跳到正文
11月6日周五
  1. Hacker News AI90

    Tencent 发布 Hy4 开源多模态模型

    Tencent 发布新一代开源多模态大模型 Hy4,引入视觉理解与 computer-use 能力,支持通过 CLI 和 GUI 执行复杂长程任务。Hy4 在金融盲测中以 3.04 分超过 DeepSeek-V4.1-Flash-1017 等竞品,成为 213 名专家评测中表现最佳的开源模型;同时通过专项搜索优化将幻觉率从 Hy4 Preview 的 12.95% 降至 7.2%。

    同一新闻,精选展示《腾讯混元 Hy4 正式版发布》

  2. The Decoder76

    百度发布 ERNIE 5.5 Flash Base 开源模型,280B 参数

    百度发布开源基座模型 ERNIE-5.5-Flash-Base,该模型采用 280B 参数的 MoE 架构,单次输入激活 14B 参数,预训练数据为 33.5T token,支持 128k 训练上下文。官方表示将推出经过后训练的增强版本,当前模型权重以 FP8 和 BF16 格式发布于 Hugging Face。

    同一新闻,精选展示《百度开源文心 5.5 Flash Base 基模,主打效率与创新架构》

  3. The Decoder82

    Google 发布 Gemini Omni 1.2 Flash,支持15秒视频生成并降价30%

    Google DeepMind 宣布 Gemini Omni 1.2 Flash 正式可用,支持生成最长15秒的视频(原上限10秒),且 720p 视频价格降至 0.07美元/秒(降幅30%)。新模型支持“对话式编辑”,允许用户在多轮交互中修改背景、光线或长宽比,并支持将参考图像、短动作片段或语音提示作为输入,以在多机位下保持角色面部、服装及品牌视觉的一致性。

    同一新闻,精选展示《Google DeepMind 发布 Gemini Omni 1.2 Flash:支持 15 秒视频生成》

  4. Hugging Face Blog77

    NVIDIA 发布 Cosmos 3 开放权重模型用于交互式世界仿真

    NVIDIA 在 Hugging Face 上发布四个 Cosmos 3 Nano 开放权重模型,包括 Transfer-Auto、Sim-Auto、Sim-Transfer 和 Sim-Bimanual,支持多传感器驾驶仿真与双臂机器人交互。模型采用 OpenMDW1.1 许可证,提供商业与非商业用途权利,并附带分阶段后训练配方。

    推荐理由:NVIDIA 发布四个 Cosmos 3 开放权重模型,提供从驾驶到机器人交互仿真的完整工作流,读者可评估其开源生态价值。

  5. Tibo (X)75

    OpenAI 发布网络安全专用模型 GPT-6 Cyber

    OpenAI 推出网络安全专用模型 GPT-6 Cyber,该模型在多种网络安全特定用例中表现突出。其驱动了此前公布的 Linux 内核研究,并已被 Mozilla、Palo Alto Networks、Calif、Cisco 及 OpenAI 自身的安全团队投入使用,目前向部分 Daybreak Red 客户开放。

    同一新闻,精选展示《OpenAI 发布 GPT-6 Cyber:兼顾更强能力与更好对齐的安全研究模型》

  6. OpenAI (X)83

    OpenAI 发布 GPT-6 Cyber:兼顾更强能力与更好对齐的安全研究模型

    OpenAI 发布 GPT-6 Cyber,称其为结合更强能力与更好模型对齐的安全研究进展。该模型支撑了此前发布的 Linux kernel 研究,Mozilla、Palo Alto Networks、Calif、Cisco 的安全团队以及 OpenAI 自身团队已开始使用。GPT-6 Cyber 目前面向部分 Daybreak Red 客户开放,访问权限将逐步扩大,详情见 openai.com/index/introducing-gpt-6-cyber/。

    推荐理由:原文说明该模型已用于 Linux kernel 研究,并披露了早期使用者及逐步开放的访问机制。

  7. Google DeepMind77

    Google DeepMind 发布 Gemini Omni 1.2 Flash:支持 15 秒视频生成

    Google DeepMind 在 Gemini API 和 Gemini for business 正式发布 Gemini Omni 1.2 Flash,原生视频时长从 10 秒提升至 15 秒,并支持多轮对话式编辑与更强的参考遵循。新版价格较 Omni 1.1 下降 30%,720p 视频每生成 1 秒成本为 0.07 美元。

    推荐理由:视频生成时长提升至15秒且价格下降30%,多轮对话编辑能力支持局部修正,有助于降低规模化视频创作成本。

11月5日周四
  1. 智东西80

    百度开源文心5.5 Flash Base:280B总参数14B激活,同尺寸SOTA并支持1M上下文

    百度发布并开源文心5.5 Flash Base(ERNIE-5.5-Flash-Base)。该模型采用稀疏MoE架构,总参数280B,每token激活14B参数,基于33.5T tokens预训练,最长训练上下文128K,微调与推理支持1M tokens上下文。

    同一新闻,精选展示《百度开源文心 5.5 Flash Base 基模,主打效率与创新架构》

  2. 机器之心73

    清华与米哈游开源 GameScaling 通用游戏智能模型系列

    米哈游联合清华大学等机构开源 GameScaling 系列通用游戏模型,涵盖 0.8B 至 27B 共八款权重,协议为 Apache 2.0。在《我的世界》MCU 基准 30 项任务中,GameScaling-27B-S1 平均成功率达 63.3%;0.8B 至 9B 六款模型在单张 H200 或 RTX 5090 上可实现每秒 5 次观测、每秒 30 步动作的实时交互。

    推荐理由:开源覆盖 0.8B 至 27B 八款权重,给出 63.3% 基准成功率及单卡实时交互细节。

  3. 36氪90

    OpenAI 发布 GPT Images 2.6,支持 GIF 生成与 SVG 导出

    OpenAI 正式发布 GPT Images 2.6,已面向 ChatGPT、Codex 和 API 开放,图像生成速度较此前提升 50%。该模型在 API 端提供 Flare 和 Sunburst 两款定位不同的模型,新增支持通过文字提示词生成 GIF 动图以及 SVG 导出功能,并引入 complexity 参数用于控制模型的场景规划投入。

    同一新闻,精选展示《OpenAI 发布 ChatGPT Images 2.6》

  4. APPSO86

    OpenAI 发布 GPT Images 2.6,支持 GIF 动图生成与 SVG 导出

    OpenAI 正式发布新一代图像生成模型 GPT Images 2.6,同步开放给 ChatGPT、Codex 和 API 用户,生成速度较上一代提升 50%,并新增 GIF 动图生成和 SVG 导出功能。API 端推出了侧重速度的 Flare 和侧重一致性的 Sunburst 两款模型,支持通过 complexity 参数控制场景规划的投入程度,定价与上一代 Images 2.5 保持一致。

    同一新闻,精选展示《OpenAI 发布 ChatGPT Images 2.6》

  5. 量子位80

    GPT-Image-2.6 上线:原生支持 GIF 与 SVG,6.2 Astra 现身

    GPT-Image-2.6 全量上线,新增复杂度与画质独立参数,最快 6 秒出图,并原生支持 GIF 动图与 SVG 导出。文章通过 OpenArt 案例展示了利用 3×2 序列帧思路生成 GIF 的提示词,并介绍 Town 等公司已接入该 API 生成实时微表情动图。此外,图像局部重绘功能开放至 API 端,文末提及 GPT-6.2 Astra 已现身谷歌云。

    同一新闻,精选展示《OpenAI 发布 ChatGPT Images 2.6》

  6. IT之家91

    月之暗面开放 Kimi K3.1 Pro 2.8 万亿参数权重,Agent Arena 开源模型榜登顶

    月之暗面在 Hugging Face 开放 Kimi K3.1 Pro 模型权重,该模型采用混合专家架构,总参数量 2.8 万亿。在 Agent Arena 智能体排行榜中,Kimi K3.1 Pro 位列开放权重模型第一,基于超 1.75 万次真实长周期会话的净改进率为 +5.1%。

    推荐理由:月之暗面如期开放 2.8 万亿参数模型权重,给出了部署规模与核心智能体评测数据,读者可据此判断该模型的开源生态影响。

  7. OpenAI (X)75

    OpenAI 发布 ChatGPT Images 2.6

    OpenAI 推出 ChatGPT Images 2.6,支持生成 GIF 和使用参考图片。新功能将同步上线 API,图像生成速度提升 50%。

    推荐理由:新功能开放了 GIF 和参考图输入,API 生成速度提升 50%,便于评估其在创作工作流中的适用性。

  8. IT之家47

    华为小艺 Work 率先上线 openPangu-2.1-Pro 模型,主打“鸿蒙任务增强”

    华为云宣布停止销售并下线 openPangu-2.0 系列模型服务,小艺 Work 已率先上线 openPangu-2.1-Pro 模型,主打鸿蒙任务增强。 华为官方未公布 openPangu-2.1-Pro 的参数量及上下文等技术规格。小艺 Work 目前为 Beta 版,支持文档处理、PPT 制作等功能,提供 31 天限时免费权益及 49 元、199 元的连续包月订阅选项。

11月4日周三
  1. 腾讯混元92

    腾讯混元 Hy4 正式版发布

    腾讯混元 Hy4 正式发布,首次引入视觉与电脑操作能力,金融综合表现及内部科研评测位居开源第一。官方计划开源模型权重,已在腾讯云等渠道上线,API 价格与预览版保持一致。

    推荐理由:原版在金融众测与科研任务上取得开源第一,并展示了从代码到生物建模的跨领域生产力落地。

  2. IT之家50

    魔芯科技发布华为昇腾原生4D世界模型 MoWorld 2.0

    魔芯科技发布基于华为昇腾原生的 4D 世界模型 MoWorld 2.0。该模型融入多重物理要素,输出可实时渲染、反复调用的 4D 高斯资产。 视频推理提升至 70 帧每秒,3D/4D 资产渲染超 500 帧每秒,手机端渲染约 100 帧每秒。推理成本最低可降至同等 GPU 方案的 30%。 应用于具身智能、自动驾驶及数字孪生等领域。

  3. 量子位71

    招商局狮子山实验室发布「驭物™ Lion-ER-35B-A3B」具身推理模型

    招商局狮子山人工智能实验室发布具身推理视觉语言模型「驭物™ Lion-ER-35B-A3B」,该模型采用 MoE 架构,总参数 35B 但每个 Token 仅激活约 3B 参数。模型在十项主流具身相关基准上全部指标上涨,等权综合均分达到 65.29,多项核心能力超越更大参数量模型。权重已在 Hugging Face 开源,兼容 Transformers、vLLM 和 SGLang 等框架。

    推荐理由:展示了能力牵引的数据引擎方法,读者可了解其如何在低激活参数下提升具身推理能力。

  4. 智东西85

    腾讯发布开源旗舰模型Hy4,首具视觉能力并接入微信生态

    腾讯发布旗舰模型Hy4,该模型首次加入视觉能力并计划开源。实测显示其能操作微信、利用图片进行3D建模,长程任务保持力较强。其API价格对齐DeepSeek-V4系列,并已在腾讯云、CodeBuddy等平台上线,同时完成了昇腾NPU生态的适配。

    同一新闻,精选展示《腾讯混元 Hy4 正式版发布》

  5. 机器之心84

    上海创智学院与新序智能发布预训练级RSI模型801-30B及完整技术报告

    上海创智学院与新序智能联合发布预训练级RSI模型801-30B、完整技术报告及高质量SFT数据,成为全球仅两家公开进行完整前沿预训练RSI的机构之一。801-30B在1T tokens训练量下,22项基准平均分从试训初版47.78提升至正式版56.83。

    推荐理由:文章对比了预训练RSI与后训练的差异,并展示了801-30B在多项基准测试中对齐第一梯队开源基座的结果。

11月3日周二
  1. R/ArtificialInteligence36

    Deep Principle 发布开源权重化学模型 Hydrogen-1.0 助力科研流程

    Deep Principle 团队发布开源权重模型 Hydrogen-1.0,该模型基于 GLM-5.3 后训练,专用于化学、材料科学及生命科学领域的研究支持。 模型旨在衔接实验结果回顾、反应路径探索及下一步规划等环节,帮助研究人员在实验室工作流中维持相关上下文关联。 团队通过短片展示了研究者利用该模型审查证据并做出决策的应用场景,同时提供技术文档与评测链接供用户参考。