一家美妆企业的FDE落地项目把小红书、抖音、视频号、微博采集的文字、图片、音频和视频数据，按定数据规范、保留原始内容、梳理数据关系、多模态归一、冲突和质量清洗、生成结构化数据、执行验收、按规则和版本入库八步处理。原文强调清洗结果不能覆盖原文，OCR、ASR和模型标签只作新增结果，并给出ASR与OCR数值冲突时回溯原始证据、无法确认则进入待核队列的做法。这套链路也被作者整理为可复用于消费品洞察、汽车口碑、餐饮选址和品牌舆情等场景的通用方案。
匹配字段标题、摘要、正文
2026年10月28日,Miles总结了一套美妆企业FDE落地项目的多模态数据清洗八步方案。该方案针对从小红书、抖音、视频号、微博采集的文字、图片、音频和视频数据,按定数据规范、保留原始内容、梳理数据关系、多模态归一、冲突和质量清洗、生成结构化数据、执行验收、按规则和版本入库八步处理。原文强调清洗结果不能覆盖原文,OCR、ASR和模型标签只作新增结果;当ASR与OCR数值冲突时回溯原始证据,无法确认则进入待核队列。这套链路也被整理为可复用于消费品洞察、汽车口碑、餐饮选址和品牌舆情等场景的通用方案。
匹配字段标题
Google 的 Gemini 4 Carbon 在 Artificial Analysis Intelligence Index v5 上以 59 分排名第一，在 9 项评测中的 HLE-Diamond、Terminal-Bench-Science、AA-Omniscience、AutomationBench-AA 四项领先。在 Coding Agent Index 上，搭配 Antigravity CLI 的 Gemini 4 Carbon（high）得 59 分，落后 Claude Code 搭配 Claude Opus 5.5（max，62 分）3 分。该模型上下文窗口为 1M tokens，支持文本、图像、视频和语音输入，标准定价为每百万输入/输出 tokens 4/20 美元，目前向部分用户开放并提供 50% 折扣。
高 6 分，比 Gemini 4 Argon（46）高 8 分。准确率（% 正确）较 Argon 提升 10 分至 58%，而幻觉率从 4% 上升至 11%。这仍是所有模型中第二低的，仅次于 Argon，相比之下 Claude Opus 5.5（max）和 GPT-6 Astra（max）均为 50% 关键模型详情： ➤ 上下文窗口：1M tokens ➤ 多模态：文本、图像、视频和语音输入，文本输出 ➤ 定价：每 1M 输入/输出 tokens 4/20 美元，与 Gemini 4 Argon 的标准定价相同，并提供 50% 折扣。缓存输入 tokens 享受 95% 折扣（标准定价下每 1M 0.20 美元） GitHub Copilot Fusion 编排 Anthropic 和 OpenAI 模型，以平衡性能与成本 GitHub 已在 GitHub Copilot 中发布 Copilot Fusion，它在 Anthropic 和 OpenAI 模型之间进行编排。在 Coding Agent Index 上，它在 Claude Code 中比 Opus 5.5 低 2 分，而每
匹配字段正文
Together AI 优化了 MiniMax M3 的生产级推理服务，使其支持 1M-Token 上下文、原生多模态与智能体工作流。MiniMax Sparse Attention 让预填充和解码分别提速超过 9 倍和 15 倍，其他优化使常见智能体流量下的性能提升 81%–125%。M3 开放权重发布后，Together AI 将提供开发者端点。
匹配字段标题、摘要
小米 MiMo 团队发布 MiMo-V2.5 系列推理系统的端到端工程实践，覆盖 KVCache 管理、分层缓存、SWA 感知前缀缓存树、调度策略、Prefill/Decode 执行流水线与多模态优化。MiMo-V2.5-Pro 共 70 层，其中 10 层 Full Attention、60 层 SWA，滑动窗口为 128，Hybrid SWA 使计算量与 KVCache 存储降至 Full Attention 的约 1/7。团队称上线以来服务端 KV Cache 命中率平均 93%，重度用户可达 95% 以上，并将部分优化以 PR 形式回馈 SGLang 社区。
匹配字段摘要
Axiom 的三位 AI 工程师把 OpenAI 的 GPT-6 Astra 接入一辆 2024 款丰田 Corolla 的摄像头与转向系统，让模型自己把车开到 In-N-Out 的取餐窗口，全程有安全驾驶员踩在刹车上待命。他们同时发布 DrivingBench 基准，在停车场简易赛道上只有 Astra 能跑完全程且速度很慢，Claude Fable 5.1 完成 45%，Grok 只完成 11%。工程师认为这种驾驶能力可能来自多模态规模扩展带来的涌现能力，而非专门训练。
匹配字段摘要
新京报贝壳财经记者对豆包工作、千问办公、WorkBuddy 三款 AI 办公应用进行系列任务实测，分别使用豆包2.1 Lite0921、Qwen3.87-Max、Hy4 preview 模型。在《2026年AI办公赛道调研报告》长程任务中，豆包工作用20分46秒产出1万字，WorkBuddy用21分18秒产出2.5万字，千问办公耗时超1小时产出5万字，但消耗约1800 token，约为另两款的60倍，记者需充值78元购买会员。多模态测试中，豆包工作的海报与视频完成度最高，WorkBuddy 生成的3D模型最接近原手办，但生成漫画时把自己的图标认成青绿色小猪脸。
匹配字段摘要、正文
Together AI 推出完全开源的 Violin 视频翻译工具，通过 ASR、大语言模型翻译和 TTS 语音合成生成译制视频。它还支持基于音视频内容的多模态问答和自然语言选声，不提供声音克隆，并默认以低音量保留原声。GUI、后端模型与智能体技能均以 MIT 许可证开放。
Together AI 推出完全开源的 Violin 视频翻译工具，通过 ASR、大语言模型翻译和 TTS 语音合成生成译制视频。它还支持基于音视频内容的多模态问答和自然语言选声，不提供声音克隆，并默认以低音量保留原声。GUI、后端模型与智能体技能均以 MIT 许可证开放。 · Together AI introduced Violin, a fully open-source video translation tool that produces translated videos through ASR, LLM translation, and TTS voice synthesis. It also supports multimodal question answering grounded in audiovisual content and natural-language voice selection; voice cloning is disabled, and the original audio is retained at low volume by def
匹配字段摘要
2026年10月28日,Miles总结了一套美妆企业FDE落地项目的多模态数据清洗八步方案。该方案针对从小红书、抖音、视频号、微博采集的文字、图片、音频和视频数据,按定数据规范、保留原始内容、梳理数据关系、多模态归一、冲突和质量清洗、生成结构化数据、执行验收、按规则和版本入库八步处理。原文强调清洗结果不能覆盖原文,OCR、ASR和模型标签只作新增结果;当ASR与OCR数值冲突时回溯原始证据,无法确认则进入待核队列。这套链路也被整理为可复用于消费品洞察、汽车口碑、餐饮选址和品牌舆情等场景的通用方案。
匹配字段标题
Elorian 与 Mercor 联合发布 DecoyCount 基准，测试模型是真正数清物体还是依赖视觉捷径，前沿模型准确率均低于 50%，最高为 GPT-6 Astra 的 43.17%。Elorian 称其视觉推理模型 Glimpse 在 1,660 道题上单次运行得分 50.48%，是唯一超过 50% 的模型，但该结果来自内部测试且未使用智能体或工具框架，而论文中的六个模型各取三次运行平均值。Elorian CEO Andrew Dai 表示，该基准同时考察视觉与推理，可区分模型是没看到物体还是数错了。
标，Dai 认为，对模型所见内容进行推理，对于其在现实应用中的准确性和有效性至关重要。 他举了一个仓库机器人清点箱中物品的例子。 “一个熟悉的 12 槽托盘可能只装 10 个零件，而 24 件装的标签并不意味着箱子里仍有 24 件物品，”Dai 说。“依赖自己预期所见内容的模型，在现实情境中会遇到很多问题，而 Glimpse 的设计初衷是透过图像来工作，而不是急于下结论。我们将 Glimpse 设计为让计数建立在可见证据之上，而不是依赖可能误导其他模型的基本线索。” 为什么 Elorian 认为 AGI 需要视觉推理 Elorian 甚至声称视觉推理是 AGI（通用人工智能）的基础要求。摘自 Glimpse 发布文章： “我们相信，从系统、数据、模型架构到训练构建全栈——从底层开始为多模态智能而设计——能够在物理世界中解锁 AGI。” Dai 承认“人类与机器之间仍存在巨大差距”。但他认为视觉推理是缩小这一差距的关键。 “我认为理解视觉推理的方式是，把它看作人类智能中推理的一个基础步骤，”他说。“而最终，如果我们想构建任何类似 AGI 的东西，就不能跳过视觉。”感谢阅读 保持领先一步。
匹配字段正文
月之暗面发布Kimi K3.1 Pro,该模型在Code Arena WebDev以1692分位列第8。据Arena报道,其得分与Claude Opus-5 (Max)持平,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%。Testing Catalog报道称,Kimi因此回到Code Arena WebDev实验室排名前4,并称开放权重发布后它将成为该榜单排名第一的开源模型。
匹配字段摘要
Artificial Analysis 评测显示，Google 的 Gemini 4 Carbon 以 59 分登顶 Intelligence Index v5，在 9 项评测中的 HLE-Diamond、Terminal-Bench-Science、AA-Omniscience、AutomationBench-AA 四项排名第一。在 Coding Agent Index 上，搭配 Antigravity CLI 的 Gemini 4 Carbon（high）得 59 分，落后 Claude Code 搭配 Claude Opus 5.5（max，62 分）3 分。该模型目前仅向部分用户开放，尚未公开发布，定价为每 1M 输入/输出 token 4/20 美元并提供 50% 折扣，上下文窗口 1M tokens，支持文本、图像、视频和语音输入。
标准定价下，其每任务成本与 Gemini 4 Argon（$7.68）相当，而在 Intelligence Index 上得分高出 9 分 ➤ AA-Omniscience v1.1 得分领先，幻觉率低：Gemini 4 Carbon 在我们最近更新的 AA-Omniscience v1.1 上得分 54，比 Claude Opus 5.5（max，48）高 6 分，比 Gemini 4 Argon（46）高 8 分。准确率（% 正确）较 Argon 提升 10 分至 58%，而幻觉率从 4% 上升至 11%。这仍是所有模型中第二低的，仅次于 Argon，而 Claude Opus 5.5（max）和 GPT-6 Astra（max）均为 50% 关键模型细节： ➤ 上下文窗口：1M tokens ➤ 多模态：文本、图像、视频和语音输入，文本输出 ➤ 定价：每 1M 输入/输出 token $4/$20，与 Gemini 4 Argon 的标准定价相同，并提供 50% 折扣。缓存输入 token 享受 95% 折扣（每 1M $0.20） 祝贺 @GoogleDeepMind 团队！
匹配字段正文
Fireworks AI 宣布 Muse Glimmer 30B 在 11 月 30 日前可免费进行 SFT 训练，并公开了一套用 Kalshi 历史市场数据做预测实验的完整配方。微调后的 tuned Glimmer 在未见话题上准确率为 58.3%，比 Jev 的 47.1% 高 11.2 个百分点；在历史回测中，假设的 1000 美元在计入模拟手续费后变为 1071 美元，而 base Glimmer 和 Jev 均亏损。训练使用 LoRA 适配器和 K 路交叉熵损失，只跑一遍训练数据，并另用校准集为每类问题拟合温度参数。
FT 任务，而 Serverless Training API 让你掌控训练循环。 欢迎来到 Fireworks Free Weights Club。限时期间，我们将为你带来新的后训练研究、一份可在此基础上构建的配方，以及针对一款精选模型的免费训练，让你运行自己的实验。 首先是 Muse Glimmer 30B，SFT 训练在 11 月 30 日前免费。它是多模态的，性价比表现强劲，是个人智能体的绝佳起点。 在我们的第一个实验中，我们想知道在 Kalshi 历史市场上训练 Muse Glimmer 能否让它在预测结果时占据优势。我们在未纳入训练集的市场中，将其预测与 Jev 和原始模型进行了对比评估。 我们将训练出的版本称为 tuned Glimmer，将原始模型称为 base Glimmer。在预测准确率上，tuned Glimmer 超过了两个对比模型。在历史回测中，计入模拟手续费后，它将假设的 1,000 美元变成了 1,071 美元，而两个对比模型均亏损。 以下是我们训练了什么、如何测试，以及你如何自己尝试。 免费开始训练。 构建数据集 Jev 给了我们一个要击败的模型；Kal
匹配字段正文
MIT 课程 MAS.S62「How to AI an AI」的 Lecture 4-5 聚焦 Harness evolution，分别讲 harness 组件、记忆、工具与技能演化，以及规划、任务分解与多 agent 系统演化。记忆部分用三轴分类法串起 MemGPT、mem0、MEM1、Reflexion/ExpeL，并以 CLM 把上下文管理统一为文件操作；工具部分从 Toolformer、ToolLLM、CodeAct 讲到 Meta-Harness，后者把整个 harness 表示为文件系统，反馈信息量约为此前方法的 400 倍。多 agent 部分给出五条实证发现，包括 MAS 在可分解任务上赢 81%、在顺序依赖任务上输 70%，以及 CORAL 在 8 个任务上取得新 SOTA、多 agent 演化比单 agent 提升 4%–20%。
具与技能演化）和 Multi-Agent Evolution（规划、任务分解、多 agent 系统与演化） Lecture 4：先给 Harness 做解剖，再谈让它演化 https://t.co/4emiLkozt1 记忆部分：一张三轴分类法 + 四个代表系统 讲义用三个轴组织整个记忆研究空间：存什么（反馈/技能/轨迹/语义事实）、如何表示（文本/结构化/多模态/参数）、存在哪里（上下文/参数/外部），外加如何复用（检索/改编/组合/迁移）。 然后沿“存在哪里”排布了四个系统： · @MemGPT（外部记忆）：把 LLM 类比为操作系统，记忆的读写变成 agent 自己的函数调用； · @mem0ai（外部记忆）：记忆结构化为实体-关系三元组图，支持 add/update/delete/noop 四种操作； · MEM1（上下文内记忆，授课者自己组的工作）：这是本讲着墨最多的部分。针对“推理上下文不断增长导致复杂度与遗忘”的问题，MEM1 让模型每步生成一个整合了推理与记忆的内部状态，然后丢弃全部历史；上下文大小恒定，且可用结果奖励端到端训练模型学会“压缩”。实验展示了三个涌现行为：
匹配字段正文
MiniMax-M3.1-Flash 在 Artificial Analysis 智能指数上得分 42，比 MiniMax-M3 高 13 分，单任务成本不到后者一半。它在 Humanity's Last Exam 上得 48%、CritPt 得 22%，均高于 GLM-5.3-Flash 和 Gemini 3.8 Flash，略低于 DeepSeek V4.1 Flash 1017。该模型上下文窗口 1M tokens，支持文本与图像输入，定价 $0.15/$0.60 每 1M 输入/输出 tokens，目前权重闭源，MiniMax 宣布将于 10 月 23 日开放权重。
元，DeepSeek V4.1 Flash 1017 约为 0.26 美元，Gemini 3.8 Flash 约为 1.24 美元，且不到 MiniMax-M3 约 0.51 美元的一半 ➤ AA-Omniscience 准确率高，但幻觉率也高：MiniMax-M3.1-Flash 在 AA-Omniscience（我们衡量事实回忆与幻觉的基准）上正确回答了 56% 的问题，而 GLM-5.3-Flash（最高）为 28%，DeepSeek V4.1 Flash 1017（最高）为 43%。它几乎尝试回答每一个问题，导致幻觉率达 93%，在 AA-Omniscience 上的总分为 16 关键模型细节： ➤ 上下文窗口：100 万 token ➤ 多模态：文本和图像输入，文本输出 ➤ 定价：每 100 万输入/输出 token 0.15/0.60 美元，缓存输入为每 100 万 token 0.015 美元 ➤ 可用性：MiniMax 第一方 API，MiniMax 宣布将于 10 月 23 日发布开放权重 ➤ 许可：目前为闭源权重，MiniMax 宣布将于 10 月 23 日发布权重
匹配字段正文
TinyFish 宣布在限额内免收 Search 和 Fetch 的检索费用，Search 为每分钟 30 次、每小时 500 次，Fetch 为每分钟 150 个 URL、每天 1,000 个。文章指出检索免费并不消除下游模型的推理成本，同一篇约 4,300 字符的文章在不同服务商处返回约 1,184 到 42,774 个估算 token，三页未过滤内容就可能占满 128K 上下文窗口。在 2026 年 9 月 28 日的 Artificial Analysis 快照中，TinyFish Search 得分 71、每 1,000 个任务 9.30 美元，为展示配置中总成本最低但得分也最低，单任务耗时约 59 秒。
算 token 数从约 1,184 到约 42,774 不等。 3 个未过滤的大页面就可能超出 128K token 的窗口。 免费的 Search 和 Fetch 免除了 TinyFish 的检索费用，但不免除模型成本。 TinyFish 在 Artificial Analysis 上展示的总成本最低，但展示的得分也最低。 Asif Razzaq网站 | + 文章简介 ⮌ Asif Razzaq认识 Voxel51 3.0：面向物理 AI 的统一多模态数据平台 Asif Razzaq认识 Kyutai REKI：为机器人操作带来高效记忆的 2.4B VLA 模型 Asif RazzaqDeepSeek 刚刚发布 V4.1-Flash-1017，在 DeepSWE 上得分 77.0，并开放搜索 API 相关文章更多来自作者 认识 Voxel51 3.0：面向物理 AI 的统一多模态数据平台 认识 Kyutai REKI：为机器人操作带来高效记忆的 2.4B VLA 模型 DeepSeek 刚刚发布 V4.1-Flash-1017，在 DeepSWE 上得分 77.0，并开放搜索 API
匹配字段正文