美团龙猫发布原生多模态模型 LongCat-2.5，总参数量 1.6 万亿，每个 token 激活约 480 亿参数，在 LongCat-2.0 基础上强化原生视觉理解与智能体编程能力。该模型在长序列训练中加入更多长程轨迹数据，并通过大规模长程强化学习提升复杂代码库开发、完整项目构建等端到端工程能力，同时把视觉信号表示为多层级离散 token 以统一处理视觉与文本输入。官方称其优化了国产算力上的长上下文训练与 W4A4 推理，GitHub 与 HuggingFace 即将上线。
#模型发布#多模态#Agent
DeepSeek推出大模型新版本V4.1 Flash-1017，并首次自主发布性能与成本帕累托前沿曲线，称单位任务综合成本仅为Fable、Astra等同类模型的百分之一至二十分之一。在DeepSWE v1.1评测中，新版本最高通过率Pass@1达77.0%，上一版本约为74%，最高成绩出现在每项任务平均费用约1.3元的位置。此次API公开定价未变，成本红利来自任务感知型压缩、动态上下文裁剪、自适应解码等Token效率优化，实测多数场景Token用量较前版下降逾50%。文章同时指出，该曲线由厂商自行绘制，任务集、评测框架DeepSeek Harness与推理档位规则均为内部定义，跨模型对比能否复现尚待验证。
#模型发布#DeepSeek#推理
美团龙猫发布原生多模态模型 LongCat-2.5，总参数量 1.6 万亿，每个 token 激活约 480 亿参数，在 LongCat-2.0 基础上强化原生视觉理解与智能体编程能力。该模型在长序列训练中加入更多长程轨迹数据，并通过大规模长程强化学习提升复杂代码库开发、完整项目构建等端到端工程能力。LongCat-2.5 将视觉信号表示为多层级离散 token，使主干模型以统一 token 形式处理视觉与文本输入，支持创意设计和 3D 等任务。
#模型发布#多模态#Agent
We’re open-sourcing Drex-Max v1 The most capable Multimodal Decision Model ! And yes: it runs 100% locally on Apple Silicon (M4 & M5) Enjoy Building with Nace! Cloud Inference: https://t.co/fm3GXfjaqx Local Inference: https://t.co/9nwcBn7c2D https://t.co/Wgu8P4zByR
#模型发布#开源生态#端侧
Pika 发布 MiniMax H3 衍生模型 Pika H3 Flex，开放适配器权重与推理代码，通过六步去噪联合生成画面和声音。模型包含两套 LoRA 适配器，原生支持 480P、768P 输出，可生成约 5 至 15 秒视频及同步立体声音频，并提供 ComfyUI 工作流和 Hugging Face Diffusers 接入方式。团队先用监督微调，再以投影分布匹配蒸馏（PDMD）将 50 步去噪压缩至 6 步，高分辨率增强和音频分轨由 Pika API 提供。
#模型发布#开源生态#视频
商汤开源日日新 SenseNova Loop-9B-Preview，采用 Looped Transformer 架构，保留首尾各 4 层原始解码器模块，将中间层改为参数共享的循环计算模块，通过多轮迭代扩展有效计算深度，在 9B 参数规模下对标 27B 模型。模型引入 mHC（Manifold-Constrained Hyper-Connections）多路残差连接增强特征交互，消融实验中 GPQA Diamond 和 TeamBench 分别提升 4.42 分和 13.34 分。商汤称该模型在代码生成、办公场景和智能体任务上优于其他模型，并在 WorkBuddy Bench、RaccoonPPT Bench 和 AutomationBench 上超过 Qwen3.5-27B，模型权重已开源。
#模型发布#开源生态#推理
商汤科技 10 月 30 日宣布开源日日新 SenseNova Loop-9B-Preview，该模型采用 Looped Transformer 架构，通过循环计算扩展有效计算深度，官方称在仅 9B 参数规模下可媲美 27B 参数模型。模型保留首尾各 4 层原始解码器模块，将中间层改造为参数共享的循环计算模块，并引入 mHC（Manifold-Constrained Hyper-Connections）增强特征交互。官方称在 WorkBuddy Bench、RaccoonPPT Bench 和 AutomationBench 等评测中超过 Qwen3.5-27B，消融实验中 GPQA Diamond 和 TeamBench 分别提升 4.42 分和 13.34 分。
#模型发布#开源生态#Agent
#模型发布#开源生态#推理
小米发布并开源轻量级文档理解模型 Xiaomi-OCR-0，仅 0.8B 参数，将文档解析、关键信息抽取与 OCR 视觉问答三类能力合为一体。该模型在 Real5-OmniDocBench 上取得 95.24 分位列对比模型第一，在 OmniDocBench v1.6 上取得 96.83 分，为 1B 以下模型第一，五项主流 OCR 视觉问答基准平均分 83.2。小米同时开源模型权重与推理代码，并提供 Demo、MCP 服务及 Agent Skill 工具包，相关技术已用于小米手机与“超级小爱”的取餐码、账单、卡证等屏幕信息识别。
#模型发布#开源生态#多模态
#评测/基准#推理#Google
Krafton 子公司 Ludo Robotics 发布机器人 AI 系统 Ludi 0.2，在 8 月推出的 Ludi 0.1 基础上增强了社交智能、记忆与推理、工具协调、手势解读和物理移动能力。该系统把视觉语言模型的推理与对话能力同导航、操作能力结合，目标是让机器人理解人类意图、回应反馈并随情境变化调整。公司称正推进最终版本，将感知、对话与物理动作整合进同一个“大脑”。
#模型发布#具身智能#多模态
OpenAI 发布 GPT-Rosalind-6 系统卡附录，该模型与 GPT-6 Astra 使用同一套权重，未新增训练数据或后训练，仅通过可信访问提供给经过审核的科研机构、企业和政府合作方。在最高推理预算下，MedChemBench v7 平均评分 49.6%（GPT-Rosalind-5.5 为 28.9%），GeneBench Pro v13 单次尝试成功率 37.7%（前代为 16.7%），LifeSciBench Gold 平均分 61.3%（前代为 44.0%）。按 Preparedness Framework，该发布在生物与化学领域定为 High 能力、未达 Critical 阈值，网络安全领域定为 Critical，AI 自我改进低于 High。
#安全/对齐#OpenAI#数据/训练
小米开源轻量级文档理解模型 Xiaomi-OCR-0，参数规模 0.8B，权重与推理代码已上线 Hugging Face 和 GitHub。该模型基于 Qwen3.5-0.8B-Base 构建，用约 1.7 亿条 OCR 与文档理解样本训练，单一模型覆盖文档解析、关键信息抽取与 OCR 视觉问答三类任务，原生支持 Markdown、LaTeX 与 JSON 输出。官方评测显示其在 OmniDocBench v1.6 得 96.83 分，位列总榜第二、1B 以下参数模型第一，同时提供浏览器 Demo、MCP 服务与 Agent Skill 工具包。
#模型发布#开源生态#多模态
#模型发布#开源生态#推理
法国 Mistral AI 发布 Large 4 模型（ML4），具备先进编程和网络防御能力，企业可下载开放权重版本并部署在自有基础设施上运行。该模型总参数量 1.05 万亿，每次执行任务实际激活约 520 亿参数，在欧洲数据中心使用 3800 颗英伟达 Grace Blackwell GPU 训练。Mistral 称其在编程任务上可与其他领先开放模型相媲美，并强调开源有助于避免前沿 AI 技术集中在少数参与者手中。
#模型发布#开源生态#Agent
智元发布新一代机器人具身模型GO-3 Preview，打通训练、仿真练习到上岗后持续学习的全流程，在RoboDojo、RoboTwin、RoboColiseum三项测试中排名第一，计划2026年底全面开源。在便利店真实场景测试中，精灵G2机器人任务首日成功率28.6%，五天后提升到85.7%；挂小挂钩任务的成功率比传统训练方式高17.7个百分点。
#模型发布#具身智能#开源生态
大晓机器人联合南洋理工大学 S-Lab 发布面向具体环境构建的世界模型 Mundo，可将 1 至 12 张图像拓展为可探索、可交互的三维场景。该模型把物体质量、摩擦等物理属性写入场景程序，由物理引擎计算运动与碰撞，并支持用代码编辑物体、属性和动作。Mundo 已用于酒店楼层与洗衣区域重建，为机器人导航和操作训练提供仿真环境。
#模型发布#具身智能#多模态
智元发布新一代具身基座模型 GO-3 Preview，采用自研 WRAM 架构，将任务理解、未来状态预测与动作生成整合到统一模型中，并首次提出衡量机器人实际工作产出的 Worken 评价框架。智元称该模型在 RoboDojo、RoboTwin 和 RoboColiseum 三项具身智能评测中综合排名第一。Worken 等于活跃机器人数量、自主工作时长与产出效能比三者的乘积；同期智元还发布 AHA3 硬件平台和灵渠 OS 1.0。
#模型发布#具身智能#数据/训练
Mistral AI 于 10 月 29 日将 Mistral Large 4（代号 Le Chonk）的开放权重发布到 Hugging Face，此前 10 月 6 日仅提供付费 API 访问。该模型总参数 1000 亿级规模中的 1 万亿参数、采用 MoE 架构，每个 token 激活 490 亿参数（含输入输出层为 520 亿），共 128 个专家、每 token 启用 4 个加 1 个共享专家。三周的强化学习后，其 Terminal-Bench 4.0 得分从 28% 升至 41%，在 Artificial Analysis 代码指数上为 48%，与 GLM-5.3 持平且每任务平均少用 47% token；API 价格降为每百万 token 输入 0.70 美元、输出 2.10 美元，新许可证允许商用但转售模型服务需另签协议。
#模型发布#开源生态#Hugging Face
开发者 Divyansh Agrawal 于 10 月 22 日发布实验性模型 Qwenputer，基于阿里 Qwen3.5-4B 构建，在模型内部实现 32 位 RISC-V CPU 与内存功能，无需调用外部工具即可执行程序和精确计算。测试中大整数乘法准确率从 55% 提升至 97.5%，长整数运算基准 NUPA 达到 100%，标准版仅 48.6%。代价是模型体积增至约 18.8GB、每条指令需生成多个词元导致耗时数秒，且需专用驱动，项目已在 Hugging Face 和 GitHub 开源。
#模型发布#开源生态#推理