Meta 发布开源权重模型 Muse Spark Open，称其为美国最强开源权重模型，采用 8160 亿参数和 100 万 token 上下文窗口，原生多模态，面向复杂编码任务和智能体工作。该模型可本地运行在 Apple 电脑上，但至少需要 1TB 内存，在搭载 M5 Ultra 芯片的 Mac Studio 上运行效果最佳。Meta 将其与 AI 编码终端 Muse Code 配合，用于 Mastodon 客户端的 bug 修复、新功能和完整构建，以及 DaVinci Resolve 的视频素材审阅与裁剪，目前该模型已通过多个 API 平台开放。
匹配字段摘要
Meta 发布 Muse Spark Open 开源模型，称其为迄今能力最强的美国开放权重模型，总参数量 8160 亿，原生多模态，擅长长周期任务、复杂软件工程和多步推理。Meta 与 Apple 合作，使该模型可在两台搭载最新 MLX 框架的 Apple M5 Ultra Mac Studio 上本地运行，Apple 同时发布技术文章介绍 MLX 及该模型。Meta CEO Mark Zuckerberg 与 Apple CEO John Ternus 在 X 上互相致意，Meta 首席 AI 官 Alexandr Wang 称两家公司已合作数月。
匹配字段摘要
Meta 发布 Muse Spark Open 的开放权重，采用 Muse Model License 在 Hugging Face 上线，为 816B 总参数、42B 激活参数、1M token 上下文窗口的模型，原生多模态并面向编码与智能体任务。该版本在 Muse Spark 基础上增加安全后训练，可在 SGLang 和 vLLM 上运行，并针对 NVIDIA、AMD、Intel 优化。PyTorch 侧集成 Helion 内核，在 NVIDIA GB300 上相比 CUDA、CuTe DSL 自定义内核取得 1.03–3.95x 加速，AMD Mi350 端到端吞吐提升 3%；TorchTitan 已支持其 SFT、LoRA 与 TitanRL 微调。
匹配字段摘要
NVIDIA 发布开源多模态模型 Nemotron 3.5 Super VL，支持文本、图像、文档和视频输入并输出文本，采用 120B 总参数、每 token 激活 12B 的 MoE 架构。SGLang 提供 Day-0 支持，通过连续批处理、前缀缓存和投机解码部署，在单张 RTX 6000 PRO 上借助 MTP 达到 243.9 tok/s。模型权重已在 Hugging Face 提供 BF16 和 NVFP4 两个版本。
匹配字段摘要
Neura Robotics 发布多模态基础模型 Neuron AI，面向物理 AI，融合 3D 视觉、触觉与力、音频、机器人状态和语言，并加入记忆功能，让机器人在物体离开视野后仍保留上下文。其 Perception-Language-Action 架构把多感官信息对齐到同一空间并转化为动作，训练数据来自真实机器人数据、仿真放大数据和人类演示数据三类来源。该模型在德国 Metzingen 内部开发训练，将在 Nvidia GTC Berlin 2026 上由人形机器人 4NE1 演示十一分钟的洗衣处理流程。
匹配字段摘要
World Labs 发布下一代世界模型 Atlas，这是一个从零预训练的多模态自回归扩散 Transformer，原生处理文本、图像、视频和 3D，所有输入被组合进共享的空间上下文。Atlas 支持像素级相机控制的图像与视频生成，可输出最长 1 分钟、1440p 的视频，并能从 1 到上百张输入图像重建真实场景，生成点云或 3D Gaussian splats。官方称其在相机控制生成和稀疏视图 3D 重建两项任务上优于专用模型，目前面向部分合作伙伴开放早期访问，并将用于 Marble 等后续产品。
匹配字段摘要
Thinking Machines Lab 发布开源权重模型 Inkling，这是一个 975B 总参数、41B 激活的 MoE Transformer，支持最高 1M token 上下文窗口，预训练数据为 45 万亿 token 的文本、图像、音频和视频。官方称 Inkling 并非当前最强模型，但具备多模态、可控思考算力和可在 Tinker 上微调等特点，适合作为定制底座，并同步预览了 12B 激活参数的 Inkling-Small。Inkling 已在 Tinker 上线，提供 64K 和 256K 上下文选项，权重发布在 Hugging Face。
匹配字段摘要
月之暗面发布开源模型 Kimi K2.5，在 K2 基础上用约 15T 混合视觉与文本 token 继续预训练，原生多模态，主打编码与视觉能力。K2.5 可自主编排最多 100 个子智能体、执行最多 1500 次工具调用，相比单智能体设置最多缩短 4.5 倍执行时间，且无需预定义子智能体或工作流。模型已上线 Kimi.com、Kimi App、API 和 Kimi Code，Kimi.com 与 App 提供 K2.5 Instant、Thinking、Agent 和 Agent Swarm（Beta）四种模式，Agent Swarm 在 Kimi.com 处于 beta，高层级付费用户可获免费额度。
匹配字段摘要
DeepSeek 发布 DeepSeek-V3，采用 671B MoE 参数、37B 激活参数，基于 14.8T 高质量 token 训练，生成速度 60 tokens/秒，比 V2 快 3 倍，API 保持兼容并开源模型与论文。API 定价在 2 月 8 日前与 V2 相同，此后调整。官方表示后续将支持多模态等功能。
匹配字段摘要
Perplexity 开源 pplx-embed-v2-late，包含 9B 和 0.6B 两个多向量嵌入模型，覆盖文本与图像并共享同一嵌入空间。9B 用于索引多模态数据，0.6B 用于端侧查询，还支持无需 OCR 直接检索 PDF 页面。该模型在 MADQA 上得分 92.4%，在 BrowseComp+ 上得分 64%，权重已在 Hugging Face 发布。
匹配字段摘要
美国初创公司 Reflection AI 发布开源权重模型 Beam，采用 MoE 架构、5010 亿参数，面向编码、推理与智能体任务，训练数据为 23.8 万亿 token。Reflection 将其定位为对标智谱 GLM-5.2 的前沿开源权重模型，并获 Nvidia 8 亿美元股权投资及 GPU 支持。文章还提到 Mistral 于 10 月 6 日预览 1 万亿参数多模态模型 Mistral Large 4，称其计划月底发布权重。
匹配字段摘要
Mistral 发布 Mistral Large 4 公开预览版，模型拥有 1 万亿参数、其中 490 亿为激活参数，原生多模态，上下文窗口 100 万 token，API 已通过 Mistral Studio 开放，权重预计 10 月底发布。在 Artificial Analysis 的 Intelligence Index 上 ML4 得分 38，较前代 Mistral Large 3 的 9 分大幅提升，但落后榜首 Claude Opus 5.5 的 58 分。Mistral 强调其网络安全能力，在一项复现并修补开源软件漏洞的测试中得分 82%，并称 Claude Opus 5.5 与 GPT-6 Astra 因拒绝任务而接近零分；模型在 3800 块 Nvidia Grace Blackwell GPU 上于欧洲自有数据中心训练，预览期定价为每百万输入 token 0.68 美元、输出 2.09 美元。
匹配字段摘要
字节 Seed 正式发布 SeedRealtime，一个原生音视频全双工 LLM，用统一架构原生融合音频、视频和文本，支持连续多模态流上的实时交互。官方称其实现音视频联合理解、主动交互和自然对话节奏三项突破，端到端人工评测显示相比级联模型，音视频对话节奏问题减少一半。目前 SeedRealtime 已全面上线，官方称这是音视频全双工技术的大规模部署。
匹配字段摘要
Cohere 发布 Embed 5 系列嵌入模型，包含面向最高质量的 Embed 5 Pro 和面向延迟与成本敏感场景的 Embed 5 Fast，两者共享同一嵌入空间，可用 Pro 建索引后用任一模型查询而无需重建索引。Embed 5 支持多模态输入与检索、100 多种语言和 128K token 上下文窗口，Pro 在 ViDoRe V3 上平均得分 85.8，Fast 为 84.5。模型已在 Cohere API、Model Vault、Microsoft Foundry 和 Amazon SageMaker 上线，Pro 定价为每百万 token 0.12 美元，Fast 为 0.08 美元。
匹配字段摘要
美团 LongCat 发布 LongCat-2.5-Preview，参数规模 1.6T、激活约 48B，上下文窗口 1M token，原生多模态，面向长周期任务，覆盖终端、浏览器、GUI、表格和设计工具等场景。官方同时开放 API 和 Chat 两个入口。
匹配字段摘要
斯坦福大学 Jacky Kwok 等人发布新方式 Contrastive Language Model（CLM）及基于 Qwen3-8B 的 CLM-v0.1-8B，用于让 AI 智能体从给定候选中快速选择下一步操作或工具。在计算机操作、游戏和工具调用任务中，CLM-8B 性能与 TypeSafe AI 的判断模型 Jev 相当，零样本评测下推理速度最高提升 9 倍，候选多或动作可复用时提速最明显。代码在 GitHub、模型在 Hugging Face 以 Apache 2.0 许可公开，团队还在训练多模态版 CLM-35B，计划 10 月上旬发布。
匹配字段摘要
Black Forest Labs 发布 FLUX 3 Action，一个从多模态 FLUX 3 主干衍生的 7B 开源权重世界动作模型，在 RoboLab-120 榜单上以不到此前最佳开源模型一半的参数量取得 38.3% ± 0.38 的成功率，速度最高提升 3.95 倍。该模型在图像、视频和音频数据上预训练，其中视频占训练 token 的 95% 以上，再通过联合视频-动作训练和针对目标本体的微调适配动作空间。报告还分析了将其与 GPT 6 Astra 等推理模型组合的混合方案，发现快速控制能让具身推理更省时省钱，每美元成功率最高提升 53.64%。
匹配字段摘要
小米 MiMo 发布 MiMo-V2.6 Pro 与 Flash 两款全模态模型，结合 3D 空间推理、多模态感知与 computer use，可把文本、图像或视频转成可玩的 3D 世界，并支持 Blender 场景创建、仿真中控制 Franka Panda 机械臂以及桌面工具操作。官方称 Pro 在多数智能体基准上与 Claude Opus 5、GPT-5.6 Sol 相当，Artificial Analysis Intelligence Index 得分 46，为开源模型最高，API 定价与 V2.5 持平。团队同时开源 Pro、Flash、MiMo-V2.6-Distill-Qwen-9B、技术报告、7K+ RL 任务环境、端到端 RL 框架与可组合 mini-harness，并上线 MiMo Desktop 与订阅方案。
匹配字段摘要
阿里千问发布 Qwen3.8-Omni-Flash，支持图像与音频输入，可通过 DashScope 兼容接口调用，并支持 enable_thinking 与 xhigh、medium、low 三档 reasoning_effort。同系列还提供 Qwen3.8-Omni-Flash-Realtime，支持 WebSocket 和 WebRTC 连接，可开启摄像头和麦克风进行实时音视频对话。官方同时开源 Qwen-MM-Plugins 多模态插件套件，支持 Codex、Claude Code、Qwen Code、Gemini CLI 等 agent harness，提供图像、音视频理解与长视频记忆等能力。
阿里千问发布 Qwen3.8-Omni-Flash，支持图像与音频输入，可通过 DashScope 兼容接口调用，并支持 enable thinking 与 xhigh、medium、low 三档 reasoning effort。同系列还提供 Qwen3.8-Omni-Flash-Realtime，支持 WebSocket 和 WebRTC 连接，可开启摄像头和麦克风进行实时音视频对话。官方同时开源 Qwen-MM-Plugins 多模态插件套件，支持 Codex、Claude Code、Qwen Code、Gemini CLI 等 agent harness，提供图像、音视频理解与长视频记忆等能力。
匹配字段摘要
DeepSeek 本周发布并开源 DeepSeek-V4.1-Flash，这是一个 552B 参数、8B 激活参数用于 prefill、16B 用于 decode 的多模态 MoE 模型，支持 1M token 上下文窗口，已上线 HuggingFace 与 Baseten Model APIs。它采用 Causal Encoder-Decoder 架构，prefill 只跑 20 层编码器，decode 跑完整模型，官方称全局 KV cache 内存仅为 V4-Flash 的四分之一。在编码与智能体基准上，V4.1-Flash 以约三分之一的总参数量超过 V4-Pro，长程智能体任务提升达两位数，但 Automation-Bench 得分 54.8，复杂工作流仍有约一半失败。
匹配字段摘要