跳到正文
10月29日周四
  1. Google DeepMind77

    Google DeepMind 发布前沿模型 Gemini 4 Carbon

    Google DeepMind 发布前沿模型 Gemini 4 Carbon,主打网络安全与长程任务能力,在 Artificial Analysis Intelligence Index v5.0 排名第一(59 分)。

    推荐理由:原文给出 Carbon 在网络安全与编码基准上的具体得分,并与 Argon 逐项对比,便于读者判断其在安全防御场景的定位。

  2. The Decoder75

    Nvidia 开源 Nemotron 3.5 Transcribe,集成转写、翻译与说话人识别

    Nvidia 发布开源语音模型 Nemotron 3.5 Transcribe,可在单模型内完成转写、翻译、说话人识别和录音问答。模型总参数 300 亿、每步激活约 40 亿,可在单张 Nvidia GPU 上运行,支持 40 种语言转写、31 种语言与英语互译、13 种语言的说话人识别,最长处理 1 小时、最多 8 人的录音。

10月28日周三
  1. TechCrunch · AI66

    Nvidia 发布开源转录模型 Nemotron 3.5 Transcribe

    Nvidia 发布免费开源权重转录模型 Nemotron 3.5 Transcribe,可转录约 40 种语言的音频,并同步推出开源语音数据集 Granary v2。官方称该模型支持 31 种语言与英语互译、处理最长一小时录音、区分最多 8 个说话人,30B 参数可运行在 Jetson AGX Thor 到 Blackwell 的单芯片上,但仅适用于录音而非实时流。

  2. 爱范儿78

    Google DeepMind 发布世界模型 Genie 4,支持实时音频与两分钟交互模拟

    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。

    同一新闻,精选展示《Google DeepMind 发布 Genie 4 新一代世界模拟模型》

  3. Hugging Face Blog75

    Liquid AI 发布 LFM3:统一 2B 骨干支撑六种模态模型

    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。

  4. Ars Technica · AI46

    DeepMind 发布 Genie 4 世界模型:物理效果与人类表现更真实

    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。

  5. Google DeepMind80

    Google DeepMind 发布 Genie 4 新一代世界模拟模型

    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。

10月27日周二
  1. 量子位57

    国产AI 3D模型Hi3D开源V1.0,同题对比优于GPT-6 Astra

    Hi3D正式开源基于Sparc3D的3D生成模型V1.0,代码与权重已在GitHub和Hugging Face上线,可免费体验。V1.0基于约200万个筛选3D资产训练,多视图保真度0.75、细节丰富度0.841,切片成功率90%。同题对比中Hi3D Agent及V3.0在轮廓和细节上优于GPT-6 Astra,团队称V3.0为业界首个可商用2048³超高精度国产自研AI 3D模型。

  2. 量子位78

    百度发布并开源文心 Unlimited OCR 2:3600+ 页文档连续解析,KV 缓存降约 96%

    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。

  3. 爱范儿87

    OpenAI 发布 GPT-6.1 Terra:API 价格减半,主打 Agent 高频执行

    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。

  4. 爱范儿40

    早报|苹果回应 iPhone Duo 内屏开裂 / Anthropic 公开上市申请,冲击史上最大 IPO / 小鹏 Robotaxi 获批 L4 级示范运营

    Anthropic 向美国证监会提交 S-1 注册文件,拟以「ANT」代码登陆纳斯达克,上半年营收 162.86 亿美元、经调整经营利润 16.18 亿美元。苹果首次回应 iPhone Duo 内屏开裂,称仅少量设备受影响,用户可联系 AppleCare 换机。OpenAI 发布 GPT-6.1 Terra,标准 API 价格减半;小鹏 Robotaxi 获广州 L4 级示范运营资格。

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。

  2. Import AI39

    Import AI 478:用于对齐的数学;ProgramBench;Mirendil 展示 RSI 的含义

    Resolution(原 Sequent)用智能体自动形式化奇点消解,耗资约 $135,000、生成约 600k 行 Lean 代码。Claude Opus 5.5 (xhigh) 在 ProgramBench 得 18.5%,该 benchmark 今年 5 月发布时所有受测模型均为 0%。OpenAI 红队测试发现智能体能利用处理器缓存时序差异,在隔离的 microVM 间通信。

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. 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。