#多模态

Nanbeige 发布 33B 开源智能体编程模型 Nanbeige4.3-33B

Nanbeige LLM Lab 在 Hugging Face 以 Apache 2.0 协议发布了 Nanbeige4.3-33B，这是一个 33B 稠密语言模型，专为智能体编程和办公类协作任务构建。该模型支持 524,288 token 的上下文窗口，并在官方对比测试中领先多款同量级开源模型。

Hugging Face 联合发布 14.8B 开源 DNA 语言模型 Carbon-X

Hugging Face 联合合作机构发布了 14.8B 参数的开源 DNA 语言模型 Carbon-X。该模型基于 Qwen3-14B 构建，采用混合分词器将 DNA 与自然语言统一在单个解码器中，支持在单张 80GB GPU 上运行，并在多个 DNA 基准测试中取得了开源模型的领先表现。

Nvidia 开源机器人视频标注引擎 Flora，标注成本约为 GPT-6 Astra 的 1/125

Nvidia 开源了机器人视频标注引擎 Flora，由三个微调的 Qwen3.5 模型组成，旨在解决机器人训练视频标注成本过高的问题。Nvidia 称其标注每小时机器人视频的成本约为 72 美分，显著低于 GPT-6 Astra 的约 88.50 美元，并在动作边界检测和识别过程中间错误方面表现较好，模型已上线 Hugging Face。

NVIDIA 发布开源小模型 Nemotron 3.5 Bolt E4B 4GB

NVIDIA 发布了开源小模型 Nemotron 3.5 Bolt E4B 4GB，面向本地语音助手、游戏角色和机器人等场景。该模型基于 Gemma 4 E4B 通过强化学习训练，拥有 8B 总参数、4B 有效参数和 64K 上下文，在多项基准测试中表现突出，权重和训练方案已完全开源。

Kyutai 发布 CADRE 视频自编码器，交互世界模型动作延迟降到 230 ms 以内

Kyutai 发布了开源因果扩散表示自编码器（CADRE），旨在解决交互世界模型中的动作延迟问题。该系列包含 7 个自编码器和 4 个世界模型，在单张 H100 上运行可将动作延迟降至 230 毫秒以内并保持 20 fps 的生成速率。代码采用 MIT 协议开源，权重采用 CC BY-NC 4.0 非商业许可。

meng shao@shao__meng· 09:25精选AI 评分8686

月之暗面发布 Kimi K3.1 Pro 3T 级开源权重模型，强化了编程、3D 与金融 Agent 能力，完整权重计划在 2026 年 11 月 4 日前开源。该模型在 Terminal-Bench 4.0 编程榜上达到 65.7%，并同步推出交互速度提升 2 至 3 倍的 Highspeed 版本。

月之暗面发布 Kimi K3.1 Pro 混合专家模型

月之暗面发布 Kimi K3.1 Pro，这是其 K3.1 系列的首款模型，采用 2.8T 总参数、104B 激活参数的 MoE 架构，并支持 1M 的上下文窗口。该模型在终端编码和 SWE-Marathon 基准上接近或领先部分前沿模型，API 现已上线，开源权重预计于 2026 年 11 月发布。

同一件事，精选收录的是《月之暗面发布 Kimi K3.1 Pro 模型》

月之暗面发布 Kimi K3.1 Pro 模型：3 万亿参数，支持 100 万上下文

月之暗面正式推出 Kimi K3.1 系列首个模型 Kimi K3.1 Pro，具备 3 万亿参数与 100 万上下文支持，并同步推出高速版 Kimi K3.1 Pro Highspeed。

同一件事，精选收录的是《月之暗面发布 Kimi K3.1 Pro 模型》

阶跃星辰发布 Kimi K3.1 Pro 推理模型

月之暗面发布了全新推理模型 Kimi K3.1 Pro，在 Artificial Analysis Intelligence Index 上获得 55 分并跻身第四位。该模型包含 2.8 万亿总参数和 1040 亿激活参数，支持 100 万 token 上下文，同时推出了运行速度更快的高速版，计划于 2026 年 11 月 4 日开源权重。

同一件事，精选收录的是《月之暗面发布 Kimi K3.1 Pro 模型》

Artificial Analysis@ArtificialAnlys· 02:15AI 评分6868

月之暗面发布新推理模型 Kimi K3.1 Pro，在 Artificial Analysis 智能指数中以 55 分位列第 4，在智能体性能和 Terminal-Bench 4.0 上获得显著提升。该模型采用 2.8T 总参数、104B 激活参数，支持 1M 上下文窗口，权重暂未完全开源但计划近期发布。

月之暗面发布 K3.1 Pro 及 K3.1 Pro Highspeed 模型

月之暗面推出 K3.1 系列首款开源权重模型 K3.1 Pro 及其追求更低延迟的 K3.1 Pro Highspeed，支持 100 万 token 上下文窗口。该模型在编码、3D 建模、金融研究及多步代理任务上表现显著提升，并通过在训练阶段定向移除网络安全相关数据来降低滥用风险；完整模型权重将于 11 月 4 日前开源。

同一件事，精选收录的是《月之暗面发布 Kimi K3.1 Pro 模型》

月之暗面发布 Kimi K3.1 Pro，支持 100 万 token 上下文并计划开源权重

月之暗面发布 Kimi K3.1 Pro，具备 100 万 token 上下文窗口和 3T 级开源权重，在编码、3D 建模及金融工作流等智能体任务上有显著提升。该模型已在 Kimi.com、Kimi Work、Kimi Code 和 Kimi API 上线，完整模型权重计划于 11 月 4 日前释出。

同一件事，精选收录的是《月之暗面发布 Kimi K3.1 Pro 模型》

Kimi.ai@Kimi_Moonshot· 01:43同事件AI 评分8383

月之暗面发布 3T 级开放权重多模态模型 Kimi K3.1 Pro，具备 1M-token 上下文窗口、2.8T 总参数及 104B 激活参数。该模型在全项目编码、Blender 与 CAD 参数化 3D 建模及金融任务中表现出色，幻觉率降低 65%，并在多个基准测试中匹配最强闭源模型。

同一件事，精选收录的是《月之暗面发布 Kimi K3.1 Pro 模型》

Kimi 推出 K3.1 Pro 与 K3.1 Pro Highspeed 模型

Kimi 代码平台正式推出全新 K3.1 Pro 系列旗舰模型及 K3.1 Pro Highspeed 高速版本。K3.1 Pro 拥有 3T 参数与 1M 上下文窗口，强制启用思考模式，在编码、3D 创作及金融研究方面有显著提升；高速版本在保持同等能力的同时提供约 2 至 3 倍的输出速度。官方同时公布了模型配置、API 接入地址及切换注意事项。

Tencent Hy@TencentHunyuan· 01:11AI 评分6464

腾讯混元开源自由交互视频世界模型 Hy-Nomas，支持文本提示与相机轨迹的自由交互、具备世界内存的长程生成能力，并针对消费级 GPU 推理进行了优化。该模型支持通过轻量级 LoRA 适配特定领域，项目已在 GitHub 和 Hugging Face 开源。

面壁智能在 CNCC 2026 举办第三届端侧大模型论坛并发布 MiniCPM5 与 VoxCPM2 等成果

面壁智能在 CNCC 2026 举办第三届端侧大模型论坛并发布 MiniCPM5 与 VoxCPM2 等成果，围绕文本、语音、多模态等五大方向探讨端侧通用人工智能。目前 MiniCPM 系列累计下载量已突破 6000 万次，17 次登顶 Hugging Face 榜单首位，其中 MiniCPM5-2B 在 AA-Index 4B 以下排名第一。

ViggleAI@ViggleAI· 07:04AI 评分6262

Viggle AI 发布了世界模型 JST-2，支持文本、图像或视频输入并输出 3D 角色、动作和场景。官方同时展示了发布三天内社区用户基于该模型创作的相关案例。

Thomas Wolf@Thom_Wolf· 03:36AI 评分6868

Hugging Face 联合 TIGEM、那不勒斯费代里科二世大学和中关村实验室发布了开源 DNA 模型 Carbon-X。该模型为 14B 参数量，在 DNA 基准测试中得分 67%，训练数据排除了人类和动物病毒，模型权重已开源且可在笔记本电脑上运行。

Cohere 发布 Rerank 5，新增段落级 Context Focus 与校准相关性分数

Cohere 发布 Rerank 5 检索重排序模型家族，提供 Pro 和 Fast 两个档位并支持 32K 上下文窗口。该版本新增段落级 Context Focus 功能，可在单次调用中返回带有得分的字符片段以减少传递给大模型的无效 token；同时引入了概率形式的校准相关性分数，降低跨领域设置阈值的复杂度。

蚂蚁百灵开源医疗增强模型 Ling-3.0-flash-Sante

蚂蚁百灵正式开源医疗增强 MoE 模型 Ling-3.0-flash-Sante，总参数 124B、每 token 激活 5.1B。该模型面向真实医疗科研与工作流，强化了深度研究、多智能体协作和工具调用能力，模型权重现已开放。

中国电信发布并开源意图理解专用模型 Xing4.0-29B-Intent

中电信人工智能科技有限公司星辰通用人工智能实验室正式发布并开源意图理解专用模型 Xing4.0-29B-Intent，同步开放275万条训练语料、模型权重与推理镜像。该模型结合了意图识别与参数抽取，旨在将用户自然语言转换为结构化信息，已在电信万号客服和智能家居音箱等终端场景中应用。

Mistral Large 4 发布

Mistral AI 推出了 Mistral Large 4，这是一款采用精细化 MoE 架构的开源多模态模型。该模型包含 52B 激活参数、1.05T 总参数以及一个 1.6B 的视觉编码器。

NVIDIA 发布 Nemotron 3.5 Embed、Rerank 和 Parse 开源检索模型

NVIDIA 扩展 Nemotron Retriever 系列，开源了 Nemotron 3.5 Embed、Nemotron 3.5 Rerank 和 Nemotron 3.5 Parse 模型。这些模型支持多模态检索、相关性重排及文档解析，旨在降低企业 AI 智能体的推理 token 消耗并提升检索准确率。

NVIDIA 推出面向欧洲及多行业的开源模型家族

NVIDIA 扩大了其开源模型系列，推出 Nemotron 3.5 Super VL 与 Bolt、Kumo 结构化数据模型、Cosmos 3.5 世界模型、Alpamayo 2 Edge 自动驾驶推理模型、BioNeMo RFD4-Proteina 蛋白质设计模型及 Ising 量子计算模型。

MiniMax M3.1 Flash 跑分出炉：Agent 能力斩获国模第一，成本大幅下降

量子位报道，此前在OpenRouter匿名屠榜的神秘模型Space Bunny揭晓，正是在正式交卷中代号为M3.1 Flash的MiniMax新模型。该模型在Agents’ Last Exam中得分29.6%斩获国模第一，在编码、网络安全和Computer Use等基准测试中也杀入全球第一梯队；同时其推理速度最快可达200+ TPS，输入价格为每百万Token 1元，综合成本较前代M3暴降70%。

NVIDIA 发布 Cosmos3-H-Dreams 生成式手术模拟模型

NVIDIA 推出 Cosmos3-H-Dreams，这是一个基于 Cosmos 3 构建的实时生成式手术模拟模型，支持临床胆囊切除术的实时运动学控制。该模型通过 FlashDreams 加速库可在单张 NVIDIA RTX PRO 6000 GPU 上交互运行，并提供了四步与两步蒸馏检查点供开发者探索。

MiniMax (official)@MiniMax_AI· 02:46AI 评分2828

连兔子都停下来观看。🐰🚀 很高兴看到 @higgsfield_ai 用 MiniMax M3.1 Flash 创作的内容。

Jim Fan@DrJimFan· 02:01AI 评分6969

Jim Fan 推出了开源机器人数据引擎模型套件 Flora，权重现已开放。Flora 具备 Astra 级别的性能，成本降低至其 1/125，目前已用于支持日均 20 万小时视频的标签化处理。该套件可提供带时间戳的高质量标注字幕、用于强化学习后训练的密集进度奖励以及真实世界基准测试的评分规则。

Mistral 发布 Voxtral 3 语音模型系列与实时语音智能体 SDK

Mistral 发布了 Voxtral 3 语音模型系列与实时语音智能体 SDK，涵盖语音转文本、文本转语音及流式智能体管线。该系列支持 50 多种语言与方言，具备高精度转录、情感自适应语音合成及端到端工具调用能力。Voxtral 3 提供欧洲托管 API 以及支持私有化部署的自建方案，满足企业的数据主权需求。

Artificial Analysis@ArtificialAnlys· 23:37AI 评分3131

上周美国开源模型在智能水平与参数效率方面均有提升。

OpenBMB@OpenBMB· 21:29AI 评分6262

面壁发布 MiniCPM-V 4.7 模型，在 iPhone 18 Pro Max 上实现了 20.51 tokens/sec 的平均解码速度。该版本通过 Lookahead Expert Scheduling、优化专家加载、细粒度量化和 DSpark 投机解码等技术提升了端侧多模态推理性能。

Cloudflare 发布 System One 抽取模型 Clairic 预览版，上线 Workers AI

Cloudflare 推出了 System One 抽取模型 Clairic 的预览版，并在 Workers AI 上线。Clairic 支持处理文本或最多 4 张图片输入，在单次前向传递中直接返回带置信度和空值概率的结构化类型值，无输出 Token 费用。官方测试显示，在 claims 管道中其抽取耗时显著优于 GLM-5.3。

Inception 发布扩散语言模型 Mercury 3，速度达 1,068 tok/s

Inception 发布了扩散语言模型 Mercury 3，采用并行生成而非逐个 token 生成的方式，输出速度达到 1,068 tok/s，并支持 100 万 token 的上下文窗口。该模型在多项基准测试中表现优于 GPT-6 Luna 和 Claude Haiku 5.5，目前已在 Inception API 平台、OpenRouter、Baseten 和 Vercel 上线。

蚂蚁百灵开源 Ming-3.0 语音系列模型，覆盖语音合成、音频理解与对话、语音识别

蚂蚁百灵今日宣布开源 Ming-3.0 语音系列，共推出覆盖语音合成、音频理解与对话、语音识别三个方向的五款模型。Ming-3.0-tts 支持文字描述音色与导演模式的台词表演控制，Ming-3.0-audio-flash 和 tiny 可直接对长音频进行转写、总结和观点分析，Ming-3.0-asr-tiny 则通过高质量语料和上下文理解提升真实业务中的语音识别效果。

Nace AI 发布 Drex Max 多模态决策模型

Nace AI 推出了 Drex Max 多模态决策模型，面向计算机使用智能体，支持读取文本和图像并返回校准概率分布。该模型在 Decision Index 0.3.2 上取得 67.59 分，API 定价为每百万输入 token 0.06 美元且不收取输出费用。

Rohan Paul@rohanpaul_ai· 04:42AI 评分5656

Skyfall AI 推出了工程世界模型 SKY-001，能将单张汽车或发动机照片转化为完整的部件树以及分步构建草图。该模型由分层合成器（Hierarchical Composer）与构建世界模型（Construction World Model）协同工作，在 CAD 和平面图设计成本上比最强通用 LLM 低 150 到 185 倍且精度相当。

🚨 AI News | TestingCatalog@testingcatalog· 04:42AI 评分4545

Skyfall AI 发布了首个专注于工程任务的世界模型 SKY-001，在 CAD 和 BIM 任务上超越了 GPT-6 Astra 和 Opus 5.5。该模型采用组合视觉世界模型设计，能将物理对象拆解并在 CAD 中重建。在效率方面，其运行速度快约 120 倍，每个样本成本降低约 185 倍。

MiniMax 发布 M3.1 Flash 推理模型

MiniMax 发布 M3.1 Flash 新推理模型，在 Artificial Analysis Intelligence Index 上从 29 分跃升至 42 分，同时将每任务成本降至约 0.22 美元。该模型支持 100 万 token 上下文并接受图文输入，计划于 10 月 23 日开源权重。

Inception Labs 发布 Mercury 3 大模型

Inception Labs 推出 Mercury 3，这是目前能力最强的扩散大模型。该模型在多个基准测试中表现优于同类速度优化模型，运行速度达每秒 1,000 token 以上，支持 1M token 上下文，并已在 API 平台上线。

Nvidia 发布面向企业与端侧的新开源模型

Nvidia 推出了针对企业和端侧的全新开源权重模型，包括拥有 1200 亿参数的企业级智能体模型 Nemotron 3.5 Super VL 以及两款面向 AI PC 的轻量级 Bolt 模型。Super VL 专注于指令遵循和工具调用任务，而 Bolt 模型则旨在支持个人电脑和工作站上的本地运行。这些模型已通过合作伙伴逐步推向市场，旨在满足企业和消费者在本地部署以及数据隐私方面的需求。