谷歌 Gemini 升级:生成的文档、表格可在聊天中直接修改
谷歌 Gemini 现在支持用户直接在聊天中生成、预览并编辑 PDF、谷歌文档、谷歌表格、幻灯片、Markdown、TXT 和代码文件,今日起面向所有 Gemini 用户开放。
谷歌 Gemini 现在支持用户直接在聊天中生成、预览并编辑 PDF、谷歌文档、谷歌表格、幻灯片、Markdown、TXT 和代码文件,今日起面向所有 Gemini 用户开放。
当地时间 10 月 29 日,Mistral AI 正式开放 Mistral Large 4(代号 le Chonk)模型权重,该模型为 1 万亿总参数、490 亿激活参数(含嵌入层和输出层为 520 亿)的原生多模态模型,在欧洲自有数据中心用 3,800 块 NVIDIA Grace Blackwell GPU 从零训练。
同一新闻,精选展示《Mistral Large 4(Le Chonk)开源发布:1T 参数多模态 MoE 模型登陆 Hugging Face》
Meta 悄然上线 AI 时尚应用 Style Sketch,它可连接 Instagram 从用户已发布照片构建虚拟衣橱,也支持拍照或上传图片手动添加衣物,并据此生成贴合个人风格的搭配建议。应用还支持在匹配体型与肤色的“逼真模特”上试穿,并能结合目的地、行程与天气预报输出旅行穿搭计划。目前该应用已在印尼、新加坡和泰国的 iOS 与 Android 上线。
Google Gemini 现已支持用户在聊天中直接生成、预览和编辑 PDF、Google Docs、Google Sheets、幻灯片、Markdown、TXT 和代码文件,今日起面向所有 Gemini 用户开放。
Mistral 发布多模态 MoE 模型 Mistral Large 4(代号 Le Chonk),总参数约 1T、激活参数 49B,上下文窗口 1M tokens,以 Mistral Ecosystem Open-Weight License 开源,并提供 FP8 与 NVFP4 两种官方变体。
推荐理由:原文给出 Mistral Large 4 的架构细节、安全基准与多种部署方案,便于与同类开源模型比较选型。
Apache Doris 与 Vane 把录音、图片、视频等多模态内容加工为文本、候选分类和向量,与订单、工单、生产批次等业务数据关联。Vane 将 SQL、Python UDF 与 AI Function 组织在同一条数据流中,完成转写、类别提取和 384 维向量生成,写入 Doris。
双十一期间,雷鸟 iO、GT 系列与 V4 三款 AI 眼镜叠加促销与 15% 国补后大幅降价,分别覆盖效率、观影与第一视角拍摄场景。主打主动 AI 体验的 iO 具备全天智记功能,整机仅 34g,国补到手价 1911.74 元;GT 系列支持杜比视界,到手价 1405.99 元起。AI 拍摄眼镜 V4 搭载方形大底传感器,重 38g,4+32G 版到手价 1529.24 元。
XREAL AURA 在 Android Dev Summit 2026 正式宣布商业上市,成为全球首款搭载 Android XR 操作系统的有线分体式 XR 眼镜,并首发高通骁龙 Reality Elite 平台。
即梦正式推出短剧工作室,把剧本创作、角色与场景资产管理、3D 导演台、智能预演、片段重拍和超分整合进同一套创作流程。自研剧本模型 DreamScript、美术模型 Anycook 和分镜模型 DreamShot 共享同一套项目资产,确认后的角色与场景设定可在后续镜头及续集中反复调用。
腾讯混元 Hy4 即将发布,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,并首次引入视觉理解。Hy4 flash 也将近期发布,以极致性价比继承 Hy4 的视觉、Agent 等能力。此前发布的 Hy4 preview 总参数 770B、激活参数 49B、上下文长度 1M。
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。
Apple 发布配备 PROLED XDR 显示屏的 14 英寸与 16 英寸 MacBook Pro,Mac 首次支持屏幕触控,搭载 M5 Pro 和 M5 Max,起售价 2899 美元,11 月 6 日发售。
Simon Willison 认为 2026 年 10 月是 vibe 游戏开发的拐点:Claude Opus 5.5 在 3D 建模、音乐生成尤其是游戏设计上显著进步,仅凭极少提示就能做出真正好玩的游戏。
Liquid AI 发布 LFM3 模型家族,基于全新三混合层架构、在 22T token 上预训练。
10 月 27 日,Apple 发布搭载 M6 芯片的新款 iMac 与 14 英寸 MacBook Pro,国行售价 12499 元与 15999 元起,11 月 6 日正式发售。
谷歌 DeepMind 发布 Genie 4 世界模型,用户可在实时模拟中用自然语言指令改变天气、镜头、角色或物体,模型同时原生同步生成音频。皮查伊称其为谷歌迄今最逼真、最具互动性的世界模型。
谷歌 DeepMind 发布世界模型 Genie 4 研究预览,可生成可交互虚拟世界并同步产出实时音频,场景最长维持两分钟、为前代两倍,还支持运行中修改天气、镜头角度等自由编辑。
Google DeepMind 发布新一代世界模型 Genie 4,单次交互模拟时长从约一分钟延长至两分钟,首次支持实时生成环境声音、音乐与人物对话,用户可在运行中输入提示词改变天气、添加人物和物体。
Google DeepMind 发布 Genie 4 世界模型,逐帧计算交互式场景并首次实时生成声音与角色对话,目前仅向部分测试者开放研究预览。
Liquid AI 发布新一代基础模型系列 LFM3,将文本、视觉、音频、全模态与决策模型统一到 2B 参数级的同一骨干上,全部开放权重并上架 Hugging Face。LFM3-1.7B 以 35% 更少的参数超越 LFM2.5-2.6B,文本模型 4-bit 下约 1 GB、上下文 256K,可在单张 GPU 上微调并部署到端侧设备。
推荐理由:LFM3 用单一 2B 级骨干覆盖文本、视觉、音频与决策,单卡微调加端侧部署的路线可作为专用模型选型参考。
Google DeepMind 以研究预览版发布最新世界模型 Genie 4,可生成更具照片真实感的交互式世界,支持在模拟过程中输入提示词实时改变场景,并生成与画面匹配的音乐、环境音和对话音频。
Google DeepMind 发布 Genie 4 世界模型,在物理模拟和人物表现上比 Genie 3 更真实。该模型无需预渲染环境或编程交互元素,可根据指令逐帧实时生成可探索的体验。DeepMind 将世界模型视为迈向 AGI 的关键,称其可为物理机器人创造无限训练环境,付费用户有望较早用上 Genie 4。
Google DeepMind 发布新一代世界模型 Genie 4,可实时生成交互式模拟,并原生生成环境音、音乐与可适应输入的角色对话。模型结合 Gemini 系列能力,Gemini 3.8 Flash 作为引导智能体维护场景连贯,还可与 Gemini 4 Argon 及 Gemini Robotics 联动模拟多步骤机器人任务。
推荐理由:原文将 Genie 4 的能力拆为实时操控、物理与人物动作、原生音频和复杂事件模拟四部分,并说明了研究预览版的开放范围与已知局限。
Google 宣布推出 Genie 4 世界模型,用于以 AI 生成交互式体验。模型有四项主要更新,包括更真实的世界、用自然语言提示词实时更新体验、可生成音频,以及底层使用 Gemini 3.8 Flash 辅助模拟。
Apple 在 Pages、Keynote 和 Numbers 中推出基于自家与 OpenAI 模型的 AI 助手,可设计幻灯片、起草和调整文字、计算并整理数据,现以 beta 形式推送给支持 Apple Intelligence 的设备,需 iOS 27、iPadOS 27 或 macOS 27 及以上。
OpenAI 发布 GPT-6.1 Terra,标准 API 价格较 GPT-5.6 Terra 直接减半,输入 1 美元/百万 Token、缓存输入 0.05 美元/百万 Token、输出 5 美元/百万 Token,并以约 GPT-6 Astra 十分之一的 Token 价格在 Agents' Last Exam 中追平其表现。
百度发布并开源文心 Unlimited OCR 2,可连续解析 3600+ 页《哈利·波特》全集等超长文档。技术报告显示,其峰值 KV 缓存从 47GB 降至 1.77GB,减少约 96%;16 路并发下端到端吞吐量提升至标准解码的 3.65 倍。模型引入 SR-SWA 注意力机制与无限解码机制,已在 Hugging Face 和 GitHub 开源。
推荐理由:原文给出峰值KV缓存从47GB降至1.77GB的对比数据,可据此判断长文档OCR的部署成本变化。
禾赛科技推出物理 AI 数据终端 Kosmo,皮克斯最新 3D 渲染教程已采用其 3D 场景扫描方案。Kosmo One 集成定制激光雷达、最高 8K 影像系统、一英寸 CMOS 与高精度 IMU,微秒级同步采集并在硬件层面完成前融合;云端 Kosmo Spatial Core 一次重建同步输出 3D 高斯泼溅、mesh、depth 三种数据,可直接用于机器人训练。
RAG、推理(Inference)与嵌入(Embedding)是 AI 应用与交互层的三个核心概念。RAG 让大模型先检索外部知识库再生成回答,以缓解幻觉与知识截止问题;Embedding 将文本压缩为低维稠密向量以保留语义相似性,是 RAG 检索环节的基础。推理则是训练完成后模型对新数据执行前向传播并输出结果的过程,分为快思考与慢思考两种模式。
天翼云 DramaFlow AI 创作平台为大健康企业中瑶集团提供零代码 AI 视频创作方案,内置 Seedance2.5、MiniMax-H3 等高阶模型,支持浏览器直接创作与多任务并行。科普视频制作周期从数周甚至数月压缩至数小时到一天,整体生产效率提升 10~50 倍。平台配套全局资产库与全流程合规辅助体系,适配强监管赛道的内容量产需求。
Hi3D 正式开源经过生产验证的 Hi3D V1.0 底座模型,同时推出以创作者为核心的 Hi3D Agent。Hi3D V1.0 基于约 200 万件训练资产,新增 1536³ 输出层级,其 1536³ 档位切片通过率为 90%,同期同档位竞品仅为 7% 至 17%。
OpenAI 正式发布新一代模型 GPT-6.1 Terra,标准 API 价格较 GPT-5.6 Terra 降低 50%,输入每百万 Token 1 美元、输出 5 美元,仅为旗舰模型 GPT-6 Astra 的十分之一。
推荐理由:原文将新模型与 GPT-6 Astra、Claude Opus 5.5 的价格和性能逐项对比,读者可据此判断 Agent 大规模落地时该选哪一档模型。
Apple 发布 iPad mini (A20 Pro),搭载 A20 Pro 芯片与 8.5 英寸 OLED 屏,Wi-Fi 版 5499 元起,11 月 6 日发售。
2026 年 10 月 26 日,OpenAI 发布 GPT-6.1 Terra,强调视觉推理、computer use 与更自然的写作,定位为 GPT-5.6 Terra 的升级。
OpenAI 于 10 月 27 日推出 GPT-6.1 Terra,主打以更低成本完成需要视觉推理和桌面软件操作的复杂任务。
OpenAI 发布 GPT-6.1 Terra,API 价格为 GPT-5.6 Terra 的一半,输入 token 每百万 $1、输出 $5,缓存输入降至每百万 $0.05,现已向 ChatGPT Work、Codex 和 API 的 Plus、Pro、Enterprise、Edu 用户开放。
10 月 24 日,月之暗面发布 Kimi K3.1 Pro,它是 K3 的后训练版本,底座不变} … (truncated) … {
10 月 26 日,字节跳动旗下即梦 AI 宣布即梦短剧工作室正式上线,提供自研剧本模型 DreamScript、图片模型 Anycook、分镜模型 DreamShot。
Grok 发布 AI 版《奥德赛》前 7 分钟内容,并将其称为该系列第一集,由 Grok 与 Wonder Studios 及导演 Dev Walker 联合制作。外媒 Techcrunch 评价称,其效果优于马斯克近期发布的其他 AI 视频,部分镜头接近真人画面,但整体缺乏艺术感与感染力,叙事拖沓、台词生硬。对比之下,诺兰执导的实景版《奥德赛》七月上映后票房大获成功。
网络安全研究员 log4j 逆向 2025 款三星电视后发现,Tizen 系统会记录用户遥测、音频和屏幕截图用于定向广告,即使电视无麦克风也会调用连接设备的麦克风录音。系统内还存在卷积神经网络,分析用户观看内容与跳过广告的行为;Hugging Face 工程师 ngxson 用 Flipper Zero 实测确认电视开启麦克风约 5 秒。
推荐理由:原文揭示了智能电视在端侧通过音频与截屏分析用户行为的做法,读者可据此重新审视家中联网设备的隐私边界。