Mistral AI 发布新旗舰前沿模型 Mistral Large 4，代号 Le Chonk，结束公开预览后开放下载。该模型支持文本和图像处理，重点强化防御性网络安全、智能体能力以及地理空间与 grounding 能力，据称在 SWE-bench 和 Terminal Bench 等智能体基准上达到 state-of-the-art。模型训练覆盖 160 多种语言，可通过 Mistral Studio、Mistral API、OpenRouter、Hugging Face 开放权重、Vibe Code 及 Nvidia 托管端点使用。
#模型发布#开源生态#Agent
Nvidia 发布免费开源权重模型 Nemotron 3.5 Transcribe，可转写最多 40 种语言的音频，并同步推出开源语音数据集 Granary 第 2 版。该模型支持 31 种语言与英语互译、处理最长一小时的录音、区分最多 8 位说话人，Nvidia 称其在 Hugging Face Open ASR Leaderboard 等基准上优于竞品。模型为 300 亿参数，可运行在 Jetson AGX Thor、DGX Spark 及 Blackwell 数据中心芯片上，但只支持录音音频，不支持直播流。
#模型发布#语音#开源生态
谷歌DeepMind于10月27日发布新一代世界模型Genie 4的研究预览版，将场景保持一致性的模拟时长延长至约两分钟，为前代Genie 3的两倍，并提升画面真实感、物理模拟和人物动作自然度。模型支持通过自然语言指令实时改变天气、调整视角或添加人物物体，并具备原生音频生成能力。谷歌还展示了Genie 4与Gemini 4 Argon协同模拟Apptronik旗下Apollo人形机器人下跳棋的实验，计划未来几周通过Project Genie向Google AI Ultra订阅用户开放。
#模型发布#多模态#DeepMind
Google DeepMind 发布 Genie 4，可实时生成带真实画面、声音和对话的交互式三维环境，目前以研究预览形式向创意、新闻、教育、游戏和工程领域的受信任测试者开放。该模型结合 Gemini 系列能力，支持用自然语言提示修改场景、天气、镜头和角色，并原生生成环境音与交互对话。Gemini 3.8 Flash 在复杂模拟中充当引导智能体，负责任务拆解与进度检查，生成内容均带 SynthID 水印。
#模型发布#多模态#Google
蚂蚁集团旗下百灵大模型开源 Ling-3.1-flash-1019，在 Artificial Analysis Intelligence Index v4.3.2 中获 44 分，较上一版本提升 3 分。该版本在 Ling-3.1-flash 基础上进一步训练优化，同时开源基础模型 Ling-3.1-flash-base，为长程任务所需的知识、推理和计算效率打基础。
#模型发布#开源生态#Agent
SoMark 团队开源文档解析模型 OXR，主模型仅 1.3B 参数，在 OmniDocBench、olmOCR-Bench 和 DocParsingBench 三项基准测试中全部登顶，完整解析速度超过同场参测的 PaddleOCR-VL-1.6 和 MinerU2.5-Pro。该模型覆盖文字、表格、公式、化学结构式、代码块等 13 类文档元素，可解析阅读顺序并输出版面坐标，将 PDF 和文档图片转为 Markdown / JSON 供 Agent、RAG 等下游流程使用。
#开源/仓库#数据/训练#评测/基准
OpenAI 发布 GPT-6.1 Terra，标准 API 输入 1 美元/百万 Token、缓存输入 0.05 美元/百万 Token、输出 5 美元/百万 Token，价格约为 GPT-5.6 Terra 的一半。官方称其在 Agents' Last Exam 中 medium 档比 GPT-5.6 Terra 高 15 个百分点，单任务成本约为后者三分之一，并以 GPT-6 Astra 十分之一的 Token 价格追平其表现；Terminal-Bench 4.0 max 档解决 50.3% 任务，上一代为 21.5%。Plus、Pro、Enterprise 和 Edu 用户可在 ChatGPT Work 与 Codex 中体验，开发者可通过 gpt-6.1-terra 调用。同日 OpenAI 还公布三项由内部 AI 系统产出的数学、计算机科学与物理学结果，其中关于指数时间假说（ETH）的证明已完成 Lean 形式化。
#模型发布#OpenAI#Agent
百度发布并开源文心 Unlimited OCR 2，通过稀疏参考滑动窗口注意力机制 SR-SWA 和无限解码机制，在百页级单序列测试中把峰值 KV 缓存从标准解码的 47GB 降至 1.77GB，减少约 96%。16 路并发测试中端到端吞吐量从 360 提升至 1315 Token/秒，约为标准解码的 3.65 倍。模型已在 Hugging Face 和 GitHub 开源，上一代 Unlimited OCR 累计下载量超过 1000 万、GitHub 约 2.86 万 Star。
#模型发布#开源生态#多模态
Google DeepMind 于 10 月 27 日推出新一代世界模型 Genie 4，称其为迄今最逼真、交互性最强的世界模型，单次生成交互体验最长 2 分钟，上一代 Genie 3 为 1 分钟。新模型引入原生音频生成、自然语言实时操控和复杂物理与人物行为模拟，并由 Gemini 系列模型负责指令翻译、事件规划与进度跟踪。目前 Genie 4 已面向少量受信任测试者开放研究预览，后续将提供给 Google AI Ultra 订阅用户及 Gemini API、Google AI Studio 的早期合作伙伴。
#模型发布#多模态#视频
Google DeepMind 正式发布新一代世界模型 Genie 4，相比 Genie 3 提升了视觉真实感、物理模拟和实时交互能力，并首次支持原生音频生成，可同步生成环境音效、音乐和人物对话。用户可用键盘控制镜头或角色移动，也可用自然语言指令实时调整天气、切换视角、添加人物或物体，无需重新生成整个场景。Genie 4 融合 Gemini 系列能力，由 Gemini Omni 提供现实世界视觉与行为知识、Gemini 3.8 Flash 负责任务规划与场景引导，目前已向部分受邀测试者开放研究预览，后续计划通过 Project Genie 向 Google AI Ultra 订阅用户及部分开发者开放。
#模型发布#多模态#视频
微软发布 MAI-Image-2.7-Preview 图像编辑模型，主打输入原图加文字指令输出编辑后图片，暂未开放文生图。该模型在 Artificial Analysis 的 AA-Image-Editing v2.1 榜单以 1,193 Elo 排第 2，仅次于 OpenAI 的 GPT Image 2.5 Sunburst (max)，场景与风格编辑比次优模型高 24 个 Elo。用户可在 Arena、Artificial Analysis 和 MAI Playground 体验，微软尚未公布公开 API、定价和正式商用时间，模型权重也未开放。
#模型发布#图像生成#Microsoft
微软发布 MAI-Image-2.7-Preview 图像编辑模型，在 Artificial Analysis 的 AA-Image-Editing v2.1 榜单以 1,193 Elo 排名第二，仅次于 OpenAI 的 GPT Image 2.5 Sunburst (max)。该模型现阶段只支持输入原图加文字指令的编辑，暂未开放文生图，相较 MAI-Image-2.6 在全部 10 个用例和 7 类编辑动作上均有提升。用户可在 Arena、Artificial Analysis 和 MAI Playground 体验，公开 API、定价和商用时间尚未公布。
#模型发布#图像生成#Microsoft
谷歌旗下 DeepMind 发布新一代世界模型 Genie 4 的研究预览版，将场景保持一致性的模拟时长延长至约两分钟，为前代 Genie 3 的两倍，并提升画面真实感、物理模拟和人物动作自然度。用户可用自然语言指令在模拟中实时改变天气、调整视角或添加人物和物体，模型还具备原生音频生成能力。谷歌同时展示了 Genie 4 与大模型 Gemini 4 Argon 协同模拟 Apptronik 旗下 Apollo 人形机器人下跳棋的实验，并计划未来几周通过 Project Genie 向 Google AI Ultra 订阅用户开放。
#模型发布#多模态#DeepMind
#模型发布#多模态#Google
This is Genie 4, our most realistic and interactive world model yet. 🌐 Explore dynamic environments in real time to see how the scene responds, sounds, and how the people in it move, react, and speak.
#模型发布#Google#多模态
MAI-Image keeps climbing! MAI Image 2.7 Preview is now #3 on @arena's image editing leaderboard. #2 by lab and ahead of GPT-Image-2. That's a +45 point jump from 2.6.
#模型发布#图像生成#Microsoft
Microsoft's MAI-Image-2.7-Preview takes #2 on AA-Image-Editing v2.1, close behind OpenAI's GPT Image 2.5 Sunburst (max) and a clear step up from MAI-Image-2.6 MAI-Image-2.7-Preview is Microsoft AI's newest image editing model, succeeding MAI-Image-2.6, released in August. In our testing, MAI-Image-2.7-Preview scores higher than MAI-Image-2.6 on all 7 editing actions we measure, and ranks #1 on 4 of them: Scene & Style Edit, Text or Symbol Edits, Reasoning-Based Edit, and Enhancement & Restoration. This new model improves on MAI-Image-2.6 with the biggest gains in Composition & Framing (+57 Elo), Text or Symbol Edits (+49) and Scene & Style Edit (+48). We see its best use cases to be in Live-Action Film, Consumer and Frontier edits, where it ranks #1. MAI-Image-2.7-Preview is available today in MAI Playground for image editing only, with text to image stated to be coming soon. Congratulations to @MicrosoftAI on the release! See below for our detailed analysis and example outputs of MAI-Image-2.7-Preview in the Artificial Analysis Image Arena 🧵
#评测/基准#图像生成#Microsoft
This is Genie 4, our most realistic and interactive world model yet. 🌐 Explore dynamic environments in real time to see how the scene responds, sounds, and how the people in it move, react, and speak.
#模型发布#多模态#视频
我终于明白为什么科技巨头都在不惜代价地向物理现实靠拢了！🤯 Google DeepMind 刚刚正式发布世界模型 Genie 4， 支持实时文字改动场景、自带原生环境音与互动对话，Gemini 3.8 Flash 担任后台导演。 机器模拟真实物理世界的门槛，今天被彻底踩碎了，模拟假说被证实了！ 抛开博主玩梗的情绪泡沫，如果我们把这套技术拆开看，就会发现 Google 这次根本不是在卷普通的视频生成： 它不是在生成一段冷冰冰的 MP4，而是在用纯算力，实时凭空跑出一整个可以走动、可以交互的物理世界。 以前的 Sora 或各种视频大模型，本质上是一台高精度的梦境录像机。 它提前把像素算好、渲染出来喂给你看；你按暂停它就停，你喊它改个天气，它必须把整个视频推翻重算一遍。 而 Genie 4 彻底切断了“预渲染”的旧逻辑： 你不是观众，你是里面的玩家；你在场景里往前走，画面随着你的脚步实时推演空气动力学和物理碰撞，你在旁边敲一行字，暴雨和新角色立刻动态加载进同一个空间里。 更狠的是原生音视频的融合。 过去的世界模型全是一帮在真空中运转的无声哑剧，而这次 Genie 4 第一次让世界模型原生吐出了环境音、背景音乐，以及随着玩家操作实时动态响应的角色对话。 旁边还配了 Gemini 3.8 Flash 当“实时导演”，在后台毫秒级拆解因果逻辑、校准画面连贯性，硬生生把时间维持在了两分钟的连续稳定模拟。 但如果你以为 Google 费尽心力搞这个只是为了给游戏公司做外挂，那就太小看 DeepMind 的野心了。 造一个逼真的虚拟世界，从来不是终点，而是给下一代 AGI 准备的无尽练兵场。 现实世界的数据太贵、太慢、试错成本太高，特斯拉要跑几十亿公里才能训好一辆自动驾驶，机器人摔断一根机械臂就是几十万成本。 而当 Google 能够以极低成本实时生成符合牛顿力学的交互世界，数以亿计的具身智能体就可以在里面 24 小时以万倍速狂奔、碰撞、学习。 当然照例保持一份冷静： 目前单次模拟极限依然在两分钟左右，时间一长细节依然会漂移，而且这只是少数测试者能摸到的研究预览。 但这代表了一个极其危险的代际分水岭： 从今天起，AI 的竞争正式从“模仿人类的文字与画面”，彻底跃迁到了“模拟宇宙的物理法则”。
#模型发布#多模态#具身智能
#模型发布#开源生态#Hugging Face