跳到正文
#多模态
10月20日周二
  2. The Decoder60

    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。

    发布时间：
  3. Hacker News-首页86

    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。

    发布时间：

    推荐理由：原文公布了新型扩散大模型的各项基准表现和定价，读者可以据此评估其在低延迟场景中的实际部署价值。

  4. AWS Machine Learning Blog64

    TwelveLabs Pegasus 1.5 视频语言模型现已登陆 Amazon Bedrock

    TwelveLabs 的视频语言模型 Pegasus 1.5 现已在 Amazon Bedrock 上线。该模型支持最长 2 小时的视频分析，提供时间戳元数据生成、多模态参考图像提示和免预索引的即时处理能力，可从 Amazon S3 URI 直接加载并返回结构化 JSON 结果。

    发布时间：

    推荐理由：TwelveLabs 的 Pegasus 1.5 视频语言模型上线 Amazon Bedrock，支持时长达两小时的视频长文本分析、时间戳元数据生成和多模态参考图像提示，为开发者处理长视频数据提供了官方托管方案。

  5. Meta Engineering Blog63

    Meta 详解 GenRecs Tokenization：用稳定语义词表改造广告推荐

    Meta 介绍了新一代生成式推荐系统 GenRecs 的底层数据表示方案 GenRecs Tokenization。该方案通过稳定语义词表将广告、商品和页面编码为离散 token，配合 Meta 的生成式广告模型与自适应排序模型，在生产环境中实现了转化率 +0.35% 的提升，并有效改善了长尾广告的冷启动和跨广告活动迁移能力。

    发布时间：
  7. TechCrunch · AI63

    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。

    发布时间：
10月19日周一
  2. 量子位65

    AI 开始挑战最复杂的系统：生命

    量子位报道了 AI 生命科学从单点分子模型向生命世界模型的转向。文章指出，尽管 AI 制药在分子层面取得了进展，但新药研发的真正难点在于理解复杂的系统性生命过程；中美两地目前正加速布局生物数据、多尺度建模与实验验证等基础设施，推动 AI 进入理解生命系统的新阶段。

    发布时间：
  7. Import AI61

    Anthropic 联合创始人 Jack Clark 在 IMF 会议上的演讲：奇点已经开始

    Anthropic 联合创始人 Jack Clark 在曼谷 IMF 会议上发表演讲称，AI 正在科学前沿进行自主创新，人类已进入奇点初期。演讲指出，AI 在编程、数学和生物学等领域的快速突破将加速整体科学进展，未来需要通过基础设施建设和审慎治理来应对带来的经济变革与风险。

    发布时间：
  10. O'Reilly Radar28

    实验项目 ContextCue：用 AI 保留跨团队协作中的上下文

    实习生 Dhruv Deshpande 开发了名为 ContextCue 的实验项目，旨在通过 AI 技术解决分布式团队在协作中容易丢失会议背景与共享上下文的问题。该项目探讨了如何利用人工智能工具保留跨团队交流中的核心意义，以改善软件工程与日常办公中的团队协作效率。

    发布时间：
  11. IT之家·人工智能21

    Arena 2026 年第 42 周 AI 大模型周榜：kimi-k3-max 首进代码榜前十，mimo-v2.6-pro 入前端开发榜前 20

    Arena 平台发布 2026 年第 42 周 AI 大模型盲测排名，国产模型 kimi-k3-max 首次稳定在代码榜前十，mimo-v2.6-pro 首次进入前端开发榜前 20 位列第 19。综合榜头部保持稳定，gemini-4-argon-high 以 1525 分蝉联榜首，gemini-3.5-flash-medium 作为新入榜模型位列综合榜第 30。

    发布时间：
10月18日周日
  4. 量子位86

    DeepSeek 发布 V4.1-Flash-1017 模型并开放自研搜索 API

    DeepSeek 发布新模型 DeepSeek-V4.1-Flash-1017，在提升代码和 Agent 任务表现的同时缩短了运行时间并减少了输出消耗。网页端、APP 与 API 已同步更新，配套的 DeepSeek Harness 升级至 0.2.1 版本。此外，官方还推出了支持网页搜索与正文抓取的自研 Search 和 Fetch API 接口。

    发布时间：

    推荐理由：新模型在提升代码和Agent任务表现的同时压低了运行时间和输出成本，并且开放了自研搜索API。

10月17日周六
  3. Hacker News-首页74

    DeepSeek 发布 DeepSeek v4.1 Flash 1017 模型

    深度求索（DeepSeek）发布 DeepSeek v4.1 Flash 1017 模型，这是首个基于公司 Causal Encoder-Decoder 架构构建的稀疏 MoE 模型。该模型从 552B 的主干参数中激活 8B 输入和 16B 输出参数，原生集成图像理解能力，支持 1.0M 上下文窗口，定价为每百万 token 输入 0.15 美元、输出 0.60 美元。

    发布时间：
  5. 量子位86

    谷歌正式发布 Gemini 4 Argon 旗舰模型，API 开启限时半价

    谷歌正式面向全球发布 Gemini 4 Argon 旗舰模型，重点加强了多模态、编程、专业知识工作和长流程任务持续执行能力。该模型在多项评测中达到与行业同类旗舰相当的水平，其 API 价格限时提供五折优惠至 11 月 30 日结束。

    发布时间：

    推荐理由：谷歌发布新一代旗舰模型并给出多项基准测试与API定价，读者可以据此了解其性能水平和调用成本。

  7. 量子位59

    优必选发布具身世界模型 Thinker-WM：多模态统一表征，单模型实现六大能力

    优必选推出统一多模态世界模型 Thinker-WM，在 WorldOlympiad、EWMBench 和 WorldArena1.0 三大具身世界模型基准评测中夺得第一。该模型采用 Unified Dynamic Transformer 架构，将 RGB 视频、深度和机器人动作编码至同一个中间表征空间共享动态演化，支持视频动作联合生成、世界预测、策略推理等六大能力。

    发布时间：
  11. 🚨 AI News | TestingCatalog64

    Elorian 发布了首个 AI 模型 Glimpse，该模型支持在思考过程中回看并重新分析图像或视频片段，包括在视频中返回特定时间、放大细节或以更高帧率重放视频。在 Elorian 的测试中，Glimpse 在科学图表阅读和短视频字幕生成上表现优于 GPT-6 Astra，在机器人手臂模拟规划中成本更低，并在迷宫测试中展现出优势。

    发布时间：