商湯開源 SenseNova Loop-9B-Preview
商湯科技宣佈開源商湯日日新 SenseNova Loop-9B-Preview,採用 Looped Transformer 架構,以 9B 參數規模在 WorkBuddy Bench、RaccoonPPT Bench 和 AutomationBench 等評測中超越 Qwen3.5-27B。
商湯科技宣佈開源商湯日日新 SenseNova Loop-9B-Preview,採用 Looped Transformer 架構,以 9B 參數規模在 WorkBuddy Bench、RaccoonPPT Bench 和 AutomationBench 等評測中超越 Qwen3.5-27B。
商湯科技於10月30日開源 SenseNova Loop-9B-Preview,該模型以90億參數實現等效270億參數模型的複雜任務處理能力。在 WorkBuddy Bench、RaccoonPPT Bench 等基準中,該模型超越 Qwen3.5-27B,並在 GPQA Diamond、TeamBench 上分別提升4.42分和13.34分。
商湯科技於 10 月 30 日開源 SenseNova Loop-9B-Preview,官方稱其在僅 9B 參數規模下,表現媲美 27B 模型。模型保留首尾各 4 層原始解碼器,並把中間層改為參數共享的循環計算模組,另探索 mHC 資訊傳遞機制。
商湯科技於 10 月 30 日宣佈開源 SenseNova Loop-9B-Preview,官方稱這款 9B 模型在當前評測設定下可媲美 27B 模型。
測試發現,聊天機械人回答美國中期選舉問題時,依賴三個鮮為人知、由 AI 建立的投票網站。Copilot 在 75% 的測試中引用易出錯的 Ballot Brief,ChatGPT 則在 22% 的測試中引用。
作者 Advik Divekar 建立 The Last Satellite,使用 TabPFN-v2 分析 OPS-SAT 遙測,並以 Tinker 微調 Qwen3-8B,將留出文件的欄位完全匹配率由 72.2% 提升至 86.3%。
Gemini 4 Argon 在付費 Gemini API 正式開放 18 天後,於 Artificial Analysis Intelligence Index v5.0 的 high 設定得 50 分,排名第 13/58,執行指數耗用 110M tokens。
文章比較 DeepSeek-V4.1-Flash-1017、Mistral Large 4 和 Qwen3.8-27B 三款開放權重模型,涵蓋上下文、輸入模態、授權、價格、部署要求及基準資料。
OpenAI 於 2026-10-26 發佈 GPT-6.1 Terra,定位為適用於電腦操作及多步驟日常智能體工作的中階模型。API 定價為 $1 per million input tokens、$5 per million output tokens、$0.05 per million cached input tokens,較 GPT-5.6 Terra 低 50%。
這期模型發佈摘要整理了 2026-10-17 至 2026-10-31 的多項更新,指出前沿能力提升之際,開放權重模型正快速縮小差距。
The Biological Computing 推出 Mischief 1 影片生成模型,稱其方法源自對活神經元計算方式的研究。模型以 Wan 2.2 為基礎,加入不足原模型 0.1% 的軟件層;TBC 宣稱它比 Wan 2.2 單獨運行至少快 5 倍,計算成本低 80%。報道指出,Wan 2.2 已可透過知識蒸餾等方法加速,而文中沒有足以判斷這套神經元方法效果的科研論文。
Google DeepMind 的 SIMA 2 以遊戲作為訓練場,先從人類遊戲影片學習,再在 Gemini 回饋下自行練習。其任務成功率由 31% 升至 65%,並能應對此前未見、由 Genie 3 生成的遊戲世界。文章亦指出,SIMA 2 仍屬研究階段,在長時間多步驟任務及記憶方面有侷限。
Google 於 2026 年 10 月 28 日公佈 Gemini 4 Carbon;該模型在 Artificial Analysis Intelligence Index v5.0 以 59 分登頂。
阿里通義千問 Qwen3.8 系列於 2026年8月正式開源,涵蓋 Qwen3.8-Max、Qwen3.8-27B、Qwen3.8-Flash 及 Qwen3.8-Flash-Next 預覽版。
Claude Fable 和 Opus 新模型據稱已進入早期測試,疑似新模型 Obsidian 3 則在 FrontierCode 2.0 取得 46.8 分,超越 Claude Opus 5.5 的 45.5 分。兩者同以 high 推理強度作答時,Obsidian 3 成本是 Claude Opus 5.5 的 3.6 倍;其型號身份及是否屬於 Claude 新模型仍未確定。
作者以改編自 Battle City 的文字坦克遊戲比較四個模型,Fable 5.1 在 25 場中只勝 1 場,並有 21 場失去基地。Fable 的計劃更完整,卻常離開基地攻擊遠處目標;Opus 則採取直取最近基地、守住路線的策略,表現最佳。
Drew Breunig 將 Nintendo Entertainment System 的 6502 CPU 模擬器嵌入 Qwen3.5-4B 權重,讓模型可以運行 NES ROM。
Gemini 4 Carbon 在 Artificial Analysis Intelligence Index v5 以 59 分排名第一,Claude Opus 5.5 得 58 分,GPT-6.1 Sol 得 55 分。
Claude Sonnet 5 在癲癇小鼠實驗中,從 19 種候選基因療法中選擇療法、腦區及手術座標,並透過定製電動手術裝置完成注射。手術期間,模型因判定目標位置超出裝置活動範圍而拒絕繼續,研究團隊最後手動修正程式碼;獸醫批准每項不可逆操作,並持有緊急停止裝置。小鼠其後恢復良好,技術報告尚待發布,結果未經同行評審。
OpenAI 發佈 GPT-Rosalind-6 系統卡補充文件,指出該模型沿用 GPT-6 Astra 的相同權重,沒有新增訓練數據或進行額外後訓練。在 GeneBench Pro v13 的最高推理預算下,GPT-Rosalind-6 單次成功率為 37.7%,GPT-Rosalind-5.5 為 16.7%;該評估使用與生產環境不同的基準專用設定。
Ludo Robotics 發佈機械人人工智能系統 Ludi 0.2,旨在理解人類意圖,並在現實世界中與人互動。新模型加入社交智能、記憶與推理、工具協調、手勢理解及身體動作能力。公司正致力開發整合感知、對話與身體動作的 Ludi 最終版本。
The Biological Computing Co. 推出 TBC Mischief 1,這款基於 Wan 2.2 的圖像轉影片模型稱在相同品質下速度約快五倍。模型可透過 fal 和 OpenRouter 使用,定價為每秒影片 $0.005。公司尚未發布獨立測試以佐證速度數據。
小米技術發布並開源 0.8B 參數的文件理解模型 Xiaomi-OCR-0,整合文件解析、關鍵資訊抽取及 OCR 視覺問答。
Unsloth推出 Dynamic V3.1 量化方案,稱 DeepSeek V4.1 Flash-1017 可在最低 64GB 內存的設備上本地部署,Unsloth Desktop + llama.cpp 的推理速度較其他專注於 CPU/VRAM/n-gram 的倉庫快約 3 倍。
Mistral Large 4 開放權重帶來的實際變化,取決於每項完成任務的 token 成本、自行部署門檻與授權條款,而不只是權重可下載。
推薦理由:文章以每項已完成任務的 token 用量取代單看基準分數,説明這種衡量方式如何對應智能體編碼的實際成本。
文章比較 DeepSeek V4 API 四種接入方案,按每月 100M 輸入/25M 輸出 tokens 計,Flash 最低 $9,Pro 最低 $115.50。
文章根據 DeepSeek 公佈的數據,比較 DeepSeek V4.1 Flash 與 V4-Pro-0813 在 16 項共同基準上的成績;Flash 勝出 14 項,僅在 GPQA Diamond 和文字版 HLE 落後。
小米開源 0.8B 文件理解模型 Xiaomi-OCR-0,並在 Hugging Face 和 GitHub 同步公開模型權重與推理程式碼。模型以 Qwen3.5-0.8B-Base 為基座,涵蓋文件解析、關鍵資訊抽取及 OCR 視覺問答,支援 Markdown、LaTeX 和 JSON 輸出。
DeepSeek R1 在多項推理基準的表現與 OpenAI o1-preview 相若或更佳,但在 GPQA Diamond 落後,達到相若準確度亦會消耗更多推理 token。
小米開源 0.8B 參數文件理解模型 Xiaomi-OCR-0,模型權重與推理程式碼已同步上線 Hugging Face 和 GitHub。模型基於 Qwen3.5-0.8B-Base,涵蓋文件解析、關鍵資訊抽取與 OCR 視覺問答,支援 Markdown、LaTeX 及 JSON 輸出。
Epoch AI 研究人員發現,開放權重模型 GLM 5.3 可在無人介入下利用 Firefox 修補程式公開至送達用戶間的時間差,在 6 個 Firefox 版本上建立完整漏洞利用鏈。
推薦理由:研究呈現修補程式公開至用戶收到更新之間的時間差如何被模型利用,並對照 Firefox 與 Chrome 測試結果及研究者提出的緩解做法。
TBC 推出基於 Wan 2.2 的 TBC Mischief 圖像轉影片模型,並於 10 月 30 日透過 fal.ai 上線。TBC 稱其生成速度是底層模型的 5 倍、成本降低 80%,輸出品質亦有提升;公告沒有提供獨立基準或足夠測試細節。模型可免費使用至 11 月 2 日,公告價格為每秒生成影片 $0.02。
Mistral AI 開放參數量達一萬億的 Mistral Large 4(Le Chonk)模型權重,供用戶免費下載、修改及在開發者控制範圍外執行。公司稱,模型在 JailbreakBench、StrongREJECT 和 AgentHarm 的網絡安全相關部分拒絕了 96.6% 的惡意提示詞,為其測試過的開放模型中最高;已下載的模型副本不會自動收到後續防護更新。
ElevenLabs 推出 Eleven Realtime v1 Mini 與 v1 Max 兩款語音轉語音模型,兩者均是完整語音智能體,分別面向低成本自然對話及複雜多步工作流。
Google 發佈 Gemini 4 Carbon,該模型在 Artificial Analysis 智能指數 v5.0 以 59 分登頂,超越 Claude Opus 5.5 和 GPT-6 Astra。
ZwZ2-9B-GGUF 提供 Zooming without Zooming v2 模型 ZwZ2-9B 的 GGUF 格式權重,分為語言模型及視覺編碼器與投影器兩部分,均有 FP16、Q8_0 和 Q4_K_M 精度可選。
inclusionAI/ZwZ2-27B-GGUF 收錄 ZwZ2-27B 的 GGUF 格式權重,模型分為語言模型及視覺編碼器與投影器(mmproj)兩部分,兩者均提供 FP16、Q8_0 和 Q4_K_M。使用時須選用相配的視覺元件,亦可混合不同精度;量化可能影響準確度。可使用具備 Qwen3.5 多模態支援的 llama.cpp 建置版本進行推理。
啟元具身研究中心發布 PrimeSim 世界模型仿真器,於 EWMBench 得分 6.09 居首,並在 WorldSimProbe 五項評測中三項第一。PrimeSim 以 30110 小時精選機械人演示數據訓練,涵蓋 22 種異構機械人平台,並支援兩分鐘以上連續 rollout。
大曉機器人與南洋理工大學 S-Lab 發佈 Mundo,將少量影像轉化為可探索、可編輯及可進行物理交互的三維世界。Mundo 可模擬物體運動、接觸與碰撞,並支援機械人導航、操作訓練及仿真測試。團隊已在酒店重建樓層與洗衣區,並模擬洗衣機開門等交互。
360集團自研的AI安全攻防系統圖龍鋒在CyberGym以99.4%的漏洞復現成功率登頂,刷新榜單紀錄。系統在1507個任務中經三輪獨立評測,成功率分別為99.27%、99.47%及99.40%,平均為99.38%。圖龍鋒累計發現超過15000個安全漏洞,並已有超過500家企業接入。