LongCat-2.5：面向智能体任务的原生多模态模型
LongCat-2.5 的核心定位是以原生多模态能力支持智能体任务。材料仅提供标题和链接 https://longcat.ai/blog/longcat-2.5/，未披露模型规模、评测结果或开放方式。
全部 AI 动态
Hacker NewsAI 评分5151
量子位精选AI 评分4242 GPT-6.2 Astra 开启灰测，Claude Mythos 5.5 同日曝光
量子位报道，GPT-6.2-Astra 已出现在部分用户的模型列表中并接受请求路由，Claude Mythos 5.5 也短暂出现在官网前端代码中。GPT 侧有用户 20% 的请求被路由至 6.2，也有用户的 100% 请求被发送至 6.2，且基本需要 $500 的 Pro 套餐才能灰度。
推荐理由：文章对照了 GPT-6.2 Astra 与 Claude Mythos 5.5 的灰度和前端曝光细节，并列出路由比例、套餐门槛与下载量。
36氪精选AI 评分5555 度小满、香港科技大学与HKGAI联合发布轩辕4.5金融增强大模型
在2026香港金融科技周开幕式上，度小满、香港科技大学与HKGAI联合发布轩辕4.5金融增强大模型，包含大语言模型和多模态模型。轩辕4.5将自进化RSI技术用于模型训练及智能体场景目标适配，在获客、风控、客户经营等核心金融场景实现效果提升30%，成本仅为通用模型的10%。基于轩辕，度小满已构建上千个智能体、5000余项技能，日均Token使用量超过1000亿。
推荐理由：轩辕4.5将自进化RSI用于模型训练与智能体适配，并给出获客、风控等场景效果提升30%、成本仅为通用模型10%的对比。
36氪精选AI 评分6666 美团发布 LongCat-2.5 原生多模态大模型，总参数 1.6 万亿
美团发布新一代原生多模态大模型 LongCat-2.5，面向长程智能体任务，总参数量为 1.6 万亿。该模型全程在国产算力上训练，36氪称其是目前国产算力上完成的最大训练任务。评测结果显示，其在多项主流基准中的成绩介于 Claude-Opus-4.8 与 Claude-Opus-5 之间，部分评测超过 Claude-Opus-5。
推荐理由：材料集中给出模型定位、参数量、训练算力来源和基准对标，读者可据此比较其技术定位与相对表现。
Hacker News精选AI 评分5959 GPT-5.6 Sol 在《异形工厂》和平模式下完成自动化通关
作者让运行在 Codex 中的 GPT-5.6 Sol 以低思考级别完成《异形工厂》和平模式流程，用时 13.5 小时游戏时间并实现火箭发射。测试通过 Python 库让模型在玩家距离和战争迷雾等限制下操作游戏，但蓝色科技阶段出现扩展问题，后期多次依靠人工搬运物资弥补生产线连接失败；整体表现优于此前无法使用运输带的 GPT-5.5。
推荐理由：作者公开完整运行、生产统计与失败细节，并对比 GPT-5.5 的运输带使用表现，为长时游戏智能体的能力评估提供具体案例。
36氪同事件AI 评分6262 Mistral AI 发布 Large 4 模型 ML4，面向企业网络安全
Mistral AI 发布 Large 4 模型 ML4，面向企业编程与网络防御场景。该模型可部署在企业自有计算机和服务器上，在Mistral位于欧洲的数据中心使用3800颗英伟达Grace Blackwell GPU训练。其总参数量为1.05万亿，每次执行任务实际激活约520亿参数；Mistral称其算力和资本投入仅为OpenAI、Anthropic等闭源AI公司的一小部分。
同一件事，精选收录的是《Mistral AI 发布 Mistral Large 4 改进版模型权重》
量子位精选AI 评分3939 Anthropic 的 Claude Fable 5.5 与下一代 Opus 被曝进入早期测试
Anthropic 的 Claude Fable 5.5 与下一代 Opus 被曝已进入早期测试，线索来自 X、Discord、Azure 模型目录和基准测试平台。
推荐理由：文章汇总了 Fable 5.5 的目录条目、社区图像实测与 Obsidian 3 跑分线索，并讨论 Anthropic IPO 前的模型节奏。
量子位AI 评分7171 国产开源模型 OXR 以 1.3B 参数量登顶三项文档解析榜单
国产开源文档解析模型 OXR 以 1.3B 参数量登顶三项文档解析榜单。在 OmniDocBench、olmOCR-Bench 和 DocParsingBench 上得分分别为 97.18、87.84 和 87.76；后训练采用递归自我改进（RSI），让系统自行找错、归因并生成下一轮训练数据。
36氪精选AI 评分4646 启元机器人推出 PrimeSim 世界模型，登顶 WorldSimProbe LIBERO 榜单
启元机器人推出 PrimeSim 世界模型，并登顶 WorldSimProbe LIBERO 榜单，刷新机器人仿真表现。PrimeSim 面向机器人训练构建可交互、可试错、可持续学习的虚拟世界，用于策略验证和强化学习。测试中，使用 PrimeSim 进行强化学习后，策略成功率从61.7%提升至73.2%。
推荐理由：PrimeSim以可交互、可试错的虚拟环境支持机器人强化学习，并给出策略成功率从61.7%升至73.2%的测试结果，为评估仿真训练效果提供参照。
TechCrunch同事件AI 评分8181 Mistral 发布万亿参数开放权重模型 Mistral Large 4，聚焦网络安全
Mistral 发布万亿参数开放权重模型 Mistral Large 4（ML4），面向企业和政府的网络安全场景。Mistral 称，ML4 的网络安全任务性能与 GLM-5.3 相当，每项任务的 token 消耗低 47 percent，并在 Artificial Analysis 的 Coding Agent Index 中超过其他开放模型。
同一件事，精选收录的是《Mistral AI 发布 Mistral Large 4 改进版模型权重》
36氪精选AI 评分6565 智元在创新日发布 GO-3 Preview、WITA-OMNI 与 AGILE，布局物理 AI 全链路
智元集中发布 GO-3 Preview、WITA-OMNI、AGILE、灵渠OS 1.0与AHA3第三代硬件架构，推进物理 AI 全链路部署。
推荐理由：智元将模型、算法、操作系统与硬件架构纳入同一部署链路，并提出以有效智能工时衡量劳动产出，呈现从能力演示转向实际生产力的完整思路。
Hacker News精选AI 评分8585 Mistral AI 发布 Mistral Large 4 改进版模型权重
Mistral 发布 Mistral Large 4 经强化学习改进后的模型权重；该 1-trillion-parameter 原生多模态模型此前已进入公开预览。
推荐理由：Mistral Large 4 开放权重并提供三档推理模式，同时给出编码与网络安全基准对比，便于开发者评估自部署的性能和成本取舍。
Hugging Face Blog精选AI 评分4141 IBM Granite Switch 4.1.1 补丁版发布，可按软件迭代方式更新模型
IBM Granite Switch 4.1.1 补丁版发布，完全向后兼容 4.1，升级无需迁移且不改动基础模型。更新后的 Granite Speech ASR 模型支持 10 种语言的语音转文字，并原生处理标点和大小写；Decision adapter 在 Jev Decision Index 测试集上的整体性能得到改进。
推荐理由：补丁版无需迁移即可兼容 4.1，并更新 ASR 与 Decision adapter，呈现基础模型不重训的模块化迭代方式。
Hacker News精选AI 评分7474 Gemini 4 Carbon 在 Artificial Analysis Intelligence Index v5 排名第一
Artificial Analysis 评测显示，Google 的 Gemini 4 Carbon 以 59 分位居 Intelligence Index v5 第一，在 9 项评测中的 4 项领先。
推荐理由：该评测在同一 Intelligence Index v5 下呈现推理、知识与编码智能体表现，并补充单任务成本和幻觉率，便于横向比较模型取舍。
量子位精选AI 评分8080 Google发布Gemini 4 Carbon，Artificial Analysis智能指数5.0以59分登顶
Google发布Gemini 4 Carbon，在Artificial Analysis智能指数5.0中以59分登顶。其Terminal-Bench 4.0和GraphWalks成绩分别为65.2%和96.2%，均高于Claude Opus 5.5；安全评测中SEC-bench Pro得分88.2%，Gray Swan IPI攻击成功率为0.0%。
推荐理由：原文给出Gemini 4 Carbon的编程、漏洞修复基准成绩及首发定价，便于对照Claude Opus 5.5的能力和成本。
量子位精选AI 评分6969 扩散智能发布 350亿参数 Clover-35B-A3B-Preview 扩散语言模型
扩散智能发布扩散语言模型 Clover-35B-A3B-Preview，总参数350亿，每个 token 激活约30亿参数，可用于代码生成、网页操作和工具调用。
推荐理由：文章结合页面生成实操与连续工具调用演示，列出与 Jev 的速度、成功率对比、Gemini 速度表现和代码评测数据，可用于比较扩散语言模型的 Agent 效率。
Latent Space精选AI 评分7777 AINews：Google DeepMind 发布 Gemini 4 Carbon，登顶多项榜单并先向网络安全防御者开放
Google DeepMind 发布 Gemini 4 Carbon，将其定位为网络安全与长程任务前沿模型，先通过 Fairwind Program 向可信网络安全防御者开放，并称将尽快扩大开发者访问。
推荐理由：将 Carbon 的独立榜单成绩、网络安全基准、定价和开放条件并列，呈现能力表现与当前可获得性之间的差异。
36氪精选AI 评分5252 智元发布GO-3 Preview，计划2026年底全面开源GO-3 Preview与Genie Master
智元在2026智元创新日发布新一代具身基座模型GO-3 Preview。联合创始人、联席总裁兼具身业务体系总裁姚卯青透露，智元计划于2026年底全面开源GO-3 Preview和具身智能体框架Genie Master。
推荐理由：智元公布GO-3 Preview与Genie Master的开源计划，给出2026年底这一时间节点，便于判断具身模型与智能体框架的开放节奏。
钛媒体AI 评分7575 Gemini 4 Carbon 登顶智能指数，谷歌仍面临开放与现金流压力
谷歌发布旗舰模型 Gemini 4 Carbon，以 59 分登顶 Artificial Analysis 智能指数，超过 Claude Opus 5.5 和 GPT-6 Astra。
36氪精选AI 评分4141 腾讯混元 Hy4 与 Hy4 flash 即将发布，首次引入视觉理解
腾讯在 2026 腾讯全球数字生态大会上宣布，混元 Hy4 即将发布，并首次引入视觉理解能力。相比 Hy4 preview，Hy4 强化了长程和真实生产力任务，思维链效率显著提升；Hy4 flash 也将在近期发布。
推荐理由：Hy4 相对 Hy4 preview 的长程任务、真实生产力与视觉理解变化被集中列出，便于对照此次混元升级的具体范围。
Hacker News精选AI 评分7575 Qwenputer 将确定性 RISC-V CPU 编译进 Qwen3.5 4B 权重
Qwenputer 为 Qwen 3.5 4B 加入 32-bit RISC-V CPU，以 Gated DeltaNet 层作 RAM，并在模型前向过程中运行，无需外部工具或运行时。
推荐理由：文章拆解了以 Gated DeltaNet 状态作 RAM、在模型权重中编译 RISC-V CPU 的方法，并提供算术准确率、指令一致性和运行开销等实测数据。
36氪同事件AI 评分6666 Google 发布新一代前沿 AI 模型 Gemini 4 Carbon
Google 发布新一代前沿 AI 模型 Gemini 4 Carbon，用于维护网络安全防御并处理复杂工程问题。该模型可处理长流程 AI 智能体任务、生成安全代码，并降低模型失准和编造信息的比例。
同一件事，精选收录的是《Google发布Gemini 4 Carbon，Artificial Analysis智能指数5.0以59分登顶》
The Verge · AI同事件AI 评分6767 Google 发布 Gemini 4 Carbon，强化编码、智能体与网络防御能力
Google 发布最新前沿模型 Gemini 4 Carbon，称其在编码、智能体任务和网络安全方面取得显著提升。该模型在 Artificial Analysis Intelligence Index (v5.0) 居首，并在 SEC-bench Pro 和 ExploitGym 排名第一，分别衡量发现真实漏洞和将漏洞转为漏洞利用的能力。
同一件事，精选收录的是《Google发布Gemini 4 Carbon，Artificial Analysis智能指数5.0以59分登顶》
The DecoderAI 评分7777 Google DeepMind 发布 Gemini 4 Carbon，距 Argon 推出仅两周，多项基准得分提升
Google DeepMind 发布 Gemini 4 Carbon，在 Artificial Analysis Intelligence Index v5.0 得到 59 分，前代 Argon 为 50 分。
Ars Technica · AI同事件AI 评分6161 Google 发布 Gemini 4 Carbon 前沿 AI 模型，暂不可用
Google 发布 Gemini 4 Carbon，将其定位为继 Gemini 4 Argon 之后推出的前沿模型，采用分阶段开放，目前尚不可用。Google 称 Carbon 在编码、智能体任务和科学分析上达到新门槛，生成无漏洞代码的概率是 Argon 的 2 倍，Chrome 团队称其生成高质量补丁的能力是非 Google 模型的 10 倍。
同一件事，精选收录的是《Google发布Gemini 4 Carbon，Artificial Analysis智能指数5.0以59分登顶》
Google DeepMind同事件AI 评分7575 Google DeepMind 发布 Gemini 4 Carbon，聚焦长周期编程与网络安全
Google DeepMind 发布前沿模型 Gemini 4 Carbon，面向长周期智能体工作流与网络安全防御，并计划先向部分网络防御人员开放。
同一件事，精选收录的是《Google发布Gemini 4 Carbon，Artificial Analysis智能指数5.0以59分登顶》
Hacker News同事件AI 评分7171 Google 发布 Gemini 4 Carbon，面向网络安全与长程智能体任务
Google 发布 Gemini 4 Carbon，称其为 Google 当前最强模型，重点面向网络安全与长程智能体任务。
同一件事，精选收录的是《Google发布Gemini 4 Carbon，Artificial Analysis智能指数5.0以59分登顶》
Hugging Face Blog精选AI 评分8080 NVIDIA 发布 Nemotron 3.5 Transcribe 开放权重模型与 Granary v2 多语种数据管线
NVIDIA 发布开放权重模型 Nemotron 3.5 Transcribe，并开放 Granary v2 多语种数据管线；前者集成 40 种语言转录、31 种语言与英语互译、说话人区分和英文音频问答。
推荐理由：原文给出从提示词优化到数据构造、LoRA 微调、检查点选择和评测的完整医疗语音适配流程，可直接用于复现同类场景。
TechCrunch精选AI 评分7575 Nvidia 发布 Nemotron 3.5 Transcribe 开放权重语音转录模型
Nvidia 发布开放权重转录模型 Nemotron 3.5 Transcribe，支持最多 40 种语言，并推出开源语音数据集 Granary v2。公司称，该模型可在英语与 31 种语言之间双向翻译，处理最长 1 小时录音、区分最多 8 位说话者，并在 Hugging Face Open ASR Leaderboard 等基准上超过竞争对手。
推荐理由：开放权重与单芯片运行范围，结合语言支持、录音时长和基准信息，为会议及医疗转录场景的模型选型提供具体参考。
36氪精选AI 评分3838 智元 GO-3 Nano Preview 登顶 RoboTwin，平均成功率 85.01%
RoboTwin最新榜单显示，智元 GO-3 Nano Preview以85.01%的平均成功率位列第一。该基准主要考察复杂场景下的双臂协同操作与环境泛化能力，覆盖目标识别、动作协调及环境变化适应等维度。
推荐理由：RoboTwin榜单呈现复杂场景下双臂协同与环境泛化的测试口径，可用于对照模型在复杂操作任务中的相对表现。
量子位精选AI 评分7171 蚂蚁百灵开源 Ling-3.1-flash-1019 与 Ling-3.1-flash-base，面向 Personal Agent 真实任务
蚂蚁集团旗下百灵大模型正式开源面向 Personal Agent 场景的 Ling-3.1-flash-1019，并同步开放 Ling-3.1-flash-base 基础模型。
推荐理由：文章同时给出复杂任务基准变化、基础模型架构与开放许可，便于开发者评估 Personal Agent 的模型选型与二次训练空间。
36氪精选AI 评分7171 8点1氪：iPhone Duo内屏开裂可免费换机，A股仅剩贵州茅台一只千元股，外交部回应姆巴佩遭多品牌解约
36氪“8点1氪”在10月28日汇总iPhone Duo内屏开裂免费换机、A股千元股变化、姆巴佩代言解约回应及多项AI进展。OpenAI发布GPT-6.1 Terra，提升视觉推理与计算机操作，标准API价格较GPT-5.6 Terra和GPT-6.1 Sol低50%；Google DeepMind以研究预览形式发布Genie 4，支持提示改变场景并生成匹配模拟世界的实时音频。
推荐理由：将iPhone Duo换机、A股千元股变化、姆巴佩代言解约及多家公司的AI模型进展并排整理，便于对照消费、资本市场和模型发布三类信号。
36氪同事件AI 评分6565 Google DeepMind 以研究预览形式发布 Genie 4，新增实时音频与提示操控
Google DeepMind 于周二以研究预览形式发布世界模型 Genie 4，支持用户用提示改变模拟场景，并生成与模拟世界匹配的实时音频。音频涵盖音乐、环境噪音和互动对话，该模型可生成逼真且具有互动性的世界。数月前，Runway 发布了可玩、动态响应用户输入并包含音频生成的 GWM Worlds 2。
同一件事，精选收录的是《Google DeepMind 发布 Genie 4 多模态世界模型》
The Decoder同事件AI 评分6363 Google DeepMind 发布 Genie 4 实时世界模型，仅向部分测试者开放
Google DeepMind 发布 Genie 4 实时世界模型，通过逐帧计算生成可交互场景，并直接生成环境声音与角色对话。Gemini 3.8 Flash 在后台拆解目标、依据新帧检查步骤并调整计划，Gemini 4 Argon 则被测试用于连接 Gemini Robotics，以纯模拟演示 Apptronik 的 Apollo 人形机器人下棋。
同一件事，精选收录的是《Google DeepMind 发布 Genie 4 多模态世界模型》
Hugging Face Blog精选AI 评分7777 Liquid AI 发布 LFM3 多模态模型家族，六款 2B 级模型共享骨干
Liquid AI 发布 LFM3 模型家族，六款 2B 级模型共享 LFM3-1.7B-Base 骨干，覆盖文本、视觉、音频、全模态和结构化决策。LFM3-1.7B 比 LFM2.5-2.6B 少 35% 参数，文本模型在 4-bit 精度下约占 1 GB并支持 256K 上下文；LFM3-Omni-2B 可接收文本、图像、视频和音频并输出文本或语音。
推荐理由：LFM3 以同一 2B 级骨干衍生六款文本、视觉、音频、全模态与决策模型，并给出单 GPU 微调和端侧部署路径，便于评估小模型专业化方案。
Hacker NewsAI 评分6060 Liquid AI 发布 LFM3 多模态专用智能模型
Liquid AI 发布 LFM3，将多种模态用于专用智能。当前材料仅含标题与链接，未提供参数规模、评测成绩或具体模态信息。
面壁 MiniCPM精选AI 评分5151 面壁发布 MiniCPM-OCR Jev 的 GPTQ W4A16 量化版
面壁发布 MiniCPM-OCR Jev 的 GPTQ W4A16 量化版，将权重体积从约 4.43 GB 降至约 2.41 GB。该 2B 模型接收区域图像和候选 OCR 结果，输出 0 至 1 的正确性评分，可用于自动筛选、人工复核和多 OCR 结果择优。
推荐理由：材料给出量化前后的权重体积、跨模型 AUROC 对比和部署入口，读者可据此评估 OCR 质量筛选的精度与资源取舍。
面壁 MiniCPM精选AI 评分5050 面壁开源 MiniCPM-OCR 1.0 DSpark 推测解码头，端到端处理效率提升 55%
面壁开源 MiniCPM-OCR 1.0 的 DSpark 推测解码草稿模型，该模型不是独立 OCR 模型，需与匹配的主检查点配对使用，可将端到端处理效率提升 55%。
推荐理由：材料提供草稿模型与主检查点配对、d2t 映射转换及 vLLM 启动配置，可用于复现 DSpark 推测解码流程。
面壁 MiniCPM精选AI 评分4848 面壁 MiniCPM-OCR Jev 2B 提供 llama.cpp GGUF 量化构建
MiniCPM-OCR Jev 2B 在 Hugging Face 提供面向 llama.cpp 的 GGUF 构建，可对文本、公式和表格区域评分并返回 0 到 1 的质量分数。仓库提供多个量化文件，Q4_K_M 是 1.274 GB 的最小推荐版本，IQ3_XS 为 1.027 GB；另附 llama-server 启动示例，ctx-size 设为 40960。
推荐理由：原文列出多种 GGUF 量化版本、文件体积与 llama.cpp 启动参数，便于部署者按资源条件选择构建并配置服务。
The Verge · AI同事件AI 评分5757 Google 发布 Genie 4 世界模型，支持实时提示词修改和音频生成
Google 发布 Genie 4 世界模型，用于通过 AI 生成交互式体验，支持用自然语言提示词实时修改场景并生成音频。模型以 Gemini 3.8 Flash 驱动模拟，单次可生成约 2 分钟体验，长于 Genie 3 的 1 分钟。
同一件事，精选收录的是《Google DeepMind 发布 Genie 4 多模态世界模型》