Mistral OCR：面向复杂文档理解的多语言多模态 OCR
Mistral AI 的 Mistral OCR 可解析图像和 PDF 中的文本、图片、表格及公式，但该模型现已停止维护，并由更强的新款 OCR 模型取代。其 API 曾以 mistral-ocr-latest 提供，价格为每美元 1000 页，单节点处理速度最高可达每分钟 2000 页，并支持结构化输出及选择性自托管。
匹配字段标题
←搜索结果
搜索“多模态”
Noam Shazeer：数学、科学与多模态推理评测表现提升
Noam Shazeer 表示，团队将 AIME、GPQA 和 MMMU 的评测成绩分别提升至 73.3%、74.2% 和 75.4%。团队还启用了 1M 上下文窗口以支持更复杂的研究任务，并允许开发者开启代码执行功能。
匹配字段标题
Mistral AI 开放 Mistral Large 4 模型权重，1T 参数、490 亿激活参数
Mistral AI 于当地时间 10 月 29 日正式开放 Mistral Large 4（代号 le Chonk）模型权重，这是一款 1 万亿总参数、490 亿激活参数的原生多模态模型，在欧洲自有数据中心用 3,800 块 NVIDIA Grace Blackwell GPU 从零训练。官方称其在 Artificial Analysis Coding Agent Index 得分 48%，与 GLM-5.3 基本持平，但平均每个任务消耗的 Token 减少 47%。模型基于修改版 MIT 许可证发布，个人、学术、微调及常规商业化可免费使用，提供 MaaS 转售的云厂商需单独获取商业授权；在线调用定价为输入每百万 Token 0.70 美元、输出 2.10 美元。
匹配字段摘要、正文
蚂蚁 inclusionAI 开源 2B 视觉取证模型 DefakerOne2
蚂蚁集团 GuangJian 团队在 GitHub 开源 DefakerOne2，一个基于 Qwen3.5-2B 多模态骨干的 2B 参数统一视觉取证模型，覆盖 AI 生成内容、DeepFake 人脸、文档篡改、自然图像篡改、人脸与证件防伪以及 AI 生成视频检测。模型在约 5000 万样本上训练，采用 LoRA 到全参数再到 LoRA 的三阶段 Tide-Style Tuning，并用基于熵的测试时路由在视频与帧两条通路间选择。团队称其在 53 项检测基准中 40 项达到 SOTA、14 项定位基准中 11 项达到 SOTA，权重与 RRVBench 基准已发布于 ModelScope。
匹配字段摘要、正文
Mistral Large 4 权重上线 Hugging Face，官方称在 CyberGym-E2E 和…
Mistral AI 在为期三周的预览后，将 Mistral Large 4 的权重发布到 Hugging Face。该多模态模型在 3800 块 Nvidia 加速器上训练，参数量达一万亿，目前仍难以在游戏 PC 或单卡上运行。Mistral 称其在网络安全基准 CyberGym-E2E 上领先 GLM-5.3 和 Kimi K3，在智能体编码基准 Terminal Bench 4.0 上与 GLM-5.3 持平，但尚无独立评测；预览版定价为每百万输入 token 1.4 美元、每百万输出 token 4.2 美元。
匹配字段摘要、正文
扩散智能发布350亿参数扩散语言模型Clover-35B-A3B-Preview
扩散智能发布扩散语言模型Clover-35B-A3B-Preview，采用MoE架构，总参数350亿、每token激活约30亿，支持思考模式。在网页Agent评测WindTunnel的49个任务中，其中位执行时间1.52秒，低于Jev＋Mercury 2.5组合的3.21秒，成功率分别为98.6%和95.9%。代码评测上SWE-bench Verified得73.6、Terminal-Bench 2.1得51.7，团队称后续将推出多模态版本并推进端侧适配。
匹配字段摘要、正文
Mistral 开放 Mistral Large 4（Le Chonk）权重
Mistral 发布 Mistral Large 4（Le Chonk）的开放权重，这是一个 1 万亿参数的原生多模态模型，在预览版基础上继续强化学习，编码与防御性网络安全能力提升。它在 FrontierCode 2.0 上得分 19.7%，在 Artificial Analysis Coding Agent Index 上得 48%，与 GLM-5.3 基本持平，但每任务平均少用 47% token；Terminal-Bench 4.0 提升 13 个百分点至 41%。模型支持三种推理模式，采用修改版 MIT 的 Mistral Ecosystem Open-Weight 许可，API 定价为每百万输入 token $0.70、缓存输入 $0.07、输出 $2.10。
匹配字段摘要、正文
月之暗面发布 Kimi K3.1 Pro：2.8T 总参数、104B 激活参数，权重定于 11 月 4 日开放
月之暗面发布 Kimi K3.1 Pro，这是一款多模态 MoE 模型，总参数 2.8T、激活参数 104B，上下文窗口 100 万 token，标准版与 Highspeed 版已上线 Kimi 网站、App、Kimi Work、Kimi Code 和 API，官方称 Highspeed 输出速度提升 2–3 倍、价格为标准版两倍。Artificial Analysis 将其排在 Intelligence Index 第四位、得分 55，落后 Opus 5.5 的 58；Arena 的 Code Arena WebDev 排名第 8、1692 分，较 K3 上升九位。标准版定价为每百万 token 输入 2 美元、输出 10 美元、缓存输入 0.2 美元，较 K3 下降三分之一；权重尚未发布，官方承诺 11 月 4 日开放。
匹配字段摘要、正文
月之暗面发布 Kimi K3.1 Pro：3T 级开源权重模型强化编程、3D 与金融 Agent
月之暗面发布 Kimi K3.1 Pro，称其为最强的 3T 级开源权重模型，具备 1M token 上下文与多模态能力，同步推出速度约 2–3 倍的 Highspeed 版，完整权重计划 2026-11-04 前开源。该模型在 Terminal-Bench 4.0 上得 65.7%，高于 GPT-6 Astra 的 58.2%、略低于 Claude Opus 5.5 的 66.4%；BenchCAD 带工具得 92.7%，OfficeQA Pro v2 得 64.4。开源权重版从 mid-training 与 RL 两侧剔除 cyber 相关数据，xdev-bench-hard 得分从 90.5% 降至 81.0%。
匹配字段摘要
Kimi 发布 K3.1 Pro 开源权重模型，2.8T 总参数、1M token 上下文
Kimi 发布 K3.1 Pro，这是其最强的 3T 级开源权重模型，采用 MoE 架构，总参数 2.8T、激活参数 104B，支持 1M token 上下文与多模态。官方称其在编码、智能体和知识类基准上可对标最强闭源模型，并支持 Unreal、Unity、Godot 全项目游戏开发与 Blender、CAD 参数化 3D 建模，金融场景幻觉下降 65%。K3.1 Pro 与速度提升 2–3 倍的 K3.1 Pro Highspeed 已在 Kimi 官网、Kimi Work、Kimi Code 和 Kimi API 上线，开源权重计划于 2026 年 11 月 4 日发布。
匹配字段摘要、正文
Kimi 发布 2.8T 旗舰 K3.1 Pro，SWE Marathon 得分 51.7 登顶
Kimi 发布多模态旗舰模型 K3.1 Pro，总参数 2.8T、激活参数 104B（MoE），标配 1M token 上下文窗口。作者称其在 SWE Marathon 上以 51.7 登顶第一，反超 Opus 5.5 与 GPT-6 Astra，官方同时承诺 11 月 4 日前开源完整权重。K3.1 Pro 与提速 2–3 倍的 K3.1 Pro Highspeed 已上线 Kimi 网页端、Kimi Work、Kimi Code 和 Kimi API。
匹配字段摘要、正文
Kimi 发布 K3.1 Pro：2.8T 总参数、104B 激活的 MoE 开源模型
Kimi 正式发布 Kimi K3.1 Pro，这是一款 3T 级开放权重模型，采用 MoE 架构，总参数 2.8T、激活参数 104B，支持 1M token 上下文与多模态。官方称其在基准测试中与 Opus 5.5、GPT-6 Astra 等领先模型表现相当，且成本明显更低，金融建模场景的幻觉下降 65%。Kimi K3.1 Pro 与速度提升 2–3 倍的 K3.1 Pro Highspeed 已上线 Kimi 平台、Kimi Work、Kimi Code 和 Kimi API，开放权重将于 11 月 4 日发布。
匹配字段摘要
Kimi K3.1 Pro 上线 OpenRouter，1M 上下文、2.8T 参数 MoE 开源权重模型
Kimi K3.1 Pro 已在 OpenRouter 上线，这是一个 1M 上下文的多模态开源权重模型，由 Kimi K3 后训练而来，面向长程编码和智能体任务，定价为每百万输入 token 2 美元、每百万输出 token 10 美元。据 Kimi_Moonshot 介绍，该模型为 3T 级开源权重模型，2.8T 总参数、104B 激活参数（MoE），在 Unreal、Unity、Godot 全项目编码和 Blender、CAD 参数化 3D 建模上表现突出，金融建模幻觉下降 65%，并称在编码、智能体和知识基准上匹配最强闭源模型。Kimi K3.1 Pro 与提速 2–3 倍的 K3.1 Pro Highspeed 已上线 Kimi 平台、Kimi Work、Kimi Code 和 Kimi API，开放权重时间为 2026 年 11 月 4 日。
Kimi K3.1 Pro 已在 OpenRouter 上线，这是一个 1M 上下文的多模态开源权重模型，由 Kimi K3 后训练而来，面向长程编码和智能体任务，定价为每百万输入 token 2 美元、每百万输出 token 10 美元。据 Kimi Moonshot 介绍，该模型为 3T 级开源权重模型，2.8T 总参数、104B 激活参数（MoE），在 Unreal、Unity、Godot 全项目编码和 Blender、CAD 参数化 3D 建模上表现突出，金融建模幻觉下降 65%，并称在编码、智能体和知识基准上匹配最强闭源模型。Kimi K3.1 Pro 与提速 2–3 倍的 K3.1 Pro Highspeed 已上线 Kimi 平台、Kimi Work、Kimi Code 和 Kimi API，开放权重时间为 2026 年 11 月 4 日。
匹配字段摘要、正文
Kimi K3.1 Pro 发布，Code Arena WebDev 升至第 8
月之暗面发布 Kimi K3.1 Pro，在 Code Arena WebDev 以 1692 分位列第 8，与 Claude Opus-5 (Max) 持平而成本低 70%，较 Kimi K3 (Max) 的第 17 名提升 9 位。该模型定价为每百万输入/输出 token 2/10 美元，单任务成本中位数 1.23 美元，比 Kimi K3 低 29%，并将在 11 月 4 日开放权重。Kimi 官方称其为 3T 级开源权重模型，具备 1M token 上下文、2.8T 总参数/104B 激活参数的 MoE 多模态架构，幻觉率下降 65%。
匹配字段摘要
月之暗面发布 Kimi K3.1 Pro，Terminal-Bench 4.0 得分 65.7%
月之暗面发布 Kimi K3.1 Pro，这是其首个更新版本，在 Terminal-Bench 4.0 上得分 65.7%，比 Claude Opus 5.5 低 0.7 分、比 GPT-6 Astra 高 7.5 分，且平均每任务成本低于两者。该模型为 3T 级开放权重 MoE 模型，总参数 2.8T、激活参数 104B，支持 1M token 上下文和多模态；在带工具的幻觉压力测试中，错误声明率从 K3 的 23.4% 降至 8.3%。K3.1 Pro 与速度快 2-3 倍的 Highspeed 版本已在 Kimi 应用和 API 上线，完整权重计划于 11 月 4 日发布。
匹配字段摘要
Kling 4.0 上线 fal 平台
Kling 4.0 已在 fal 平台上线，这是一款新一代原生多模态视频模型，提升了复杂运动的稳定性、角色与场景的参考一致性，以及对电影化叙事的控制精度。目前仅通过 fal UX 和 fal Agent 提供，API 访问即将开放。
匹配字段摘要、正文
NVIDIA 发布 Nemotron 3.5 系列开放模型，覆盖嵌入、重排与文档解析
NVIDIA 于 2026 年 10 月 21 日扩展 Nemotron Retriever 系列，推出 Nemotron 3.5 Embed（8B BF16、1B BF16、1B NVFP4）、Nemotron 3.5 Rerank 8B BF16 和 6.31 亿参数的 Nemotron 3.5 Parse，面向企业智能体工作流的多模态检索与文档处理。NVIDIA 称在智能体检索流程中加入 Rerank 后，单次查询的 token 成本分别降低约 14%（搭配 8B 嵌入模型）和 13%（搭配 1B 模型），检索准确率同时提升。Parse 在 ParseBench 上得分 75.20，单张 H100 上每秒处理 10.5 页；开放权重、数据和训练配方已在 Hugging Face 发布，并可通过 NVIDIA NIM 及 Baseten、DeepInfra、FriendliAI 部署。
匹配字段摘要、正文
MiniMax 准备发布 MiniMax-M3.1-Flash，API 文档披露 1M 上下文与可调思考深度
MiniMax 正准备发布 MiniMax-M3.1-Flash，其 API 参考文档已列出该模型。文档将其描述为前沿多模态编码模型，具备 1M 上下文窗口和可调思考深度，后者被认为是 3.1 系列新增的能力。MiniMax 官方账号也发帖预告该模型即将到来。
匹配字段摘要
MiniMax 发布 M3.1 Flash：428B MoE 智能体模型，输入 $0.15/百万 token
MiniMax 在 API 上线 MiniMax M3.1 Flash，428B 总参数、约 23B 激活的 MoE 多模态模型，支持 100 万 token 上下文，输入 $0.15、输出 $0.60 每百万 token。推理始终开启且不可关闭，提供 Low 到 Max 五档强度，权重计划于 10 月 23 日发布、许可证尚未公布。厂商自报成绩中 Automation-Bench v1.0.6 以 62.2 居首，Terminal Bench 4.0 为 38.1，落后 Opus 5 的 51.8。
匹配字段摘要
Perplexity 开源 pplx-decider-v1.2 与 flash-v1.2 两款决策模型
Perplexity 开源两款决策模型：pplx-decider-flash-v1.2 为 4B 参数、每百万 token 1 美分，是 HF Decision Index 上最强的 4B 模型；pplx-decider-v1.2 为 27B 参数、每百万 token 2 美分，在 HF Decision Index 总榜排第 2。两者均已在 Perplexity Decisions API 上线，并在 Hugging Face 提供开放权重。Perplexity Developers 称这一代开放权重多模态决策模型文本与视觉分数均有提升，推理速度最高快 5 倍，一次请求中的所有问题单次前向完成。
匹配字段摘要