LongCat-2.5 发布，聚焦智能体任务的原生多模态能力
LongCat-2.5 发布，面向智能体任务提供原生多模态能力。原文位于 https://longcat.ai/blog/longcat-2.5/，当前材料未包含完整正文及具体技术指标。
同一件事，精选收录的是《美团发布 LongCat-2.5 原生多模态大模型，总参数 1.6 万亿》
#多模态
Hacker News同事件AI 评分5050
钛媒体AI 评分5757 AI眼镜增长遇阻，转向垂直场景与个人AI智能体
AI眼镜在国内出货下滑后，厂商正从“下一代手机”叙事退守车载、翻译、会议等垂直场景，并将个人AI智能体视为新的入口叙事。IDC数据显示，2026年第二季度国内智能眼镜出货约61.1万台，同比下降8.0%，全球市场则增长35.3%。文章还引述，AI功能长期使用率不到6%，Meta用户佩戴眼镜时使用智能功能的时间约10%，而重量、散热、电池、端侧算力和Token成本限制个人AI智能体长期运行。
钛媒体精选AI 评分7676 可灵 4.0 实测：零真人出镜制作探展视频，距离一站成片仍有差距
奇点研究社用可灵 4.0 实测 AI 人物与展会实拍素材结合的探展视频，部分镜头接近可交付状态，但稳定成片仍需反复重试。测试拆分为 7 组画面并准备约 3000 字提示词，模型能完成部分推移运镜和音画同出，也会出现主体替换、一镜到底变成硬切、修改后声音乱码等问题。
推荐理由：实测将可灵 4.0 的单镜头表现与整片交付拆开比较，具体呈现了复杂指令、连续叙事和后期修改中仍需人工兜底的环节。
量子位精选AI 评分5959 水木分子入选央视“中国AI创业十骏”，成为榜单唯一AI制药公司
水木分子入选央视“中国AI创业十骏”，是榜单中唯一一家AI制药公司，并以对话式平台、模型、技能包和自研管线推进药物研发。ChatDD 分为 Insight、Discovery 和 Trial，覆盖立项、分子设计与临床支持；首批 OpenBioMed 技能包包含 45 项专业技能，并将专家方法转为可复用工作流。
推荐理由：文章拆解水木分子以模型、智能体平台、技能包和自研管线协同的路径，并呈现首条管线七个月推进至临床前候选分子确认的案例。
钛媒体精选AI 评分5757 资本抢投、大厂押注，售价50元的华强北白牌AI眼镜会成最大赢家吗？
Tech星球调查显示，售价50元的华强北白牌智能眼镜销量可能接近或超过国内全行业40%，这一判断来自业内人士Austin。2026上半年，全球智能眼镜产业链融资、并购和战略投资至少64起，披露金额约90亿元，Rokid、雷鸟等企业也密集推出新品。与此同时，品牌眼镜价格多为2000-4000元，行业退货率约30%-70%，企业普遍亏损，续航、轻便性和主动唤醒仍待改善。
推荐理由：文章对比品牌眼镜与华强北白牌的销量、价格和退货率，呈现资本热投下行业盈利承压、基础体验仍待改善的现实。
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 NewsAI 评分7272 用 JEPAs 证明并改进柏拉图式表征假说
Randall Balestriero 提交的 arXiv 论文将柏拉图式表征假说证明为定理：正样本对为同一场景的两个良好视图且错位受限时，不同模态上分开训练的 JEPAs 会学到至多相差一次旋转的表征。
36氪精选AI 评分6767 苹果与阿里巴巴达成合作，千问集成至 Apple 智能
苹果与阿里巴巴宣布合作，将千问集成至 Apple 智能，中国用户可在 Siri、写作工具和视觉智能中调用其能力。相关功能将于11月4日起随最新 iOS 开发者 Beta 版开放测试，并在12月 iOS 27.3 正式发布时面向中国用户推出。
推荐理由：集成范围、测试时间和正式上线节点均已明确，读者可据此了解千问进入苹果智能中国用户端的覆盖与节奏。
量子位AI 评分7575 百度 APP 发布四项 AI 升级，搜索实现递归式自我进化
百度 APP 围绕搜索、AI 镜头、GUI 可视化和 AI 互动应用发布四项 AI 升级，并全新升级搜索 AI API。搜索可多步查找整理、经确认后持续跟踪，已覆盖 170 余种工具场景；四层架构通过反馈闭环实现递归式自我进化，整体迭代效率提升 80% 以上。搜索 AI API 活动期间最低价为每千次查询 4.9 元，低于 DeepSeek 搜索 API。
HF Daily Papers精选AI 评分7575 Youtu-Parsing-Omni 论文提出单一编码器与统一输出结构的多模态解析方案
Youtu-Parsing-Omni 提出并开源统一多模态解析器，以一个共享权重编码器和一套统一输出结构，将文档、图像、音频与视频转换为带时空信息的结构化记录。
推荐理由：论文同时给出统一解析架构、训练方法、基准成绩和 vLLM 部署配套，便于对照模型效果与实际使用方式。
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。
HF Daily Papers精选AI 评分4949 HairDeck：从单张图像生成可用于动画的风格化发片
HairDeck提出一种基于扩散Transformer的方法，从单张图像生成风格化发片及驱动它们的弹簧骨骼链，产出可导出至下游格式的动画资产。在CHARM自有测试集上，HairDeck将Chamfer距离降低44%，卡片朝向误差降低超过一半，运行速度提升33倍。
推荐理由：在CHARM自有测试集上，HairDeck降低Chamfer距离和卡片朝向误差，同时将运行速度提升33倍。
36氪精选AI 评分3333 Spotify计划2027年初推出AI音乐混音服务，拟每月额外收费最高5美元
Spotify计划于2027年第一季度推出AI音乐混音服务，让付费订阅用户重新编曲或翻唱现有歌曲。公司正争取在明年2月格莱美奖颁奖典礼前后发布，并考虑每月额外收取4至5美元，具体上线时间及定价尚未最终确定。
推荐理由：Spotify据报拟让付费用户用AI重新编曲或翻唱现有歌曲，并考虑每月额外收费4至5美元，为订阅平台中的AI音乐增值模式提供了具体案例。
36氪精选AI 评分7676 36氪「8点1氪」汇总外交部回应、科创50指数创新低等当日热点
36氪「8点1氪」汇总了外交部回应三丽鸥取消Vivant联名、科创50指数创新低及上海宜家餐厅实行“消费入座”等当日热点。AI板块中，美国司法部已对英伟达拟以129亿美元收购Hugging Face的交易展开反垄断调查，腾讯宣布Hy4与Hy4 flash即将发布，Hy4首次引入视觉理解能力。
推荐理由：材料横向汇总监管调查、模型发布、开源计划与计费调整，呈现 AI 产业链在合规和技术供给上的同步变化。
HF Daily Papers精选AI 评分4040 LARC 在连续空间实现统一多模态模型的潜在推理
LARC 将统一多模态模型的推理从离散 token 空间转向连续隐状态，缓解 token 级瓶颈并支持测试时扩展。训练分为课程式 SFT 和信息增益 RL 两阶段，后者无需真实标签监督即可自演化潜在推理。
推荐理由：论文将推理置于连续隐状态以缓解 token 级瓶颈，并给出两阶段训练方法和 GenEval 对比，便于评估多模态推理的扩展表现。
TechCrunch精选AI 评分5858 Meta 低调推出 AI 时尚应用 Style Sketch
Meta 已推出 AI 时尚应用 Style Sketch，可利用用户已有衣物生成穿搭建议，并在匹配体型和肤色的“逼真模型”上虚拟试穿。该应用可连接 Instagram，从已发布照片建立虚拟衣橱，也能通过拍照、录制短视频或上传图片手动添加衣物，并根据目的地、行程、天气和活动生成逐日穿搭计划。
推荐理由：Style Sketch 以 Instagram 照片构建虚拟衣橱，并加入天气与旅行穿搭规划，为 AI 时尚应用的产品差异化提供了具体参照。
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。
HF Daily Papers精选AI 评分4747 视觉基础模型空间状态表征的探查
研究团队用冻结特征探针评估十种视觉基础模型表示，发现可见场景的准确读出并不保证物体持久性、未来特征检索或目标导向行动的有效性。实验基于静态室内环境的流式第一人称观测，覆盖空间结构、物体持久性、预测更新和行动性四个层面，匹配控制区分了读出准确性与对视觉历史、运动的依赖。
推荐理由：十种表示的能力对比显示，可见场景读出准确并不等于能维持物体持久性、完成预测更新或支持目标导向行动。
钛媒体AI 评分6060 深兰科技联合华为发布 Wowoker 大模型智能体工作手机
深兰科技联合华为发布 Wowoker 大模型智能体工作手机，将其定位为全球首款面向企业工作场景的 AI 智能体终端。产品基于华为麒麟芯片与 HarmonyOS，融合深兰多模态大模型、Decision Model 和 AgentOS，支持 AI 外呼、智能获客、多平台营销、智能 CRM、沟通数据加密留存及风控。
量子位精选AI 评分7575 Genspark Media Studio 正式发布，集成 20 多家厂商的 70 多个模型版本
Genspark Media Studio 正式发布，将 20 多家厂商的 70 多个模型版本整合为视频 Agent 工作台。大语言模型负责剧本与流程调度，Seedance 2.5、可灵、Veo 等生成视频，GPT Image、Nano Banana 处理图像，ElevenLabs 等负责声音，覆盖短剧、知识讲解和游戏生成。
推荐理由：实测覆盖短剧、知识讲解和游戏生成，并拆解模型调度、局部重拍与积分消耗，能为判断工作流和成本提供参照。
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。
钛媒体精选AI 评分7373 人形机器人量产提速，物理 AI 从展台走向工位
人形机器人产业正加速量产，物理 AI 的应用重心正从展台表演转向工厂、物流和服务业。10月21日，特斯拉披露 Optimus 已在弗里蒙特量产线上开工；今年上半年中国人形机器人整机产量突破4万台，二季度环比增长50%。文章将核心部件、主业支撑和真实订单作为产业筛选维度，并指出合作概念、估值过快和缺少技术能力是三类风险。
推荐理由：文章对比中美物理 AI 的量产与落地路径，呈现中国偏重本体制造、美国偏重模型与平台的产业分化。
Hacker News精选AI 评分4545 新加坡国立大学将电子纤维织入袖套，开发可机洗织物触摸屏
新加坡国立大学（NUS）研究人员将电子纤维直接织入袖套，开发出可显示图像和视频、响应触摸并无线连接设备的可机洗织物触摸屏。原型由54根像素纤维组成，形成96×54像素、168×105毫米、30帧/秒的显示屏，并支持8-bit色深。在包含洗涤剂的50次机洗和半径5毫米的1,000次弯折后，显示与触控性能仍接近不变；团队后续计划提升分辨率、集成更多传感功能并探索端侧AI。
推荐理由：研究给出了电子纤维的互连架构与样机参数，展示了在保持织物透气性和柔韧性的同时实现可机洗交互界面的具体路径。
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6565 Google 与 XREAL 发布首款 Android XR 有线 XR 眼镜 XREAL AURA
Google 与 XREAL 正式发布首款 Android XR 有线 XR 眼镜 XREAL AURA。透明镜片可在保留现实视野的同时叠加空间内容，眼镜本体低于 95 克、视场角为 70 度，便携计算盒内置电池和 Snapdragon Reality Elite 平台，并支持多应用、笔记本 Wired Mirroring 及 Gemini 跨视野协作。
推荐理由：透明镜片、70 度视场角、便携计算盒和 USD 1,099 的首发定价共同界定了 AURA 的产品形态与使用门槛，便于评估其市场定位。
Hacker News精选AI 评分5454 Cartesia Research 报告改进版 H-Nets 的规模化与多模态实验结果
Cartesia Research 报告 H-Nets 在字节级语言、DNA 与图像上的训练结果与算力效率。
推荐理由：文章以匹配数据和算力的方式比较 BPE Transformer 与 H-Nets，并说明不同压缩策略下对齐口径的难点，为解读效率结果提供清晰边界。
Latent SpaceAI 评分4747 Elorian 的 DecoyCount 评测显示，前沿模型计数准确率均低于 50%
Elorian 与 AI 数据公司 Mercor 联合发布 DecoyCount 视觉推理基准，用于测试语言模型能否真正计数，而非依赖视觉捷径与替代启发式。配套论文显示，前沿模型准确率均低于 50%，最高为 GPT-6 Astra 的 43.17%，Glimpse 未列入论文。
HF Daily Papers精选AI 评分4747 规划与 UI 定位智能体通过在线稠密强化学习导航实际运行的 iOS 应用
一项研究提出在线稠密强化学习框架，直接在实际运行的 iOS 应用上训练由规划智能体与 UI 定位模型组成的 UI 导航智能体。该框架用 LLM-as-a-Judge 融合步骤级反馈与任务完成终止奖励，通过 PPO、步级优势估计和 GiGPPO 优化智能体，并编排数百台并发虚拟 iOS 设备。
推荐理由：论文将规划与 UI 定位拆成专用组件，并给出 GiGPPO 价值估计与多基准评测，便于对照在线强化学习的效果。
HF Daily Papers精选AI 评分4545 WorldBridge 融合视频预测与动作监督提升机器人任务泛化
WorldBridge 将视频预测与稀疏动作监督结合，用分离的视频专家和动作专家提升机器人在新任务中的泛化能力。在 RoboTwin 2.0 的分布外任务上，仅使用同分布视频-动作监督的成功率为 25.07%，加入无动作标签的视频后升至 55.90%，每个任务再增加 1 条动作标注示范后达到 70.70%。
推荐理由：通过对照视频与动作监督的组合，论文量化了两类监督对机器人任务迁移的贡献，并给出多基准结果，便于理解 WorldBridge 的设计依据。
HF Daily Papers精选AI 评分7171 用 JEPA 证明并改进柏拉图表示假说
论文用 JEPA 将柏拉图表示假说转化为定理，证明使用同一场景良好视图的不同模态模型可学到相差至多一次旋转的共享表示。研究把下一 token 预测视为使用不良视图的 JEPA，并以 145k 条 caption 到 940M 张网页图像文本的数据验证对齐缩放规律，良好视图达到同等对齐所需训练样本少 42 倍。
推荐理由：论文将 PRH 转化为表示定理，并比较 JEPA 与下一 token 预测在跨模态对齐上的样本效率差异。
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。
HF Daily Papers精选AI 评分7070 EmbeddingGemma 2 论文提出统一高效的多模态表征方案
EmbeddingGemma 2 论文提出一个原生统一文本、图像、音频、视频及其组合表征的开源多模态嵌入模型。模型采用简化逐层嵌入与包含模态和目标递进的多阶段课程，并在覆盖各模态的综合嵌入基准中超过专用模型及规模大 2 至 12 倍的模型。设计支持选择性加载模态编码器、调整视觉 token 预算、截断嵌入维度和量化权重，论文地址为 https://arxiv.org/abs/2610.37364。
推荐理由：论文在统一多模态表征之外，还报告了相对专用模型和规模大 2 至 12 倍模型的性能对比。
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。
Simon Willison精选AI 评分7373 Simon Willison：Claude Opus 5.5 推动氛围编程游戏开发迎来 2026 年 10 月拐点
Simon Willison 认为，2026 年 10 月成为氛围编程游戏开发的新拐点，Claude Opus 5.5 已能生成他真正享受的游戏。
推荐理由：文章以四款游戏对比模型的游戏设计表现，并展示从聊天原型到编码智能体迭代的路径，为理解氛围编程的游戏开发边界提供具体样本。
TechCrunch精选AI 评分6868 Amazon 发布 Alexa Photo Frame、Echo Time 等五款 Alexa 设备
Amazon 发布五款 Alexa 设备，包括 10 英寸智能相框 Alexa Photo Frame 和智能闹钟 Echo Time，并更新 Echo Show、Echo Dot 与 Echo Studio 产品线。
推荐理由：Echo Time 专为卧室设计，Echo Dot 强化本地处理与智能家居连接，带摄像头的 Echo Studio 则扩展了 Alexa+ 的视觉理解能力。
The Verge · AI精选AI 评分3636 Meta 悄然推出 AI 宠物日记应用 Waddle World
Meta 悄然推出 AI 宠物日记应用 Waddle World，用户可与 16-bit 虚拟宠物语音对话，并让宠物为交流生成涂鸦。应用商店将其描述为伪装成宠物的日常日记，列出免费且仅面向菲律宾成年人，目前不清楚是否会在其他地区推出。
推荐理由：Waddle World 把语音对话、涂鸦生成与宠物养成包装成日记体验，呈现 Meta 探索轻量消费级 AI 应用的路径。
HF Daily Papers精选AI 评分5353 离散视觉 token 能否成为视觉信号的语义无损表示？
这项研究表明，因子化向量量化可让离散视觉 token 在多模态理解上追平连续视觉表示，更大的量化误差也可能对应更好的理解表现。研究将有效 bit 预算识别为下游性能的关键因素，其模型在九项指标均值上较 UniAR 和 Emu3-Chat 分别领先 22.8% 和 59.2%，并在细粒度 OCR 任务上具备与 Qwen3-VL 等连续表示模型竞争的能力。
推荐理由：论文以量化误差与语义保真度的关系为切入点，对比连续与离散视觉表示，并给出可扩展的并行码本量化方案。