OpenAI 发布 GPT-Rosalind-6 系统卡补充，披露 GeneBench Pro v13 最高推理预算单次尝试成功率为 37.7%
OpenAI 发布 GPT-Rosalind-6 系统卡补充，披露模型在 GeneBench Pro v13 最高推理预算下的单次尝试成功率为 37.7%，GPT-Rosalind-5.5 为 16.7%。
推荐理由：系统卡补充同时给出量化生物学评测结果、生物与化学能力等级及防护边界，便于高风险领域部署方对照模型能力和访问控制要求。
#评测/基准
Hacker News精选AI 评分6666
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。
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。
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。
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。
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。
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》
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》
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。
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。
量子位精选AI 评分8787 GPT-6.1 Terra 发布并开放实测，Agents’ Last Exam 以约十分之一 Token 价格追平 GPT-6 Astra
OpenAI 发布 GPT-6.1 Terra，标准 API 价格较 GPT-5.6 Terra 减半，主打电脑操作与多软件协同。
推荐理由：官方成绩与网友实测均围绕电脑操作、速度和成本展开，清楚呈现 GPT-6.1 Terra 与上一代及旗舰模型的取舍。
量子位精选AI 评分7474 百度文心 Unlimited OCR 2 发布并开源，峰值 KV Cache 占用从 47GB 降至 1.77GB
百度文心 Unlimited OCR 2 正式发布并开源，百页级单序列测试中的峰值 KV Cache 占用从 47GB 降至 1.77GB，减少约96%。SR-SWA按需筛选相关页面和视觉信息，无限解码机制通过分块处理、复用边界页缓存并及时释放其余缓存；16路并发端到端吞吐量从360提升至1315 Token/秒，约为标准解码的3.65倍。
推荐理由：文章通过整本书实测与技术报告，拆解SR-SWA和分块解码的降缓存机制，并对比吞吐量、速度与文档解析质量。
36氪精选AI 评分4040 GO-3 Nano Preview登顶RoboDojo具身智能基准榜单
智元GO-3 Nano Preview以61.90分平均成绩和56.42%平均成功率登顶RoboDojo最新榜单，超过GPT-6 Astra。其在精细操作、长程执行和开放语义理解三个维度分别得分78.65分、68.21分和61.71分，均位列第一。
推荐理由：榜单提供平均分、成功率和三个细分维度成绩，可用于比较GO-3 Nano Preview与GPT-6 Astra的具身任务表现。
量子位精选AI 评分5656 炎曦动力成立 3 个月亮相 Paimon-0 具身基座模型，在 RoboColiseum 超过 GPT-6 Astra
炎曦动力公开具身基座模型 Paimon-0，在 RoboColiseum 以 0.7754 排名第一，并超过 GPT-6 Astra。它在 RoboCasa365 和 VLA-Arena 分别以 58.1、0.73 排名第一，并以 46.599 总分夺得启元机器人 IROS Workshop 双臂机器人挑战赛冠军。
推荐理由：文章以榜单成绩和端云协作为线索，解释 Paimon-0 的 query token 蒸馏、自我改进设计及其与机器人芯片方案的衔接。
Hacker News精选AI 评分8080 Dream Labs 发布 Dream-1，通过公共 API 实现未见机器人的零样本控制
Dream Labs 发布 Dream-1，首个通过公共 API 提供的 World Action Model，可零样本控制未见过的双臂平行夹爪机器人。模型无需针对目标机器人微调或提供演示，官方在 27 个未见机器人模拟环境和 4 个真实机器人上进行了测试。
推荐理由：Dream-1公开了未见机器人零样本控制、API接入方式与运行成本，开发者可据此判断其跨形态迁移能力和落地门槛。
Latent Space精选AI 评分8484 月之暗面发布 Kimi K3.1 Pro，承诺 2026 年 11 月 4 日开放权重
月之暗面发布多模态 MoE 模型 Kimi K3.1 Pro，总参数 2.8T、激活参数 104B，API 已上线，并承诺于 2026 年 11 月 4 日开放权重。
推荐理由：文章把独立基准、厂商宣称与社区推测分开，并结合参数规模、部署门槛和任务成本分析 K3.1 Pro 的竞争力与使用边界。
量子位精选AI 评分6868 高德发布全身基座模型 λ0，推动机器人全身动作对齐
阿里巴巴旗下高德发布全身基座模型 λ0，仅用人类行动数据即可让机器人学习移动、姿态和双手操作的全身协调。λ0 在 SIMPLE 仿真基准及多项真机评测中取得 SOTA，采集效率约为主流方法的3.4倍，真机任务成功率较最强对比基线提升22.5%。
推荐理由：λ0以人类全身数据训练机器人，披露3.4倍采集效率、22.5%真机成功率提升及开源入口，便于对照全身动作对齐的实现与迁移效果。
量子位精选AI 评分7979 模思智能与OpenMOSS开源5B参数生图模型MOSS-Image，4天获130万次下载
模思智能与OpenMOSS团队开源5B参数生图模型MOSS-Image，4天在海外社区获130万次下载，GitHub达1.4k Stars。模型采用从零预训练的单流扩散Transformer架构，以DiT为主干，结合冻结的Qwen3.5-9B文本编码器与FLUX.2 VAE，重点优化中英文文字渲染、JSON Layout和最长4096 tokens复杂提示词。
推荐理由：文章汇总MOSS-Image的文字渲染、布局控制和长提示词数据，并梳理加速、量化与推理适配，可用于判断其实际可用性。
腾讯混元精选AI 评分7474 腾讯混元发布 Hy-Nomas 交互式视频世界生成模型及 BF16 Diffusers 权重
腾讯混元发布 Hy-Nomas，一款通过文本指令与镜头控制实现自由形式多轮交互的视频世界生成模型，并提供 BF16 Diffusers 权重。模型采用分段自回归 DiT、Qwen 文本编码器和 PixelUMM 视频解码器，以 KV cache 延续上下文；示例使用 4 步去噪，输出 704 × 1280、24 FPS。
推荐理由：模型卡同时给出交互机制、推理参数与基准覆盖，开发者可据此复现多轮视频世界生成，并评估交互控制与空间记忆表现。
Hacker NewsAI 评分3434 Kimi K3.1 在 Artificial Analysis 得分 55，登上 Pareto 前沿
Kimi K3.1 在 Artificial Analysis 上得分 55，并位于 Pareto 前沿。页面列出 Intelligence Capability Indexes、token 使用成本、上下文窗口、输出速度、首 token 延迟和端到端响应时间等对比指标。
The Decoder精选AI 评分8181 月之暗面发布 Kimi K3.1 Pro 推理模型，位列 Artificial Analysis 智能指数第四
月之暗面发布 Kimi K3.1 Pro 推理模型，在 Artificial Analysis Intelligence Index 得分 55，排名第四，距离榜首 Claude Opus 5.5 的 58 分仅差 3 分。
推荐理由：文章汇总 Kimi K3.1 Pro 的榜单表现、速度、价格与安全数据，并与 Claude Opus 5.5 等模型对照，呈现其相对能力与取舍。
Hacker News精选AI 评分8686 Kimi 发布 K3.1 Pro 与 K3.1 Pro Highspeed
Kimi 发布 Kimi K3.1 Pro 和 Kimi K3.1 Pro Highspeed，前者提供 1-million-token 上下文窗口，后者速度为前者的 2-3×。
推荐理由：文章披露高速版速度、长上下文和多组基准表现，同时说明开放权重时间表与网络安全控制措施，便于判断产品定位。
Hacker News精选AI 评分5959 ThinkingCap 发布 Gemma-4-26B-A4B-it 模型，思考 token 平均减少 38.9%
ThinkingCap 发布 Gemma-4-26B-A4B-it 模型，在 12 项基准上将思考 token 平均减少 38.9%，平均准确率变化为 -0.15pp。
推荐理由：文章在相同 vLLM 与采样设置下对比 12 项基准，列出思考 token、准确率和循环率变化，为评估效率收益与精度代价提供了具体依据。
Hugging Face Blog精选AI 评分7171 OlmoEarth v1.3 发布全球卫星嵌入模型、预计算数据与探索工具
OlmoEarth v1.3 发布卫星嵌入模型及全球年度预计算数据，为全球每个 10m 像素提供 64 或 128 维嵌入，并上线 OlmoEarth Embeddings Explorer。
推荐理由：模型不仅开放权重、数据和代码，还提供全球预计算嵌入与浏览器工具，读者可据此评估低算力遥感制图工作流。
腾讯混元精选AI 评分6969 腾讯混元发布 Hy-SimulMT 中英双向实时同声传译模型
腾讯混元发布 Hy-SimulMT，提供中英双向语音到语音实时同声传译，并支持在配置 TTS 后进行实时声音克隆，保留说话者声音特征。模型持续接收音频并同步输出译文文本与语音，面向会议、演讲和访谈等实时沟通场景。
推荐理由：材料给出 RealSI 等基准、与职业译员的小规模对比及完整部署路径，读者可据此判断模型在实时翻译场景中的质量、延迟与可操作性。
Hugging Face Blog精选AI 评分7474 NVIDIA 发布无需任务特定训练的 Kumo Relational 关系型基础模型
NVIDIA 发布预训练关系型基础模型 Kumo Relational，连接数据库并描述预测目标后，可在一次前向计算中直接生成结果，无需任务特定训练或特征工程。
推荐理由：Kumo Relational直接面向关系型数据库预测，并以41项任务结果对照监督学习和专家特征流水线，呈现免任务训练的结构化数据建模路径。
The Decoder同事件AI 评分7474 Inception 发布 Mercury 3 扩散语言模型，宣称领先 GPT-6 Luna 与 Claude Haiku 5.5 且快 4 至 8 倍
Inception 发布 Mercury 3 扩散语言模型，称其在自家 12 项基准中领先 8 项，并以 4 至 8 倍速度运行。
同一件事，精选收录的是《Inception Labs 发布 Mercury 3 扩散语言模型，主打每秒千 token 级速度》
The Decoder精选AI 评分7575 OpenAI 称 GPT-6 在 COBOL、Fortran 等遗留编程语言上的表现更好
OpenAI 称，GPT-6 Astra 在 MultiLangBench 覆盖的 20 种编程语言测试中，最大推理强度下平均通过率达 87.4%，而 GPT-5.6 Terra 约为 38%。在 COBOL 迁移基准上，GPT-6.1 Sol 在低推理强度下准确率为 86.6%，GPT-5.6 Sol 为 5.4%，提高推理强度后 GPT-6.1 Sol 达到 97.9%。
推荐理由：文章同时给出 GPT-6 与 GPT-5.6 在多语言编程及 COBOL 迁移基准上的量化成绩，便于比较模型能力与推理强度的差异。
Hacker News精选AI 评分5959 marcusbuffett 用10个月自建199M参数类人国际象棋模型 Chessbook-1
marcusbuffett 用 10 个月自建了 199M 参数的类人国际象棋模型 Chessbook-1，基于 12 个月 Lichess 对局训练，可在 600–2800 段位和各类时间控制下模仿人类走法、错误节奏与思考时长。
推荐理由：作者给出评估类人棋手的分等级方法，模型在30000盘随机局面和blitz测试中与Allie 2.0持平、时间压力下优于Maia-3，可供想训练或评测类人AI对手时复用。
Hacker News同事件AI 评分6666 MiniMax 正式发布 M3.1 Flash，主打智能体与编码任务
MiniMax 发布 M3.1 Flash，主打智能体、编码、计算机操作与网络安全任务，在线推理速度提升近 3 倍，整体使用成本降低 70%。
同一件事，精选收录的是《MiniMax 发布 M3.1 Flash，Agent 评测居国模第一且综合成本降至前代 30%》
The Decoder同事件AI 评分6262 MiniMax M3.1 Flash 发布，中国 AI 价格战未见底线
MiniMax 发布推理模型 M3.1 Flash，在 Artificial Analysis Intelligence Index 上得 42 分，较前代 M3 提高 13 分，单任务成本降至约 0.22 美元，不到前代的一半。
同一件事，精选收录的是《MiniMax 发布 M3.1 Flash，Agent 评测居国模第一且综合成本降至前代 30%》