Microsoft 發佈 MAI Image 2.7 和 MAI Image 2.7 Flash,並推出 Canvas 圖像工作區
Microsoft 發佈 MAI Image 2.7 和 MAI Image 2.7 Flash,並在 MAI Labs 推出由 Flash 驅動的互動式圖像工作區 Canvas。
Microsoft 發佈 MAI Image 2.7 和 MAI Image 2.7 Flash,並在 MAI Labs 推出由 Flash 驅動的互動式圖像工作區 Canvas。
Microsoft 發佈專用安全模型 MAI Cyber 2 Flash,在 CyberGym-E2E 達 92.3% 成功率,與 GPT-6 Astra 的 91.5% 相近,而每項任務成本不到 GPT-6 Astra 的 2%。
Microsoft 發佈 MAI Code 2 和 MAI Code 2 Flash,兩款模型均面向日常企業編碼任務,分別側重多檔案實作與深入除錯,以及大量例行工作。
Microsoft 在 Ignite 2026 發佈七款新模型,涵蓋網絡安全、編碼、圖像生成、即時語音、轉錄及決策。
推薦理由:文章按網絡安全、日常企業編碼等場景列出基準表現及成本比較,呈現不同模型在任務表現與價格之間的取捨。
OpenAI 發佈 GPT-6.2 Astra 與 GPT-6.2 Sol,Astra 在 Artificial Analysis Intelligence Index 升至第二位,僅次於 Anthropic 的 Claude Fable 5.2。
推薦理由:文章並列智能指數、成本前沿與編碼代理指數結果,呈現 GPT-6.2 Astra 與 GPT-6.2 Sol 在整體排名、成本和編碼表現上的差異。
OpenAI 於 2026 年 11 月 17 日發佈 GPT-6.2 Astra 和 GPT-6.2 Sol,兩款模型現可透過 ChatGPT Work、Codex 和 API 使用。
推薦理由:文章並列兩款模型的價格、基準表現,以及系統卡披露的資安能力與對齊退步,呈現效率提升和部署限制之間的具體取捨。
Microsoft 推出六款涵蓋編碼、網絡安全、圖像及語音的 AI 模型。Microsoft 稱,MAI Code 2 的表現達 GPT-6.1 Sol 的 98%,價格則為其 40%。
OpenAI 發佈 GPT-6.2 Astra 和 GPT-6.2 Sol,分別面向高難度專業項目及日常工作,並以較少輸出 token 處理高要求任務。
推薦理由:文章比較 Astra 與 Sol 在專業工作、日常任務及基準測試中的定位與成本差異,並交代可用範圍和網絡安全防護限制。
OpenAI 在 ChatGPT Work、Codex 和 API 推出 GPT-6.2 Astra 與 Sol。OpenAI 表示,Astra 在工作和科學評測中創下紀錄,成本不到 GPT-6 Astra 的三分之一。
騰訊混元於 11 月 16 日發佈 Hy4 flash,總參數量為 224B(其中 64B Engram 參數)、激活參數為 12B,並支援多模態及 1M 上下文。
快手可靈正式推出圖像創作模型 Kling Image 4.0,並向企業客戶及開發者開放 API 接入。模型支援原生 8K,單張圖片內可生成 2000 字,並可接收最高 15000 tokens 的文字輸入。模型亦可按一次描述生成最多 10 張圖片,並提供 70+ 種預設商用字體和 110+ 種預設影調風格。
快手可靈推出 Kling Image 4.0 圖像創作模型,並向企業客戶及開發者開放 API 接入。模型首次支援原生 8K 圖像生成,並可在單張圖片內生成 2000 字、一次按描述生成最多 10 張系列圖片。模型支援最高 15000 tokens 文本輸入,並具備原生 Agentic 能力,可按創作意圖規劃系列圖片內容。
阿里巴巴 Qwen 團隊推出 Qwen4-Max,模型總參數量為 2.4 trillion、每個 token 啟用 71 billion 個參數,提供 1M-token 上下文窗口,但只透過封閉 QwenCloud API 提供,沒有可下載權重。
商湯科技正式發布 SenseNova Loop-9B,總參數量約 9B,部署所需顯示記憶體低至 10 GB 內。模型透過 Loop 結構重用參數,將 32 個物理解碼層擴展為 56 次層計算,支援文字及圖像輸入、文字輸出,上下文長度最高 512K tokens。
商湯科技發佈 SenseNova Loop-9B,模型總參數量約為 9B,並通過兩次執行共享的中間層,將 32 個物理解碼層擴展為 56 次層計算。模型支持輸入文本和圖像、輸出文本,上下文長度最高可達 512K tokens。
OVHcloud 於 2026 年 11 月 17 日宣佈推出首個大語言模型系列 Olala,首款為 Olala mini 7A1B,並計劃在 Hugging Face 以 Apache 2.0 授權開源。
阿里雲在年度香港峯會宣佈 Qwen4-Max 上線,並推出多項面向企業的 AI 智能體開發、監控及安全防護能力。Qwen4-Max 總參數為 2.4 萬億,每個 token 激活 710 億參數;阿里雲稱 token 消耗減少 35%,平均每項任務成本降低約 60%。阿里雲在香港服務超過 65,000 名客戶,並宣佈與香港浸會大學及美亞娛樂合作,涵蓋 AI 培訓及影視內容創作。
Liquid AI 發佈 d1.2 和 d1.2-ultra 兩款決策模型,支援文字、圖像及音訊輸入,並以固定答案選項的機率作答。d1.2-ultra 在 AA Decision Index v2.1 得分 75,d1.2 得分 69;前者在該指數的決策模型中排名最高。兩款模型新增 5 種答案類型,並且不產生輸出 token;目前只透過 Liquid API 提供,尚未公開權重。
米哈遊旗下《崩壞》系列 AI 研發團隊公佈通用視覺語言動作基礎模型 Gamer,稱其可模擬真人鍵鼠操作,自主遊玩 2D 和 3D 遊戲。模型以每秒 5 幀(5 Hz)遊戲畫面為輸入,生成相當於 30 Hz 的鍵盤按鍵狀態及滑鼠移動指令;Gamer-RL 在 40 項此前未接觸過的小遊戲任務中,平均成功率為 49.7%。
米哈遊旗下《崩壞》系列 AI 研發團隊公佈通用視覺語言動作基礎模型 Gamer,可透過畫面輸入自主遊玩 2D 和 3D 遊戲。模型不讀取遊戲內部資料或使用遊戲專用 API,而以每秒 5 幀(5 Hz)畫面輸入生成相當於 30 Hz 的鍵盤按鍵狀態及滑鼠移動指令;Streaming-vLLM 在 NVIDIA H200 上將端到端請求延遲由 1306 毫秒降至 65.12 毫秒。
米哈遊旗下《崩壞》系列 AI 研發團隊公佈通用視覺語言動作基礎模型 Gamer,可自主遊玩 2D/3D 遊戲。模型以每秒 5 幀畫面輸入,實時生成 30Hz 鍵鼠操作指令;Gamer-RL 在 40 款未見過的小遊戲任務中平均成功率為 49.7%。項目定位學術研究,遊戲數據及微調權重未公開,且明確禁止用於外掛或破壞公平性的行為。
OVHcloud 推出首個 AI 模型家族 Olala,並開源發布首個成員 Olala mini 7A1B。該模型採用結合 Differential-TPA 和 Mamba-3 的混合注意力機制,總參數 70 億、激活參數 10 億,初始版本上下文長度為 32K。預計今年底推出的 1.1 版本將擴展至 128K 上下文,並具備更好的數學能力。
OVHcloud 推出首個 AI 模型家族 Olala,並開源發佈首個成員 Olala mini 7A1B。該模型總參數 70 億、激活參數 10 億,採用 Differential-TPA 與 Mamba-3 混合注意力機制,以 Apache 2.0 許可發佈於 Hugging Face。初始版本上下文長度為 32K,預計今年底推出的 1.1 版本將擴展至 128K。
OVHcloud 推出首個 AI 模型家族 Olala,並發佈首款模型 Olala mini 7A1B。模型有70億參數、10億激活參數,採用 Differential-TPA 與 Mamba-3 混合注意力機制,支援 BF16,在8GB顯存 GPU 上可達160 TPS。模型以 Apache 2.0 協議開源至 Hugging Face,初始上下文長度為32K。
OVHcloud 發表 Olala mini,這是其新語言模型系列的首個版本,亦標誌着這家法國雲端服務商進入開源語言模型領域。模型從零開始在歐洲超級電腦上訓練,目前尚未公佈任何測試結果,表現仍未明。
螞蟻技術研究院與西湖心辰共同發布 Duo,作為 Reciprocal World Model(RWM,雙向世界模型)的首個實現。Duo 透過 Intent 和 Realization 兩個緊密耦合的模組,將智能主體內化為世界的一部分,原生支援全雙體、即時、雙向互動。
華為雲 MaaS 今日正式上線開源盤古模型 openPangu-2.1-Pro,升級 Agent 開發、AI 編碼及推理優化,並加強鴻蒙系統操控等能力。模型以 10 萬餘條專項數據優化技能觸發、工具選擇和調用,亦針對 ArkTS 任務及昇騰算子生成進行優化。模型已接入華為雲智果 AgentArts、碼道 CodeArts 和果辦 OfficeAce,並提供預置模型 API。
Gemini 網頁應用程式程式碼出現新模型標識 gemini-4-neon,並同時曝光名為 NEON 的訂閲層級。程式碼將該層級標記為 TIER_NEON,用量頁面顯示「Gemini Ultra」,內部則與普通 Ultra 區分;Neon 的模型定位仍未明確。
螞蟻團隊與西湖心辰提出雙向世界模型(RWM)範式,並推出首個實現版本 Duo v1,以即時全雙工互動連接虛擬世界與現實;相關連結包括論文 https://arxiv.org/abs/2611.15131。
Alibaba Cloud 於 2026 年 11 月 16 日正式開放 Qwen4-Max 使用;該模型採用 2.4T 參數骨幹,每個 token 啟用 71B 參數。
Alibaba 發佈大語言模型 Qwen4-Max,稱其輸出品質高於前代、成本更低,並採用 Qwen4 架構及升級的注意力機制。模型骨幹包含 2.4 trillion parameters,每次只啟用 71 billion;Alibaba 內部基準測試中,它完成任務最多少用 35% tokens,在 Terminal-Bench 4.0 少用 49%。
IT早報 1117 聚焦阿里千問 Qwen4-Max 上線、華為 Mate X8 定於 11 月 24 日發布,以及 OPPO Reno17 系列發布。Qwen4-Max 擁有 2.4 萬億參數、100 萬 Token 上下文窗口,任務成本較上一代降低超 60%,並已開放 API 接入。騰訊混元 Hy4 flash 總參數為 224B、激活參數為 12B,支援 100 萬 token 上下文。
阿里雲推出 Qwen4-Max 預覽版,並在千問 AI 平台及百煉平台同步開放,開發者可透過 API 或 Token Plan 使用。模型支援 1M Token 上下文及文字、圖片、影片輸入;在 Terminal-Bench 4.0 中,相較 Qwen3.8-Max,Token 用量減少近 50%、得分提升近 28%,單任務平均費用降低 58%。
阿里巴巴於 2026 年 11 月 16 日正式發佈 Qwen4-Max,千問 AI 平台同步開放 API 按量計費及 Token Plan 調用。
推薦理由:文章並列官方與第三方評測及成本口徑,呈現 Qwen4-Max 的效率和費用變化,也交代其在部分基準上的落差,便於按任務類型評估選型。
Alibaba 推出旗艦模型 Qwen4-Max,以較低價格對標 Opus 5.5、GPT-6 和 Kimi K3.1 Pro,並面向工業、科學及金融等專業工作。
推薦理由:文章並列 Work360 的任務成本與基準分數變化,呈現 Qwen4-Max 相較前代平均成本下降 62%、分數同步上升的表現。
Liquid AI 發佈決策模型 d1.2 和 d1.2-ultra,新增音訊輸入及五項 API 任務。d1.2-ultra 在 Artificial Analysis Decision Index v2.1 得分 75,排名第一,並以 0.8 點校準誤差低於文中列出的其他四款模型。
華為雲發布並開源昇騰原生具身世界模型 CloudRobo-WM1.2。速遞亦提及騰訊混元 Hy4 flash 正式發布、阿里巴巴發布 Qwen4-Max,以及千問辦公上線 MiniMax、Step 等 10 款模型。
Alibaba 發佈 Qwen4-Max,稱新模型聚焦安全,並面向複雜專業及科學任務。模型採用新架構,具備 2.4 trillion parameters 和 1-million-token context window;Work360 評估中,每項任務平均成本由 $4.43 降至 $1.67,減少 62%。
Alibaba 發佈 Qwen4-Max,稱其相較 Qwen3.8-Max 將專業任務平均成本降低 62%,並加入針對攻擊性網絡安全能力及其他高風險用途的防護措施。
英偉達在 CoRL 發佈新一代機械人基礎模型 GR00T 2,可從人類影片及其他機械人的操作數據學習技能,模型權重、程式碼及適配方案計劃於 12 月開放。在 50 項機械人此前未執行的任務測試中,每項任務增加 5 次示範並微調後,平均成功率達 95%,所需機械人數據不足 3 分鐘。