MIT 詳述 CheMeleon 如何以低數據量預測分子性質
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。
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。
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。
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%。
Pangram Labs 正式發佈 AI 圖像檢測模型 Pangram Image 1.0,在一個由 100 張真實圖片製作的 1200 張照片測試數據集上達到 99.96% 準確率。
Kakao 在 Hugging Face 開源發佈多模態模型 Kanana-2-v-decide,模型接受文字及圖像輸入,輸出機率、選項或評分,而非句子式回覆。
VIDRAFT 的 Darwin-180B-RSI 是一個 180B 參數語言模型,透過遞迴自我改進(RSI)更新,據稱只修改約 0.02% 的參數,其餘約 99.98% 權重保持凍結。模型以 SSD 串流方式在筆記型電腦上推理,速度為 4.17 tokens/second;來源未提供標準基準測試分數或公開存取方式。
webAI 開源 TwIL-8B 推理模型,基於 IBM Granite-4.2-8B,針對數學、程式碼及指令跟隨工作負載作優化,採用非商業許可協議。在 MATH-500、AIME 2025 的參與比較模型中成績最佳,並勝過 Gemma 4 31B;LiveCodeBench 同組最佳,IFBench 則與 Gemma 4 12B 持平。
OpenAI 於 2026年11月5日發佈網絡安全模型 GPT-6 Cyber,可自主執行漏洞檢測、驗證及修復。在 ExploitGym 的漏洞利用成功率為 48.5%,高於 GPT-5.6 Cyber 的 32.1%;ExploitGym Honeypot 測試中,沒有部署安全提示詞時避免範圍外攻擊的比率為 99.93%,加入提示詞後則為 100%。
人工智能實驗室 webAI 於當地時間 2026 年 11 月 4 日推出輕量級開源推理模型 TwIL-8B。
webAI 開源 TwIL-8B 推理模型,基於 IBM Granite-4.2-8B,針對數學、程式碼及指令跟隨工作負載優化。它在 MATH-500、AIME 2025 和 LiveCodeBench 的同組比較中表現最佳,IFBench 成績則與 Gemma 4 12B 持平。模型以非商業授權開源,webAI 稱其長板推理能力達前沿模型的 88~93%,但知識儲備有限,並非通用模型。
Thinking Machines Lab 發佈 Inkling 2 Small,這款 594B MoE 模型有 17B 活躍參數,支援文字和圖像輸入。模型提供 1M-token 上下文窗口,在 Artificial Analysis Intelligence Index 得分 31,前代 Inkling Small 得分 13。
IndiaAI Mission 於 2026 年 11 月 3 日發佈三款本土基礎模型:Soket Labs 的 EKA-1,以及 ZenteiQ 的 Dhir 2B 和 Dhir 5B。
淘寶旗下 MNN 團隊發佈並開源 MNN-Pocket-0.3B,模型在 iPhone 18 Pro 上透過 MNN 推理引擎完全離線運行,平均 Decode 速度約為 350token/s。
Google 推出 Gemini Omni 1.2 Flash,生成影片片段的最長時長由 Omni 1.1 的 10 秒增至 15 秒。新版本的參考內容遵循度更高,價格則降低 30%。
淘寶MNN團隊發佈面向手機應用的輕量語言模型MNN-Pocket-0.3B,參數約3億,峯值內存佔用低於300MB。在iPhone 18 Pro實測解碼速度達350token/s,部署體積為173MB。模型支持中英文,並開源多個訓練與部署版本,適配Metal、OpenCL及CPU後端。
淘寶旗下 MNN 團隊開源 MNN-Pocket-0.3B,並在 iPhone 18 Pro 上以 MNN 推理引擎完全離線運行,平均解碼速度約 350token/s。
阿里千問(Qwen)已陸續發布並開源 Qwen3.8 系列,涵蓋 2.4T 參數的 Max、27B 多模態模型及 Flash 效率模型。Qwen3.8-27B 採用 Apache 2.0,量化後 INT4 權重大約 14-17GB;Max 的開源版本主要是純文字權重,雲端 API 的視覺輸入、內置搜尋及工具調用能力未完全打包。
Ricursive Intelligence 當地時間本月4日發佈 Ripple-65B Preview,並稱其智能體編碼表現是美國開放權重模型中最佳。
百度正式開源基座模型文心5.5 Flash Base(ERNIE 5.5 Flash Base),模型總參數為2800億,每個Token實際啟用140億參數。模型以33.5萬億個Token完成預訓練,預訓練上下文最高128K,微調後推理上下文最長支援100萬Token;公佈的測試包括MMLU 93.3分、MMLU-Pro 78.4分。
Thinking Machines Lab於2026年11月5日宣佈啟動新一輪融資,投前估值400億美元、目標募資50億美元,並發佈第二代模型 Inkling 2 Small。
Ricursive Intelligence 發佈 Ripple-65B Preview,並稱其在美國開放權重模型中的智能體編碼表現最佳。它在 TerminalBench 2.1 上表現優於 Meta Muse Spark Open 816B、NVIDIA Nemotron 3 Ultra 550B 等規模顯著更大的競爭模型。
具身智能公司源策未來發佈全身控制模型 Anchor 1,將其定位為全身智能架構的 System 0(S0),負責把動作指令穩定轉化為全身動作。在 72 段全身操作真機測試中,其手腕和腳踝全局位置誤差較此前最佳對比方法分別低約 28% 和 39%;踢紙箱遙操作示範採集成功率則由 37.5% 提升至 98.0%。
OpenAI 發佈網絡安全模型 GPT-6 Cyber,並將其使用權限限定於通過嚴格審查的「破曉紅(Daybreak Red)」安全團隊。文章稱,該模型一週內在 Linux 核心挖出948個提權漏洞,並在模擬電廠、Firefox及內部訓練集羣測試中展示漏洞發掘能力。
推薦理由:文章並列 Linux 漏洞數、越界測試結果與有限開放安排,呈現模型網絡安全用途與部署管控如何同時推進。
Thinking Machines Lab 於 5 November 2026 公佈 Inkling 2 Small,這款總計 594B 參數、每個 token 啟用 17B 的稀疏 MoE 模型可透過 Tinker 及 Playground 使用,權重尚未開放下載。
Hacker News 出現一則指向 thinkingmachines.ai、標題為「Inkling 2 Small」的貼文。評論者表示它尚未達到 SOTA,並稱國內開放權重實驗室的發展速度驚人。
Thinking Machines Lab 於 2026 年 11 月 5 日推出第二代模型 Inkling 2 Small,現以封閉權重形式透過 Tinker 提供使用。
Google 發佈影片生成及編輯模型 Gemini Omni 1.2 Flash,原生片段上限增至 15 秒,720p 定價為每秒 $0.07,較 Omni 1.1 Flash 下調 30%。模型已在 Google Cloud 和 Gemini API 上提供,多輪編輯可涵蓋完整 15 秒片段。Google 尚未公佈 1.2 的基準測試分數。
NVIDIA 發佈 Cosmos 3 模型系列的四個開放權重 checkpoint,全部是 Cosmos 3 Nano 的後訓練版本,各有 16B 可訓練參數。