跳到正文

#模型发布

今日 6 条
10月29日周四
  1. 36氪·AI60

    谷歌发布 Gemini 4 Carbon,重回全球模型第一,暂仅向网络安全防御者开放

    谷歌发布前沿模型 Gemini 4 Carbon,官方称在 14 项核心基准中拿下 12 项第一,第三方 Artificial Analysis v5.0 智能指数以 59 分登顶,超过 Opus 5.5 和 GPT-6 Astra。

    决策要点

    谷歌以闭门方式重回模型榜首,多数企业暂时拿不到使用入口,这件事的实质是前沿迭代提速而非可用工具更新。

    • 影响模型仅向受信任的网络安全防御者开放,多数企业短期无法试用或采购;其引入期定价和连续数天自主跑代码的能力,可作为下一轮模型选型与安全预算评估的参照。
    • 参考可考虑先算出现有模型在长任务上的单次成本,与文中 1.80 美元单任务成本对比;安全团队值得整理漏洞发现与修复的测试口径,为该模型开放后的准入评估做准备。
  2. 量子位66

    谷歌发布Gemini 4 Carbon,智能指数登顶超Opus 5.5,首发半价

    谷歌发布新旗舰模型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。

    决策要点

    谷歌以两周级迭代和半价定价正面进攻编程市场,前沿模型竞争从单一能力比拼转向能力、成本与可靠性并重。

    • 影响前沿模型单任务成本加速下探,AI预算与供应商议价空间随之变化;防作弊与幻觉控制成为长时Agent选型的硬指标;Carbon需发布前测试且先限安全人员,短期难以直接进入生产环境。
    • 参考可考虑把单任务实际Token消耗与缓存命中率纳入模型成本核算,而不只比较标价;安全或长程编程场景是否切换主力模型,可在第三方评测补齐后再决定。
  3. 爱范儿40

    苹果发布 22999 元起触屏 MacBook Pro,Google Gemini 4 Carbon 登顶智能指数超越 Claude Opus 5.5

    爱范儿科技早报:苹果发布触屏 MacBook Pro,22999 元起,首次将触控屏与灵动岛引入 Mac,发光 logo 回归;Google DeepMind 发布 Gemini 4 Carbon。

    决策要点

    前沿模型两周一级的迭代节奏与算力存储供给紧张同时出现,AI 能力竞争正在转化为企业模型选型和采购预算上的现实成本压力。

    • 影响智能指数换题后各模型分数需按版本分别解读,模型选型比价有了新参照;存储厂商判断缺货持续到 2030 年且产能已被长约锁定,硬件采购成本面临上行;涉未成年人的 AI 陪伴产品多了一条 2027 年生效的合规边界。
    • 参考可考虑把模型评测纳入季度流程,用第三方指数初筛、再按自家场景实测;值得重算明年的硬件与云支出预算,先算出内存涨价情景的影响;涉未成年人业务的可对照纽约州新法逐项排查功能。
  4. 爱范儿59

    Google DeepMind 发布 Gemini 4 Carbon,以 59 分重回大模型榜首

    Google DeepMind 正式发布新一代旗舰模型 Gemini 4 Carbon,在 Artificial Analysis Intelligence Index v5.0 中以 59 分登顶,超过 Claude Opus 5.5 的 58 分和 GPT-6 Astra 的 57 分。

    决策要点

    谷歌用榜单第一宣示能力上限,但优先供给安全人员、普通用户无时间表,这次登顶更像品牌造势而非可用产品。

    • 影响安全防御类团队可能率先拿到使用权,可留意 Fairwind Program 的扩大节奏;若多天数自主工程能力兑现,大型代码库维护的人力结构会受影响;当前无开放时间表,采购与试点暂无排期依据。
    • 参考可考虑让安全团队跟进漏洞发现与修复类能力的实测对比,并留意 Fairwind Program 准入条件;采购侧值得先按推广期与标准价两档单价测算 Token 成本,再决定是否列入候选。
  5. IT之家·人工智能66

    谷歌发布 Gemini 4 Carbon,登顶全球智能指数榜首,主打网络安全能力

    谷歌发布新一代前沿大模型 Gemini 4 Carbon,主打网络安全与长程任务处理,在 Artificial Analysis Intelligence Index v5.0 以综合得分 59 排名第一。

    决策要点

    前沿模型竞争开始按行业场景分化,谷歌把安全攻防全流程做成模型核心能力,并以配合美国政府测试的分批放行控制发布节奏。

    • 影响漏洞发现到补丁修复的全链路自动化若达到官方所述水平,安全团队现有人力分工可被压缩;分批开放下多数企业短期没有正式使用入口;首发价为准常定价一半,早期试点存在成本窗口。
    • 参考可考虑先盘点安全团队在漏洞验证与补丁编写上的人力耗时,作为后续对比基线;值得在 Fairwind 计划扩大范围时争取可信合作伙伴资格,用自有代码库实测官方所称修复成绩,再决定是否引入。
  6. The Verge · AI61

    Google 发布 Gemini 4 Carbon,称网络安全能力显著跃升

    Google 发布最新前沿模型 Gemini 4 Carbon,官方称其在编程、智能体任务和网络安全上有显著提升,现居 Artificial Analysis Intelligence Index(v5.0)榜首,Claude Opus 5.5 与 GPT-6 Astra 位列其后。

    决策要点

    Google 本月内连发两款前沿模型,并把网络安全作为差异化主打,前沿竞争从通用能力延伸到安全专用场景。

    • 影响安全要求高的企业多了一条专用前沿模型选项,但目前仅开放给部分安全防御公司,多数企业暂无法直接使用;价格与 Argon 持平,若后续经 Fairwind Program 扩大开放,长任务智能体场景可按每百万输入 token 2 美元、输出 10 美元预估成本。
    • 参考安全团队可考虑把 SEC-bench Pro 与 ExploitGym 成绩作为后续模型选型参照;值得先盘点自身的漏洞发现与安全代码审查场景,待模型扩大开放后再评估试点。
  7. The Decoder:AI News78

    Google DeepMind 发布 Gemini 4 Carbon,距 Argon 仅两周且智能指数登顶

    Google DeepMind 发布 Gemini 4 Carbon,在 Artificial Analysis 智能指数 v5 以 59 分登顶,前代 Argon 为 50 分。

    决策要点

    两周内连续迭代旗舰,竞争重心压向长时程智能体与安全能力,性能提升几乎不推高单任务成本。

    • 影响长时程编程与安全检测场景多了比 Claude 更便宜的模型选项;但模型先供给安全专家和政府测试,企业接入要等护栏调整后再开放;金融与税务类任务耗时超过 Argon 两倍,接入前需评估响应速度。
    • 参考可考虑把多日连续的代码修复或漏洞排查选作试点场景,按每任务 7.76 美元与现用模型重算预算;正式开放前值得先准备安全评审和提示词注入测试清单。
  8. Google DeepMind:Blog70

    Google DeepMind 发布 Gemini 4 Carbon,聚焦网络安全与长程任务

    Google DeepMind 于 10 月 28 日发布新一代前沿模型 Gemini 4 Carbon,官方称其为目前最强模型,以 59 分位列 Artificial Analysis 智能指数 v5.0 第一,并在 SEC-bench Pro(88.2%)、ExploitGym(54.8%)、CWE-bench(71.0%)等安全基准上居首。

    决策要点

    网络安全与长程智能体任务成为前沿模型的竞争焦点,Google 选择受控灰度发布而非直接全量开放。

    • 影响漏洞发现、利用验证与补丁生成环节可用模型完成,安全团队的工作方式面临调整;$2/$10 定价延续 Argon,缓存输入 95% 折扣对长任务成本友好;模型尚未对企业开放,全面可用时间取决于其灰度节奏。
    • 参考可考虑让安全团队按公开基准复测官方数字,评估在漏洞发现与补丁场景的接入价值;值得提前测算长程智能体任务在现行定价与缓存折扣下的 token 成本,并跟踪 Fairwind Program 的开放节奏。
  9. AdExchanger65

    Meta 发布基于大语言模型的新广告排序系统,并升级 Andromeda 与 GEM

    Meta 宣布三项广告排序升级,包括基于大语言模型的新生成推荐模型 GenRecs、GEM 基础模型更新和每秒超 10 亿条广告打分的新排序系统,检索系统 Andromeda 也在与 Nvidia 合作下完成软硬件改造。

    决策要点

    Meta 把广告的筛选与排序进一步交给生成式模型,人工定向的价值被稀释,效果竞争转向素材质量和数据供给。

    • 影响手动建人群、拆受众测试的打法价值下降;新广告冷启动期缩短,测试期损耗可能减少;按 Meta 高管说法,越早用足自动化投放,效果改善越快。
    • 参考可考虑盘点在投广告系列里依赖手动定向和人群拆分的预算占比,将这部分逐步交给平台自动化;值得把团队精力转向素材与策略,先在小预算系列对比两种做法的转化成本。
10月28日周三
  1. The Decoder:AI News69

    Nvidia 开源 Nemotron 3.5 Transcribe,集转录、翻译与说话人识别于一体

    Nvidia 发布开源语音模型 Nemotron 3.5 Transcribe,按指令即可完成转录、翻译、说话人识别和录音内容问答,支持 40 种语言转录、31 种与英语互译、13 种识别说话人,可处理最长 1 小时、最多 8 名说话人的录音。

    决策要点

    英伟达把转录、翻译和说话人识别合并进一个单卡可跑的开源模型,商用语音转写服务的价格与性能基准被明显抬高。

    • 影响会议转写、翻译和说话人标注负载可在自有 GPU 上对标商用 API 成本;开放数据集与微调工具让医疗等专业术语场景可自行定制;模型不支持实时处理,直播和实时语音场景暂不适用。
    • 参考可考虑先算出当前转写与翻译的用量和 API 账单,再对比单卡部署的硬件成本;有行业术语的场景值得按英伟达建议准备至少 100 条已核验真实录音做定制测试,并先用官方 demo 抽测典型录音。
  2. TechCrunch · AI52

    Nvidia 发布开放权重语音转写模型 Nemotron 3.5 Transcribe,支持 40 种语言

    Nvidia 周三发布免费开放权重的语音转写模型 Nemotron 3.5 Transcribe,可转写最多 40 种语言的音频,并同步发布开源语音数据集 Granary 第 2 版。

    决策要点

    Nvidia 以免费开放权重放出语音转写模型,把会议与医疗转写这类成熟场景的技术和成本门槛进一步拉低。

    • 影响会议记录、医疗转写等已有付费场景的应用成本结构可能改变,开发商可评估用开放权重模型替代按量计费的转写 API;仅支持录音不支持实时流,实时客服类场景暂不在覆盖范围;免费开放权重也降低了同类应用的竞争门槛。
    • 参考可考虑用业务自己的录音数据实测对比现有转写供应商;试点宜选会议纪要或病历转写这类录音场景;行业术语定制依赖 Granary 数据集与 NeMo 工具链,值得先评估工程投入。
  3. IT之家·人工智能39

    Liquid AI 发布 LFM3 模型家族,首批六款模型均基于 LFM3-1.7B-Base

    Liquid AI 当地时间 27 日发布 LFM3 模型家族,基于全新三混合层架构,在 22T 词元上预训练。首批包括 LFM-1.7B(文本)、LFM3-VL-2B(视觉)、d1-2B(决策)、LFM3-Audio(音频)、LFM3-Omni-2B(全能)、d1-Omni-2B(全能决策)六款,均基于 LFM3-1.7B-Base。

    决策要点

    小参数量叠加长上下文继续向轻量化推进,端侧和私有化部署场景多了一个覆盖多模态的模型家族可选。

    • 影响参数减少 35% 属官方口径,若成立则同等算力可承载更多任务;256K 上下文窗口让小模型也能承接长文档处理;一个基座衍生六种模态,选型时可按场景分别评估。
    • 参考可考虑在端侧或私有化部署场景将其列入候选清单,用自有业务数据对比 LFM2.5-2.6B 实测;值得先跑一轮小规模评测再决定是否纳入采购。
  4. 36氪·AI50

    扩散智能发布350亿参数扩散语言模型Clover,官方称Agent任务速度比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,支持写代码、生成网页和调用工具执行Agent任务。

    决策要点

    扩散语言模型从生图生视频跨进代码与Agent任务,主打并行生成的速度优势,给自回归之外的模型选型提供了新选项。

    • 影响客服、代码生成等高频调用的Agent场景,延迟成本可能多一条以速度取胜的路线;现有成绩为团队自评口径,替换现有模型前应按自有任务实测;模型处于Preview阶段,团队也把提高长程任务稳定性列为后续计划。
    • 参考可考虑把网页操作、工具调用类任务列入扩散语言模型的试点清单,用自有业务复测速度与成功率;值得先梳理现有自回归模型在这些场景的耗时基线,再决定是否引入。
  5. 人人都是产品经理49

    Google发布世界模型Genie 4,实时生成可交互世界并同步生成环境音与对话

    Google发布新一代世界模型Genie 4,距上一代Genie 3时隔14个月,官方演示显示画面照片级真实感更强,可用键盘和自然语言实时改变天气、加入物体、修改事件,并同步生成环境音、音乐性声音与人物对话。

    决策要点

    世界模型正从生成一段视频走向生成可交互的持续世界,Google以Gemini引导生成来补长因果短板,游戏与互动内容的生产成本结构面临重估。

    • 影响开放世界游戏和互动影游的内容制作成本结构可能松动,规则与机制设计的价值相对上升;生成式世界每次运行都持续消耗推理算力,长时运行的算力成本与稳定性直接制约商用落地;视频路线与3D路线开始合流,游戏影视工具链出现新的选型选项。
    • 参考可考虑让游戏或内容团队评估Marble这类可导出Unity、虚幻管线的3D生成工具的适配成本;值得先测算自家产品若引入生成式世界,单用户在线时长对应的推理算力账;规则设计能力可提前纳入内容团队建设重点。
  6. 量子位49

    蚂蚁百灵开源 Ling-3.1-flash-1019,面向个人智能体真实任务

    蚂蚁百灵 10 月 28 日开源 Ling-3.1-flash-1019,面向 Personal Agent 场景,并同步开源基础模型 Ling-3.1-flash-base。

    决策要点

    蚂蚁将开源模型迭代锚定在个人智能体的长程任务能力上,模型节奏与灵光助手的真实任务需求直接绑定。

    • 影响MIT 许可证与 BF16 权重降低了企业基于该模型继续预训练和领域适配的门槛;能力提升集中在长流程与多步骤任务,做智能体产品的团队可对照自身场景评估;文中基准分数均为官方口径,采用前可用自有数据复测。
    • 参考可考虑下载 Ling-3.1-flash-base 用自有长流程任务数据复测官方基准分,评估是否纳入候选基座清单;做个人助理类产品的团队可参考灵光 2.0 的跨会话记忆与任务调度设计。
  7. IT之家·人工智能40

    微软发布图像编辑模型 MAI-Image-2.7-Preview,官方称榜单排名全球第二仅次 OpenAI

    微软 10 月 27 日发布 MAI-Image-2.7-Preview 图像编辑模型,官方称以 1,193 Elo 位列 Artificial Analysis 图像编辑榜第二,仅次于 OpenAI 的 GPT Image 2.5 Sunburst (max)。

    决策要点

    微软用第三方榜单名次为 Preview 模型造势,但它尚无 API、定价和权重,企业眼下还接不进来。

    • 影响图像编辑能力对素材修图、设计改稿场景有直接参考价值,但接入渠道只有试用页;排名和 24 个 Elo 的领先幅度出自单一评测口径,选型结论要换算到自己素材上才成立。
    • 参考有修图需求的团队可先在 MAI Playground 或 Arena 试改文字、换风格、重打光等高频任务,与现有工具对比成功率;采购测算可等微软公布 API 和定价后再做。
  8. 36氪·AI58

    谷歌 DeepMind 发布世界模型 Genie 4,实测 30 秒生成游戏,24 帧实时交互、边玩边改

    Google DeepMind 于当地时间 10 月 27 日发布新一代世界模型 Genie 4,官方称其为迄今最逼真、交互性最强的世界模型,相比 Genie 3 新增原生音频生成、自然语言实时操控与物理人物行为模拟,单次生成交互体验最长 2 分钟(上一代为 1 分钟)。

    决策要点

    谷歌用 Gemini 负责推理规划、Genie 负责实时生成,把世界模型从生成一段视频推进到可交互、可操控的环境模拟。

    • 影响对游戏与影视团队,单段 2 分钟的交互窗口已够验证单段玩法或预览镜头,可压缩前期打样成本;角色对话与音效由模型实时生成,互动叙事里写死台词的角色制作方式可能被替代;目前仅研究预览,可用时长与开放范围都有限。
    • 参考游戏或互动内容团队可考虑争取 Gemini API 与 Google AI Studio 早期合作伙伴资格,选单段玩法验证、镜头预览这类短时场景先做内部试点,并记录现有原型制作的耗时成本作对照。
  9. 36氪·AI47

    谷歌发布新一代世界模型 Genie 4,支持实时交互并原生生成声音

    Google DeepMind 发布新一代通用世界模型 Genie 4,官方称其首次原生生成声音、支持角色实时对话,单次连贯世界维持约2分钟、画面约24帧每秒。

    决策要点

    Genie 4 的实质是给世界模拟加了一层推理控制,让模拟环境能跑多步逻辑,瞄准 Agent 与机器人的试错训练。

    • 影响机器人与具身智能团队可能多出免手工3D建模的仿真测试途径,官方称可在模拟中预演 AI 行为;内容与游戏团队能用提示词生成可交互场景;单次连贯仅约2分钟,现阶段只适合短时程模拟。
    • 参考机器人团队可考虑在模型进入 Gemini API 后评估用模拟环境预演策略、替代部分真实测试;内容团队值得先申请内测,实测约2分钟时长能否覆盖自家场景。
  10. IT之家·人工智能38

    谷歌 DeepMind 发布 Genie 4 世界模型,皮查伊称其为迄今最逼真、最具互动性的一代

    谷歌 DeepMind 于 10 月 27 日发布 Genie 4 世界模型,定位重大研究里程碑,用户可在模拟运行中用自然语言实时改变天气、移动镜头或加入新角色,音频与画面在同一过程中同步生成。

    决策要点

    谷歌把世界模型从一次性生成画面推进到可实时操控、可听可推理的模拟环境,并与 Gemini 绑定为官方规划的混合路线,但产品化仍处早期。

    • 影响可交互内容的制作流程可能出现变化,游戏化营销、培训模拟等场景值得留意;目前仅为研究预览且已承认存在细节漂移与音频准确性问题,短期难以进入生产环节;接入方式与成本要等 Gemini API 开放后才有评估基础。
    • 参考可考虑先圈定游戏化营销、培训模拟等候选场景并记录现有制作成本;若后续经 Gemini API 或 Google AI Studio 开放,再以小规模试点验证画面稳定性与音频质量是否达标。
  11. IT之家·人工智能53

    谷歌 DeepMind 推出世界模型 Genie 4,一句话生成可交互虚拟世界并同步实时音频

    谷歌 DeepMind 推出世界模型 Genie 4,目前为研究预览,用户输入一句话即可生成可交互虚拟世界,支持实时编辑天气、镜头和人物物体,连贯场景最长两分钟,是前代 Genie 3 的两倍。

    决策要点

    世界模型从生成视频走向可实时编辑的交互仿真,谷歌借 Genie 4 把竞争焦点转向实时性与音频,赛道同时进入收购整合期。

    • 影响影视和创意团队可在分镜与原型阶段低成本试错,前期创意流程的工具有了新选项;机器人相关企业多了一条先仿真验证再上真机的路径;但细节偏移与音频短板意味着现阶段只适合评估,难以承担生产任务。
    • 参考可考虑让内容或机器人相关团队申请早期使用权限,各选一个分镜或仿真验证场景做小范围试点;值得先梳理现有视频生成工具的分工,再决定是否为新工具预留预算。
  12. 爱范儿53

    谷歌发布世界模型 Genie 4,可交互虚拟世界单次可达 120 秒

    Google DeepMind 发布新一代世界模型 Genie 4,输入文字即可实时生成可探索、可交互的虚拟世界,单次模拟时长从约一分钟延长至两分钟。模型首次支持原生音频与人物实时对话,谷歌让 Gemini 负责规划行动、Genie 4 负责实时生成环境,并演示了辅助机器人训练的案例。

    决策要点

    世界模型从可观看的视频走向可实时交互的环境,并与大模型推理结合,让 AI 能在自建世界中预演行动后果。

    • 影响影视与游戏团队多了一条低成本验证镜头和原型的路径;工业仿真与机器人研发可能减少部分真实试验的时间和成本;当前仅为受邀研究预览,尚不构成企业可直接使用的工具。
    • 参考可考虑盘点业务中依赖三维搭建、实拍预演或真实设备测试的环节,评估用文字生成虚拟场景替代的可行性;值得留意 Project Genie 订阅开放与 Gemini API 早期合作两条接入路径的节奏。
  13. The Decoder:AI News38

    Google DeepMind 发布实时世界模型 Genie 4,可实时生成声音与角色对话

    Google DeepMind 发布世界模型 Genie 4,逐帧实时生成可交互场景并直接生成声音,角色可实时对话并回应用户输入,官方称这是其首个直接生成声音的实时世界模型。

    决策要点

    Genie 4 的实质不是视频生成工具,而是让 Gemini 模型在后台规划、维持逐帧模拟一致性的早期试验,指向用仿真环境训练机器人和智能体。

    • 影响世界模型成熟后可作为机器人和智能体的训练环境,用模拟经验替代部分真实数据采集;实时逐帧加声音为交互内容提供新形态;长会话一致性问题未解,近期仍以研究和测试为主。
    • 参考可考虑跟踪 Project Genie 网页应用与 Gemini API 的开放节奏,评估仿真训练是否适用于自家机器人或智能体场景;内容团队值得留意 SynthID 水印对 AI 生成内容的标识要求。
  14. TechCrunch · AI47

    Google DeepMind 发布 Genie 4 世界模型,新增音频、更逼真场景与实时操控

    Google DeepMind 于周二发布世界模型 Genie 4 研究预览版,官方称可生成迄今最逼真的可交互世界,用户能在模拟进行中输入提示词修改场景,模型同步生成音乐、环境声和互动对话等实时音频。

    决策要点

    世界模型正从生成视频片段转向可实时操控的交互式模拟,谷歌借 Genie 4 巩固身位,但产品形态仍未定型。

    • 影响影视和游戏团队多了一个快速做概念与分镜原型的候选工具;机器人团队可先用仿真验证作业场景;2 分钟场景上限和细节漂移意味着离生产级使用仍有距离。
    • 参考内容团队可考虑通过 Google AI Ultra 订阅或 Gemini API 早期合作获取访问,先在概念与分镜环节小规模试用并记录效率变化;机器人相关团队可评估用仿真先验证作业场景的路径。
  15. Google DeepMind:Blog50

    Google DeepMind 发布世界模型 Genie 4,支持实时交互式世界模拟

    Google DeepMind 于 10 月 27 日发布世界模型 Genie 4,支持实时交互式世界模拟并原生生成音频,已作为研究预览向受信任测试者开放。

    决策要点

    Genie 4 的实质是把世界模型从视频生成推进到实时可操控的模拟环境,官方将其定位为智能体与机器人的训练底座和新交互体验入口。

    • 影响影视预演与游戏原型的验证成本可望下降,官方测试者已用于预可视化和零到一场景生成;开放先限受信任测试者与订阅者,规模使用尚有时日;官方自述长会话细节漂移,严肃仿真用途需先核对限制。
    • 参考可考虑让创意或研发团队加入 Project Genie 候补名单,选一个预演或原型场景小成本试用;值得同步评估 SynthID 水印对内容合规流程的影响。
  16. The Verge · AI38

    Google 发布 Genie 4 世界模型,可生成更逼真的交互体验

    Google 发布用于生成可交互体验的世界模型 Genie 4,官方称四大更新为更逼真的世界、用自然语言提示实时修改体验、音频生成,底层由 Gemini 3.8 Flash 辅助模拟;单次体验约 2 分钟,较 Genie 3 的 1 分钟延长。

    决策要点

    生成式世界模型从演示片段走向可实时编辑、带音频的交互模拟,但一致性与时长限制使其仍处于早期试验阶段。

    • 影响影视预演、游戏原型和机器人训练这类早期验证场景可能先用起来;细节和物体恒存性会漂移,成片或生产级用途暂不适用;获取渠道限受信任测试者与 AI Ultra 订阅,短期内难以大规模落地。
    • 参考可考虑让创意或研发团队申请候补名单,选定一个分镜预演或玩法原型场景做耗时与成本对比;值得先盘点现有原型工具的预算基准,再决定是否接入。
10月27日周二
  1. 钛媒体61

    科大讯飞发布端云一体星火X2.6,全国产算力训练押注端侧模型绕开算力封锁

    科大讯飞在2026全球1024开发者节发布端云一体大模型星火X2.6,云端模型配4B端侧模型按任务难度和数据敏感度分工,全部用国产算力训练。刘庆峰判断国产算力距英伟达差近两代、未来两年拉平;据官方介绍,4B端侧模型把智能体任务完成率从业内12点几提升到41.9%,超长上下文训练效率提升约4倍、推理效率提升4.5倍,端云路由准确率96.1%。

    决策要点

    讯飞把算力劣势下的竞争重心转到端侧和端云协同,用数据安全与Token成本换赛道,并拉更多厂商分摊国产算力适配成本。

    • 影响对数据敏感行业,端侧处理和本地脱敏提供了资料不出端的落地路径;端云分工主打省Token成本,相关成本结构值得重算;国产算力上主力只有华为和讯飞,早期适配的坑和成本主要靠入场者自担。
    • 参考可考虑选一个合同审核或经营复盘类场景,试点敏感信息本地脱敏后再上云并记录成本对比;值得把现有模型调用量按数据敏感度粗分端云两层,先算出Token账;评估国产算力路线时可对照讯飞与华为的进展。
  2. 量子位63

    百度开源文心Unlimited OCR 2,整本书连续解析,峰值KV缓存从47GB降至1.77GB

    百度发布并开源文心Unlimited OCR 2,主打超长文档连续解析,已在GitHub(github.com/baidu/Unlimited-OCR)和Hugging Face(huggingface.co/baidu/Unlimited-OCR-2)上线。

    决策要点

    百度开源的文心Unlimited OCR 2把长文档解析的显存和计算开销压到基本不随页数增长,整本扫描件连续处理变得可行。

    • 影响对批量处理年报、技术手册、扫描档案的场景,缓存与显存占用下降意味着同样的卡能并行更多任务,吞吐提升约3.65倍摊薄单位成本;开源后企业也可自部署,把长文档数据留在内部;跨页衔接质量决定识别结果能否直接入库使用。
    • 参考可考虑拿几份真实的长文档扫描件(年报、手册)做对比试点,记录每页耗时和人工拆页拼接成本;值得先算出当前OCR方案的显存占用与并发上限,再评估换用后的硬件节省。
  3. 量子位78

    OpenAI发布GPT-6.1 Terra,价格砍半主打电脑操作,网友实测成本降38%

    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,Plus、Pro、Enterprise和Edu用户可在ChatGPT Work与Codex中体验,开发者可经API(gpt-6.1-terra)调用。

    决策要点

    GPT-6.1 Terra的实质是用一半价格提供接近旗舰的能力,把电脑操作类高频任务做成低成本量产场景,OpenAI打的是性价比牌而非能力上限牌。

    • 影响界面操作、表单填写这类高频任务的模型成本可降到原先的几分之一,相关流程的模型预算值得重算;最难的编程科研任务官方仍指向GPT-6.1 Sol等旗舰,选型需按任务难度分层;同档竞品会面临直接比价压力。
    • 参考可考虑用新旧单价表重算现有自动化流程的单任务成本;值得选长表单填写、跨软件录入这类场景做对比试点;可参考Artificial Analysis的48分指数确定它在选型清单中的位置。
  4. 量子位42

    国产 AI 3D 模型 Hi3D 开源可商用,V1.0 代码上线 GitHub 与 Hugging Face

    Hi3D 正式开源 V1.0 模型代码,可商用,已在 GitHub 和 Hugging Face 上线并提供在线 Demo;模型沿用 Sparc3D 架构,训练数据约 200 万个筛选后的 3D 资产,开放前经团队生产工作流验证。

    决策要点

    3D 资产生产出现开源可商用的专业模型选项,文中框架是通用大模型管意图理解、专业 3D 模型管几何生成。

    • 影响游戏、动画、手办等需要 3D 资产的团队多了一个可自部署的生成选项,开源版本可先低成本试用;效果指标均出自团队技术报告,选型前需按自家资产类型实测;实体打印落地还受壁厚、支撑和材料等条件制约。
    • 参考可考虑用官方在线 Demo 先测自家资产类型的生成质量,再对比现有外包或人工建模成本;值得让法务核对商用授权与部署条款,并评估通过 MCP 接入现有制作流程的可行性。
  5. 极客公园42

    Hi3D 开源 V1.0 底座模型并推出创作 Agent,切入 AI 3D 落地下半场

    Hi3D 正式开源经过生产验证的底座模型 Hi3D V1.0,并推出面向创作者的 Hi3D Agent,把意图理解、生成、修改到工程适配串成连续工作流。官方披露 1536³ 档位 3D 打印切片通过率 90%,同期同档位竞品仅 7%-17%;公开测试报告称 V1.0 综合偏好得分 85.9%,多视图保真度 MVF 0.75、细节丰富度 DR 0.841 列同期第一。

    决策要点

    AI 3D 竞争正从单图生成的效果比拼转向生产可用性,Hi3D 以开源底座加创作 Agent 把能力延伸到交付环节。

    • 影响开源底座使企业能以更低成本私有化部署生产级 3D 生成能力;选型标准需从正面渲染效果转向切片通过率、网格可编辑性等工程指标;Agent 把单点生成延伸为覆盖修改与适配的工作流,压缩跨软件跳转和修补成本。
    • 参考可考虑把切片成功率、网格可编辑性列入 3D 生成工具的验收项,用自有资产实测对比;值得测算基于开源 V1.0 私有化部署替代外购服务的成本;创作团队可选打印或游戏资产场景试点 Agent 并记录修补工时。
  6. 量子位52

    SoMark 团队开源 1.3B 文档解析模型 OXR,公布三项基准第一且快于 PaddleOCR、MinerU

    国内初创团队 SoMark 开源文档解析模型 OXR,主模型仅 1.3B 参数,团队公布其在 OmniDocBench、olmOCR-Bench 和 DocParsingBench 三项基准得分 97.18。

    决策要点

    文档解析开源赛道新增轻量选手,全部榜单与速度成绩来自厂商自测,实质是团队借开源为商业产品 SoMark 获客。

    • 影响批量论文入库、研报解析等场景多了一个免费可试的候选,免费 API 和 Demo 降低了试用门槛;1.3B 参数意味着更低的部署算力要求;榜单成绩出自团队自测,选型结论要以自有文档实测为准。
    • 参考可考虑先用免费 API 和在线 Demo 投入真实业务文档,对比现有方案的准确率与耗时;值得重点测表格合并单元格、多栏阅读顺序等易错场景,需要自定义结构时可评估其可插拔版面模块。
  7. 爱范儿73

    OpenAI 发布 GPT-6.1 Terra,标准 API 价格降 50%,主打 Agent 高效执行

    OpenAI 正式发布新一代模型 GPT-6.1 Terra,定位面向高频工作场景的 Agent 执行模型,标准 API 价格较上一代降低 50%,输入每百万 Token 1 美元、输出 5 美元,Token 价格仅为旗舰 GPT-6 Astra 的十分之一。

    决策要点

    OpenAI 用 Terra 把模型竞争从跑分推进到单位任务成本,便宜、够用的执行型模型成为 Agent 规模化落地的经济前提。

    • 影响高频流程化任务的模型成本可能降到原来的几分之一,Agent 试点的额度与预算值得按新价格重算;合同、技术文档类场景对事实错误率敏感,错误率下降降低了交付风险;复杂软件工程和深度研究仍属旗舰模型范围,选型要按任务分层。
    • 参考可考虑盘点现有 Agent 用例,挑出发票录入、填表这类高频流程化场景,用新 API 定价重算单任务成本;值得在切换前与现用模型做同任务的成本和准确率对比,复杂工程任务仍留在旗舰档位。
  8. 36氪·AI65

    OpenAI 发布 GPT-6.1 Terra,主打低价电脑操作但社区反响冷淡

    OpenAI 在 Anthropic 提交 IPO 招股书同日发布 GPT-6.1 Terra,主打低价电脑操作,API 输入输出价格较上一代分别降 50% 和约 58%,只有 GPT-6.1 Sol 的一半。

    决策要点

    OpenAI 这次发布的实质是补齐低价电脑操作档位,而非对标 Opus 5.5 的旗舰反击,社区把性价比路线解读成退让。

    • 影响开发者调用成本明显下降,第三方测算单任务成本从 1.40 美元降至 0.40 美元,适合大批量日常自动化任务;等待旗舰模型的团队只能继续用 Opus 5.5 或 Sol;Terra、Sol、Luna 档位交叉,模型选型难度上升。
    • 参考可考虑先算出自己高频电脑操作任务的单次调用成本,与 Opus 5.5 方案对比后再决定是否接入;值得把 Terra、Sol、Luna 的价格与能力差异整理成内部选型清单。
  9. 钛媒体66

    OpenAI发布GPT-6.1 Terra,主打低价与电脑操作,社区评价冷淡

    OpenAI发布中档模型GPT-6.1 Terra,API每百万输入Token 1美元、输出5美元,较上一代分别下降50%和约58%,主打低价电脑操作能力,已通过API及ChatGPT Work和Codex向Plus、Pro、Enterprise和Edu用户开放,暂不支持普通Chat对话调用。

    决策要点

    OpenAI用一款主打性价比的中档模型回应Claude Opus 5.5的竞争压力,未推出正面对抗的旗舰产品,独立评测显示其智能水平仍低于对手。

    • 影响以批量调用为主的开发场景成本参照下移,可按0.40美元单任务成本重算预算;已采用Opus 5.5的团队没有更强的切换理由;电脑操作是新主打场景,但用户实测反馈存在分歧。
    • 参考可考虑把Terra加入API比价清单,用自有任务实测质量与成本后再决定是否接入;值得盘点现有Agent场景中电脑操作类需求,与Codex及Claude方案做一轮对比;若等待前沿能力,可留待下一代Astra发布再评估。
  10. 36氪·AI75

    OpenAI 发布 GPT-6.1 Terra,标准 API 价格降 50%,主打低成本 Agent 执行

    OpenAI 发布新一代模型 GPT-6.1 Terra,主打视觉理解与电脑操作能力,标准 API 价格较上一代降低 50%,输入每百万 Token 1 美元、输出 5 美元。

    决策要点

    OpenAI 把模型竞争从跑分转向单位任务的成本和速度,用接近旗舰能力、十分之一价格的 Terra 为 Agent 日常化铺路。

    • 影响发票录入、填表、编程等高频 Agent 任务可低成本开展;同等预算下任务吞吐量提升;高难任务质量与旗舰仍有差距,关键业务需分档选型。
    • 参考可考虑选发票录入或文档处理等固定流程,用 Terra 替换旗舰模型做一轮成本与质量对比;值得按任务口径重算模型预算,把旗舰留给高难任务。
  11. IT之家·人工智能77

    OpenAI 发布 GPT-6.1 Terra,官方称每项任务成本约为 Claude Opus 5.5 的九分之一

    OpenAI 于 10 月 27 日发布新模型 GPT-6.1 Terra,主打以更低成本完成电脑操作自动化任务,已向 Plus、Pro、Enterprise 和 Edu 用户开放,可在 ChatGPT Work 和 Codex 中使用,API 模型标识为 gpt-6.1-terra。

    决策要点

    OpenAI 以 Terra 把电脑自动化的竞争焦点从能力上限转向单位任务成本,模型开始按性价比分层。

    • 影响发票处理、技术图纸解读等自动化场景的成本门槛下降,相关试点预算可重新测算;性能对比数据均出自官方口径,采购决策宜补充独立实测;最难编程任务仍要靠更高端模型。
    • 参考可考虑选一个发票处理或桌面办公流程做成本对比试点,先算出当前每任务成本与 Terra 报价的差距;值得单独列出最难编程任务清单,继续交给 Sol 或 Astra 类高端模型。
  12. The Decoder:AI News80

    OpenAI 发布 GPT-6.1 Terra,API 价格减半且基准成绩逼近自家更大模型

    OpenAI 发布 GPT-6.1 Terra,API 价格较 GPT-5.6 Terra 减半,输入 $1、输出 $5 每百万 tokens,缓存输入降至 $0.05,以约一半价格对标 Claude Sonnet 5.5。

    决策要点

    OpenAI 让中档模型同时做到降价和涨分,API 竞争焦点进一步从单纯能力转向每任务成本。

    • 影响日常办公和代理类任务的调用成本可按新价目重算,缓存输入 $0.05 每百万 tokens 进一步压低重复调用开销;中档市场对 Anthropic Sonnet 形成半价竞争;最难编码任务官方仍指向 GPT-6.1 Sol 和 GPT-6 Astra,选型要按任务难度分层。
    • 参考可考虑把现有 API 用量按 Terra 价目重算一遍每任务成本;值得挑一个中等推理档的办公或代理场景做替换试点,记录成本与质量对比;最重的编码任务可继续留在高阶模型。
10月26日周一
  1. IT之家·人工智能59

    腾讯混元同声传译大模型 Hy-SimulMT 开源,官方称响应时间约 3 秒超人类译员

    腾讯混元 10 月 26 日发布并开源同声传译大模型 Hy-SimulMT,支持中英语音到语音实时翻译与实时音色克隆,已在腾讯 Hy 翻译 App 首发并免费提供体验。

    决策要点

    同声传译开始由模型实时输出语音承接,官方口径下时延已低于人类译员平均,跨语言沟通场景出现新的低成本选项。

    • 影响涉外会议、访谈、培训等语音场景可评估用模型承接部分同传需求;官方效果数据未经独立验证,替换人工前需自行实测;音色克隆能力涉及说话人授权与合规边界。
    • 参考可考虑在多语种会议或语音客服场景小范围试点,记录实测时延与译文质量;值得先盘点现有同传与翻译外包支出,并核查音色克隆的授权要求。
  2. 极客公园71

    Kimi 发布 K3.1 Pro,加量降价挑战 Opus 5.5

    月之暗面于 10 月 24 日发布 Kimi K3.1 Pro,为 K3 的后训练版本,同步推出速度快 2 到 3 倍的 Highspeed 版,完整权重承诺 11 月 4 日前放出。

    决策要点

    月之暗面用一次后训练加降价把能力拉到 Opus 5.5 附近,这既是性价比竞争,也是用第三方分数回应蒸馏指控。

    • 影响编程和智能体类工作负载多了一个约为 Opus 5.5 一半定价的选择,但单任务多耗 14% 输出 token 会摊薄价差;订阅额度紧张和此前因算力暂停 C 端订阅的历史提示产能风险;11 月 4 日权重开放后会带来私有化部署与外部审计的空间。
    • 参考可考虑用自有真实任务对比 K3.1 Pro 与现用模型的单任务总成本,把多耗的输出 token 计入再算价差;订阅用户可先在小额度内测消耗速度,有私有化需求的可等 11 月 4 日权重开放后再评估。
  3. 量子位62

    岩山科技联合港科大CMU开源EdgeRock-4B,KV Cache减少99.1%,单卡吞吐6.42倍

    岩山科技旗下岩芯矩阵联合港科大、CMU发布并开源EdgeRock-4B,在256K上下文下KV Cache固定为72MiB,较源模型Qwen3.5-4B减少99.1%。

    决策要点

    把KV Cache从随长度增长改成固定容量,长推理的显存开销从不可预测变成开跑前就能算清。

    • 影响按GPU时长计费时单token算力成本随原文比例下降;长上下文并发容量可按请求数提前规划;跑长任务的智能体与端侧设备不再受缓存膨胀挤压内存。
    • 参考可考虑重算长上下文推理的显存与成本账,对比API计价和自建单卡哪种划算;做长时任务的团队值得先在检索与状态更新类负载上试跑,并核对长程召回表现。