OpenAI 发布 GPT-6.1 Terra,API 价格减半并缩小与更大模型的差距
OpenAI 发布 GPT-6.1 Terra,API 输入 token 每百万 $1、输出 $5,均为 GPT-5.6 Terra 的一半,缓存输入降至每百万 $0.05。
OpenAI 发布 GPT-6.1 Terra,API 输入 token 每百万 $1、输出 $5,均为 GPT-5.6 Terra 的一半,缓存输入降至每百万 $0.05。
OpenAI 发布 GPT-6.1 Terra,官方称其可在大规模场景下提供快速且能力较强的 computer use。
Block 研究实验室发布语音模型 Dessa,可本地运行,并带有笑声、停顿和哭腔等类人表达。该模型为全双工语音到语音模型,可同时说话与聆听,官方称完全基于人类语音训练,能在 MacBook M4 Max 或更高配置的消费级电脑上运行。目前 Dessa 未公开开放,Block 正征集安全研究人员进行测试。
Block 发布语音模型 Dessa,称其是首个完全用人类语音、不含任何文本数据从零训练的 AI 模型,直接以音频处理语音,可实时捕捉情绪、讽刺、笑声和停顿,并支持全双工同时听说。该模型可在 MacBook Pro M4 Max 上本地运行,训练使用单台 NVIDIA GB200 NVL72。Dessa 尚未公开,团队正招募 AI 安全研究人员测试意外风险,感兴趣者可通过表单报名。
月之暗面发布 Kimi K3.1 Pro,这是一款 2.8 万亿总参数、1040 亿激活参数的多模态 MoE 模型,支持 100 万 token 上下文,已在官网。
月之暗面发布 Kimi K3.1 Pro,这是 Kimi K3 的后训练版本,在 Artificial Analysis 智能指数上得分 55,比 K3 提升 11 分,位列第四,仅落后 Claude Opus 5.5(58)、Claude Sonnet 5.5(56)和 Muse Wonder Full(56)。
Jack Dorsey 的 Block 发布 AI 模型 Dessa,称其完全基于人类对话从零训练,是真正的语音到语音模型,可在 MacBook Pro M4 Max 或更高配置上本地运行。
Kimi K3.1 Pro 今日上线 Kimi API,目前尚未开放权重,Moonshot 承诺 2026 年 11 月 4 日前发布完整模型权重。
Canva 发布首个自研图像生成模型 Craft,由其内部实验室 Canva Research 从零训练,主要使用数百万份设计模板而非照片作为训练数据。Craft 先生成构图、比例和文字,再输出最高 2K 分辨率、覆盖 30 多种宽高比的图像,支持 55 种语言的文字渲染,并可通过 Magic Layers 拆分为可编辑图层。
Canva 发布首款自研图像生成模型 Canva Craft,采用两阶段架构,先规划设计再生成图像,官方称可获得更高的精度、一致性和控制力。
Canva 发布首款自研图像生成模型 Canva Craft,由内部研究团队开发,对标 Google、OpenAI、字节跳动和 Meta 的同类模型。该模型分两阶段生成:先解析提示词并规划元素空间关系、相对尺度、视觉层级和文字信息,再输出最高 2K 分辨率、支持 30 种宽高比的图像,官方称可保证物体细节准确、文字清晰,并支持局部精确编辑。
Allen AI 发布 OlmoEarth v1.3 卫星嵌入模型,读取一年的 Sentinel-1、Sentinel-2 和 Landsat 时序数据,为地球上每 10 米像素生成 128 维向量,前 64 维可单独使用。
Recursive 发布首个语言模型 Flint,开发过程中名为 Eureka Machine 的 AI 系统参与提出想法、搭建、测试并规划后续实验。
IBM 在 Hugging Face 发布 Granite Timeseries Ensemble,将 PatchTST-FM-r1、PatchTST-FM-r2、FlowState-r1.1 和 TTM-r3 四个预训练 Granite 时序模型组合为统一预测接口,无需重训、无需拟合集成权重。
Recursive 发布首个模型 Flint,这是一个可在笔记本上离线运行的免费编码模型,以 Apache 2.0 许可在 Hugging Face 开放下载。
NVIDIA 发布预训练关系型基础模型 Kumo Relational,可直接在企业数据库上做流失、需求、欺诈等预测,单次前向传播完成,无需任务特定训练、特征工程或表扁平化。
Inception 发布扩散语言模型 Mercury 3,称其在多项基准上超过 GPT-6 Luna 和 Claude Haiku 5.5,运行速度快 4 到 8 倍。
IBM 更新 Granite Speech 系列,新增 granite-speech-5.0-2b,并修订 granite-speech-5.0-470m-turboctc 和 granite-speech-4.1-2b-plus。
NVIDIA 推出多变量时序预测模型 Kumo Forecast(原 NV-Tesseract Forecasting),基于 MOMENT-1-large 骨干,约 3.4 亿参数编码器加可训练预测头,采用 Apache 2.0 许可。
NVIDIA 扩展其开放模型家族,覆盖语言、机器人、生物和量子计算,包括新的 Nemotron 3.5 Super VL、Nemotron 3.5 Bolt、Nemotron Retriever,以及 Kumo、Cosmos 3.5、Alpamayo 2 Edge、BioNeMo RFD4-Proteina 和 Ising。
ElevenLabs 发布两款语音到语音模型 Eleven Realtime,其中 v1 Max 在 Big Bench Audio 基准上得分 98.8%,响应时间 0.57 秒。
OpenAI 表示已针对 COBOL、Fortran、Visual Basic 等训练代码稀缺的“低资源”语言改进最新模型。
Mistral AI 发布 Voxtral 3,一套面向实时语音智能体的模型家族,包含语音转文字模型 Voxtral Small Transcribe 3、文字转语音模型 Voxtral Mini TTS 3,以及基于 LiveKit 的语音智能体 SDK,把听、思考、工具调用和说话整合进单一流式管线。
NVIDIA 发布 Cosmos3-H-Dreams,把交互式生成模拟扩展到临床胆囊切除场景,基于 160 亿参数的 Cosmos3-H-Embodied-Nano 微调,可在单张 NVIDIA RTX PRO 6000 GPU 上实时运行。
Mistral 发布 Voxtral 3 语音模型家族,包含支持 50+ 语言的转写模型 Voxtral Small Transcribe 3、4B 参数的 Voxtral Mini Transcribe 3。
Cloudflare 发布 AI 模型 Clairic,称其从文档中抽取数据的速度和成本都优于大语言模型,目前已在 Workers AI 上提供预览,开放权重即将跟进。
Latent Space 的 AINews 汇总了 10 月 16 日至 19 日的动态,其中 DeepSeek V4.1 Flash 1017 以 552B 总参数、16B 激活的 MoE 架构和 1M token 上下文发布,MIT 许可,定价维持每百万输入/输出 token 0.30/1.20 美元。
Kling AI 发布 4.0 版本,单次可生成最长 30 秒视频,支持最多 10 张关键帧图像输入,提示词理解扩展到 8,000 tokens。新版本加入双声道立体声和十余种语言的口型同步,Omni Reference 单次最多接受 15 个参考素材,并推出最高 720p、20 秒的轻量 Flash 版。Kling 4.0 可通过 MCP 和 CLI 接入,API 定价尚未公布。
MiniMax 发布推理模型 M3.1 Flash,在 Artificial Analysis 智能指数上得 42 分,比上一代 M3 高 13 分,单任务成本不到其一半。
Nvidia 发布面向常驻智能体和边缘计算的开放权重模型,包括 1200 亿参数的 Nemotron 3.5 Super VL,以及两款轻量 Bolt 模型。
Google DeepMind 团队让四个运行 Gemini 4 Argon 的 AI 智能体在随机生成的世界中首次无人类输入通关 Minecraft,击杀末影龙。
DeepSeek 发布 DeepSeek-V4.1-Flash-1017,已在官网、App 和 API 上线,并在 Hugging Face 与 ModelScope 开源模型权重。
Vercel 周四公布的数据显示,TypeSafe AI 的决策模型 Jev 上线两周内被 35% 的付费团队使用,覆盖率达到第二热门模型 Sonnet 5.5 的近两倍,成为 Vercel 平台上首两周采用最快的模型。
Elorian 发布首个模型 Glimpse,以研究预览形式开放 API,聊天界面需排队。Glimpse 在推理过程中可裁剪图像区域、从视频抽取特定帧或运行代码测量比较,Elorian 称这一机制为视觉草稿空间。该模型定价为输入每百万 token 0.60 美元、输出每百万 token 3 美元,据 Elorian 的评测,其在科学图表推理和短视频描述上超过 GPT-6 Astra。
Google DeepMind 的新前沿模型 Gemini 4 Argon 在 ARC-AGI-3 上以 Provider Adapter Harness 测试环境取得 97.5%,成本 4800 美元,成为继 OpenAI 之后第二家跨过 95% 的实验室,仅次于 GPT-6 Astra 的 99.9%。
Reflection AI 发布开源权重模型 Beam,面向智能体编码与长周期任务,可维护代码、调用工具并完成多步工作流。
美国新实验室 Reflection 在 Hugging Face 发布首个开源模型 Beam,采用 MoE 架构,总参数 501B、每 token 激活 23B,支持 1M token 上下文,以 Apache 2.0 许可开放,面向编码与智能体场景。
Goodfire 的 Nick Cammarata 发布文章提出“神经网络本已清晰”的工作假设,认为许多被视为多义性和叠加现象、难以解读的权重纠缠,在进一步用智能体分析后即可拆解;他提到 2023 年在 OpenAI 的自动可解释性工作只找到约 2% 神经元可读,并称若干著名的多义神经元案例被误读。
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,面向编码与智能体任务,拥有 8160 亿参数(激活 420 亿)、最高 100 万 token 上下文,支持文本、图像、视频和音频。
IBM 发布 Granite Switch 4.1,包含 Granite-Switch-4.1-8B 和 -30B,把通用决策 aLoRA、安全决策 Guardian aLoRA 以及 OpenASR 榜单上最快的 ASR 模型 Granite-Speech-5.0-Turbo-CTC 组合进一个模型,占用显存与基座模型单独运行时大致相当。