百度 Apollo World 世界模型亮相
百度首次披露面向物理 AI、由智能體驅動的全模態世界模型 Apollo World。同組資訊亦提及福建首個跨域異構調度全服務詞元工廠上線、商湯推出日日新 SenseNova 6.8 Flash 正式版,以及 Seedance 海外收入半年近 5 倍增長。
百度首次披露面向物理 AI、由智能體驅動的全模態世界模型 Apollo World。同組資訊亦提及福建首個跨域異構調度全服務詞元工廠上線、商湯推出日日新 SenseNova 6.8 Flash 正式版,以及 Seedance 海外收入半年近 5 倍增長。
百度 Apollo 首次披露面向物理 AI、由智能體驅動的全模態世界模型 Apollo World,並提出世界模型「2+3」判斷標準。該標準涵蓋因果性、交互性,以及物理準確性、持久性和實時性。Apollo World 已用於蘿蔔快跑全球化測試與驗證;蘿蔔快跑已覆蓋全球 28 個城市,累計自動駕駛里程超 3.5 億公里。
百度首次披露面向物理 AI、由智能體驅動的全模態世界模型 Apollo World。百度並提出世界模型「2+3」判斷標準;Apollo World 虛擬城市中的車輛、行人等交通參與者具備決策和互動能力,並非按固定腳本行動的道具。
B站 UP 主「御坂10297號」成功將華為 MateBook E Go 2023 刷入 iOS 16 系統,實現超大屏 iPhone 體驗。目前裝置沒有任何驅動;UP 主表示,全部流程由阿里通義 Qwen3.8-Flash(Next)本地模型完成,並計劃逐步修復其餘組件,待驅動完善後開源。
深度原理於11月2日發佈首款通用大模型 Hydrogen-1.0,基於 GLM-5.3 訓練並同步開放模型權重。Hydrogen-1.0 在 FSR 評測的解題成功率為38.3%,高於 GPT-6-Astra 的33.3%;在 GPQA-Diamonds 的準確率為93.0%,接近 Kimi-K3 的93.5%。
度小滿與香港科技大學及香港生成式人工智慧研發中心(HKGAI)聯合發佈軒轅4.5金融增強大模型,涵蓋大語言模型及多模態模型。在獲客、風控及客戶經營等金融場景中,模型效果提升30%,推理成本僅為通用模型的10%。其自進化RSI技術用於模型訓練及智能體場景目標適配,並以超過1000億Token的場景增強資料支援金融任務。
作者以瀏覽器版 Clash Royale 風格遊戲及 OpenWebUI RAG Debugger 兩項任務比較 Claude Sonnet 5 和 Claude Fable 5,整體認為 Fable 5 表現較佳。
作者分析 Claude Haiku 5.5 的兩項影片測試、基準表現和定價,認為它較適合大量分類或支援工作,不宜作為主要編碼智能體。Anthropic 公佈的 Terminal-Bench 4.0 成績為 39.2%,低於 Sonnet 5.5 的 70.6%;作者沒有自行重做影片測試。
作者以本人聲音盲測 ElevenLabs 與四款免費語音克隆模型,Fish S2 Pro 平均排名第一(1.25),Qwen3-TTS 的 ECAPA 相似度分數則最高(.61)。聽感排名與相似度分數對模型的排序並不一致,測試亦比較了處理速度、每分鐘音訊成本和冷啟動時間。Fish S2 Pro 授權為非商用,商用授權未列價格;Qwen 則已允許透過生成語音賺取收入。
REA 配合 Reverse-skill,讓 Gemini 4 Argon 和 GLM 5.3 分別逆向復刻故宮名畫記;Argon 保留原站佈局與主要細節,整體還原度較高。GLM 5.3 保留列表、詳情及看畫流程,但改動頁面結構並省略多項細節;兩者均完成可繼續迭代的版本。
雷鋒網透過 DeepSeek 官方 API 測試 V4.1-Flash,64 組固定採樣均補全正確答案「8」,未重現 Seed 論文中的答案偏好翻轉。另一輪 64 次概率測量中,「8」始終是最高概率候選,但其概率會隨填充長度變化;文章指出,這不足以將變化歸因於快取壓縮架構。
雷鋒網以同一工作台和 OpenRouter 渠道,實測 GPT 6.1 Sol 與 Claude Sonnet 5.5 完成 3D 密室開發、政策調查及諾貝爾化學獎科普三項任務。
商湯近日推出日日新 SenseNova 6.8 Flash 正式版,針對真實環境中的複雜任務,以及任務執行和結果交付的關鍵難點作出優化。模型支援跨任務、跨會話協作,並可交付靜態網頁、動態內容及設計成果。
香港生成式人工智能研發中心(HKGAI)聯同香港科技大學及度小滿推出「軒轅4.5」金融增強大模型,採用遞歸式自我改進(RSI)技術。模型在拓展客源、風險管理及客戶關係管理等金融場景的表現提升30%,運算成本僅為通用模型的10%。它是首個把自進化RSI技術應用於模型訓練及AI代理目標配置的金融增強大模型。
商湯科技發布日日新 SenseNova6.8Flash 正式版,重點升級辦公協作與設計生成能力,支援長期記憶、跨會話任務協作,以及動態 PPT、動態海報、網頁、SVG 和 Blender3D 創作。模型已開放網上體驗,並同步上線 SenseNovaTokenPlan。使用者可透過智能體與 Blender 協作進行 3D 創作,並根據渲染結果和使用者回饋持續調整。
商湯科技於2026年11月2日晚正式發佈日日新 SenseNova 6.8 Flash 正式版,重點升級辦公協作與多模態設計能力。模型支援長期記憶及跨會話任務協同,涵蓋動態PPT、動態海報、網頁、SVG及Blender3D創作,並可接入 Figma 等專業工作流。
商湯科技發佈日日新 SenseNova6.8Flash 正式版,升級辦公協作與設計生成能力,支援長期記憶及跨會話任務協作。設計功能涵蓋動態 PPT、動態海報、網頁、SVG 及 Blender3D 創作,並可接入 Figma 等專業設計工作流。
新浪科技以官方 API 實測 DeepSeek V4.1-Flash,未觀察到字節Seed論文中 DeepSeek-V4-Flash-Base 隨填充長度出現的答案偏好翻轉。
美團發佈 LongCat-2.5,這款原生多模態智能體模型採用 MoE 架構,總參數為 1.6 萬億,單 Token 激活約 480 億參數。模型訓練將 F2P/P2P 測試校驗納入流程,並把 Agent 失敗軌跡轉化為可復現、可驗證的訓練任務。作者據此認為,軟件測試工程師的角色將轉向 Agent 設計、測試數據生產及 AI 輸出審核。
OpenAI 下一代模型 GPT-6.2 Astra 疑似進入小範圍測試,部分 Codex 用戶的用量統計已出現獨立模型標識「gpt-6.2-astra」,其中一個帳戶的模型調用量佔比達 19.8%。OpenAI 尚未在官方 API 模型目錄、更新日誌或公開公告中確認此型號,也未確認發布時間。
部分 OpenAI Codex 用戶在用量統計中發現新模型標識「gpt-6.2-astra」,最高佔比達 19.8%,疑似正進行灰度測試。OpenAI 尚未在 API 目錄、更新日誌或官方公告中確認該模型,也未公佈發布時間。TestingCatalog 分析認為,這可能是灰度或 A/B 測試;用戶反映額度消耗加快,相關成本成為關注焦點。
部分 Codex 用戶的用量統計出現「gpt-6.2-astra」獨立模型標識,顯示 OpenAI 的 GPT-6.2 Astra 疑似已進入小範圍測試。OpenAI 尚未透過官方 API 模型目錄、更新日誌或公開公告確認這個型號,也未確認發布時間。相關記錄主要出現在 10 月 31 日的使用統計中,其中一個帳戶的用量佔比達 19.8%。
OpenAI 的 GPT-6.1 Terra 是 GPT-6.1 系列第二低價模型,本文整理其規格、定價和使用方式,並與 Claude Opus 5.5 比較。
LongCat 發佈 LongCat-2.5,這款面向長程智能體任務的原生多模態 MoE 模型總參數量為 1.6 trillion,每個 token 約啟用 48 billion 參數。
度小滿與香港科技大學、香港生成式人工智能研發中心(HKGAI)聯合發佈行業首個自進化金融增強大模型「軒轅4.5」,以RSI閉環提升獲客、風控和客戶經營等金融場景的效果,成本僅為通用模型的10%。模型透過業務結果迴流進行微調和強化學習,將信貸風控策略迭代週期由約兩周縮短至三到四天,短期逾期風險下降約50%。
報道指,OpenAI 的 GPT-6.2 Astra 正在 Codex 內灰度測試,Claude Fable 5.5 則因程式生成動畫作品而在網上熱傳。其中一段 66 秒短片的畫面、配樂、音效及字幕均由 Claude Fable 5.5 以 Python 生成,並封裝在一個 HTML 檔案內,模型連續工作約 2 小時 40 分鐘。
Google 被指秘密將 Gemini 4 Carbon 放上 Arena,透過用戶盲測評估反應。TestingCatalog 指出,與 Gemini 4 Carbon 有關的代號 Argon 4 在 10 月 31 日後曾出現在 Arena,但這項觀察未能確認模型由 Google 所有。Arena 讓用戶比較兩個匿名回答並選出較佳者。
美團推出新一代多模態大模型 LongCat-2.5,面向長程智能體任務,並在多項 Agent 評測中取得領先成績。它在 AutomationBench 得分51.8,高於 Claude-Opus-5 的50.3;BrowseComp 得分91.9並排名第一,3DCodeBench 文本轉3D項目得分55.4,略高於其他競品。
Sam Altman 在 ADIPEC 2026 表示,完成 OpenAI 納維–斯托克斯研究核心探索的,是由即將發布的下一代 GPT 驅動的約 1 萬個 Agent;相關發言影片:https://www.youtube.com/watch?
一項在 Cursor 進行的 5 項日常工作測試中,Gemini 在 low effort 下贏得 4 項,Claude 則做出最佳登陸頁面。測試比較 Grok 4.7、Claude Opus 5、Gemini、Muse 和 GPT;Grok high 在遊戲測試中最慢,作者認為不值得等候。作者建議按工作選擇模型:商店頁面可選 Claude,快速工具和編輯則以 Gemini 表現最佳。
Apriel Voice 27B 是一個 27B 參數的開源模型,將語音輸入、視覺上下文理解及工具調用輸出整合在單一模型中。文章稱其在 4-GPU A100 節點上的端到端延遲約為 1.2 s,並在 Hugging Face Hub 提供 Apache 2.0 授權的模型權重、訓練腳本和 Docker 映像。
Nextcloud 將 Olmo 3 評為其最高級別的 Ethical AI 綠色評級,肯定模型符合公營機構對透明度及問責性的要求。評級要求訓練及推理軟件開源、模型可由用戶自行託管,並公開訓練數據。Olmo 3 7B 可在消費級硬件上運行,讓機構在自主管理的基礎設施上使用 AI。
Deep Principle 發佈 Hydrogen-1.0,這是一個以 Z.ai 的 GLM-5.3 為基礎、面向化學、材料科學及生命科學的 753B 開放權重模型。
Claude Opus 5.5 能繪製符合許可申請要求的建築圖紙。提供的正文未包含圖紙細節或相關測試資訊。
Google 回顧 10 月 AI 更新,全球推出 Gemini 4 Argon,並公佈 Gemini 4 Carbon 和世界模型 Genie 4。Gemini 4 Carbon 正透過 Fairwind Program 由美國政府及部分可信網絡防禦人員進行預發佈測試;Genie 4 支援具原生音訊的即時互動世界模擬,並可用自然語言操控場景。
LongCat-2.5 主打以原生多模態能力處理智能體任務。Hacker News 討論提及它是 1.6 trillion 參數模型,並指出圖表將其與 GPT-5.5、GPT-5.6-Sol、Claude-Opus-4.8 和 Claude-Opus-5 比較。評論者詢問模型是否提供可下載權重或開放權重,現有資訊未交代清楚。
VAKYR 檢驗足球賽事的即時入球概率是否準確,分析 341,846 次頁面實際顯示的讀數。模型平均報出 24.9% 的入球概率,實際入球率為 24.7%,顯示值的誤差低於 1 個百分點。按概率分成十組後,最高與最低組的實際入球率相差約 17 個百分點;服務免費,並可在瀏覽器使用。
DeepSeek-V4.1-Flash-1017 的 IQ2_XXS GGUF 標示 2.00 bpw,若計入 Engram 則整體為 2.66 bpw。作者核對分配檔及 GGUF shards,指出 Engram 有 196.6B 參數,以 4.5 bits 儲存,佔 IQ2_XXS 下載容量 44.4%。
LongCat-2.5 提供 OpenAI 與 Anthropic 相容 API、1M tokens 上下文窗口,並按思考模式將温度固定為 1.0 或 0.7。
作者在 us-east-1 對 opus5 和 opus5.5 部署進行負載測試,記錄延遲、節流及部署間吞吐量的差異。短提示詞的單次請求延遲約為 3.0s ~ 4.5s,較長提示詞可達 6s 以上;並發量增加後,429 回應會迅速出現。部分部署另有靜態 401 問題,而同一模型版本在不同預置吞吐量部署上的穩定最高吞吐量差異顯著。