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。
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。
Kimi 正式发布新一代旗舰模型 K3.1 Pro,拥有 3 万亿级参数、支持 100 万上下文,计划 11 月 4 日前开放完整模型权重,并同步推出输出速度为普通版 2-3 倍的 Highspeed 高速版。
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。
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。
Simon Willison 向 Claude Opus 5.5 High 发出提示词,构建了一个打开照片后用 canvas 元素和模拟画笔在几秒内绘制出照片版本的 artifact。他还提到此前让 Claude Fable 用 P5.js 模拟水彩插画的实验。
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。
示例讲解 Spring AI Alibaba 的 ChatMemory 对话记忆持久化、文生图、文生音与文本向量化功能。
天猫在 2026 双 11 发布会上宣布,AI 搜索从关键词匹配转向长尾意图理解,基于千问系列模型统一理解文本、语音、图片和视频,把模糊需求拆成场景组合后实时生成结果页。
OpenAI 宣布决策 API(Decisions API)全面开放,该 API 基于 GPT‑6 Luna 构建,将模型智能聚焦于具有限定答案的问题,响应速度比通过 Responses API 调用 GPT‑6 Luna 提升最高 10 倍。输入为每百万 token 0.1 美元,缓存命中为 0.01 美元,输出免费;单次请求最多可提交 400 个问题,支持原生 JSON 输入与图像输入。
推荐理由:原文给出决策 API 与 Responses API 的响应速度对比及按输入计费模式,读者可据此评估将其接入实时业务工作流的成本。
Canva 发布首个自研 AI 图像生成模型 Canva Craft,采用两阶段架构,在生成图像前先规划设计,以提升复杂图像中文字可读性与物体摆放的精确度。
OpenAI 首次将 Decisions API 模型全面开放给用户,进入由 TypeSafe 的 Jev 开创的快速廉价决策模型市场,TypeSafe 也因此成为一家估值 76 亿美元的公司。
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。
爱范儿对 iPhone Duo 进行了一周高强度体验,结论是它属于第一梯队的折叠屏产品,但建议普通用户稍晚两个月再买。其最大优势在于为折叠屏定制的 iOS 与纳米纹理表层,截至 10 月 21 日 B 站、微博、Netflix 等主流应用已推出适配版本,但微信、抖音及多数游戏仍需等待;内屏维修费用高达 8000 元,日常续航略优于 iPhone 18 Pro。
Google Research 在 JAMA Network Open 发表前瞻性多中心研究,其 AI 模型用“盲扫”超声评估孕周,在 385 名参与者的主要队列中平均绝对误差为 4.18 天,与专家超声医师 4.48 天的水平相当。
推荐理由:该模型在未经本地调优的肯尼亚站点达到与专家超声相当的精度,为低资源地区产前筛查提供了可迁移的验证路径。
腾讯正在内测面向少儿与青少年的 AI 互动内容社区"懂了鸭",官网与微信小程序均已上线,目前向亲子用户和一线教师开放小范围测试。其核心载体"奇妙卡"可让家长、教师或创作者用自然语言生成 3D 演示、动态课件、互动绘本、轻量游戏等作品,无需编程基础,并支持对社区作品二次改编。
禾赛科技公布 6D 全彩激光雷达亮点,其基于今年 4 月发布的「毕加索」芯片平台,将 RGB 与深度信息在芯片级实现原生像素级对齐,每个像素同时包含颜色、位置和距离信息。不同于传统融合技术需时空同步与标定,该传感器无需等待融合结果即可直接判断红绿灯状态,颜色信息还可辅助雨雾天气下的噪点滤除。禾赛称其可输出天然一致、无需猜测的真值数据,终结智驾系统在传感器冲突面前的决策犹豫。
NVIDIA 宣布扩展其开放模型家族,新成员覆盖语言、机器人、生物和量子计算,组织可用本地数据定制并在自有基础设施上部署。
推荐理由:原文按语言、机器人、生物和量子等领域逐一列出各开放模型的能力与可用入口,读者可据此判断哪些模型适合纳入本地化部署。
奇瑞集团旗下墨甲机器人在安徽芜湖的全球发布会上发布首款消费级家庭陪伴人形机器人“墨宝”,同步开启全球预订。墨宝身高 0.9 米,22 个自由度支持行走与身体表达,可为孩子提供识物问答、故事和英语互动,为长辈提供日常陪聊及事项提醒,支持 20 多种语言互动。墨甲机器人全球销量已超过 3000 台,覆盖 100 多个应用场景,产品与服务已进入 60 多个国家和地区。
Synaptics 推出 Astra SR200 系列 xMCU,可在设备端运行更大规模的 AI 模型和更丰富的多模态工作负载。
小米 MiMo-V2.5-Pro 与 MiMo-V2.5 已于 10 月 21 日 10 时正式下线,相关请求自动路由至 MiMo-V2.6-Pro 与 MiMo-V2.6-flash。
Transformer 从 2017 年的机器翻译架构到现代 LLM 通用推理引擎的演进可归纳为七个阶段,27 篇经典论文串联起这条完整脉络。BERT 与 GPT 确立先预训练、再微调的范式后,模型相继突破长文本限制、统一生成任务,并扩展至视觉、语音与代码多模态。GPT-3、InstructGPT、DPO 及 DeepSeek-V3/R1 则进一步推动超大模型、人类对齐与强化推理。
Mistral AI 发布 Voxtral 3 语音模型家族及配套 SDK,将语音识别、语音合成与实时智能体对话整合进一条流式管线。
小米技术官方宣布 Xiaomi MiMo-V2.6-Pro 正式上线 WorkBuddy,支持 1M 超长上下文、多智能体分工协作以及图像、视频、音频、文本全模态联合理解,其 Artificial Analysis 智能指数为 46 分,称全球开源第一。
2026云栖大会上,阿里云展示从数据采集、标注到训练、推理的端到端全栈方案,以"数据闭环"与"模型闭环"协同支撑多模态AI走向生产。卓驭科技、中国电信、乐享元游与微财等企业分享了多模态湖仓ZLake、TeleAgent、实时湖仓与特征开发自动化等实践,其中乐享元游经营报表更新周期由一天缩短到一分钟。
AI 3D 多模态模型公司 Meshy 正式发布局部编辑功能 Meshy Edit,基于其全新自研 AI 模型,用户圈选修改区域后用一句话描述改动,约一分钟生成新模型,未选中区域保持原样。该功能已向全部注册用户开放,每次编辑消耗 20 积分,目前支持 Meshy 6 和 Meshy 7.1 生成的高精度模型。
Lovart 迭代到 2.0,推出个人设计 Agent Arti,它以记忆功能为起点学习设计师的风格、偏好与常用资产,并主动承担前期调研、画布风格一致性检查、多轮反馈改稿,还会把重复流程沉淀为可复用的 Skill。作者实测其设计委托功能,可设定执行时间、频率与积分上限,专家模式在图片和视频生成上达到 4k 水准,创建页还提供 16 种设计需求模板。
哔哩哔哩 Index LLM 团队推出 Index-Translate 系列翻译模型,文本翻译覆盖 150 种语言,提供 2B、9B 和 35B-A3B(preview)三种规模,同时支持图文翻译。
Koog 1.3.0 允许在 user 消息中混合图像、音频、视频与文件四类附件,并通过 LLMParams 的八个字段在创建 prompt、创建子图、会话修改三个位置控制模型行为。
作者实测四种纯本地方案,从一张展柜照片中为每件文物生成矩形裁剪图和透明背景抠图:Grounding DINO + SAM、YOLO11x-seg、SAM2 自动掩码、Florence-2。
研究人员开发出一款 AI 工具,仅凭一张面部照片即可预测癌症患者生存几率,研究发表于《柳叶刀 · 数字健康》。模型使用超过 4000 万张人脸图像和 3 万余名癌症患者的照片训练,可为患者生成风险评分,高分患者更有可能在 90 天内死亡,估算年龄误差约 5 岁。未参与研究的外部专家认为,该工具尚未与医生的整体健康评估做对照,目前不能投入临床使用。
作者复盘校园课堂行为识别项目 EduBot,采用 YOLOv8n 人员检测加 5 个自研二分类模型的两级流水线,并用 Flask 完成全栈部署。项目用约 9000 张密集行人图像横向对比 Faster-RCNN 系列 4 个变体和 YOLO 系列 4 个版本后选定 YOLOv8n;趴桌、耳语等低召回行为在系统里降级为趋势提示并要求连续多帧命中。
2026 年 1 月至 9 月,Amazon SageMaker JumpStart 新增接入来自 30 家提供商的 100 多个模型,大幅扩展其基础模型目录。
MiniMax 发布推理模型 M3.1 Flash,在 Artificial Analysis Intelligence Index 上得 42 分,比前代 M3 高 13 分,单任务成本不到一半。
可灵 AI 发布 Kling 4.0 视频生成模型,单次可生成最长 30 秒视频,支持最多 10 张关键帧输入,提示词理解扩展至 8,000 tokens。升级后的 Omni Reference 可在单次生成中接受最多 15 个参考素材,新增双声道立体声音效与覆盖十多种语言的口型同步,轻量 Flash 版本上限为 720p 和 20 秒。
TwelveLabs 的视频语言模型 Pegasus 1.5 现已在 Amazon Bedrock 上线(US West (Oregon) 区域),可将最长 2 小时的长视频转化为带时间戳的结构化 JSON 元数据。
推荐理由:相比 Pegasus 1.2 只能对单段视频问答,1.5 可按自定义条件切分整片视频并输出带时间戳的 JSON,适合需要批量编目长视频的团队。
本文逐行解析 Spring AI 2.0.1 消息体系与 Prompt 源码并标注文件行号,指出 MessageType.FUNCTION 已改为 TOOL、ChatOptions 是唯一完成严格不可变化的领域对象,而消息体系的 metadata 与集合字段仍可变。
本周 AI 圈模型与 Agent 双线推进:DeepSeek 更新 V4.1-Flash-1017,强化从零构建完整项目能力并同步开放 Search/Fetch API;Google 上线 Gemini 4 Argon 主攻复杂工程与多步 Agent。
2026年10月17日,DeepSeek 发布 V4.1 Flash 1017,网页端、手机 App 与 API 已同步切换为新版本。
OpenAI 于 2026 年 4 月 21 日发布 GPT Image 2.0,相比偏旁部首经常错位的 GPT Image 1.5,它能正确生成中文、日文、韩文等非拉丁文字,TechCrunch 早期评测称其渲染结果达到像素级完美。
卓驭构建多模态湖仓 ZLake 作为移动物理 AI 的数据底座,基于阿里云 DLF、EMR Serverless Spark、EMR Serverless StarRocks 与 PAI 打造 ZLake Store、Meta Lake 等核心组件。