Thinking Machines 的 Inkling 2 Small 在基準測試中爆粗 316 次
Vals AI 研究人員分析 Thinking Machines 的 Inkling 2 Small 在 13 項基準測試、2,655 次執行中的思考記錄,發現模型在 50 次執行中爆粗共 316 次。
Vals AI 研究人員分析 Thinking Machines 的 Inkling 2 Small 在 13 項基準測試、2,655 次執行中的思考記錄,發現模型在 50 次執行中爆粗共 316 次。
Nous Research 使用 53 million tokens 微調 Alibaba 的 Qwen3.8-27B,推出 Arete-27B;測試中帶有宣傳內容的回答比例由 22% 降至 0.9%。
研究者在 Qwen 3.5 上針對性修改權重,無需訓練或反向傳播,便減少了模型反覆生成數學練習答案的情況。這個 800 million 參數模型在 MATH-500 的分數由 7.9% 升至 48.1%,Hugging Face 上的公開重新評估則錄得 51%。結果取決於特定實驗流程,減少生成循環不代表模型的數學能力整體提升。
作者實測 SoMark 團隊的 OXR 1.3B 開源 OCR 模型,涵蓋 10 種真實文件場景,評估其文件解析表現。文中列出它在 OmniDocBench、olmOCR-Bench、DocParsingBench 排名第一,並稱模型可在單卡 24G 顯存本地運行;在 RTX PRO 6000 上的串行解碼速度為 557 token/s。
Gemini Omni 1.2 Flash 可生成及編輯最長 15 秒的影片,Google 帳戶用戶可透過 Google Vids 每月免費製作 3 段 15 秒影片。文章比較 Google Vids、Google Flow、Gemini app 和 Gemini API 的使用條件;Gemini API 的 720p 影片收費為每秒 $0.07,而 Flow 免費帳戶生成影片仍限 10 秒。
推薦理由:文章比較 Google Vids、Flow、Gemini app 和 Gemini API 的 15 秒影片門檻與費用,並列出 Google Vids 每月 3 段免費額度及 Flow 免費帳戶的 10 秒限制。
Thinking Machines Lab 發佈第二代模型 Inkling 2 Small,總參數量為 594B,主打長程自主工作。其訓練後半段採樣包括月之暗面 Kimi K3 在內的模型軌跡,但未公佈 Kimi K3 的佔比;AA 開放權重榜給它 31 分,低於 Kimi K3.1 Pro 的 46 分。
UnimeType 微調並以 Apache-2.0 授權開源 Transliteration 2.0 的 0.8B 和 4B 模型,針對中英、日英等混合文字輸入,保留有意使用的雙語切換。兩款模型以 Qwen/Qwen3.5 為基礎,支援本機推理及低延遲雲端路由。
吉利汽車集團與中國氣象局地球系統數值預報中心聯合推出行業首個「智象-星睿交通氣象大模型」,可實時監測並提示車道級氣象環境。模型已初步推出「超視距安全預警」功能,可透過多車互聯識別結冰等危險路況並主動提示。模型計劃率先在領克 900L 量產落地,未來逐步應用於吉利、銀河、領克、極氪等品牌車型。
吉利汽車集團與中國氣象局地球系統數值預報中心聯合推出「智象-星睿交通氣象大模型」,實現車道級實時監測與風險提示。模型可識別暗冰、低能見度及積水路段並主動預警,首搭車型為領克900L。雙方計劃於2027年一季度發布通用氣象模型,並推動制定車載氣象數據國家標準。
阿里推出 Qwen3.8 系列,涵蓋 2.4 萬億參數的 Qwen3.8-Max、27B 模型及 Qwen3.8-Omni-Flash,並以 Apache 2.0 協議開源。Qwen3.8-Max 支援 100 萬 Token 上下文;Qwen3.8-Omni-Flash 支援 113 種語言及方言,最長可處理 1 小時連續音視頻輸入。
月之暗面計劃於明年第二季推出 Kimi K4,參數規模達5.4萬億,發布時間較遲或延至第三季。Kimi K4 的規模約為 Kimi K3 的兩倍,有望挑戰 Mythos/Fable 級別;月之暗面目前重點放在自蒸餾及後訓練,以提升模型能力。
吉利汽車集團與中國氣象局地球系統數值預報中心推出行業首個「智象-星睿交通氣象大模型」,可即時監測及提示車道級氣象環境。模型已初步推出「超視距安全預警」功能,可透過多車互聯識別結冰等危險路況並主動提示;計劃率先在領克 900L 量產落地。
比較顯示,Mistral Large 4 的權重已在 Hugging Face 提供下載,現階段更適合需要自託管的用戶;Tencent Hy4 則透過 API 提供,權重和授權尚未公佈。
OpenAI 於 2026 年 11 月 5 日推出 GPT-6 Cyber,這款基於 GPT-6 Astra 的模型可尋找軟件漏洞、開發可運作的漏洞利用程式並草擬修補程式。
推薦理由:文章並列 GPT-6 Cyber 的漏洞發現與修補成果、存取限制及安全措施,呈現其防禦用途與雙重用途風險並存的情況。
Pangram Labs 正式推出 AI 圖像檢測模型 Pangram Image 1.0,在其測試數據集上取得 99.96% 準確率。模型可透過熱力圖定位 AI 生成內容,在 256×256 分辨率下準確率為 96.4%;一同推出的 Pangram Image Flash 1.0 在 DF26 數據集上的準確率達 98.7%,領先第二名 29 個百分點。
Physical Superintelligence Inc.(PSI)表示,其研究系統納入 Anthropic 一款未公開模型,並在三天內證明自 2008 年以來懸而未決的 Aaronson-Ambainis 猜想。
Salesforce 推出 Koa Decisions,這款模型專門為智能體系統路由請求,通常只需輸出單一 token。Salesforce 測得 Agentforce 路由約需 26 毫秒,一般用途語言模型則約需 1.4 秒,按這兩個數字計算約快 50 倍。
Ricursive Intelligence 發佈 Ripple-65B Preview,一款面向智能體編碼的 65B 開放權重密集型 Transformer 模型。
測試顯示,Jev 初篩後把部分身份解析案例交由 Claude Opus 5.5 複核,較難測試的準確度達 95.3%。該混合方案每 1,000 個身份成本為 $2.94,低於 Opus 單獨評估的 $5.39;Jev 的信心校準優於 GPT-6 Luna,能更有效地把難例送交 Opus。
VIDRAFT 的開放權重 MoE 模型 Darwin-180B-RSI-R3 在 SuperCLUE 2026 年 11 月數學與科學推理評測中,以 73.68 分排名 19 個模型中的第 2。
Thinking Machines 發佈可自動化 AI 訓練工作的 Inkling 2 Small,模型現已透過 Tinker 雲端服務提供。模型有 594 billion 個參數,提示詞輸入時約 17 billion 個參數會啟用,並可分析圖像及視覺檢查生成圖像;公司稱它在 4.5 小時內令 Qwen3.5-4B 的預測評分翻倍。
Thinking Machines 發佈 Inkling 2 Small,這是一款支援文字及圖像輸入、文字輸出的多模態 MoE 模型,主預訓練在 GB300 上耗時 68 小時。模型目前可在 Tinker 和 Tinker Playground 使用推理與微調服務,但發佈時尚未開放權重。團隊計劃待外部安全測試完成後,於發佈後下一週按 Apache 2.0 許可證開放權重。
MIT 與 BASF 研究人員開發開源分子基礎模型 CheMeleon,透過預訓練學習化學關係,再以少量特定任務數據微調,預測分子性質。模型約有 10 million 個參數,在 58 個基準數據集的統計比較中勝過傳統基準模型及現有基礎模型。CheMeleon 可透過 ChemProp 下載及微調,但仍須實驗確認候選分子的實際性質。
Ricursive Intelligence 訓練的開源語言模型 Ripple-65B Preview 已在 Hugging Face 以 Apache 2.0 授權提供。
Nigismo 在配備 AMD EPYC、32 GB RAM 的 CPU-only 伺服器上,使用 Ollama 比較四款模型的生成速度和俄語回答品質。MiniCPM-V 4.7 1B 達 52.63 tok/s,但俄語表現最弱;Gemma3:4b-it-q4_K_M 為 13.29 tok/s,俄語表現最佳;Qwen3.5:9b 為 6.71 tok/s。
Gemini Omni 1.2 Flash 已在 Gemini API 和 Gemini for business 正式提供,支援最長 15 秒影片生成,並加入多輪對話編輯及更強的參考素材跟隨能力。相較 Gemini Omni 1.1,影片時長上限由 10 秒增至 15 秒,720p 影片價格下調 30% 至每秒 $0.07。
推薦理由:相較 Gemini Omni 1.1,更新將影片時長上限由 10 秒提高至 15 秒、價格下調 30%,並加入多輪編輯,具體呈現生成時長、成本與修改流程的變化。
Hacker News 出現一則標題為「Gemini Omni 1.2 Flash」的貼文,連結指向 blog.google。提供的內容沒有交代更多產品資訊。
Thinking Machines 發佈 Inkling 2 Small,稱其為西方最強的開放權重模型;模型共有 594 billion 個參數,其中 17 billion 個處於啟用狀態。
Underdog 展示以 32MB 語音模型 Woof 製作的遊戲,呈現模型在瀏覽器內生成語音的能力。Woof 有 31 million 個參數,開放下載;公司表示,模型可在大多數裝置上毋須連接互聯網運行。
阿里千問官方帳號再度預熱 Qwen4 系列,暗示新模型即將發布。系列預計包括 Max、Plus、Flash 及 27B,其中 27B 可本地部署;Qwen3.8 Flash Next 已採用系列技術棧,包括新注意力機制、參差結構拆分、N-gram 記憶表和 Muon 優化器。文章估計四款產品可能在 11 月至 12 月陸續發布。
Kakao 於 2026 年 11 月 6 日在 Hugging Face 發佈 Kanana-2-v-decide,這款面向 AI 智能體的決策模型以結構化決策值取代句子生成。
Google DeepMind 於 11 月 5 日推出 Gemini Omni 1.2 Flash,並首次將 Omni 系列全面向開發者開放(GA)。新模型支援原生生成 15 秒影片(上一代為 10 秒)、多輪對話式編輯及更強的參考圖遵循能力;價格較 Omni 1.1 下調 30%,720p 每秒 0.07 美元,生成 15 秒約 1.04 美元。
推薦理由:文章把原生片長、多輪編輯及參考圖遵循能力,與按秒定價及降幅一併呈現,可見模型如何降低生成成本並支援反覆修改。
源策未來於 11 月 5 日發佈全身控制模型 Anchor 1,透過稀疏運動參考、訓練數據及顯式誤差回饋協調機器人全身動作。在 MuJoCo 的 In-House Track 消融實驗中,加入誤差回饋後,全局及局部動作成功率分別由 70.9% 升至 88.7%、由 61.7% 升至 88.4%。
Thinking Machines 於 2026年11月5日發佈 AI 模型 Inkling 2 Small,並表示計劃下週公開模型權重。模型總參數量為 594B,採用 MoE 架構,每個 token 使用 17B 參數,支援文字及圖片輸入;同日起可透過 Tinker 進行推理和微調。
Thinking Machines 發佈 Inkling 2 Small,這款 594B 總參數、17B 啟用參數的多模態 MoE,在 GB300 上用 68 小時完成預訓練。
推薦理由:材料並列 Artificial Analysis、Vals 等評測成績與技術類智能體任務的短板,並交代權重須待外部安全測試完成後才會開放。
商湯科技於 11 月 5 日推出多模態智能體模型 SenseNova 6.8 Flash 正式版,強化長期記憶、主動互動及任務執行,並支援跨任務協作。模型把設計生成延伸至動態簡報、3D 建模及網頁設計,亦支援與 Blender 協作及輸出可繼續編輯的工程檔案。
Coval 語音 AI 基準列出 Qwen3 ASR 1.7B 平均 35 ms 的最終片段完成時間,在 28 個受測 STT 系統中排名第一,詞錯誤率為 2.9%;Soniox STT RT v5 約為 46–47 ms。
Pangram 推出 Pangram Image 1.0 和 Pangram Image Flash 1.0,更新 AI 圖片及影片偵測能力。Image 1.0 在 1,200 張合成圖片的測試中準確率達 99.96%;Flash 1.0 在 DF26 得分 98.7%,比次佳偵測器高 29 個百分點。
Pangram Labs 推出 Pangram Image 1.0,可透過熱力圖定位 AI 生成圖像內容。模型以 12 種主流生成器製作的 1200 張測試集進行測試,準確率達 99.96%;在 256×256 低解像度下,準確率仍達 96.4%。同期推出的影片檢測模型 Pangram Image Flash 1.0,在 DF26 數據集上的準確率為 98.7%,領先第二名 29 個百分點。
Pangram Labs 發佈 Pangram Image 1.0 AI 圖像檢測模型,在以 100 張真實圖片製作的 1200 張照片測試數據集上,準確率達 99.96%。模型可透過熱力圖定位 AI 生成內容,在 256×256 分辨率下準確度為 96.4%。一同推出的 Pangram Image Flash 1.0 視頻檢測模型,在 DF26 數據集上的準確率為 98.7%。