关注跨文本、图像、音频和视频的理解与生成。
谷歌发布旗舰模型 Gemini 4 Carbon，专为持续运行的 Agentic 工作流构建，重点提升编程、智能体、科学任务与全栈 Web 开发能力。该模型在 Artificial Analysis Intelligence Index v5.0 上以 59 分排名第一，超过 Claude Opus 5.5、GPT-6 Astra 和 GPT-6.1 Sol；首发优惠价为每百万输入 Token 2 美元、每百万输出 Token 10 美元，缓存输入 Token 可享 95% 减免。Carbon 采取分阶段开放策略，先向部分网络安全防御人员开放，再通过 Fairwind 计划扩大可信合作伙伴范围，之后向开发者、企业和消费者开放。
推荐理由原文列出 Carbon 在多项基准上的排名与分阶段开放策略，可对照其与 GPT-6、Claude 系列的能力差异。
推荐理由官方说明了 Kimi 接入 Blender 与 CAD 工具后的建模、场景搭建和游戏开发能力，并给出使用入口。
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。
推荐理由原文给出开放权重、三种推理模式和多项基准对比，读者可据此判断自托管编码与安全场景的取舍。
Liquid AI 发布 LFM3 系列开放权重模型，全部从 LFM3-1.7B-Base 分支而来，覆盖文本、视觉、音频、Omni 以及 d1 决策模型。LFM3-1.7B-Base 采用三混合层结构，预训练 22T token，最后 3.5T token 的中训练阶段加入更多智能体轨迹与工具调用数据，上下文窗口扩展到 256K token。官方称 LFM3-1.7B 在 8K 上下文下比 LFM2-1.2B 快约 25%，WebArena-Verified 得分 38.42 对 3.02；LFM3-VL-2B 在 62 项视觉基准上平均分从 57.6 升至 71.4。所有模型已在 Hugging Face 开放下载，并提供单卡微调 notebook。
推荐理由原文给出六个模型共享同一骨干的架构改动与端侧实测数据，可据此判断小模型专用化路线在长上下文和智能体任务上的取舍。
Google DeepMind 发布世界模型 Genie 4，主打实时交互模拟，并首次在该系列中引入原生音频。该模型基于 Gemini 家族能力，Gemini Omni 负责让模拟贴合真实世界的外观与行为，其他 Gemini 模型提供维持模拟连贯性所需的复杂推理。用户可用自然语言实时操控场景，如移动镜头、改变天气或引入新角色，每个世界还会即时生成环境音、音乐和交互对话。
推荐理由原文说明了 Genie 4 在实时交互模拟中加入原生音频与自然语言操控，读者可据此了解世界模型的新能力边界。
Gemini 应用新增沉浸式探索库，用户可在学生中心点击“Try immersive explorations”进入，以交互、可视化的方式逐层探索从微观系统到深空等主题。每个场景可点击标签深入查看，并即将支持音频讲解；该功能后续也将直接接入与 Gemini 的对话中。功能支持英语、印尼语、印地语、巴西葡萄牙语、法语和简体中文，其他语言用户目前仅能使用英语版本。
推荐理由原文说明了沉浸式探索的入口、交互方式和语言覆盖，读者可据此判断它适合哪些学习场景。
Google 与 XREAL 发布 XREAL AURA，这是首款搭载 Android XR 的有线 XR 眼镜，今日起在美国、加拿大和韩国开放订购，11 月 2 日在日本开售，起售价 1099 美元。眼镜重不到 95 克，采用透明镜片和 70 度视场，把应用投射到视野中，重计算由连接线缆的便携计算 puck 承担，该 puck 搭载首次亮相的 Qualcomm Snapdragon Reality Elite 平台。用户可同时打开多个应用并搭配蓝牙键鼠，或通过 USB-C 有线镜像把笔记本屏幕作为窗口接入，Gemini 可针对视野中的内容和屏幕给出帮助。
推荐理由原文交代了透明镜片、70 度视场与分体计算 puck 的组合，读者可据此判断有线 XR 眼镜的日常使用边界。
推荐理由官方给出 SR-SWA 机制与两项长文档基准结果，可了解长文档 OCR 的上下文与延迟取舍。
推荐理由官方给出新模型在视觉推理与电脑操作上的定位，并说明面向付费用户的开放范围。
Moonshot AI 发布 Kimi K3.1 Pro，在 Artificial Analysis 智能指数上从 Kimi K3 的 44 分升至 55 分，排名第四，落后 Claude Opus 5.5 的 58 分。该模型沿用 2.8 万亿参数、1040 亿激活参数的 MoE 架构，上下文窗口为 100 万 token，支持文本、图像和视频输入。Terminal-Bench 4.0 成功率从 13% 升至 67%，API 输入输出价格分别为每百万 token 2 美元和 10 美元，权重计划于 11 月 4 日发布。
推荐理由文章给出 K3.1 Pro 在独立榜单上的分数、基准提升和 API 定价，可据此判断开源权重模型与闭源头部的差距。
推荐理由官方给出 2.8T 总参数、104B 激活的 MoE 规格与多模态能力，可据此判断开源权重模型的规模位置。
推荐理由原文给出了模型在 6GB 内存本地运行的定位和视觉能力，读者可据此判断小模型在端侧助手场景的可用边界。
推荐理由Kling 4.0 在 fal 上线并开放 API，原文列出时长、参考素材和关键帧控制等具体能力变化。
Google 发布新前沿模型 Gemini 4 Argon，称其在编码、数学和 3D 世界构建等复杂任务上表现突出，并在多领域基准上超过其他前沿模型。官方展示了 5 个社区项目，包括实时映射野火与地震波动的 3D 地球、带实时数据的涡扇发动机模拟、由单张图片生成的 3D 马车，以及多人夺旗浏览器游戏。该模型上周已大范围开放。
推荐理由官方列出五个社区案例，展示新模型在3D场景与多步任务上的具体产出。
Google Research 在 JAMA Network Open 发表研究，其基于盲扫超声的 AI 孕龄评估模型在芝加哥（n=192）和内罗毕（n=193）前瞻测试中平均绝对误差为 4.18 天，与专家超声医师的 4.48 天相比达到非劣效。模型仅在芝加哥 120 名参与者的数据上微调，未使用内罗毕数据，两地误差分别为 4.10 天和 4.27 天。研究使用 Clarius C3 手持探头，由未接受专业超声培训的操作者完成标准化盲扫。
推荐理由研究在芝加哥与内罗毕两地前瞻验证同一模型，无本地微调仍保持误差水平，可看跨场景泛化如何落地。
推荐理由原文列出了 Kling 4.0 在 Higgsfield 上线后的几项具体能力变化，读者可据此判断视频生成工作流会受何影响。
ElevenLabs 发布实时语音翻译模型 Eleven Realtime Translation，目前以 alpha 形式向 ElevenAPI 企业客户开放。该模型默认使用低延迟语音模型 Eleven v4 Turbo，支持 90 多种语言和自动语言检测，同一音色可跨语言保持一致，并可从 17500 多个音色库或自建语音克隆中选择。团队可调节翻译启动速度，在复杂通话的高质量翻译与低延迟之间取舍；德国电信已在 Magenta AI Call Assistant 中基于 ElevenLabs 构建新通话功能。
推荐理由原文说明了实时翻译模型的延迟可调设计与多语言一致性，读者可据此判断它在客服和电信场景的落地方式。
推荐理由这条内容给出了开源实时渲染器的输入类型、帧率和单卡部署规格，便于读者判断其可用性。
推荐理由面壁智能给出 35B 多模态模型在 iPhone 上的实测解码速度与加速手段，可据此判断端侧大模型的落地进度。
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。
推荐理由原文给出 428B MoE 的规格、定价与厂商自报基准，读者可据此判断 Flash 档成本下的智能体能力边界。