跳到正文
10月27日周二
10月26日周一
  1. IT之家74

    腾讯混元同声传译大模型 Hy-SimulMT 开源,响应约 3 秒并称超人类译员

    腾讯混元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,边听边译并支持实时音色克隆,实测响应时间约 3 秒,低于人类专业译员 4-5 秒的平均水平。该模型在腾讯 Hy 翻译 App 首发并免费开放体验;官方测评称其翻译效果超过主流开源同传模型和多数商用同传 API,在自建多领域测评中质量达到人类同传专家水平且时延更低。

10月25日周日
  1. IT之家47

    韩 KRAFTON AI 预览 Raon-1 mini 模型:30B-A4B,可与 Meta Muse Glimmer 竞争

    KRAFTON AI 公布从头训练的 Raon-1 mini 预览版,正式版及更大模型即将推出。该模型采用混合专家架构,导入线性注意力并支持推测解码,体量为 30B-A4B,聚焦韩语同时兼顾英语,以 Apache 2.0 许可开源,官网提供限时免费 API 试用。KRAFTON AI 称其在编程与智能体任务上与 Meta Muse Glimmer 30B 相当,且速度更快、内存效率更高。

  2. IT之家60

    Block 推出全双工 AI 语音模型 Dessa:可模拟笑声停顿哽咽,支持 MacBook 本地运行

    Block 发布全双工 AI 语音模型 Dessa,能模拟笑声、停顿、哽咽等情绪表达,可在 M4 Max 及更高配置的 MacBook 上本地运行。Dessa 完全基于人类语音数据训练,知识来源于训练所用的对话数据,无需搭配大语言模型;Block 称情绪表达为模型原生内置,但底层是否依靠标签调控尚不清楚。

  3. IT之家47

    不能逆向一切了?Anthropic 被曝悄悄限制 Claude Opus 5.5 逆向工程能力

    大量用户反馈 Anthropic 在 10 月 21 日更新后悄悄限制了 Claude Opus 5.5 的逆向工程能力,指示其逆向受知识产权保护的内容时安全护栏会在输出中途触发拦截。Anthropic 并未官宣新版本,但该公司常在不发布补丁说明的情况下调整模型能力。用户猜测此次调整与 Claude 被用于修改三星电视固件、移植游戏及开源商业程序等一连串事件有关。

  4. TechCrunch · AI61

    Block 发布语音模型 Dessa,情绪表达接近真人

    Block 发布语音模型 Dessa,可在单张 NVIDIA GPU 上本地运行,支持全双工同时说与听。该模型完全基于人类语音训练,Block 称其情绪表达内置在模型中,而非像 ElevenLabs v4 或 Fish Audio Drama 3 那样由文本或语音标签驱动。目前 Dessa 尚未公开开放,Block 正邀请安全研究员对其进行测试。

10月24日周六
  1. The Decoder56

    Block 发布完全由人类语音训练的 AI 模型 Dessa

    Block 发布语音模型 Dessa,完全基于人类语音从零训练、不使用任何文本数据,直接处理音频以实时感知情绪、讽刺、笑声与停顿。模型支持全双工通信,可边听边说,并在 MacBook Pro M4 Max 上本地运行,使用单台 NVIDIA GB200 NVL72 训练。Dessa 尚未公开,团队先邀请 AI 安全研究人员测试潜在风险。

  2. 量子位66

    高德发布开放世界全身基座模型λ0,真机任务成功率较最强基线提升22.5%

    阿里巴巴集团旗下高德发布首个基于开放世界行为的全身基座模型λ0,仅依靠人类行动数据即可让机器人学习移动、姿态与双手操作的全身协调。λ0在SIMPLE仿真基准及多项真机评测中取得SOTA表现,数据采集效率约为主流方法的3.4倍,真机任务成功率较最强对比基线提升22.5%,并构建了包含500小时开放世界无本体全身数据的HumanVerse-500数据集。

  3. Latent Space77

    月之暗面发布 Kimi K3.1 Pro:2.8T MoE 开源权重模型,权重将于 11 月 4 日开放

    月之暗面(Kimi)发布 Kimi K3.1 Pro,多模态 MoE 架构,总参数 2.8T、激活参数 104B、上下文窗口 100 万 token,API 已上线并承诺于 2026 年 11 月 4 日放出权重。

    推荐理由:汇总了 Artificial Analysis、Arena 等第三方独立评测与定价信息,可对照官方宣传判断该模型的实际能力边界。

  4. 极客公园31

    iPhone Duo 正式交付;Kimi K3.1 Pro、Seedance 2.5 4K 正式发布;红果短剧上线防沉迷|极客早知道

    iPhone Duo 于 10 月 23 日正式交付,预购强劲、供应有限,部分新订单预计 2027 年 1 月 25 日左右送达。月之暗面发布 3 万亿级参数模型 Kimi K3.1 Pro,支持 100 万 Token 上下文,Terminal-Bench 4.0 得 65.7%;火山引擎发布 Seedance 2.5 4K,定向邀请 20 家影视工作室试用。

  5. IT之家81

    Kimi K3.1 Pro 正式发布:月之暗面最强 3 万亿级模型,编程智能体测评超 GPT-6

    月之暗面正式发布 Kimi K3.1 系列首个模型 K3.1 Pro,为迄今最强的 3 万亿级参数模型,支持 100 万上下文,同步推出输出速度约 2~3 倍的高速版。

    推荐理由:原文给出 K3.1 Pro 与 GPT-6 Astra、Claude Opus 5.5 的多项基准对比,读者可据此判断其编程智能体与 3D 创作能力档位。

  6. The Verge · AI52

    Block 发布 AI 模型 Dessa,像局促的新朋友一样和你对话

    Block 发布名为 Dessa 的 AI 模型,它完全只用人类对话从零训练,是真正的 speech-to-speech 模型,一切知识都来自人类语音。团队展示了多段偶尔略显尴尬的对话示例,包括与 OpenAI 的 GPT-Live-1 语音模型的对比。Dessa 可在 MacBook Pro M4 Max 或更高配置上本地运行,团队将向一小群 AI 安全研究人员提供早期访问。

  7. Google Research69

    Google Research 将基础模型推向结核病筛查前线

    Google Research 回顾了其结核病筛查 AI 从论文到临床落地的路径,与 Nexus AI 合作的胸片工具获 CE MDR IIb 认证,在六国约 40 家机构评估超 25,000 张胸片,周转时间从数周缩至 45 秒以内。

    推荐理由:原文梳理了从论文基准到 CE 认证临床工具的落地路径,读者可看到开放模型如何支撑各国本地化医疗部署。

10月23日周五
  1. TechCrunch · AI70

    Canva 发布首款图像生成模型 Canva Craft

    Canva 发布其首款图像生成模型 Canva Craft,与 Google、OpenAI、字节跳动和 Meta 的同类模型竞争。模型分两阶段工作,先解析提示词并规划元素空间关系与视觉层级,再生成最高 2K 分辨率、支持 30 种宽高比的图像;它使用 Canva 模板库中的人工设计而非照片训练,生成图像可通过 Canva Magic 转换为分层设计。

  2. Hugging Face Blog71

    OlmoEarth v1.3 发布:覆盖全球的卫星嵌入模型与 Embeddings Explorer 工具

    AI2 在 Hugging Face 发布 OlmoEarth v1.3 卫星嵌入模型,同时开放全球预计算嵌入(10m 分辨率、64 与 128 维)及浏览器工具 Embeddings Explorer,无需登录或 GPU 即可使用。

    推荐理由:原文给出 27 项评测的横向对比、训练成本与开放入口,读者可据此判断卫星嵌入能否替代现有微调流程。

10月22日周四
  1. IT之家53

    小鹏 IRON 人形机器人能力升级:每 0.2 秒重新推理一次,可预测 6 秒内动作变化

    小鹏汽车宣布第二代 VLA 大模型全新升级,获得更强的时序理解与未来行为预测能力,并已端侧落地到人形机器人 IRON 上。IRON 每 0.2 秒根据眼前画面重新推理一次并预测 6 秒内的动作变化,在握手、碰拳、击掌中能应对临时变招,让观察、判断与调整连成实时闭环。小鹏计划 2026 年底实现人形机器人量产,2027 年上半年开启交付,率先落地门店、商场等商业场景。

  2. IT之家59

    科大讯飞首发星火语音基座大模型 SparkAudio 1.0,已上线讯飞输入法 16.0 等产品

    科大讯飞在全球 1024 开发者节发布星火语音基座大模型 SparkAudio 1.0,集成机器翻译、语音识别、语义理解等能力。模型宣称在实时说话人分离、环境理解、音频理解、情绪识别等方面表现卓越,支持中英文任意切换、说话人实时识别,已在讯飞输入法 16.0、讯飞听见、讯飞办公本、讯飞翻译机全面上线。

  3. Hugging Face Blog76

    NVIDIA Kumo Relational 无需训练即在关系型数据上超越监督机器学习

    NVIDIA 推出预训练关系型基础模型 Kumo Relational,可直接对企业数据库做预测,无需任务特定训练、特征工程或表扁平化。它在 15 个数据库的 41 个任务上超越监督关系深度学习模型和专家构建的梯度提升树流水线,在 SAP SALT 基准上比 AutoGluon 集成的平均倒数排名高 8%。

    推荐理由:原文给出 41 个任务上的对比数据,读者可据此判断关系型数据基础模型能否替代现有 XGBoost 流水线。

10月21日周三
  1. Hugging Face Blog62

    IBM Granite Speech 5.0 发布:三款语音模型覆盖转写、翻译与说话人归因

    IBM Granite 团队发布 Granite Speech 5.0 系列更新:新模型 granite-speech-5.0-2b 与更新版 granite-speech-5.0-470m-turboctc、granite-speech-4.1-2b-plus,分别面向高精度多语转写翻译、端侧高速转写和多说话人录音。

    推荐理由:三个模型分别覆盖高精度转写、端侧极速转写和多说话人归因场景,读者可按企业需求直接选型。