Google 宣布 Gemini 4 Carbon,暂未向用户开放
Google 在推出 Gemini 4 Argon 两周后宣布 Gemini 4 Carbon,计划分阶段发布,目前用户尚无法使用。Google 称其漏洞检测、验证和修复能力显著提升,生成无漏洞代码的概率为 Argon 的两倍,WebDev Arena 成绩提高 89 分、排名第四。
Google 在推出 Gemini 4 Argon 两周后宣布 Gemini 4 Carbon,计划分阶段发布,目前用户尚无法使用。Google 称其漏洞检测、验证和修复能力显著提升,生成无漏洞代码的概率为 Argon 的两倍,WebDev Arena 成绩提高 89 分、排名第四。
Google 宣布 Gemini 4 Carbon,重点提升网络安全防御、编码和长周期智能体任务能力。在未启用防护措施的外部评测中,其漏洞发现、漏洞利用和修复成绩分别为 SEC-bench Pro 88.2%、ExploitGym 54.8% 和 CWE-bench 71.0%。
推荐理由:Google 为 Gemini 4 Carbon 沿用前代入门价格,并报告安全代码生成成功率较前代提升超过 2x。
Google DeepMind 宣布 Gemini 4 Carbon,重点提升网络安全防御、编码和长周期智能体任务能力,本周起向部分网络安全防御人员开放。
推荐理由:Google DeepMind 报告 Carbon 在内部安全代码生成测试中的成功率超过 Argon 的 2 倍,同期减少了无依据的声明。
Google 推出 Gemini 4 Carbon,Sundar Pichai 称其在更新后的 Artificial Analysis Intelligence Index v5.0 中以 59 分排名第一。
NVIDIA 发布开放权重模型 Nemotron 3.5 Transcribe,在一个 checkpoint 中整合语音转写、说话人归属、翻译和音频问答,支持 40 种语言转写、31 种语言与英语互译及 13 种语言的说话人归属。
Nvidia 发布开放语音模型 Nemotron 3.5 Transcribe,通过文本指令整合转录、翻译、说话人识别及音频问答。
推荐理由:Nvidia 用以合成语音为主的数据微调医疗转录模型,将错误率从 23.8% 降至 11.8%,同时记录了通用英语准确率的损失。
英伟达发布免费开放权重模型 Nemotron 3.5 Transcribe,支持最多 40 种语言的音频转录,并推出开源语音数据集 Granary 第 2 版。
面壁智能发布并开源 MiniCPM-OCR 系列,包含 1.3B 解析模型与 2B 判别模型。MiniCPM-OCR 1.0(1.3B)在 Real5-OmniDocBench 取得 93.68 分、在 OCRBench v2 取得 54.7 分,达到 SOTA。经 DSpark 加速后,吞吐达 1.217 页/秒,端到端效率提升 55%。
Google 发布下一代世界模型 Genie 4,支持实时操控,并同步生成环境音与人物实时对话。相比 Genie 3,其照片级真实感和物体碰撞等物理模拟有明显进步。用户可用 WASD 和双摇杆控制角色或镜头,也可在运行中用自然语言修改天气、加入物体。
Liquid AI 发布 LFM3,首批包含 6 款 2B 级模型,以共享骨干覆盖文本、视觉、音频、全模态和决策任务。新骨干采用短卷积、滑动窗口注意力与全局注意力的三混合架构,经过 22T tokens 预训练,文本模型提供 256K tokens 上下文窗口。
Google DeepMind 推出实验性世界模型 Genie 4,支持实时交互场景、声音生成和角色对话,目前仅向部分测试者开放。Gemini 3.8 Flash 持续观察画面、拆解任务并调整计划,Gemini 4 Argon 则在演示中指挥模拟机器人 Apollo 下跳棋。
Google DeepMind 发布 Genie 4 世界模型,称其相比 Genie 3 有多项改进,并承诺更逼真的物理模拟与人物。世界模型根据用户描述,在探索过程中逐帧实时生成体验,无需预渲染环境或编写交互元素。DeepMind 称该技术可用于物理机器人的训练环境和创意领域的快速原型制作,Genie 4 的改进部分得益于更新后的 Gemini 模型。
Google 今天宣布世界模型 Genie 4,可生成更逼真的交互体验,支持用自然语言提示词实时修改体验并生成音频。模型使用 Gemini 3.8 Flash 辅助模拟,体验时长从 Genie 3 的一分钟增至约两分钟,Google 提醒较长模拟中的细节和物体持续性可能发生变化。
Google DeepMind 于周二发布 Genie 4 研究预览,新增实时音频与模拟中的提示词编辑,生成更逼真、可交互的世界。模型可实时改变天气、镜头角度或添加人物与物体,保持场景一致性最长两分钟,是前代的两倍,但仍存在细节漂移、音频准确性和场景文字可读性问题。
Google DeepMind 发布世界模型 Genie 4,支持原生音频、交互式对白和自然语言实时修改场景,已向可信测试者开放研究预览。Gemini 3.8 Flash 在模拟中持续观察场景、拆解目标并检查执行进度,帮助维持多步骤事件的连贯性;模型仍存在物体持久性漂移、复杂物理交互和长期一致性等限制。
推荐理由:Genie 4 将原生音频与实时场景控制接入世界模拟,让创作者能在动态场景中调整镜头、对白和动作来试演想法。
OpenAI 发布 GPT-6.1 Terra,强调细致的视觉推理、精准的计算机操作,以及更清晰自然的写作。OpenAI 的 Ted Sanders 表示,Terra 的技术沟通可能优于 Astra 和 Sol,视觉与计算机操作能力相近且速度更快,多数其他能力略弱。
OpenAI 发布 GPT-6.1 Terra,降低 API 价格,并在推理、编码和计算机控制评测中提升表现。输入与输出价格分别为每百万 token $1 和 $5,前代 GPT-5.6 Terra 为 $2 和 $12;Artificial Analysis 测得其最高推理强度下智能指数提升6点,每任务成本从$1.40降至$0.40。
推荐理由:GPT-6.1 Terra 在独立评测中比前代智能指数高出6点,每任务成本从$1.40降至$0.40。
OpenAI 发布 GPT-6.1 Terra,结合视觉推理、电脑操作与自然写作能力,标准 API 价格较 GPT-5.6 Terra 和 GPT-6.1 Sol 降低 50%。
推荐理由:OpenAI 将 GPT-6.1 Terra 的标准 API 价格降低 50%,其电脑操作评测成绩较 GPT-5.6 Terra 提高 15 个百分点。
GPT-6.1 Terra 可将产品照片匹配到目录条目、解读技术图纸、操作应用屏幕,以及起草和修改文本。reasoning.effort 支持 none、low、medium(默认)、high、xhigh 和 max。工具调用要求使用 Responses API,提示词与迁移指导见 GPT-6 指南。
OpenAI 发布 GPT-6.1 Terra,主打写作、个性、细致理解请求及电脑操作能力。发布者称其是自家首个在写作、个性和细致理解请求上显著更好的模型,能够理解屏幕内容并跨应用执行操作。该模型在 API 和订阅中提供的用量是 6.1 Sol 的 2 倍,价格更低。
推荐理由:OpenAI 的 GPT-6.1 Terra 在 API 和订阅中提供较 6.1 Sol 两倍的用量,价格也更低。
OpenRouter 宣布 OpenAI 的 GPT-6.1 Terra 上线,定价为 $1/M input、$5/M output,上下文为 1.05M。该模型在 Agents' Last Exam 上与 GPT-6 Astra 得分相当,每 token 价格约为其十分之一,平均完成任务速度比 Astra 和 GPT-6.1 Sol 快 3 倍以上。
OpenAI 发布 GPT-6.1 Terra,今天起在 ChatGPT Work 和 Codex 中向 Plus、Pro、Enterprise 和 Edu 用户推出。新模型主打快速高效,强化视觉推理、精确的电脑操作及清晰自然的写作;官方称其适用于解读技术图纸、起草提案、填写表单和剪辑视频等工作场景。
推荐理由:OpenAI 将 GPT-6.1 Terra 接入 ChatGPT Work 和 Codex,覆盖技术图纸解读、表单填写与视频剪辑等工作场景。
Unsloth 发布 MiniMax-M3.1-Flash 的量化 GGUF,2-bit 版体积缩小 45% 的同时保留 91.5% top 1 精度,可在 150GB 内存上本地运行。1-bit 版精度约 89.9%,4-bit UD-Q4_K_XL 达 98.0%。作者称其为同尺寸最强开源模型之一,并给出 Hugging Face 权重链接与本地运行指南。
腾讯混元于 10 月 26 日发布并开源同声传译大模型 Hy-SimulMT,支持中英语音到语音实时翻译。实测响应时间约 3 秒,低于人类专业译员平均的 4-5 秒。
Destined AI 发布开源语音合成模型 Hurston-1,基于 Maya1 微调,支持美国南部及多个非洲地区的英语口音。模型通过自然语言描述控制声音,默认输出 24 kHz 音频,电话模式输出 8 kHz G.711 音频以接入 Twilio 等电话系统,模型权重采用 Apache-2.0 许可。
南京大学、商汤及其他高校的研究团队发布 OpenMobile-2 两款手机智能体模型,分别基于 Qwen3.5 和 Qwen3.6,参数量为 9 billion 和 27 billion,并开放训练环境、数据及复现说明。
Dream Labs 发布世界动作模型 Dream-1 并开放公共 API,称其可零样本控制未见过的双臂平行夹爪机器人,执行未见任务。评估覆盖 27 种模拟机器人和 4 种真实机器人,表现因机器人及其逆运动学求解器而异;FaaS 微调服务可利用机器人自身数据改善适配。
Block 发布可本地运行的全双工语音模型 Dessa,支持同时听说,并展示了笑声、停顿和哭声等接近真人的表达。Block 称该模型完全使用人类语音和单张 NVIDIA GPU 训练,知识来自对话数据,情绪表达内置于模型。Dessa 可在 MacBook M4 Max 或更高配置的消费级电脑上运行,目前尚未公开开放,Block 正邀请安全研究人员测试。
Block 发布 AI 语音模型 Dessa,号称首个完全基于人类语音、不含任何文本数据从零训练的模型,直接以音频处理语音,可实时捕捉情绪、讽刺、笑声和停顿。该模型支持全双工交流,可在 MacBook Pro M4 Max 本地运行,训练使用单台 NVIDIA GB200 NVL72。Dessa 尚未公开,团队正招募 AI 安全研究者测试其意外风险。
月之暗面发布 Kimi K3.1 Pro,API 已可用,并承诺于 November 4, 2026 发布权重。模型采用 MoE 架构,总参数量为 2.8T、激活参数量为 104B,支持 1-million-token 上下文窗口;官方称 Highspeed 版本保持智能水平,输出速度提高 2–3×,价格为标准版的两倍。
推荐理由:Kimi K3.1 Pro 的 token 单价较 K3 降低三分之一,独立评测中的单任务成本却因 token 消耗增加而出现持平或上涨。
月之暗面发布旗舰模型 Kimi K3.1 Pro,参数为 2.8T,支持 100 万 token 上下文,完整模型权重预计 11 月 4 日前开放。API 输入每百万 token 13 元、输出 68 元,相比 K3 基本减半。同步推出的 Highspeed 版本输出速度约为 2 到 3 倍,价格翻倍。
推荐理由:月之暗面将 Kimi K3.1 Pro 的 API 价格较 K3 基本减半,Highspeed 版本则以翻倍价格换取约 2 到 3 倍输出速度。
Block 旗下 dessa.com 推出对话模型 Dessa,仅使用语音数据训练。该页面当前展示的是 Block 于 2026 年 10 月 21 日生效的隐私声明,说明其收集的姓名、邮箱、设备信息及使用数据,并列出与关联公司和第三方服务商共享信息的范围。
Jack Dorsey 的 Block 宣布语音模型 Dessa,仅用人类对话从零训练,演示交流大体自然,也出现认错人和突然跑题。团队称它是直接处理语音输入与输出的模型,所有知识均来自人类语音,可在 MacBook Pro M4 Max 或更高配置设备上本地运行。团队希望改善人与 AI 的理解及语音情绪识别相关安全问题,将向一小群 AI 安全研究人员提供早期访问权限。
Kimi K3.1 Pro 今天上线 Kimi API,目前尚未开放权重,月之暗面承诺于 Nov 4, 2026 发布完整模型权重。
推荐理由:Kimi K3.1 Pro 的输入与输出定价均与 GPT-6.1 Sol 相同,为 Claude Opus 5.5 的一半。
月之暗面发布推理模型 Kimi K3.1 Pro,在 Artificial Analysis Intelligence Index 获得55点、排名第四,比 Kimi K3 提高11点,距 Claude Opus 5.5 差3点。
推荐理由:月之暗面的 Kimi K3.1 Pro 在同等模型规模下将智能指数提高11点,每项测试任务成本从$2.00降至$1.98。
月之暗面发布推理模型 Kimi K3.1 Pro,以 55 分位列 Artificial Analysis Intelligence Index 第 4,较 Kimi K3 提高 11 分。
推荐理由:Kimi K3.1 Pro 的智能体评测表现较 Kimi K3 大幅提升,单任务成本仍约为 $1.98。
月之暗面发布 Kimi K3.1 Pro,支持 100 万 token 上下文,完整模型权重将于 11 月 4 日前释出。同步推出的 Kimi K3.1 Pro Highspeed 提供 2-3× 的速度,两款模型今天起可在 Kimi.com、Kimi Work、Kimi Code 和 Kimi API 使用。
推荐理由:月之暗面披露了移除网络安全相关训练数据前后的漏洞任务表现,同一训练流程下的能力差异为开放权重的风险控制提供了具体比较。
Kimi 在 Kimi Code 全面开放 K3.1 Pro,并发布能力相同、输出速度约为其 2–3× 的 K3.1 Pro Highspeed。K3.1 Pro 具有 3T 参数和 1M 上下文窗口,支持图像、视频输入,仅支持思考模式;官方称其编码、3D 创作及金融研究与建模能力显著提升。
推荐理由:Kimi 发布能力相同的 K3.1 Pro 高速版本,以约 2 倍配额消耗换取约 2–3× 模型输出速度,工具调用和脚本执行不随之加速。
Kimi 发布 K3.1 Pro 与 K3.1 Pro Highspeed,前者是支持1-million-token上下文窗口的3T级模型,后者速度为前者的2-3×。
推荐理由:Kimi 对训练数据施加网络安全风险控制后,K3.1 Pro 在内部漏洞利用测试中的通过率从未采取控制时的90.5%降至81.0%。
月之暗面发布 Kimi K3.1 Pro,称其为自家最强的 3T 级开放权重模型。该模型采用 MoE 架构,总参数为 2.8T、激活参数为 104B,支持 1M token 上下文与多模态。