搜索“多模态”

Kimi K3.1 Pro在WebDev Arena排名第8

月之暗面发布Kimi K3.1 Pro,该模型在Code Arena WebDev以1692分位列第8。据Arena报道,其得分与Claude Opus-5 (Max)持平,成本低70%,较Kimi K3 (Max)的第17名提升9位。该模型定价为每百万输入/输出token 2/10美元,单任务成本中位数1.23美元,比Kimi K3低29%,并将在11月4日开放权重。Kimi官方称其为3T级开源权重模型,具备1M token上下文、2.8T总参数/104B激活参数的MoE多模态架构,幻觉率下降65%。Testing Catalog报道称,Kimi因此回到Code Arena WebDev实验室排名前4,并称开放权重发布后它将成为该榜单排名第一的开源模型。

阿里云百炼推出Token Plan订阅服务

阿里云百炼推出 Token Plan AI 大模型订阅服务,以 Credits 作为统一计量抵扣单元。据 2026 年 10 月 22 日报道,一份套餐覆盖文本、多模态视觉、图片与视频生成、语音处理,兼容 OpenAI、Anthropic 两套协议及 Harness 工具集;个人版分 Lite、Standard、Pro 三档并设 7 天滚动用量限额,团队版支持席位分配与成员用量审计。该服务目前仅运行在华北2(北京)地域,专属 API-Key 与按量付费密钥、域名不可混用。10 月 23 日的报道进一步称,个人版 Lite 39 元/月(11,500 Credits)至 Pro 499 元/月(180,000 Credits),团队版 150 元/座席/月起;Credits 按模型类型、Token 用量、思考模式及工具调用动态抵扣,套餐额度用尽后自动抵扣用量包,两者均用尽则服务暂停、不转按量计费,且与 Coding Plan 为独立产品、无法相互迁移。

保时捷等宣布共建自动驾驶共享数据飞轮

保时捷、大众集团旗下品牌与 CARIAD 宣布共同建设面向自动驾驶开发的共享数据飞轮。该消息于 2026 年 10 月 21 日在 NVIDIA GTC Berlin 大会上公布,保时捷牵头初期落地与生态集成,Voxel51、NVIDIA 和 Microsoft 参与。据 Voxel51 介绍,该集团联网车队每天产生的数据相当于 11000 名普通驾驶员,合作目标是把重复的实车测试减少最多 90%、把 AI 回归测试周期缩短最多 85%。在分工上,Voxel51 提供数据层并支撑多模态检索、自动标注、场景筛选等六项工作流,NVIDIA 提供 Cosmos Data Factory、Omniverse NuRec 等工具,Microsoft Azure 提供云与算力。目前该合作处于宣布阶段,尚无后续进展披露。

Synaptics发布Astra SR200系列边缘AI处理器

Synaptics发布Astra SR200系列多模态边缘AI处理器,集成与Google Research合作开发的Coral NPU架构。该系列包含SR210、SR230、SR250三款型号,AI算力分别为200、300和400 GOPS,面向AI眼镜、智能可穿戴设备、智能摄像头及工业视觉。产品采用Arm Cortex-M85与Cortex-M52双处理器架构,集成最高8MB SRAM及可扩展至数百MB的定制DRAM,支持Transformer等模型端侧运行。双方还推出搭载SR250的Coralboard SR开发板及开源Torq AI编译器,支持Gemma 3 270M等模型端侧部署。目前该系列已正式发布,暂无后续进展。

Synaptics发布Astra SR200系列边缘AI处理器

Synaptics发布Astra SR200系列多模态边缘AI处理器,集成与Google Research合作开发的Coral NPU架构。该系列包含SR210、SR230、SR250三款型号,AI算力分别为200、300和400 GOPS,面向AI眼镜、智能可穿戴设备、智能摄像头及工业视觉。产品采用Arm Cortex-M85与Cortex-M52双处理器架构,集成最高8MB SRAM及可扩展至数百MB的定制DRAM,支持Transformer等模型端侧运行。双方还推出搭载SR250的Coralboard SR开发板及开源Torq AI编译器,支持Gemma 3 270M等模型端侧部署。目前该系列已正式发布,暂无后续进展。

查看事件：Synaptics发布Astra SR200系列边缘AI处理器

Voxel51发布3.0版数据平台

2026年10月21日,Voxel51发布3.0版数据平台,面向机器人与物理AI场景。据Robotics & Automation News报道,该平台将机器人多摄像头、视频与传感器数据的搜索、整理、标注和评估整合到同一平台,并新增可跨开发流程执行任务的AI助手Voxel51 Agent。平台支持语义搜索、文本查询与元数据过滤,以及多模态时间序列同步查看,并提供2D、3D和视频标注与Agentic Labeling自动标注。报道还称,Voxel51与Nebius合作,在Nebius AI Cloud上运行其工作流,并提供免费自助版本。目前尚无后续发展事实。

小米MiMo-V2.5-Pro与MiMo-V2.5模型下线

小米的 MiMo-V2.5-Pro 与 MiMo-V2.5 两款模型已于 10 月 21 日上午 10 时正式下线。相关请求自 10 月 14 日 18:00 起自动路由至 MiMo-V2.6-Pro 和 MiMo-V2.6-Flash。据 IT之家报道,MiMo-V2.5-Pro 仅支持文本输入,替换为 MiMo-V2.6-Pro 后将支持多模态理解,API 参数完全适配;MiMo-V2.6-Flash 的 max_completion_tokens 默认值由 32768 变为 131072,思考模式下两款 V2.6 模型不支持 temperature 和 top_p 自定义。中华网科技另提到,小米于 9 月 22 日发布并开源 MiMo-V2.6 系列,Pro 定价为每百万词元输入 3 元、输出 6 元,并提供 99% 缓存折扣。目前两款旧模型已停止服务,请求由 V2.6 系列承接。

Google发布TPU原生vLLM与SGLang推理引擎

Google于2026年10月20日发布基于TorchTPU的vLLM与SGLang原生PyTorch后端推理引擎,分别与Inferact、RadixArk合作开发。官方表示,两个引擎已在预览客户的生产环境中运行;在Ironwood TPU(TPU 7x)上运行Qwen 3.5时,高并发配置下每百万token成本为2.01美分,并已在SemiAnalysis InferenceX的AgentX赛道提交结果。功能方面,引擎支持前缀缓存与KV cache卸载、投机解码、分离式服务以及图像视频输入的多模态模型;SGLang-TorchTPU已在Meta生产环境使用。目前尚无后续独立发展事实。

vLLM-Omni团队发布技术报告

vLLM-Omni团队发布了vLLM-Omni技术报告。相关证据显示,蚂蚁inclusionAI在GitHub发布vLLM-Omni仓库,该框架在vLLM基础上扩展全模态模型推理与服务,支持文本、图像、音频、视频和动作数据处理,并支持DiT等非自回归架构。README显示其已迭代至0.30.0,对齐vLLM 0.30.0,新增MiniCPM-o 4.5与AURA的全双工会话服务、Mooncake AR-to-DiT跨阶段KV与多模态传输,以及在NVIDIA Blackwell和昇腾950上的MiniMax H3 Turbo实时推理。框架提供OpenAI兼容API服务、流式输出和分布式并行推理,并列出Qwen3-Omni、MiniMax H3、Wan2.2、π0.5等已支持模型。目前尚无后续发展事实。

TwelveLabs Pegasus 1.5上线Amazon Bedrock

TwelveLabs 的 Pegasus 1.5 视频语言模型已在 Amazon Bedrock 上线。据 AWS Machine Learning 发布的信息,该模型可把长视频转成带时间戳的结构化 JSON 元数据;新版本支持按用户定义的分段规则返回匹配片段、结合参考图像的多模态提示,以及无需预索引的即时处理,单次请求可分析最长 2 小时视频。模型通过 InvokeModel 和 InvokeModelWithResponseStream 调用,目前在美国西部(俄勒冈)区域提供。

NEURA Robotics与NXAI宣布合作开发认知机器人记忆组件

2026年10月20日,NEURA Robotics与NXAI宣布合作,为认知机器人联合开发记忆组件。据Unite.AI报道,双方将把NEURA的Physical AI技术栈与NXAI的xLSTM架构整合,合作基于NEURA的多模态基础模型Neuron AI,并区分工作记忆与情景记忆两个层级。报道还称,NXAI基于xLSTM的模型计划上线Neuraverse平台,与Neuron AI并列,为平台增加第二个模型选项;企业可用Neuraverse工具链微调,并自主决定是否共享数据。目前该合作处于宣布阶段,尚无后续开发进展的合格事实证据。

Kling 4.0上线fal平台

可灵 Kling 4.0 已在 fal 平台上线。官方称其为新一代原生多模态视频模型,在复杂运动稳定性、角色与场景参考一致性以及电影叙事控制精度上有所提升。目前该模型仅通过 fal UX 和 fal Agent 提供,API 访问即将开放。

fal上线Kling 4.0视频模型

fal于2026年10月21日上线Kling 4.0。据fal发布的信息,这是一款新一代原生多模态视频模型,提升了复杂运动的稳定性、角色与场景的参考一致性,以及对电影化叙事的控制精度。目前该模型仅通过fal UX和fal Agent提供,API访问即将开放。除这一上线事实外,暂无其他有合格事实证据的后续发展。

NVIDIA扩展Nemotron Retriever系列并发布多款开放模型

2026年10月21日,NVIDIA扩展Nemotron Retriever系列,发布多款开放模型,覆盖嵌入、重排与文档解析。此次推出的模型包括Nemotron 3.5 Embed(8B BF16、1B BF16、1B NVFP4)、Nemotron 3.5 Rerank 8B BF16,以及参数规模为6.31亿的Nemotron 3.5 Parse,面向企业智能体工作流的多模态检索与文档处理。NVIDIA称,在智能体检索流程中加入Rerank后,单次查询的token成本分别降低约14%(搭配8B嵌入模型)和13%(搭配1B模型),检索准确率同时提升。Parse在ParseBench上得分75.20,单张H100上每秒处理10.5页。开放权重、数据和训练配方已在Hugging Face发布,并可通过NVIDIA NIM及Baseten、DeepInfra、FriendliAI部署。

SageMaker JumpStart提供精选AI模型目录

Amazon SageMaker JumpStart 提供精选 AI 模型、解决方案模板和示例笔记本目录。据 AWS Machine Learning 2026 年 10 月 20 日发布的回顾,2026 年 1 月至 9 月,该目录新增来自 30 家提供商的 100 多个模型,其中 Alibaba(Qwen)贡献 29 个、NVIDIA 17 个、Mistral 7 个、Google 6 个 Gemma 4 变体、IBM 4 个、Cohere 4 个。新增模型覆盖多模态、语音、图像与视频生成,并引入 GLM-5.2 FP8、JetBrains Mellum2-12B 等量化与紧凑模型以降低推理成本。目前该目录保持上述新增内容。

Neura Robotics发布具身基础模型Neuron AI

Neura Robotics 发布了机器人基础模型 Neuron AI。据 AI Business 报道,该模型在 3D 视觉之外加入触觉与力数据、音频、机器人状态和语言,并带有记忆功能,可在物体离开视野后保留信息。Neura 计划本周晚些时候在英伟达柏林 GTC 上演示,由人形机器人 4NE1 完成一段十一分钟的衣物处理流程。公司尚未披露额外感官输入对性能的影响幅度以及训练所需的数据量;Interact Analysis 分析师质疑其机器人训练场能否收集到足够的多模态数据。目前尚无后续进展。

Perplexity Decider上线Vercel AI Gateway

2026年10月17日,Perplexity的Decider V1.2决策模型上线Vercel AI Gateway,Vercel开发者现可使用面向复杂智能体工作流的perplexity/pplx-decider-v1.2和面向超快决策的perplexity/pplx-decider-flash-v1.2,Aravind Srinivas转发了这一消息。同日稍早的报道称,Perplexity开源了pplx-decider-flash-v1.2与pplx-decider-v1.2两款决策模型:前者为4B参数、每百万token 1美分,被称为HF Decision Index上最强的4B模型;后者为27B参数、每百万token 2美分,在HF Decision Index总榜排第2。两者均已在Perplexity Decisions API上线,并在Hugging Face提供开放权重。Perplexity Developers称这一代开放权重多模态决策模型文本与视觉分数均有提升,推理速度最高快5倍,一次请求中的所有问题单次前向完成。

Meta发布开放权重模型Muse Spark Open

2026年10月15日,Meta发布开放权重模型Muse Spark Open,权重当天在Hugging Face上线,采用Muse Model License。据PyTorch Blog,该模型为816B总参数、42B激活参数、1M token上下文窗口,原生多模态并面向编码与智能体任务,在Muse Spark基础上增加安全后训练,可在SGLang和vLLM上运行。10月16日,该模型上线Amazon SageMaker JumpStart,提供BF16与NVFP4两个变体;同日进入Arena的Agent Arena实测,并上线Code Arena的WebDev等项目。10月17日,Arena公布Muse Spark Open (Max)以1511分成为Code Arena WebDev排名第一的美国开源模型,在全部开源模型中排第13。

田柯宇公开讲述字节投毒事件经过

2026年10月12日,因干扰字节同事训练任务被开除两年后,田柯宇公开讲述自己眼中的事件经过,承认干扰过同事训练任务,并将动机解释为“不成熟的朴素的正义”。据36氪·AI报道,他已是NeurIPS最佳论文第一作者,其AI实验室获五源资本、IDG资本近3000万美元投资,投后估值2亿美元,方向是能预测未来的多模态基础模型。随后一份以受影响人员名义发布的长文反驳其讲述,将干扰起点提前到2024年3月并涉及LlamaGen、Goku等项目,并向其合作方和投资机构提出核查请求。报道还称一审判赔约50万元,字节已上诉。

格物通智完成近亿元天使轮融资

格物通智完成近亿元天使轮融资。2026年10月18日的报道显示,这家具身大脑公司的投资方包括匹克投资、鸿富资产、杭州资本、杭州人才集团等,资金用于物理反演世界模型的大规模预训练与硬件本体构建。公司由前华为车BU 2030实验室蔡佳创立,2026年8月落地杭州,依托触觉-视觉多模态数据构建“物理反演世界模型+PSI物理自进化”体系,为机器人提供有“手感”的灵巧操作能力。公司正与纺织服装、光模块及汽车零部件客户推进PoC,预计2026年年底完成首个交付。同日另一报道称,投资方还包括某省级具身产投及多家头部上市公司,资金亦用于技术迭代、场景PoC验证和真实数据采集。