内容类型
各家新模型的发布、开源与迭代：旗舰更新、开源权重放出、能力与价格变化。
233 条精选近 30 天 146 条共收录 310 条
Block 发布全双工语音到语音模型 Dessa，可同时听说，并能在 MacBook M4 Max 或更高配置的消费级电脑上本地运行。该模型完全基于人类语音训练，Block 称其仅用单块 NVIDIA GPU 训练，并将情绪直接纳入语音生成。模型目前尚未公开访问，Block 邀请安全研究人员测试语音智能体误导他人的风险。
推荐理由：Dessa 的全双工语音、情绪表达与消费级设备本地运行方案交代具体，并说明暂未开放及安全测试安排，便于评估语音智能体的落地条件。
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。
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。
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。
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。
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。
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。
论文提出并开源 IQuest-Q1，一款面向智能体 CLI 系统的稀疏 MoE 基础模型，总参数量 320B，激活参数量 15B。模型通过预训练、中训和后训练三阶段训练，后训练结合 SFT、领域专用 RL 和 MOPD，并通过模型合并整合不同专家与检查点。arXiv 论文地址为 https://arxiv.org/abs/2610.30949。
推荐理由：论文拆解了预训练、中训和后训练三阶段方案，并披露总参数与激活参数，便于对照理解智能体编码基础模型的构建路径。
腾讯 WeChat Vision 发布 WeVisOne-VL-4B，将对象级视觉任务与像素级视觉任务统一到同一模型中。模型基于 Qwen3-VL，通过结构化 next-token prediction 和 9.6M 参数轻量像素解码器，支持开放词汇目标检测、指代定位、目标计数、目标指向、OCR、指代分割及可提示 alpha 抠图。
推荐理由：模型将对象级与像素级视觉感知统一到同一架构，公开坐标标记、实例标记和 9.6M 参数像素解码器细节，便于对照研究视觉定位、分割与抠图。
据多方信源消息，Kimi（月之暗面）即将发布最新大模型 K3.1，并发布相关预热视频。目前 AI 行业不少开发者已经关注到这一更新并展开讨论。
推荐理由：材料提供了 K3.1 的发布传闻与预热视频线索，也提到开发者的关注反馈，可作为追踪月之暗面后续模型更新的背景参考。
10月22日，蚂蚁数科正式发布面向结构化决策任务的 LingDT-Decision-1.0，提供 4B 和 27B 两个版本，并已在 DTMaaS 平台上线。蚂蚁数科团队在客服、风控、金融等真实业务场景测试显示，相比大语言模型，该模型 Token 消耗降低超90%，响应时效提升10倍。
推荐理由：同一任务下与大语言模型的对照数据，以及原生多选和按序决策设计，为评估其企业落地成本与适配性提供了直接参照。
科大讯飞发布端云一体讯飞星火X2.6，并同步推出语音基座大模型SparkAudio 1.0。云端和端侧星火X2.6-4B能力同步提升；未来60%的应用可在本地完成，30%通过云端协同，10%需要云端大模型解决。SparkAudio 1.0支持语音识别、同传、交互、音频理解、情绪识别、实时说话人分离和环境声理解。
推荐理由：端云一体的任务分工、本地处理比例和多类语音能力，为比较模型应用的安全、效果与成本提供参考。
Canva 发布首款图像生成模型 Canva Craft，通过两阶段流程生成最高 2K、30 种宽高比的图像。它先规划元素空间关系、相对尺度、视觉层级和文字信息，再生成图像；模型使用 Canva 的人工设计模板训练，输出可经 Canva Magic 转为分层设计，并支持不影响其他区域的精确编辑。
推荐理由：Canva Craft 先规划元素关系再生成图像，文章拆解了其模板训练、文字可读性、局部编辑和分层设计转换机制。
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。
风源—辐射感知与预报模型近日发布，是我国首个由静止卫星与地面分钟级辐射观测网融合驱动的端到端人工智能太阳辐射预报模型。它实现全国地面太阳辐射站点与网格的实时监测和超短期预报，为光伏发电超短期预报提供技术支撑。
推荐理由：模型面向全国地面太阳辐射站点与网格开展实时监测和超短期预报，为光伏发电的超短期预报提供技术支撑。
星辰通用人工智能实验室发布并开源意图理解模型Xing4.0-29B-Intent，并提供275.3万条监督微调训练语料、模型权重和官方推理镜像。模型结合意图识别与参数抽取，采用统一模式驱动语义解析框架 USP 输出 JSON，已开始应用于电信万号客服和智能家居音箱。本次由技术团队开展的评测中，模型完整抽取总分58、类别决策总分70，均高于本次参评模型；结果仅反映本次数据和测试设置。
推荐理由：文章提供完整抽取和类别决策两组评测及参评模型明细，读者可比较模型在意图识别、参数抽取和负例误报上的差异。
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。
Recursive 发布免费编码模型 Flint，可在笔记本上离线运行；公司称 Eureka Machine 参与了几乎全部开发流程。Flint 采用 MoE，每次任务激活 40B 参数中的 2.5B，并以 Apache 2.0 许可在 Hugging Face 免费下载。
推荐理由：材料同时交代 Flint 的端侧运行、参数规模、速度、基准表现和外部试用，并标明哪些数据来自公司测试，便于比较同级编码模型。
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。