aifollow.news
微软推出预览版图像编辑模型 MAI-Image-2.7-Preview，用户可在 Arena、Artificial Analysis 和 MAI Playground 体验。它目前只能根据原图和文字指令编辑图片，文生图尚未开放；微软称其在 Artificial Analysis 评测的全部 10 个用例和 7 类编辑动作中较上一代有所提升。
LFM3 系列的六款模型已在 Hugging Face 提供开放权重，覆盖文本、视觉、音频、多模态和决策任务，可针对数据在单张 GPU 上微调。发布方称，文本模型 LFM3-1.7B 比前代 LFM2.5-2.6B 少用 35% 参数，表现仍更好；首次推出的 LFM3-Omni-2B 可接收文字、图像、视频和音频，并输出文字或语音。
Genie 4 可在模拟场景中同步生成环境音和互动对话，并让用户用文字实时改变天气、镜头或场景内容。当前仅向可信测试者开放研究预览；Google AI Ultra 订阅者及指定开发者渠道尚需等待。其短时场景可保持连贯，但长时间运行或多次修改后，视觉细节和物体持续性仍可能漂移。
GPT-6.1 Terra 已向 Plus、Pro、Enterprise 和 Edu 用户开放，也可通过 API 调用。它面向发票处理、技术图纸解读等任务；在所述基准测试中，中等推理强度下得分比前代高 15 个百分点，单项任务成本约为前代三分之一。OpenAI 仍建议用其他模型处理难度最高的编程任务。
Moonshot 称，在训练中移除网络安全相关数据后，Kimi K3.1 Pro 在其内部漏洞利用测试中的通过率从未过滤版本的 90.5% 降至 81.0%，仍高于 K3 的 33.3%。该模型及速度快 2—3 倍的 Highspeed 版本已在 Kimi 应用和 API 上线；权重计划于 2026 年 11 月 4 日前开放。
这款5B参数模型已提供权重和API，主打中英文文字生成与可控排版：开发者可用JSON Layout指定文字和物体的位置。其在LLTB评测中的96.3%是文本覆盖率，并非逐字正确率。
MiniMax 宣布开放 M3.1 Flash 模型权重；这是一款总参数 428B、激活参数 23B 的模型。公司称其能力较上一代 M3 全面提升，并通过稀疏注意力、量化感知训练等优化推理效率；模型于 10 月 19 日上线，72 小时内真实用户处理量超过 100 万亿 Token。
OlmoEarth v1.3 同时提供预先计算的卫星影像特征和浏览器工具，用户无需账号即可查看地貌变化、寻找相似地点。全球数据目前覆盖 2023 至 2025 年；2017 至 2022 年仅覆盖部分国家。发布方称，128 维特征在与两款模型的 27 项评测中有 20 项得分最高。
科大讯飞发布星火语音基座大模型 SparkAudio 1.0，集成机器翻译、语音识别和语义理解能力。该模型已在讯飞输入法 16.0、讯飞听见、讯飞办公本和讯飞翻译机上线，支持中英文切换及实时识别说话人；同期发布的讯飞 AI 录音环据称可在 2 分钟内完成 2 小时录音的转写。
NVIDIA 新增面向欧洲短时预报的 StormScope EU，每10分钟预测一次云况。AXA 用模型研究气旋风险，Vaisala Xweather 改进短时预警；曼彻斯特大学研究人员将模型用于英国空气质量研究，TotalEnergies 评估太阳辐射预报，Space42 则用模型研究雷达图像中的地表高度估计。
DeepSeek V4.1-Flash-1017 已在网页、App 和 API 上线，API 调用方式与价格不变。官方称，新版较上一版能力提升、任务耗时和输出长度缩短，并增强了在少量提示与素材下生成可运行项目的能力；模型权重也已开放下载。
Reflection 的首款开放权重模型 Beam 已推出，Ollama 同步提供限时免费云端使用，无需下载模型或管理本地推理。Beam 面向编程、推理和多步骤智能体任务，支持 100 万 token 上下文；Ollama 称其 Beam 接口采用零数据留存。
蚂蚁百灵宣布开源 Ling-3.1-flash，模型最高支持 1M 上下文，并加强了工具调用对 JSON Schema 的支持。在对应的 Hopper GPU 测试配置中，量化使权重占用从约 534GB 降至 292GB，服务部署由 8 卡降至 4 卡；实际所需配置仍取决于上下文、并发量等条件。
英伟达发布面向多步骤智能体任务的 Nemotron 3.5 Super VL，称其单 GPU 任务吞吐量最高为同规模其他开放模型的 5 倍。Super VL 与压缩至 24GB 的 Bolt 74B 模型已开放获取；面向本地语音助手等场景的 Bolt E4B 4GB 计划于 10 月 23 日推出。
阶跃星辰开放了 Step 5 Preview 的 BF16 和 FP8 权重，已上线 Hugging Face 和 ModelScope。开发者可用 vLLM 或 SGLang 部署兼容 OpenAI 接口的服务，也可通过 Transformers 离线推理；华为、壁仞科技、沐曦股份和摩尔线程随后宣布提供首日支持。
LFM2.5-24B-A2B 及其基础版现已在 Hugging Face 提供开放权重，可用于在设备上运行会推理和调用工具的智能体。相较前代，其上下文窗口从 32K 扩至 131K tokens；发布方的测试显示，它在 LiveClaw 上得分 48.09，但在部分知识和编程评测中落后于更大的模型。
Gemini 4 Argon 已面向全球开发者和企业开放，可通过 AI Studio 和 Gemini 平台 API 使用；部分 Google AI Ultra 和 Pro 订阅用户也可在相关产品中使用。其输入、思考与输出共用约 100 万 token 的上下文窗口。限时入门价为每百万输入 token 2 美元、输出 token 10 美元，11 月 30 日促销结束后分别涨至 4 美元和 20 美元。
Meta 称，两款模型比此前的 Muse Spark 更大，在编码等复杂任务上表现更好；其测试显示，模型跑分与 Fable 5.1 和 GPT-6 Astra 相当。Wonder 可通过 Meta Model API 使用，定价为每百万输入 token 4 美元、输出 token 20 美元；Wonder Full 仅面向 Muse Code 订阅者，不通过 API 提供。
Qwen-Image-2.1 Pro 和 Turbo API 已上线，Turbo 权重也已开放。材料称，这组图像生成与编辑能力支持 8 步快速推理、最多 10 张图片的多图编辑和原生透明图层，可供开发者集成到应用中。
Vidu Q4 Preview 已发布预览版，支持用图片和文字生成视频，也可结合最多 15 张参考图、3 段参考音频生成视频。单次最长生成 16 秒，支持 2K、4K 输出；首发优惠价为每秒 0.09 元起。
说出想关注的人物、公司或话题，AI 帮你找到来源，新进展汇集到你的专属标签。