Google DeepMind 发布 Genie 4 实时世界模型，原生生成音频与对话
Google DeepMind 发布 Genie 4 实时世界模型，作为研究预览向可信测试者开放；它能从文本和图像提示实时生成可探索环境，并同步生成环境音、音乐与角色对话。
全部AI 动态
全部动态
今日 21 条MarkTechPostAI 评分6060 IT之家AI 评分3535 DeepSeek-V5 占位符现身 Harness 代码库，为新一代大模型提前铺路
DeepSeek-V5 占位符现身 DeepSeek Harness 官方 GitHub 代码库，provider.spec.ts 测试文件中新增 deepseek-v5、deepseek-v5-open、deepseek-v5-next 三个标识符，目前仅为框架占位，并非可直接调用的模型接口。
开源中国AI 评分7474 Kimi K3.1 Pro 发布：代码超 GPT-6 Astra，开放权重版主动移除网络攻防能力
月之暗面发布 Kimi K3.1 Pro，这是 K3 系列第一个正式版本，拥有 3 万亿级参数和 100 万上下文。官方将其定位为迄今能力最强的模型，重点提升代码、3D 创作、金融研究和长程 Agent 能力，并同步推出输出速度约 2~3 倍、价格 2 倍的 K3.1 Pro Highspeed。该模型代码能力超过 GPT-6 Astra，开放权重版主动移除了网络攻防能力。
开源中国AI 评分3131 OpenAI GPT-6.1 Terra 发布，AI 开始真正操作电脑，使用成本也降了
OpenAI 于 10 月 26 日发布 GPT-6.1 Terra，升级重点从聊天写作和复杂推理转向看懂屏幕并实际操作电脑。新模型结合视觉理解、电脑操作与自然语言能力，能识别网页和软件中的按钮、输入框、表格，并在获得工具与权限后自行完成填写表单、资料整理和跨应用信息录入等任务。使用成本也随之降低。
开源中国AI 评分6868 OpenAI 发布 GPT-6.1 Terra：中端模型主打 Computer Use，API 价格下调 50%
OpenAI 发布中端模型 GPT-6.1 Terra，主打 Computer Use 和视觉推理，API 价格下调 50%。该模型定位介于更贵的 Sol/Astra 与更便宜的 Luna 之间，面向日常工作中的高频场景。
36氪AI 评分3737 智元GO-3 Nano Preview登顶RoboTwin，平均成功率85.01%
智元GO-3 Nano Preview以85.01%的平均成功率登顶RoboTwin最新榜单。RoboTwin主要考察复杂场景下的双臂协同操作与环境泛化能力，评测模型在目标识别、动作协调及环境变化适应等方面的表现。
The DecoderAI 评分6060 GPT-6.1 Terra 价格减半，性能逼近更大模型
The Decoder 报道 OpenAI 发布 GPT-6.1 Terra，API 价格为 GPT-5.6 Terra 的一半，同时在多项任务上追近更大的 OpenAI 模型。
Product HuntAI 评分5454 Liquid AI 在 Product Hunt 发布 LFM3
Liquid AI 第三代 Liquid Foundation Models LFM3 在 Product Hunt 上线，共六个 2B 级开放权重模型，面向手机、笔记本和机器人。
Product HuntAI 评分5454 Genie 4 登上 Product Hunt
Google 的 Genie 4 在 Product Hunt 上线，介绍为由 Gemini 驱动、能在虚拟三维世界中与用户一起游玩、推理和学习的 Agent。
量子位AI 评分5858 蚂蚁百灵开源 Ling-3.1-flash-1019，面向个人 Agent 真实任务
蚂蚁集团百灵大模型 10 月 28 日开源 Ling-3.1-flash-1019，在 Ling-3.1-flash 基础上进一步训练优化，主打个人 Agent 执行真实任务，并公布了 Artificial Analysis 智能指数成绩。
SiliconANGLE · AIAI 评分6666 Google 预览 Genie 4 世界模型
SiliconANGLE 报道 Google 预览可生成逼真三维环境的 Genie 4 世界模型，这是其 2024 年起推出的世界模型系列的最新成员。
少数派AI 评分4444 派早报：Apple 发布 M6 版 iMac 和 MacBook Pro 等
Apple 发布搭载 M6 芯片的新款 iMac 和 14 英寸 MacBook Pro，国行起售价分别为 12499 元和 15999 元，将于 10 月 29 日预购、11 月 6 日发售。
爱范儿AI 评分6060 Google DeepMind 发布 Genie 4，可实时生成声音与物理
爱范儿报道 Genie 4 生成的世界可维持 120 秒，能实时生成声音、模拟物理，用户可改天气、加角色并与虚拟角色对话，Gemini 负责规划行动、Genie 4 负责实时生成环境。
MarkTechPostAI 评分6262 Liquid AI 发布 LFM3，6 个 2B 级开放权重多模态模型
Liquid AI 发布第三代 Liquid Foundation Models LFM3，共 6 个共用骨干的 2B 级开放权重模型，覆盖文本、视觉、音频、全模态等，面向手机、笔记本和机器人等端侧设备。
The DecoderAI 评分6565 Google DeepMind Genie 4 用 Gemini 在后台规划世界模拟
The Decoder 报道 Genie 4 逐帧实时计算可交互场景并生成声音与会说话的角色，后台由 Gemini 模型规划接下来发生什么，目前只开放给少数测试者。
Hugging Face BlogAI 评分5858 Liquid AI 发布 LFM3 多模态小模型家族
Liquid AI 推出新一代 LFM3，把文本、视觉、音频、全模态和决策模型放到同一个 2B 参数级骨干上，可在单张 GPU 上微调并部署到应用端；新的三混合架构让 LFM3-1.7B 每参数能力更强。
TechCrunch · AIAI 评分6666 Google Genie 4 世界模型加入音频、更逼真世界与实时引导
Google DeepMind 周二以研究预览形式发布 Genie 4，可生成更逼真、更具交互性的世界，用户可在模拟中途输入提示改变场景，并实时生成匹配的音乐、环境音和对话。
Google DeepMind精选AI 评分7070 Google DeepMind 发布 Genie 4 世界模型
Google DeepMind 发布新一代世界模型 Genie 4，显著提升真实感与实时交互模拟，原生多模态，可与世界同步生成音乐、环境音和对话；它基于 Gemini 系列能力，由 Gemini Omni 锚定真实外观与行为，其他 Gemini 模型负责保持模拟的连贯推理。
推荐理由：官方说明了 Genie 4 与 Gemini 的分工和新增的原生音频能力，是判断世界模型进展的一手材料。
Ars Technica · AIAI 评分6565 DeepMind 发布 Genie 4，物理与人物更逼真
Ars Technica 报道 Genie 4 在几乎所有方面改进 Genie 3，并加入音频和更逼真的人物；Google 认为世界模型是迈向 AGI 的关键环节，付费用户未来或可使用。
Google 官方博客精选AI 评分6969 Google 宣布 Genie 4 实时交互世界模型
Google 宣布 Genie 4 研究成果，为实时交互模拟带来更高真实感和原生音频；用户可用自然语言实时引导场景，如移动镜头、改变天气或加入新角色，每个世界都会即时生成环境音、音乐和对话。
推荐理由：官方给出了自然语言实时引导场景的具体能力，便于判断世界模型距离可用工具还有多远。
The Verge · AIAI 评分6565 Google 新一代 Genie 4 生成更逼真的交互体验
Google 发布 Genie 4 世界模型，主要更新包括更逼真的世界、可用自然语言实时修改体验、生成音频、后台使用 Gemini 3.8 Flash，单次体验时长约两分钟，比 Genie 3 的一分钟翻倍。
MarkTechPostAI 评分5656 Mirendil 发布首个模型 Fern 0.1，上下文达 1000 万 token
Mirendil 发布从零训练的编程模型 Fern，上下文窗口最高 1000 万 token，约合 23MB 代码，可一次读入大型代码库。
量子位AI 评分5656 百度开源文心 Unlimited OCR 2，KV Cache 压成常数、页数无上限
量子位报道百度升级 OCR 模型文心 Unlimited OCR 2，把 KV Cache 压成常数，文档解析页数不设上限，缓存减少 96%。
量子位AI 评分5959 GPT-6.1 Terra 首批实测：一折价格获得 Astra 级电脑操作能力
量子位汇总 GPT-6.1 Terra 首批网友实测，称其以约一折的价格获得接近 Astra 级的电脑操作能力，同日 OpenAI 还公布了三项 AI 科学新发现。
量子位AI 评分5151 国产 3D 生成大模型 Hi3D 开源可商用
量子位报道国产 AI 3D 生成大模型 Hi3D 开源并允许商用，文章称其在 3D 生成效果对比中胜过 GPT-6。
量子位AI 评分5151 1.3B 文档解析模型 OXR 开源，三项榜单第一
量子位报道 1.3B 参数文档解析模型 OXR 开源一周 GitHub 超 1000 star，称在三个榜单排名第一，速度快于 PaddleOCR 和 MinerU。
雷锋网AI 评分5454 百度发布并开源文心 Unlimited OCR 2，可一次解析 3600 多页
百度 10 月 27 日发布并开源文心 Unlimited OCR 2，称首次实现任意页数文档解析，实测一次解析《哈利·波特》全部 7 部超 3600 页，并在多页文档基准上达到 SOTA。
MarkTechPostAI 评分4949 vLLM Semantic Router 发布 27B 多模态决策模型 d3-ultra
vLLM Semantic Router 团队以 Apache-2.0 发布 27B 多模态决策模型 d3-ultra，它不生成文本，只读取一次输入并返回概率，用于模型路由决策。
MarkTechPostAI 评分5151 百度开源 3B 的 Unlimited OCR 2，一次解析数百页文档
MarkTechPost 报道百度开源 3B 参数的 Unlimited OCR 2，可一次请求解析数百页的书籍、财报和报告。
爱范儿AI 评分6161 OpenAI 发布 GPT-6.1 Terra，API 价格降 50%
OpenAI 发布 GPT-6.1 Terra，主打更快响应、更强视觉理解和电脑操作能力，相比上一代 GPT-5.6 Terra 标准 API 价格降低 50%。
MarkTechPostAI 评分5959 OpenAI 推出 GPT-6.1 Terra，价格为 GPT-6.1 Sol 一半
MarkTechPost 报道 GPT-6.1 Terra 是面向视觉推理、电脑操作和写作的快速模型，替代 GPT-5.6 Terra，API 名为 gpt-6.1-terra，标准价格为每百万输入 token 1 美元。
Simon WillisonAI 评分6767 Simon Willison 解读 GPT-6.1 Terra：主打视觉推理与电脑操作
OpenAI 发布 GPT-6.1 Terra，强调细致的视觉推理、精准的电脑操作和更自然的写作，相比 GPT-5.6 Terra 明显提升；Simon Willison 认为它的定位类似 Anthropic 的 Sonnet，并引用 Ted Sanders 的说法称其在技术沟通上优于 Astra 和 Sol、视觉与电脑操作相近但快得多。
Product HuntAI 评分6767 OpenAI 发布 GPT-6.1 Terra：电脑操作更快、价格减半
GPT-6.1 Terra 是 OpenAI 面向视觉推理、精准电脑操作和自然写作的快速高效模型，能读取屏幕并跨应用操作，处理填表、解读技术图纸和起草方案等任务；OpenAI 称其在 Agents' Last Exam 上与 GPT-6 Astra 持平，价格为一半。
MarkTechPostAI 评分5656 南北阁发布 Nanbeige4.3-33B 开源 Agent 编程模型
南北阁 LLM Lab 在 Hugging Face 以 Apache 2.0 发布 33B 稠密模型 Nanbeige4.3-33B，面向 Agent 编程和办公任务。
MarkTechPostAI 评分5757 Hugging Face 发布 14B 开源 DNA 语言模型 Carbon-X
Hugging Face Bio 发布 14.8B 参数的开源 DNA 语言模型 Carbon-X，这是仅解码器模型，可在对话中读取原始 DNA，首次把 DNA 与自然语言结合。
Latent SpaceAI 评分7171 Kimi K3.1 Pro 发布：2.8T 参数开放权重模型逼近闭源前沿
月之暗面发布 Kimi K3.1 Pro，为 2.8 万亿总参数、1040 亿激活参数的多模态 MoE 模型，支持 100 万上下文，独立基准成绩接近前沿并超过 Fable 5.1，承诺 11 月 4 日开放权重，另推 2-3 倍速的 Highspeed API。
Simon WillisonAI 评分6969 Simon Willison：Kimi K3.1 Pro 上线 API，11 月 4 日前开放权重
Kimi K3.1 Pro 今日上线 Kimi API，暂未开放权重，月之暗面承诺 11 月 4 日前发布完整权重；另有快 2-3 倍、价格翻倍的 Highspeed 版，标准价为输入每百万 token 2 美元、输出 10 美元。
Hugging Face BlogAI 评分5151 NVIDIA Kumo Relational：无需训练即可在关系数据上超越监督学习
NVIDIA Kumo Relational 是预训练关系基础模型，可直接在企业数据库上预测流失、需求或欺诈等结果，以历史样本为上下文一次前向推理完成，无需任务训练、特征工程或展平表格。
Mistral AI精选AI 评分6161 Mistral 发布 Voxtral 3 语音模型与语音智能体 SDK
Mistral 推出 Voxtral 3，包括语音智能体 SDK 和面向 50 多种语言实时多步对话的语音模型，结合精准转写、可调情绪的自然语音合成和深度工具集成，可通过 Mistral 欧盟托管 API 或自部署使用。
推荐理由：提供可自部署的多语种语音智能体全套组件，对需要欧盟数据驻留的团队尤其实用。
Latent SpaceAI 评分3434 AINews：DeepSeek V4.1 Flash 1017、MiniMax M3.1 Flash 等小更新
Latent Space AINews 当日要闻较少，提及 DeepSeek V4.1 Flash 1017、MiniMax M3.1 Flash 和 Mercury 3 发布，但认为短期内不会被大规模使用。