时间差,选型不能按发布会分数下单;正式开放前会加安全护栏,届时成绩可能不及解除防护的评测值;引入期定价与上代持平,等于又多了一个低价窗口。
    • 参考可考虑把它列为候补,先用已开放的 Argon 做基线测试;等正式开放后用带防护的版本重跑自家业务场景评测,并把幻觉率、注入攻破率等安全指标写进验收清单。
  7. 人人都是产品经理59

    MemOS 开源记忆原生大模型 MemT 1.0,36B 单卡实测可凭内部记忆复现团队规范要点

    记忆张量(MemOS)团队 10 月 20 日开源 MemT 1.0,官方称为首个记忆原生架构开源大模型,提供 36B 的 Nano(基座 Qwen3.6-35B-A3B)与 288B 的 Flash(基座 DeepSeek-V4-Flash)两个版本。

    决策要点

    记忆原生架构把团队规范从提示词小抄挪进固定大小的模型内部状态并可存为快照,实测能记住要点但细节走样,强文本记忆方案仍有竞争力。

    • 影响对维护大量私有编码与安全规范的研发团队,快照可保存复用、新会话免配置,省去重复粘贴规范的 Token 与人力;但四条规范仅一条完全落地,生成代码仍需人工审查;端到端延迟在短历史下反而更高,收益集中在 64K 以上长程任务。
    • 参考可考虑用一套自有编码规范做快照复用与提示词粘贴的对照测试,比较违规率和 Token 开销;值得先统计团队日常会话的历史长度分布,判断长程收益能否覆盖短历史的延迟代价。
  8. IT之家·人工智能62

    英伟达开源语音转录模型 Nemotron 3.5 Transcribe,支持 40 种语言、最多区分 8 名说话人

    英伟达于 10 月 28 日发布开放权重语音转录模型 Nemotron 3.5 Transcribe,并同步公开训练数据管线 Granary v2。模型采用 MoE 架构,总参数约 340 亿、激活约 43 亿,支持最长 1 小时录音、40 种语言转录(其中 31 种可与英语互译)、最多区分 8 名说话人,面向会议纪要、课堂录像、访谈整理和多语言客服等场景。

    决策要点

    高水平语音转录与说话人归属能力进入开源范畴,会议纪要、客服录音整理这类场景有了私有化部署选项。

    • 影响会议纪要、访谈整理、多语言客服质检等场景可自托管转录并保留说话人标注,语音数据不必出域;权重免费开放但采用 OpenMDW-1.1 许可证,商用边界需按条款确认;量化版本尚未发布,本地设备部署要等后续。
    • 参考可考虑用自有会议或客服录音与现有转录服务做词错误率对比测试;值得先核对 OpenMDW-1.1 许可证的商用条款;对语音数据敏感的团队可留意后续量化版本在 RTX Spark、DGX Spark 等本地设备上的部署成本。
  9. 36氪·AI44

    27岁清华教授创立的超衍智能发布35B模型Apex-35B-V1.0,走递归自我改进路线

    超衍智能于10月28日发布35B模型Apex-35B-V1.0,公司成立4个月,由27岁的清华助理教授陈勇超创立,此前完成累计近4亿元天使轮及天使+轮融资,投资方覆盖头部财投、产业资本与北京、深圳、上海国资。

    决策要点

    超衍智能把RSI从概念做成可交付的产品叙事,AI参与造模型开始有了阶段性样本,资本正在为这条路线支付溢价。

    • 影响该路线若被验证,模型研发的效率与成本结构会改变,小参数模型可能在部分能力上对标大模型;官方评测暂无独立验证,企业选型不能只看厂商口径;头部财投与三地国资密集入局,赛道资金竞争升温。
    • 参考可考虑在代码与智能体场景实测Apex-35B-V1.0并与现用模型对比;值得跟踪其ACL评审分数等可独立核查的指标,再决定是否投入试点预算。
  10. 36氪·AI46

    谷歌 DeepMind 发布世界模型 Genie 4,支持实时交互与音视频同步生成

    Google DeepMind 发布新一代实时世界模型 Genie 4,单次世界连贯时长从上一代的 1 分钟延长到 2 分钟。模型原生支持音视频同步生成和文字实时改场景,由 Genie 4 生成画面声音、Gemini 负责世界逻辑的混合架构驱动;谷歌还与机器人公司 Apptronik 演示机器人下西洋跳棋,一句笼统指令被拆成 22 个动作步骤。

    决策要点

    世界模型从只能看的技术演示走向可实时交互生成,谷歌、AMD、亚马逊密集投入,赛道升温但离稳定商用仍有距离。

    • 影响游戏与影视可先用于镜头和走位的低成本预演;机器人训练多了一条用虚拟世界合成数据的路径;官方承认场景会漂移,短期难承担正式生产环节。
    • 参考可考虑让内容团队申请内测,先在镜头预演这类低风险场景试水;做机器人的企业值得测算用世界模型合成训练数据的成本;引入前先列明物理与人声的验收标准。
  11. 人人都是产品经理76

    OpenAI 发布 GPT-6.1 Terra,API 价格降至 GPT-6 Astra 的十分之一

    OpenAI 发布 GPT-6.1 Terra,定位高频调用、可规模化的 Agent 任务,标准 API 定价为输入每百万 Token 1 美元、输出 5 美元,比 GPT-5.6 Terra 降价 50%,约为 GPT-6 Astra 的十分之一。

    决策要点

    模型价格下探到按任务算账的程度,Agent 选型的重心从单次问答质量转向任务成功率与总成本。

    • 影响高频分类、录入和代码批处理类任务可承担更低的模型预算;Agent 真实账单取决于缓存、工具调用轮数和重试次数,需按业务类型设预算;调用量扩大后,密钥、权限和审计不能同步放松。
    • 参考可考虑按任务类型列出模型分层清单,先算出单任务的 Token、重试与耗时成本再定路由规则;试点时限定工作区、命令白名单和最大工具轮数。
  12. 人人都是产品经理54

    面壁智能与 OpenBMB 开源 MiniCPM-OCR,配 2B Jev 模型校验识别可信度

    面壁智能与 OpenBMB 开源 MiniCPM-OCR,包含 1.3B 文字识别模型和 2B 的 Jev 可信度打分模型,每块识别结果获得可信度分,低分区块自动转人工,大模型确认无误的区块会被标记免检。

    决策要点

    OCR 的竞争点从识别率扩展到可信度校验,识别模型之外单独配判卷模型,把疑似错误筛出来走人工,而不是让错字直接进业务系统。

    • 影响财务、法务、医疗等对错字敏感的文档录入多了一个低成本校验选项,低分转人工可减少全量人工核对的工作量;两模型合计不到 4B,消费级显卡可跑,自部署试点门槛低;API 尚未放出,短期内以自部署或平台调用为主。
    • 参考可考虑挑一类错字代价高的文档先小规模试点,记录低分区块占比与人工复核耗时;值得同时试同一页交多个 OCR 识别后按 Jev 分数择优的用法,再决定是否接入现有流程。
  13. 钛媒体69

    谷歌发布Gemini 4 Carbon登顶智能指数,同日财报后股价盘后一度跌超10%

    谷歌于美国时间10月28日发布新旗舰模型Gemini 4 Carbon,以59分登顶Artificial Analysis智能指数v5.0,超过Claude Opus 5.5与GPT-6 Astra,时隔约半年重回榜首。

    决策要点

    谷歌用Carbon重夺智能指数第一稳住技术形象,但速度和幻觉率的代价加上分阶段开放,榜单领先短期内难以转化为企业可用的竞争力。

    • 影响选型层面,Carbon跑分领先但Agent任务耗时约为前代两倍以上、幻觉率升高,速度和可靠性需与分数同权重评估;模型分阶段开放,企业暂时无法实测,只能依赖第三方跑分;谷歌自由现金流连续为负、资本开支高企,云服务长期成本走向需纳入预算考量。
    • 参考可考虑等Carbon向企业客户开放后,再针对自身场景实测时延与幻觉表现,暂不据此调整采购;值得先整理现用模型的响应时长和错误率基线,方便届时对比;安全防御类团队可关注其漏洞测试成绩与优惠期定价,用量大的团队可对比GPT-6 Astra的单位任务成本。
  14. IT之家·人工智能35

    腾讯混元 Hy4、Hy4 flash 即将发布,首次引入视觉理解

    腾讯集团高级执行副总裁、云与智慧产业事业群 CEO 汤道生在腾讯全球数字生态大会上宣布,混元 Hy4 即将发布,Hy4 flash 也将在近期推出。官方称 Hy4 相比 Hy4 preview 实现全面大幅提升,强化长程与真实生产力任务能力、提升思维链效率,并首次引入视觉理解;Hy4 flash 定位极致性价比的实用模型,继承视觉、Agent 等能力。

    决策要点

    混元新旗舰仍是发布前预告,视觉理解与高性价比 flash 档是新信号,提升幅度目前只有官方口径。

    • 影响用腾讯云或混元生态的企业会多出视觉能力与高性价比两档选择;模型尚未正式上线,现有选型安排不必因此变动;flash 定价落地后才能算清替代成本。
    • 参考可考虑在正式发布后把视觉理解与 flash 性价比纳入模型选型对比;已在用 Hy4 preview 的团队值得先留存现有任务基准,便于升级前后比较。
  15. 量子位58

    扩散智能发布350亿参数扩散语言模型Clover,Agent执行速度比Jev组合快一倍

    扩散智能发布扩散语言模型Clover-35B-A3B-Preview,采用MoE块扩散架构,总参数350亿、每token激活约30亿,主打写代码、生成网页、调用工具等Agent任务。

    决策要点

    扩散路线把并行生成的速度优势带进Agent任务,开始在工具调用和代码上与自回归模型正面对比。

    • 影响Agent执行速度直接影响客服、网页操作等交互场景的等待体验和算力开销;若扩散路线的速度优势在大规模任务中成立,模型选型的成本测算要加入新变量;现有成绩多为团队口径,替换现有方案前需自行验证。
    • 参考可考虑把响应延迟和成功率纳入Agent试点指标,用自家高频流程把Clover与现用模型放进同一任务集对比;值得跟踪其多模态和端侧版本的节奏,再评估纳入试点的场景。
  16. 36氪·AI73

    谷歌发布Gemini 4 Carbon登顶智能指数,变强但变慢且开放有限

    谷歌于美国时间10月28日在Alphabet财报电话会前发布新一代旗舰模型Gemini 4 Carbon,以59分登顶Artificial Analysis智能指数v5.0,超过Claude Opus 5.5和GPT-6 Astra,较两周前向付费用户开放的Argon提高9分。

    决策要点

    谷歌用榜单第一稳住了技术声望,但更慢的速度、上升的幻觉率和极小的开放范围,让这个第一暂时停留在排行榜上。

    • 影响对时延敏感的业务场景吸引力有限,任务耗时为Argon两倍以上;API优惠期结束后输入输出价格将翻倍,比价需按标准价重算;开放先限安全机构,多数企业短期没有可切换窗口。
    • 参考可考虑等全面开放后用自有任务跑对比测试,重点记录耗时与幻觉率;值得按Artificial Analysis的单任务成本口径,把Carbon与Claude Opus 5.5、GPT-6 Astra放进同一预算模型重算。
  17. 36氪·AI51

    清华27岁助理教授创立的超衍智能发布首个35B模型Apex-35B-V1.0,主攻AI自进化路线

    超衍智能(由清华大学27岁助理教授陈勇超创立)发布首个35B模型Apex-35B-V1.0,官方称在21项基准测试中20项领先Qwen3.6-35B-A3B、18项领先Recursive的40B模型Flint,部分高难度评测超过500B和800B参数级模型。

    决策要点

    递归自我改进从技术设想变成可对比的成品模型,研发效率路线开始与算力规模路线正面交锋,成绩暂为官方口径。

    • 影响若AI自研循环持续有效,模型迭代速度对资金和算力规模的依赖可能松动;当前基准为公司自报,直接采信会带来选型风险;模型已在GitHub和Hugging Face放出链接,具备自行实测的条件。
    • 参考可考虑在论文复现、科学计算或智能体任务中用自有数据小规模实测该模型;值得跟踪两家RSI团队的下一代模型,验证自改进循环能否持续兑现。
  18. IT之家·人工智能41

    首批风云卫星极端天气 AI 模型发布,27 秒生成台风“体检报告”

    10 月 29 日,首批风云气象卫星极端天气 AI 模型在 2026 年风云卫星用户大会上正式发布。台风智能云图解译模型覆盖 7 类台风特征、融合 20 余种卫星实况产品,每 15 分钟解译一次,27 秒即可生成台风位置、结构、强度及演变趋势的解译文本;强对流短临预警模型利用风云四号卫星过去两小时连续观测,将预警时间提前至四小时。

    决策要点

    气象卫星数据的解译从人工分析走向 AI 自动生成,极端天气应对的着眼点从看清现状转向提前数小时预测。

    • 影响台风报告 27 秒生成、每 15 分钟更新,强对流预警提前量达到四小时,物流、能源、施工等受天气影响较大的行业可把更早的预警纳入调度和应急安排;模型精度与误差范围未在发布内容中披露。
    • 参考可考虑评估四小时强对流预警对停工、改线、加固等决策的价值,并盘点现有气象信息来源;天气风险敞口大的企业值得跟踪模型数据的公开渠道与接入方式。