跳到正文
#多模态
今天10月26日周一5 条
  2. 公众号：千问APP54

    千问App全面适配 iPhone Duo 折叠屏

    千问App现已全面适配 iPhone Duo，支持折叠屏的展开与合拢形态。合拢时拿起即可提问，展开横屏适合制作表格和PPT并边聊边改，竖屏则适合查攻略、做调研与阅读长答案。

    发布时间：
10月25日周日
  1. Recode China AI31

    DeepSeek 传融资约 150 亿美元，月之暗面发布 Kimi K3.1 Pro，中国出台 AI 就业政策

    月之暗面发布 Kimi K3.1 Pro，具备 100 万 token 上下文窗口及快如闪电的 Highspeed 版本，在 Terminal-Bench 4.0 中取得 65.7% 的分数。同期的行业动态显示，DeepSeek 据传正进行约 150 亿美元的最新融资，中国国务院办公厅则出台了包含 18 项任务的 AI 就业政策指导意见。

    发布时间：
  2. The Decoder：AI News65

    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。

    发布时间：
  3. IT之家·人工智能61

    阿里 AI 智能体“千问 Go！”上线“我的应用”功能

    阿里宣布旗下 AI 智能体“千问 Go！”上线“我的应用”功能，支持用户无需编程通过自然语言搭建并分享专属应用。该功能接入阿里云 AI 应用生产平台 Meoo（秒悟），可自动完成应用搭建、数据库配置和部署上线，并在授权后调用淘宝、高德、大麦、夸克网盘等平台的个人数据。目前该功能及云端 Pro 均处于邀测阶段。

    发布时间：
10月24日周六
  1. IT之家·人工智能61

    腾讯 WorkBuddy 接入 Kimi-K3.1-Pro 模型，支持 100 万上下文

    腾讯 WorkBuddy 宣布接入月之暗面的 3 万亿级参数模型 Kimi-K3.1-Pro 及其高速版，支持 100 万上下文，目前资源紧张仅对企业旗舰版及个人订阅用户优先开放。该模型在代码、3D 创作及长程 Agent 能力上有显著提升，在多项基准测试中表现接近行业前沿水平。

    发布时间：
  2. Latent Space86

    Latent Space 评析 Kimi K3.1 Pro 模型发布与评测表现

    月之暗面发布 Kimi K3.1 Pro，这是一个拥有 2.8 万亿总参数、104B 激活参数和 100 万 token 上下文窗口的混合专家模型，其 API 已上线并承诺于 11 月 4 日开源权重。独立评测显示其在 Artificial Analysis 智能指数上排名第四，并在代码与智能体任务中表现突出。

    发布时间：

    推荐理由：该文详细盘点了 Kimi K3.1 Pro 的架构、独立评测及开源权重发布预期，有助于读者评估其对现有前沿模型格局的实质影响。

  3. MarkTechPost68

    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。

    发布时间：
  4. MarkTechPost65

    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。

    发布时间：
  5. meng shao86

    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。

    发布时间：

    推荐理由：原文公布了新开源模型的架构细节与多项基准跑分，读者可以据此评估其在长程编程和专业领域的实际性能表现。

  6. MarkTechPost84

    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。

    发布时间：

    同一件事，精选收录的是《月之暗面发布 Kimi K3.1 Pro 模型》

  8. Hacker News-首页63

    Rune 1.3 发布：新增 TypeScript、Helix 编辑器、Kitty 图形协议与 OSC-7501 支持

    Rune 1.3 是该项目开源后的首个版本，引入了支持 Kitty 图形协议的新图形管线、内置浏览器包及 Agent 的 web_browser 工具。新版本提供 TypeScript Tier 1 支持、Helix 编辑器预设、headless 模式、可配置的 Agent 状态栏，并恢复了工作区状态。同时，修复了多项 Linux 平台和编辑器的可用性问题。

    发布时间：
  9. The Decoder83

    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。

    发布时间：

    同一件事，精选收录的是《月之暗面发布 Kimi K3.1 Pro 模型》

  10. Google Research60

    Google Research 探讨将基础模型应用于结核病筛查前线

    Google Research 介绍了其将医疗人工智能研究转化为结核病筛查实际应用的成果，涵盖从胸部 X 光人工智能算法验证、通过合作伙伴获得医疗器械认证，到开源 MedGemma 和 MedSigLIP 基础模型以支持全球公共卫生体系的过程。

    发布时间：

    推荐理由：原文梳理了医疗人工智能从算法研究到临床落地及开源模型赋能的完整路径，读者可以据此了解如何通过开放基础模型推进全球公共卫生筛查。

  14. Hacker News-首页83

    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。

    发布时间：

    同一件事，精选收录的是《月之暗面发布 Kimi K3.1 Pro 模型》

  15. Moonshot AI：Kimi Blog83

    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。

    发布时间：

    同一件事，精选收录的是《月之暗面发布 Kimi K3.1 Pro 模型》

  16. Kimi.ai83

    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。

    发布时间：

    同一件事，精选收录的是《月之暗面发布 Kimi K3.1 Pro 模型》

  17. Hacker News-首页63

    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。

    发布时间：
10月23日周五
  1. Amazon Science42

    Audible 团队用可控 TTS 与 BookLLM 改进有声书语音合成

    Audible 技术团队利用可控 TTS 与 BookLLM 改进有声书语音合成，通过自动识别角色对话（准确率达 97%）并为其生成自然语言语音描述，解决了传统 TTS 在长文本长时收听中角色区分度不足的问题。该方法在 MUSHRA 测试中使对话区分度提升了 3.7 点，并在英语和 Spanish 的测试中实现了统计学显著的听觉体验改善。

    发布时间：
  4. 公众号：面壁智能43

    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。

    发布时间：
  5. 量子位68

    科大讯飞发布星辰TaaS平台与端云一体星火X2.6等成果

    科大讯飞在2026全球1024开发者节上发布端云一体星火X2.6、星辰TaaS平台、星火语音基座大模型SparkAudio 1.0及智能体协同平台Agent OS等多项创新成果。星火X2.6将上下文窗口扩容至百万Tokens并开源4B端侧模型；星辰TaaS平台则构建了从模型能力到行业解决方案的全链路体系，推动Token转化为实际业务价值。

    发布时间：
  6. 量子位66

    达瓦科技发布实时世界模型 Scenes AI

    达瓦科技发布实时世界模型 Scenes AI，并获得 2026 NVIDIA创业企业展示半程展示卓越企业奖。该模型采用控制层与渲染层分离的设计，总参数 34B，每一步激活约 4B，基于稀疏扩散与状态记忆机制，可在单张 RTX 消费级显卡上实现 720P、25 帧的实时运行。

    发布时间：
  9. Hacker News-首页63

    Fable 5.1 如何在图像中隐藏信息？

    研究人员测试了 Claude Fable 5.1 在生成的 SVG 图像中隐藏简短文本信息的能力，发现模型会自发采用建筑高度、物体倾斜度等视觉元素进行编码。在没有预先约定编码方案的情况下，另一个全新实例通过对截图运行 Python 工具进行分析，成功解码了 78% 的消息。文章还简要对比了 GPT-6 Astra 的编码策略与跨模型解码效果。

    发布时间：
  10. 公众号：千问APP62

    千问Go! 上线「我的应用」，说想法即可搭建专属App

    千问Go! 上线新功能「我的应用」，接入阿里云AI应用生产平台秒悟（Meoo），用户无需编程基础即可通过想法搭建可保存数据、更新内容并分享的应用。官方示例覆盖学习课件和活动组织等场景，结合云端Pro并获授权后还可调用淘宝、高德、大麦、夸克网盘等平台的个人数据，目前处于邀测阶段可在千问App内排队申请。

    发布时间：
  12. IT之家·人工智能74

    OpenAI 全面开放决策 API：基于 GPT-6 Luna，输入每百万 token 0.1 美元

    OpenAI 全面开放基于 GPT-6 Luna 构建的决策 API，将模型智能聚焦于限定答案问题以协助准实时决策。该 API 响应速度比标准调用提升高达 10 倍，输入每百万 token 收费 0.1 美元且输出 token 免费。公测以来其新增了原生 GPT-Live 集成、Prompt 缓存及多地数据驻留支持，并支持原生 JSON 输入、图像问题指令及单次最多提交 400 个问题。

    发布时间：