实测豆包 Seedream 5.5,AI 作图接入整条工作流
豆包 Seedream 5.5 正式发布,重点升级多轮编辑、画面质感与文字渲染,新增原生 RGBA 透明背景与图层拆分能力,今天起陆续上线豆包并接入豆包工作。实测显示其多轮编辑可做到调整 100 轮不崩坏、非编辑区域像素级保持,一张生成的图片最多可拆成约 100 层可复用图层。
豆包 Seedream 5.5 正式发布,重点升级多轮编辑、画面质感与文字渲染,新增原生 RGBA 透明背景与图层拆分能力,今天起陆续上线豆包并接入豆包工作。实测显示其多轮编辑可做到调整 100 轮不崩坏、非编辑区域像素级保持,一张生成的图片最多可拆成约 100 层可复用图层。
腾讯混元Hy4正式版发布,总参数770B、激活参数49B,首次引入原生视觉能力并支持电脑操作,已在腾讯云TokenHub、WorkBuddy/CodeBuddy、元宝及企业微信等产品上线,模型权重将于近期开源。实测显示其幻觉率由preview版的12.95%降至7.2%,579个真实金融任务综合表现位居开源模型第一。主打低推理成本的Hy4 flash也已在路上。
推荐理由:实测展示了Hy4在长程Agent任务中的自检与交付能力,可对照同类开源模型评估其落地价值。
字节跳动 Seed 团队发布新一代图像创作模型 Seedream 5.5,支持同一作品最多 100 轮持续编辑且非编辑区域像素级保持,可原生输出带 Alpha 通道的透明或半透明图像,并改善光照、材质与文字渲染。
推荐理由:原文给出与 Seedream 5.0 Pro 及主流模型的对比数据和定价,读者可据此判断其在生产场景中的可用性变化。
字节跳动发布新一代图像创作模型 Seedream 5.5,主打像素级精准编辑、百轮连续修改不崩坏、原生 RGBA 透明素材和小字渲染,火山引擎将于本周上线 API。
推荐理由:原文通过多轮改图、写实人像和中文密集排版实测对比了 Seedream 5.5 与 GPT Images 2.6 等模型,并给出价格与崩坏率数据,便于判断其专业市场竞争力。
日本 Shizuku AI 公布全双工模型 Shizuku-Duplex,是继 GPT-Live 后第二个支持日语智能对话的全双工模型,无需完整询问即可启动思考。
基元律动(TokenRhythm)发布Agent原生模型NeoHorse-1.5-Flash Preview,基于Qwen3.8-Flash训练,总参数180B、激活参数6B,目前开放限量内测。
11月4日,浙大00后博士生陈天润创办的魔芯科技在乌镇世界互联网大会上发布新一代通用4D世界模型 MoWorld 2.0,将重力、弹力、浮力、光照、柔体、流体、刚体等十余种物理要素融入同一模型,用于更准确地模拟物体运动、碰撞和环境变化。
吉利汽车集团与中国气象局地球系统数值预报中心联合推出行业首个车道级交通气象大模型“智象-星睿”,聚焦结冰、团雾等极端气象场景。该模型已输出“超视距安全预警”功能,可基于多车互联识别结冰等危险路况并主动提示,计划率先在领克 900L 量产落地,后续覆盖吉利、银河、领克、极氪等品牌。双方还将于明年一季度发布行业首个“通用气象模型”。
Meta 宣布推出基于 Muse Wonder 训练的现有模型专用版本,并全面推送给 Muse 与 Meta AI 用户,将主动记忆与主动专注两项能力下放至专用模型群。
AI 市场回调加深,Anthropic IPO 估值预期最低降至 $1T,IPO 概率下调 18%;Anthropic 当前年化收入 $80B,距年底 $100B run rate 目标仍有差距。Latent Space 周末播客第二期与 Jamin Ball 讨论了 Anthropic IPO 的关键假设与教训。
Ricursive Intelligence 发布开源语言模型 Ripple-65B Preview,预训练 12 万亿 token,官方称在 TerminalBench 2.1 编码基准上得分 80.52,为美国开源模型中最佳。
Thinking Machines 发布第二代模型 Inkling 2 Small,号称西方最强开源权重模型。该混合专家模型总参数 594B、激活 17B,支持文本与图像输入及可调思考深度,Artificial Analysis 智能指数得 31 分,较上代提升 18 分,与 Gemini 3.8 Flash 相当。
Underdog 发布仅 32MB 的语音生成模型 Woof,并通过一款浏览器游戏演示其在无网络环境下的语音交互能力。该模型有 31M 参数并开放下载,此前公司还推出了 167MB 的端侧语音转文字模型 Bark。创始人 Sigil Wen 表示希望让模型在用户设备上本地运行,使用户拥有自己的数据。
Pangram Labs 于本月 4 日发布 AI 图像检测模型 Pangram Image 1.0,该模型可通过热力图定位 AI 生成内容,在基于 12 种前沿 AI 图像生成器制作的 1200 张照片测试数据集上取得 99.96% 的准确率。
webAI 开源 TwIL-8B 推理模型,该模型基于 IBM Granite-4.2-8B,以非商业许可发布,针对数学、代码与指令跟踪任务优化。TwIL-8B 在 MATH-500、AIME 2025 和 LiveCodeBench 上取得同组最佳成绩,数学表现超过参数尺寸数倍的 Gemma 4 31B,IFBench 成绩与 Gemma 4 12B 持平。
淘宝 MNN 团队开源面向手机应用的 MNN-Pocket-0.3B 轻量语言模型,约 3 亿参数,在 iPhone 18 Pro 上经 MNN 推理引擎完全离线运行,平均解码速度约 350 token/s。
Ricursive Intelligence 发布 Ripple-65B Preview,宣称其是美国开放权重模型中智能体编程表现最佳的模型。
媒体 Business Insider 报道,由前 OpenAI 首席技术官 Mira Murati 创立的 Thinking Machines Lab 正以 400 亿美元投前估值筹集 50 亿美元。
国务院办公厅发布 2027 年部分节假日安排,春节连续放假 9 天,全年共安排 5 个周末补班日。OpenAI 发布 Images 2.6 模型,为 ChatGPT 引入原生 GIF 动图生成功能,图像生成速度提升约 50%。月之暗面开放 Kimi K3.1 Pro 模型权重,该模型采用 MoE 架构,总参数量 2.8 万亿,支持约 100 万 Token 上下文窗口。
OpenAI 发布网络安全模型 GPT-6 Cyber,首批通过 API 和 Codex 向获批安全团队开放,在 Linux 内核研究中复现 1724 项漏洞。
OpenAI 发布网络安全专用模型 GPT-6 Cyber,官方称其在 ExploitGym 测试中得分 48.5%,较 GPT-5.6 Cyber 的 32.1% 相对提升约 51%。
同一新闻,精选展示《OpenAI 发布 GPT‑6 Cyber 网络安全模型》
谷歌正式推出 Gemini Omni 1.2 Flash 视频生成模型,并在 Gemini API 与 Gemini for business 平台全面开放使用。
OpenAI 发布专为安全研究训练的 GPT-6 Cyber,可查找软件漏洞、构建可用攻击并建议补丁。
同一新闻,精选展示《OpenAI 发布 GPT‑6 Cyber 网络安全模型》
NVIDIA 在 Hugging Face 发布 Cosmos 3 模型家族的四个开放权重检查点,分别用于多视角驾驶数据生成、同步相机与 LiDAR 流式仿真、仿真器控制转视频以及双臂机器人动作预测。
推荐理由:四个检查点分别覆盖驾驶数据生成、流式仿真与机器人操作,并开放后训练配方,读者可据此评估迁移到自身场景的路径。
Google DeepMind 将 Gemini Omni 1.2 Flash 视频生成模型转为正式可用,片段时长从最长 10 秒延长到 3 至 15 秒,720p 视频价格下调 30% 至每秒 $0.07。
OpenAI 发布 GPT‑6 Cyber,这是一款用于发现可利用漏洞并制定修复方案的网络安全模型,训练使其保持在授权范围内。
推荐理由:原文说明该模型可在授权范围内寻找可利用漏洞并生成修复方案,读者可据此判断安全类智能体在企业内部的可用边界。
OpenAI 发布面向网络安全的模型 ChatGPT Cyber,提供给 Daybreak Red 项目最高级别用户用于漏洞挖掘与开发。
百度发布开源基座模型 ERNIE 5.5 Flash Base,采用 mixture-of-experts 架构,总参数 280B、每次输入激活 14B。模型在 33.5T tokens 上预训练,训练上下文为 128,000 tokens,设计上可在微调与推理时支持最长 1M tokens 上下文。
Google DeepMind 发布 Gemini Omni 1.2 Flash,在 Gemini API 与 Gemini for business 全面可用。
推荐理由:相比 Omni 1.1,片长从 10 秒延长至 15 秒、每秒价格下调 30%,并新增多轮对话式编辑与参考图保持能力。
OpenAI 发布网络安全模型 GPT-6 Cyber,测试中越界攻击其他平台的概率降至 1% 以下,而 GPT-5.6 Cyber 约为 5%。
腾讯正式发布 AI 模型 Hy4,首次支持图像理解与计算机使用,权重将在稍后开放,目前仅可通过腾讯云、OpenRouter 及元宝等应用使用。官方称其在近 600 项金融任务评测中领先 DeepSeek V4.1 Flash、Kimi K3.1 Pro 和 GLM-5.3 Flash,联网搜索幻觉率从约 16% 降至约 5%。
华为云 MaaS 平台将于 11 月 15 日更新上线 openPangu-2.1-Pro 旗舰模型,重点提升 ArkTS 语言在鸿蒙原生应用开发中的代码生成质量。
11月5日,百度正式开源基座模型文心5.5 Flash Base(ERNIE 5.5 Flash Base),采用 MoE 架构,总参数量2800亿,每个 Token 激活140亿参数,预训练使用33.5万亿个 Token,预训练上下文最高128K,微调与推理阶段支持最长100万 Token。
百度文心开源发布 ERNIE-5.5-Flash-Base 基座模型,该稀疏 MoE 模型总参数 280B,每 token 激活 14B。模型在 33.5T tokens 上从零完成预训练,微调与推理支持 1M tokens 上下文,并在 30 项 Benchmark 上与 DeepSeek-V4-Flash-Base 等模型进行了同框架对比。
OpenAI 正式发布新一代图像生成模型 Images 2.6,同步向 ChatGPT、Codex 和 API 开放,生成速度提升 50%,并首次支持通过文字提示词生成 GIF 动图。
同一新闻,精选展示《OpenAI 发布 Images 2.6》
AI 行业人事变动频繁:Cat Wu 加入 OpenAI,Sharon Zhou 从 AMD 离职加入 Anthropic,Meta 收购 Conductor。
OpenAI 图像模型 GPT-Image-2.6 在 ChatGPT、Codex 及 API 全量上线,整体生成时间缩短 50%,最快 6 秒出图,原生支持 GIF 动图并可直接导出 SVG。
同一新闻,精选展示《OpenAI 发布 Images 2.6》
据《The Information》报道,OpenAI 最快于当地时间周五发布新一代 Astra、Sol 系列模型及面向网络安全的 Cyber 模型,但报道未披露具体型号编号、定价、上下文窗口长度或基准测试成绩。已有用户在 Codex 用量统计中发现“gpt-6.2-astra”模型标识,疑似灰度测试用户反馈新模型物理效果和动画衔接有所改善,但尚无公开基准数据可独立验证。
腾讯混元于 11 月 4 日发布最新一代大语言模型 Hy4 正式版,相比 Hy4 preview 显著扩展预训练和后训练规模,首次引入视觉能力并支持电脑操作,可结合命令行与图形界面完成任务。
OpenAI 发布 Images 2.6,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。新版本可在 ChatGPT、Codex 和 API 中使用。
推荐理由:官方列出了 Images 2.6 的四项能力变化和三个可用入口,读者可据此判断它能否替换现有图像生成工作流。