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
TwelveLabs 的 Pegasus 1.5 视频语言模型已在 Amazon Bedrock 上线，可把长视频转成带时间戳的结构化 JSON 元数据。新版本支持按用户定义的分段规则返回匹配片段、结合参考图像的多模态提示，以及无需预索引的即时处理，单次请求可分析最长 2 小时视频。模型通过 InvokeModel 和 InvokeModelWithResponseStream 调用，目前在美国西部（俄勒冈）区域提供。
匹配字段摘要
2026 年 1 月至 9 月，Amazon SageMaker JumpStart 新增来自 30 家提供商的 100 多个模型，其中 Alibaba（Qwen）贡献 29 个、NVIDIA 17 个、Mistral 7 个、Google 6 个 Gemma 4 变体、IBM 4 个、Cohere 4 个。新增模型覆盖多模态、语音、图像与视频生成，并引入 GLM-5.2 FP8、JetBrains Mellum2-12B 等量化与紧凑模型以降低推理成本。
匹配字段摘要、正文
识时科技通过国家级专精特新“小巨人”企业认定，其 RoboVan 业务已累计接入运营超 3 万台，产品应用于快递和园区等场景。公司自建 1.5 万 GPU 算力集群，支撑 L4 自动驾驶与多模态大模型研发。
匹配字段摘要、正文
NEURA Robotics 与 NXAI 于 2026 年 10 月 20 日宣布合作，将 NEURA 的 Physical AI 技术栈与 NXAI 的 xLSTM 架构整合，为认知机器人开发记忆组件，并为 Neuraverse 平台增加第二个模型选项。合作基于 NEURA 的多模态基础模型 Neuron AI，区分工作记忆与情景记忆两个层级；NXAI 基于 xLSTM 的模型计划上线 Neuraverse，与 Neuron AI 并列，企业可用 Neuraverse 工具链微调并自主决定是否共享数据。
匹配字段摘要
德国 Neura Robotics 发布机器人基础模型 Neuron AI，在 3D 视觉之外加入触觉与力数据、音频、机器人状态和语言，并带有记忆功能，可在物体离开视野后保留信息。Neura 计划本周晚些时候在英伟达柏林 GTC 上演示，由人形机器人 4NE1 完成一段十一分钟的衣物处理流程。公司尚未披露额外感官输入对性能的影响幅度，以及训练所需的数据量；Interact Analysis 分析师质疑其机器人训练场能否收集到足够的多模态数据。
匹配字段摘要、正文
MIT 研究人员构建了一个多模态 AI 模型，将晶体的 3D 原子结构与自然语言描述结合，使模型能“看见”原子排列与键合模式并推理材料性质。在固态锂离子电池电解质筛选中，其排名靠前的结果包含已被独立认定为有前景的候选材料。该研究发表于 Nature Communications，模型在材料设计识别上优于仅用文本训练的模型。
匹配字段摘要
具身大脑公司格物通智完成近亿元天使轮融资，投资方包括匹克投资、鸿富资产、杭州资本、杭州人才集团等，资金用于物理反演世界模型的大规模预训练与硬件本体构建。公司由前华为车BU 2030实验室蔡佳创立，2026年8月落地杭州，依托触觉-视觉多模态数据构建“物理反演世界模型+PSI物理自进化”体系，为机器人提供有“手感”的灵巧操作能力。公司正与纺织服装、光模块及汽车零部件客户推进PoC，预计2026年年底完成首个交付。
匹配字段摘要、正文
字节跳动Seed成立Seed Model-Alignment&Preparedness部门，由严林负责、向吴永辉汇报，原Responsible AI团队及部分Chat团队成员转入，聚焦模型安全与对齐并重点提升Agent Model安全能力。英伟达CEO黄仁勋称会对开发不安全AI软件的客户断供芯片；微软在AI改革中重组Azure云部门。面壁智能同期发布端侧多模态大模型MiniCPM-V 4.7，含35B-A3B与1B两个版本。
匹配字段摘要、正文
Meta 发布开源权重模型 Muse Spark Open，参数为 816B 总参数、42B 激活参数，上下文窗口 1M tokens，主打编码与智能体任务并原生支持多模态；作者称其性能高于 GLM 5.2、接近 DeepSeek V4.1 Flash，落后于 GLM 5.3 和 Kimi K3。几天前 Meta 还发布了闭源前沿模型 Muse Wonder 和 Muse Wonder Full，在传统基准上仅次于 Anthropic 的 Opus 5.5。作者认为 Muse Spark Open 的定制许可证限制较多，包括产品需标注 Built with Muse、月收入超过 2000 万美元需单独授权，以及需接受可接受使用政策，这可能影响其采用。
匹配字段摘要
Unsloth 宣布适配 NVIDIA RTX Spark，可在笔记本上本地运行和训练 120B+ 参数模型。借助针对 ARM 平台 CUDA 优化的 kernel 和二进制文件，训练扩散模型、决策模型和多模态模型的速度提升约 2.7 倍，全部在本地完成，统一内存最高 128GB。
匹配字段摘要
OpenRouter 宣布 RespanAI 的开源权重决策模型 Span-02 已上线。该模型可输入文本和图像，按自定义问题返回选项、是/否/未知或带概率的分数；定价为 $0.01/M input tokens、输出免费，上下文 131K。Respan 此前介绍称 Span-02 支持随时推理，给定截止时间即返回当前最优决策，可配置推理时长，并支持多模态看图与屏幕。
匹配字段摘要
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
Meta 发布开源权重模型 Muse Spark Open，并与 Apple 硬件团队合作使其能在 M5 Mac Studio Ultra 上高效运行。该模型拥有 420 亿活跃参数、100 万 token 上下文窗口，具备多模态能力，Meta 称其在智能体和编码任务上表现良好，权重已在 HuggingFace 上以 Meta 的 Muse Model 许可公开。在 Apple 电脑上运行该模型需要两台搭载 M5 Ultra 的 Mac Studio，每台起售价 5,499 美元。
匹配字段摘要、正文
摩尔线程与 EvoPhys 团队联合发布《国芯国模：世界模型在 MTT S5000 上的原生全流程训练实践》白皮书，披露自演化 5D 世界模型 EvoPhys-World 在 MTT S5000 智算卡与 MUSA 软件栈上完成从多模态基座到世界模型的原生全流程训练。该模型在斯坦福大学 WorldScore（ICCV 2025）“世界生成”维度登顶并连续 37 天蝉联榜首，训练从单机扩展至数十节点时吞吐保持近线性增长。
匹配字段摘要、正文
Meta 在 Hugging Face 发布开源权重模型 Muse Spark Open，总参数 816B、激活 42B，采用 MoE 架构，支持 1M token 上下文窗口，并针对 Mac Studio 本地运行做了优化。同日 NVIDIA 发布面向长时运行 AI 智能体的开源多模态模型 Nemotron 3.5 Super VL（120B 总参数、12B 激活），以及可装入 24GB 显存的 Nemotron 3.5 Bolt 24GB。OpenAI 向 ChatGPT、Codex 和 dots 全量推送 GPT-Live-1.1 语音功能，新增六种语言语音。
匹配字段摘要
当地时间 10 月 15 日，Meta 发布开放权重模型 Muse Spark Open，称其为迄今能力最强的美国开放权重模型。该模型为原生多模态，总参数 8160 亿（激活参数 420 亿），上下文窗口 100 万 Token，专为编程和智能体工作打造，并可在两台搭载 M5 Ultra 芯片的 Mac Studio 上借助 MLX 框架运行。Meta 公布的测试显示，它在 JobBench 和 MCP-Atlas 工具使用测试中领先表中列出的竞争对手，但在终端编程、长周期软件工程任务及 GDPVal-AA 评估中落后于 Kimi K3 和 GLM 5.3。
匹配字段摘要、正文
Meta 发布 Muse Spark Open 的模型权重，这是一个 816B 参数的开源权重模型，激活参数 42B，上下文窗口为 100 万 token，面向编码、软件工程和多步推理。模型原生多模态并支持智能体工作流，可通过 Baseten、Fireworks AI、Groq、OpenRouter 等推理平台使用，权重可从 Hugging Face、Amazon SageMaker AI、Google Cloud Model Garden 和 Microsoft Foundry Models 下载。Meta 称其针对两台搭载 M5 Ultra 芯片的 Apple Mac Studio 做了本地运行优化，并展示了用 Muse Code 修 bug、加功能和构建 iOS 应用等端侧工作流。
匹配字段摘要
OpenRouter 宣布 Jev 1.14 已上线。据 TypeSafe 称该版本“无聊得漂亮”：整体略有提升，多语言是最大升级，多模态为实验性视觉能力，价格不变（输入 $0.042/M，输出免费），无任何风波。主帖随后附上 TypeSafe 的完整发布说明链接。
匹配字段摘要
NVIDIA Nemotron 3.5 Super VL 已在 OpenRouter 上线，这是 NVIDIA 推出的开源 120B-A12B 多模态模型，面向需要看、推理并跨文本、图像、文档、GUI 和视频执行操作的长时智能体，支持 1M 上下文。该模型采用 Hybrid Mamba-Transformer MoE 架构并引入多 token 预测以加快输出，面向文档智能、网络研究、客户服务和视频理解等场景。
匹配字段摘要