宣称“欧美最强开源模型”:Mistral AI 发布 Mistral Large 4 公开预览版,月底开放权重
Mistral AI 于 10 月 6 日推出 Mistral Large 4 公开预览版,即日提供 API 体验且本月底开放模型权重。该模型拥有 1 万亿总参数、490 亿激活参数,是原生的多模态模型,官方称其在开源模型中达到 SOTA 并大幅领先欧美开放权重模型。模型在欧洲自建数据中心基于 3,800 块英伟达 Grace Blackwell GPU 从零训练,遵循欧盟法规。
Mistral AI 于 10 月 6 日推出 Mistral Large 4 公开预览版,即日提供 API 体验且本月底开放模型权重。该模型拥有 1 万亿总参数、490 亿激活参数,是原生的多模态模型,官方称其在开源模型中达到 SOTA 并大幅领先欧美开放权重模型。模型在欧洲自建数据中心基于 3,800 块英伟达 Grace Blackwell GPU 从零训练,遵循欧盟法规。
Mistral 发布 Mistral Large 4 公开预览版,这是一款 1 trillion-parameter 原生多模态开放权重模型,预览 API 已上线、权重月底发布。它在编码、智能体与多模态理解上超越欧美开放权重模型,并支持企业自主部署于网安等敏感领域。此为 Mistral 获 €3 billion Series D 后首个里程碑。
推荐理由:Mistral Large 4 开放权重预览已上线,企业能在欧洲自建设施部署前沿多模态模型,降低对第三方API与内容审查的依赖。
Hugging Face 发布 Falcon-Emirati-7B,这是基于 Falcon-H1-Arabic 构建的阿联酋方言专用模型,旨在理解并生成符合母语者习惯的词汇、语气及文化语境。该模型采用 7B 参数规模,在保持训练与推理成本可控的同时,通过混合真实方言数据、MSA 文化内容及受控合成数据,弥补了通用阿拉伯语模型在方言细微差别上的不足。
Reka AI 发布 Rho-1 研究预览,该 19B 参数全模态模型在单一神经网络中处理并生成文本、图像、视频与机器人控制动作。模型将所有模态作为 token 置于共享上下文窗口,无工具调用或外部模型,并用逆向动力学从普通互联网视频提取控制信号应对机器人数据稀缺。
NVIDIA Inception 计划成员正利用 AI 解决乳腺癌诊疗中的筛查与决策瓶颈。iSono Health 的 ATUSA 平台将 3D 超声扫描时间缩短至约 2 分钟,敏感度比手持超声高 28%;Whiterabbit.ai 的 WRDensity 软件自动评估乳腺密度以辅助筛查;Ataraxis AI 则通过病理切片预测治疗反应。
荣耀 MagicOS 11 新增自定义充电上限功能,允许用户通过设置路径自行决定充电比例以延长电池寿命。若需临时充满,可在下拉弹窗中点击“本次充满”而无需调整设置。该功能属于 MagicOS 11 十月体验升级内容的一部分,同期还更新了 YOYO 建议、灵动胶囊及荣耀互联等模块。
SCM 是一款 macOS 本地优先应用,利用视觉模型、OCR 和 Whisper 对照片及视频帧进行自然语言搜索。其默认使用 Qwen3 1.7B 模型,支持离线运行且媒体数据不离开设备。该工具通过 Homebrew 分发,旨在提供完全私密的媒体检索体验。
NASA 与 IBM 联合发布开源的 NASA-IBM Lunar Foundation Model,基于 17 年月球轨道观测数据训练,旨在提升月球科学数据利用效率。该模型在极地冰层沉积预测任务中,相比最佳基线 SwinV2-B 将预测误差降低最多 22%,并在粗尺度陨石坑检测中表现优于基线近 19%。这是首批面向月球科学的开源基础模型之一,通过预训练大幅降低了对标注数据的需求。
专业AI 3D模型公司Meshy的ARR从100万美元增至1亿美元,用时不到两年,增速超越HeyGen等AI公司。GPT-6 Astra虽能操作Blender建模,但在角色细节上逊于Meshy,后者凭借几何与纹理壁垒接入游戏与打印产业链。Meshy还推出实时互动架构Mora,在通用模型越强时反而承接更多3D资产需求。
华为 Mate 90 Pro Max 首个版本更新内容曝光,包体约 745.01 MB,实装四卡三待、3D 动态照片等功能。更新新增四卡三待支持 4 个号码同时待机,图库支持 3D 动态照片生成及 AI 剪辑。该系列手机于 10 月 1 日发布会正式推出,全系搭载韬定律芯片。
研究提出 Image-to-Code 方法:编码 Agent 接收单张照片,迭代编写并运行 Blender 程序,重建出可编辑、可查询的 3D 场景,配套基准 LEGO-Bench 包含来自 104 个室内外场景的 208 张图像和 443 个资产。
近期秋招中大量企业启用 AI 数字人面试官,其僵硬神态与微表情全景监控引发求职者集体吐槽“恐怖谷效应”,#AI 面试恐怖谷# 话题冲上热搜。该系统通过摄像头实时追踪瞳孔动态、面部肌肉紧张度,将回答延迟、语速颤抖等无意识生理反应转化为具体分数,不少用户认为 AI 面试不尊重人。今年 7 月“AI 脸恐怖谷效应”也曾冲上微博热搜,当时主要涉及 AI 短剧场景。
谷歌 Viewer 应用已上架 Play 商店,定位为适用于 Googlebook 的综合媒体编辑工具。该应用支持图像注释、裁剪及 PDF 签名,并集成 AI 功能以识别日期添加至日历或提供地图路线提示。
高德公布十一长假首日数据,日活跃用户数近 3.7 亿,提供空间智能服务超 28 亿次,多项指标创历史新高。鹰眼守护预警系统累计发出安全提醒超 6 亿次,扫街榜用户超 1.28 亿人。高德由此成为全球规模最大的空间智能应用。
极米 MemoMind One AI 显示眼镜将于明日登陆全国 56 家线下门店及 INNO100 全球创新旗舰店,开启定金预定。10 月 3 日至 14 日,用户预付 100 元定金即可获赠价值 199 元的墨镜夹片。该眼镜集极米显示、蔡司光学与哈曼声学于一体,主打长期佩戴及 AI 记忆、导航与提词功能,目前官方暂未公布具体配置信息。
腾讯 WorkBuddy 宣布独家接入匿名 Flash 大模型 Space Bunny,该模型具备 1M 上下文窗口,支持文本、图像、视频输入及可调推理深度。WorkBuddy 于 10 月 2 日至 7 日提供限时折扣,此前 Space Bunny 曾连续三天霸榜 OpenRouter 和 OpenCode 调用量榜首。
创维为 F3 Pro 闺蜜机新增 12GB RAM + 256GB 存储版本,定价 6099 元,部分地区国补后低至 4999 元。该机型配备 32 英寸 4K IPS LCD 屏幕,内置 15000mAh 电池,至高提供 12 小时续航,并搭载酷开 AIOS 2.0 系统。
Meta 公布雷朋 Display 眼镜 2026 年下半年大型更新,主要改进导航体验、通知功能及视频通话。导航新增骑行和公共交通模式,语音提示结合环境描述;用户可自定义关闭特定类型通知。此外,计划向美国 Early Access 用户推送 Hologram 虚拟化身,首批支持 WhatsApp 视频通话,并加入“Explore”应用推荐第三方 Web 应用。
MiniMax 正式推出新一代音乐生成模型 Music 3.0,用户提供一个创意想法和可选歌词即可一次生成一首最长 5 分钟的完整歌曲,涵盖作曲、编曲、演唱与制作。
推荐理由:官方拆解了从多层 RVQ、Hybrid-LM 到 Flow-Matching 的完整生成链路,读者可据此判断音乐生成在音质与人声自然度上的改进方向。
MiniMax 正式发布全模态生成模型 H3,支持对文本、图像、视频、声音组成的多模态上下文统一理解,可输出原生双声道音视频,最高支持 15s 2K 分辨率。官方称在 2K 分辨率下每秒价格不到主流模型的 1/3,768P 下约为主流模型 720P 的 1/2。MiniMax 计划在未来几天内在符合相关法律法规的前提下开放模型权重,并称 H3 设计初期已考虑多款现有国产芯片的兼容性。
推荐理由:官方给出全模态生成的预训练任务划分与三项关键技术取舍,可看清视频模型从专用走向任务统一的路线。
字节 Seed 基础模型博客公开了 242 篇研究论文,涵盖 LLM 持续改进、编码智能体指令遵循及 VLM 空间感知等方向。最新论文包括 2026.08.18 发布的 Chain-of-Experience for Continual LLM Improvement 和 2026.08.12 发布的 Harness-IF。该列表展示了团队在基础模型、多模态及科学计算领域的持续研究成果。
字节 Seed 发布新一代音视频生成模型 Seedance 2.5,单段视频时长提升至 30 秒并支持两次延长。该模型强化了参考视频意图理解与编辑可用率,提供白模控制、绿幕编辑等进阶能力,以适配专业视频创作流程。
字节 Seed2.1 模型发布,在 KINA、SuperGPQA 等知识基准及 SWE-Atlas、Terminal Bench 2.1 等代码与智能体任务中取得高分。该模型在 MathVision、MMMU-Pro 等多模态推理及 VideoMME 长视频理解测试中表现优异,展现了其在复杂场景下的综合能力。
月之暗面随 Kimi K2.6 模型发布开源了 Kimi Vendor Verifier (KVV) 项目,旨在帮助用户验证开源模型推理实现的准确性。该项目包含 OCRBench、AIME2025 等六项关键基准测试,用于检测 KV cache 错误及量化退化等基础设施问题。此前 K2 Thinking 发布后社区频繁反馈基准分数异常,KVV 旨在解决开源生态中工程实现偏差导致的信任危机。
Kimi 团队发布 WorldVQA 基准,包含 3,500 个图像问答对以评估多模态大语言模型的原子视觉世界知识。实验显示前沿模型在长尾知识上准确率常低于 50%,且普遍存在过度自信现象,其中 Kimi-K2.5 在 ECE 和 Slope 指标上表现最佳。该数据集及评测脚本已开源,旨在推动多模态 AI 的事实可靠性。
Kimi 团队发布开源基准 PerceptionBench,包含 3,000 道验证题目以隔离评估多模态大模型的 10 项原子视觉感知能力。在 16 个前沿 MLLM 测试中,无模型准确率超过 60%,且感知相关幻觉平均表现最弱。该基准旨在通过暴露感知断点,推动多模态 AI 实现更忠实一致的视觉理解。
DeepSeek 发布 V4.1 Flash,这是全新模型结构系列中最小尺寸的模型,为 552B 参数的 MoE 模型并具备原生多模态视觉理解能力,API 模型名改为 deepseek-flash 即可调用。
推荐理由:原文给出 552B MoE 结构、KV Cache 压缩幅度与 API 定价调整,可据此判断高效推理模型的成本走向。
OpenAI 宣布在全球上线 ChatGPT 两项购物功能,包括虚拟试穿和商品收藏。用户在购物结果中点 Try On 按钮,上传自拍或全身照即可查看服装、配饰的上身效果,也可上传商品图片让 ChatGPT 代为试穿;Favorites 则把发现的商品存入应用内 Library 以便回看。OpenAI 称新功能基于新发布的 ChatGPT Images 2.5 模型,而此前其即时结账功能表现不佳。
Google 在 Gemini Live 中推出 Guided Vision 功能,利用 AI 为 Android 用户提供实时音频描述,辅助阅读小字及识别物体。该功能同时集成于 Google TalkBack,并支持在 Android 9 及以上设备通过设置启用。此前该功能已在近期的 Pixel 更新中宣布。
Tavus 的 Griffin 模型在1分钟视频通话中让48%参与者误认为真人,此前系统最高仅2%。在 Tavus 所述的 Nvidia 独立音频视频对话拟人测试中 Griffin 获3.83分接近人类3.92分,预览版 Griffin-Lite 已开放给选定测试者。Tavus 成立于2020年,从营销视频扩展至实时对话。
Google 母公司 Alphabet 发布 Gemini 4 Argon,称其可处理编码、研究和写作等任务,并专门针对防御性网络安全训练,能自主发现、验证并修补关键软件漏洞。
Condé Nast 基于 Amazon Bedrock 和 Amazon OpenSearch Service 构建多模态视频发现系统,将内容检索时间从 250 分钟缩短至 2 分钟以内。该系统采用 TwelveLabs Marengo 嵌入模型,对超过 140,000 个视频的转录、视觉和音频信号进行联合编码,支持基于意图的语义搜索。此前编辑团队依赖标题和描述手动查找素材,导致运营效率低下。
Amazon Bedrock AgentCore Runtime Instances 支持在单个 EC2 实例上部署多智能体,实现长达 14 天的持久化会话与 GPU 访问。该方案通过共享文件系统协作,利用 NVIDIA L4 GPU 运行 ACE-Step 模型,约 9 秒即可渲染 20 秒 48 kHz 立体声音频。
Google DeepMind 发布 SynthID Bio,将水印技术引入合成生物学,在保持蛋白质生物功能的同时嵌入可验证签名。实验显示,水印设计在结合亲和力和序列多样性上与无水印版本相当,并成功创建了首个具有生物功能的水印蛋白质结合器。
推荐理由:原文展示了在保持生物功能前提下对蛋白质进行水印验证的方法,为合成生物安全提供了新的技术路径。
阿丘科技与西门子在直播中探讨工业AI从单点项目走向规模化落地的路径。阿丘科技案例显示,导入智能体技术后设备OEE和产能可提升25%左右。西门子Xcelerator旨在通过平台连接场景与生态资源,解决工业AI从1到100的复制难题,当前机会集中在高价值、数据ready且技术可行的场景。
微软研究院发布 Quine,一个面向生物学复杂性的 AI 研究系统,由跨序列、结构、功能、细胞状态和成像等多模态数据联合训练的生物学世界模型,以及连接模型、科学工具、文献和实验人员的交互式 harness 组成。
推荐理由:微软研究院公开 Quine 的生物学世界模型与实验闭环设计,并给出胰腺癌化合物筛选的湿实验验证结果。
Google 在 Gemini Enterprise 上线 Gemini 3.8 Live with Live Avatar,为实时对话 AI 加入近实时的屏幕形象,能同时接收音频和视频输入并开口回应。
AWS 展示在 Amazon SageMaker HyperPod 上用开源 RL 框架 SkyRL 训练 Qwen3-VL-8B 视觉语言模型走迷宫,基于 GRPO 从 VisGym SFT 检查点出发,在固定 64 个迷宫的评测集上把解迷宫成功率从 43.75% 提升到 95% 以上。
美国国防部申请 3030 万美元预算,用于开发名为 Polygraph+ 的 AI 测谎技术。该项目由 DCSA 主导,旨在通过 AI 算法和“standoff sensing”技术提升联邦测谎的准确性与可靠性。尽管该技术尚未获国会批准,且现有测谎仪的可靠性长期受质疑,五角大楼仍计划将其用于员工背景调查和内部威胁检测。
Latent Space 宣布将 AINews 与 Discord 社区合并,并计划迁移至 Beehiiv 以构建多节目网络。AINews 订阅量已超 20 万,Discord 成员达数万。平台重新开放赞助合作,并将于下周在 Supabase Select 活动上采访其创始人。