研究團隊發布 NEO‑VLA 原生視覺—語言—動作機械人策略模型
南洋理工大學 S-Lab、商湯研究院與 Ropedia 研究團隊發布 NEO‑VLA,一款不設獨立視覺編碼器、將像素直接輸入視覺—語言主幹的機械人策略模型。模型主幹為 2B 參數,在 LIBERO 完整微調後平均成功率為 95.3%;LIBERO-Plus 分佈偏移測試加權總分為 89.7%,RoboTwin 2.0 隨機場景成功率為 69.4%。
南洋理工大學 S-Lab、商湯研究院與 Ropedia 研究團隊發布 NEO‑VLA,一款不設獨立視覺編碼器、將像素直接輸入視覺—語言主幹的機械人策略模型。模型主幹為 2B 參數,在 LIBERO 完整微調後平均成功率為 95.3%;LIBERO-Plus 分佈偏移測試加權總分為 89.7%,RoboTwin 2.0 隨機場景成功率為 69.4%。
Anthropic 推出 Claude Fable 5.2,API 價格下調 20%,回應速度較 Fable 5.1 提升 30%。Claude Code 2.1.323 新增實驗性 Code Mode,讓模型編寫 JavaScript 程式碼處理檔案搜尋及工具指令。另有開源指南以 Ollama 和 Python 建立本地 Agent 工作流程,毋須使用付費 API。
華為雲 MaaS 模型即服務平台正式上線開源盤古模型 openPangu-2.1-Pro,模型針對 Agent 開發、AI 編碼及推理優化三大方向升級。模型在深度研究、鴻蒙系統操控、鴻蒙 App 開發、昇騰算子生成及推理鏈路優化等場景有所增強,並將接入智果 AgentArts、碼道 CodeArts 及果辦 OfficeAce。
華為雲 MaaS 平台正式上線開源盤古模型 openPangu-2.1-Pro,聚焦智能體開發、AI 編碼和推理優化三大方向升級能力。模型以 10 萬餘條專項數據優化 Skills 觸發、工具選擇與調用,並加強深度研究、鴻蒙系統操控及昇騰算子生成等場景。平台提供模型 API,推理輸入價格為每百萬 tokens 0.8 元,推理輸出為 3.2 元。
美團公開 LongCat-2.5 權重,這款面向長程多步驟智能體任務、尤其是編碼的 1.6 trillion 參數模型,全程以中國硬件訓練。它每個 token 約啟用 48 billion 參數,並可透過 API 一次處理最多 1 million tokens、生成最多 128,000 tokens,支援文字、圖像和影片輸入。
推薦理由:報道列出多項智能體基準成績,並交代 194 張華為昇騰加速器的部署配置,便於對照模型表現與自建部署的硬件要求。
Sevren 推出 Embla 1,一款可完全在手機離線運行、每個 token 約啟用 1B 參數的 10B 參數 MoE 推理模型。Sevren 使用自家 Metal 實作在 iPhone 18 Pro 測得,處理 1,024-token 提示詞並輸出 256 tokens 需 1.77 秒,llama.cpp 則需 2.18 秒。
Bland 推出面向電話通話的全雙工語音轉語音模型 Tofu-1,目前以研究預覽版形式提供。模型直接聆聽音訊,並可在説話時聆聽及推理,無須經過文字轉錄;用戶可在通話中打斷或更正它。研究預覽版只向有限數量的企業開放。
美團 LongCat 發佈開源音訊驅動人物影片生成框架 LongCat-Video-Avatar 1.6,改善唇音同步、動作協調與長影片視覺一致性,並優化推理效率。材料稱其可生成超過 10 分鐘的影片;在人類偏好比較中,該版本在六個系統中排名第二,Bradley–Terry Elo 評分為 1068.1,研究收集了 33,051 份有效投票。
Octen 推出開源生成式檢索模型 Octen Pulse,宣稱可在 10 毫秒內返回搜尋結果,讓 AI 模型能在推理時搜尋。Octen 稱 Pulse 比大多數 AI 搜尋 API 快 30 倍,並可在裝置上運行。每月 $20 的訂閲為個人開發者提供不限次 API 呼叫,並包括圖像搜尋。
Runway 發佈機械人控制模型 Praxis-1,並以 Apache 2.0 授權公開模型權重及原始碼。模型根據相機畫面、文字指令及機械人位置資訊預測環境變化,再計算機械人動作。在 NVIDIA RoboLab-120 模擬榜單中,Praxis-1 得分 46.2%,高於 FLUX 3 Action 的 42.9%;這些測試由 Runway 自行進行,尚未獲獨立核實。
NVIDIA 將 GR00T 2 描述為開放的「world-action model」,旨在從人類及機械人示範中學習,並把技能遷移至不同機體。NVIDIA 報告指,GR00T 2 在 50 項任務的多次試驗中零樣本成功率為 40%,微調後結果較高;Samarth Urs 認為,模型在其中 40 項任務各至少成功一次的呈現方式可能高估表現。
清華大學自動化系江瑞課題組發布單細胞蛋白組基礎模型 ProtCell,並在摩爾線程 MTT S5000 智算卡上完成全流程預訓練復現。模型匯集約 3.8 億個細胞及 98 個公開數據集作預訓練與評估,可映射細胞狀態、推斷未測蛋白表達。主要定量評測指標與國際主流 GPU 平台的差異僅約 0.2%。
Hacker News 有一則指向 Hugging Face 的 DeepSeek V4 Pro 0813 貼文,獲得 21 分。原文沒有提供模型規格或效能資訊。
Claude Code 2.1.321 將 Fable 5.2 設為預設 Fable 模型,並下調其輸入、輸出及快取讀取價格。每百萬 tokens 的輸入、輸出及快取讀取收費分別為 $8、$40 及 $0.20,較 Fable 5.1 低 20%;Anthropic 稱輸出生成速度最高提升 30%。
Unsloth 更新 Qwen3.8-27B 量化版本,推出 Dynamic v3.1 更新。Hacker News 討論涉及最小量化版本與 Bonsai 2 的比較,以及 Q5+ 與 v3.0 的比較;留言者認為前兩者都無法正常運作,但 Unsloth 的版本較好。
Perplexity 發佈 Decider v1.3 和 Decider Flash v1.3,兩款決策模型支援分類與評分,並可經 Hugging Face(Apache 授權)、OpenRouter 及 Perplexity Decisions API 使用。
Google 宣佈 Gemini 4 Carbon 全面開放予開發者、企業、科學家及消費者,並在 Google Antigravity 預覽 /swarm。
推薦理由:材料對照 Carbon 與 Argon 的任務定位、token 用量及相同入門價格,呈現 Google 如何區分高難度推理與一般知識工作。
Google 推出 Gemini 4 Hydrogen,定位為面向日常編碼與智能體工作流程的快速、高效模型。它支援文字、圖像、音訊及影片,並提供輸入與輸出合計最多 1 million tokens 的上下文窗口。文章指出,Hydrogen 可處理程式碼庫層級編碼、問題修復及涉及工具、研究和執行的多步驟任務。
Perplexity Decider v1.3 涵蓋訓練、評測和使用場景。
Hacker News 上出現標題為「Gemini 4 Hydrogen」的貼文,連結至 aistudio.google.com。貼文有 21 分及 2 則評論,其中一則評論表示,這些項目似乎正定期推出。
Perplexity 發佈 pplx-decider-v1.3 和 pplx-decider-flash-v1.3 兩款開放權重決策模型,並新增 Locate 功能。
Google 昨日推出 Gemini 4 Hydrogen,將其帶到 Gemini app 和 Google Search,定位為面向大眾的 Gemini 模型。
Google 發佈全新 AI 模型 Gemini 4 Hydrogen。騰訊混元發佈實時語音模型 Hy Realtime,科大訊飛星火語音基座大模型 SparkAudio 1.0 上線 API 服務;中芯國際稱 AI 算力供不應求,並指 2027 年半導體代工產能將非常緊缺。
Google 於 2026 年 11 月 12 日推出 Gemini 4 Hydrogen,定位為面向日常編碼及多步驟工作的快速模型,並已陸續在 Search、Gemini app、Google AI Studio、Gemini API 和 Google Antigravity 推出。
推薦理由:文章將 Hydrogen 與 Carbon 在 Antigravity 中的分工,連同 Google 公佈的速度和 Terminal-Bench 4.1 數據並列,呈現其快速執行定位及已公佈指標。
美股三大股指期貨上揚,道指期貨升0.26%,標普500指數期貨升0.3%,納斯達克100期貨升0.06%;英偉達盤前升近2%,特斯拉昇逾1%。Google發布全新AI模型Gemini 4 Hydrogen。Microsoft 365、Outlook等多款應用服務中斷,微軟稱服務恢復取得進一步進展,部分用戶仍可能遇到間歇性問題。
Google 發佈全新 AI 模型 Gemini 4 Hydrogen。騰訊混元發佈實時語音模型 Hy Realtime,科大訊飛星火語音基座大模型 SparkAudio 1.0 上線 API 服務。中芯國際趙海軍表示 AI 算力供不應求,2027 年半導體代工產能將非常緊缺。
騰訊混元發佈實時語音模型 Hy Realtime,具備語音理解、指令遵循、擬人化表達、Agentic 工具調用及唱歌能力。模型已在元寶語音通話和騰訊客服上線,近期將登陸騰訊雲並提供 API;用戶亦可透過最新版元寶 App 選用「初語」音色,或在網頁 Demo 體驗部分能力。
Translated 發佈研究模型 Lara Mini,以 6 trillion tokens 訓練,涵蓋英語及另外 44 種語言;模型有 7.2 billion parameters,每個 token 啟用 600 million parameters。
Google 發佈 Gemini 4 Hydrogen,面向編碼及 Agent 工作,並稱其速度較 Gemini 3.8 Flash 快 2.5x。它提供 1,048,576-token 統一窗口,僅透過 Google 託管 API 提供,定價為每 1M input tokens $1.50、每 1M output tokens $7.50。
西湖大學團隊推出首版基礎模型 Awomo-0.5,以40億參數在6項國際公開評測的不同榜單中登頂。模型採用「概念世界模型」路線,RoboTwin-c2r 成功率為80.6%,MolmoSpaces 得分為73.4%。目前公佈的成績集中於機械人仿真操作,尚不足以證明模型具備跨領域通用能力。
NVIDIA 發佈的 Alpamayo 2 Edge 是一款端到端自動駕駛模型,結合因果鏈推理與擴散動作專家,根據多攝像頭畫面及自車狀態生成駕駛軌跡。它以 <NOMINAL> 減少常規場景的顯式推理文本,並以 AlpaJudge 評估推理品質、透過 AlpaGym 和 AlpaSim 開展閉環強化學習。
inclusionAI 提供 Duo-1.2-causal-base 的完整模型權重套件,這是用於即時音訊視覺互動的全雙工多模態世界模型。套件包括 Realization 權重與主幹網絡、Intent 模型與 adapter、影片和音訊編解碼器、語音辨識器及 forced aligner,權重格式為 PyTorch Distributed Checkpoint (DCP)。
inclusionAI/Duo-1.0-distill 倉庫提供 Duo 1.0 的四步蒸餾 Realization 權重;Duo 是用於即時音視訊互動的全雙工多模態世界模型。
inclusionAI 的 Duo-1.0-causal-base 是支援即時音訊視覺互動的全雙工多模態世界模型,並提供完整模型權重套件。套件包含 Realization 權重與骨幹、意圖模型及 adapter、影片和音訊編解碼器、語音辨識器與強制對齊器。
inclusionAI/Duo-1.0-distill-quant 收錄 Duo 1.0 的 FP8 量化、四步蒸餾 Realization 權重,供全雙工多模態世界模型使用。這些權重須配合 inclusionAI/Duo-1.0-causal-base;執行環境需支援 ModelOpt FP8 格式或等效轉換路徑。
Google 發佈 Gemini 4 Hydrogen,面向編碼、研究及日常商務任務,並稱其可寫程式碼、修正錯誤及執行測試。Google 稱 Hydrogen 在預設 high thinking level 下比 Gemini 3.8 Flash 快 2.5 倍,並在 Terminal-Bench 4.1 得分 57%,高於 Gemini 3.8 Flash 的 18.2%。
推薦理由:Gemini 4 Hydrogen 與 Gemini 3.8 Flash 的速度及 Terminal-Bench 成績,加上 Orchestrator 的配額與完成時間數據,提供了比較任務效率的依據。
騰訊混元正式發佈即時語音模型 Hy Realtime,提升語音理解、指令遵循及擬人化表達能力,並新增智能體工具調用和唱歌能力。模型已在騰訊元寶語音通話及騰訊客服上線,近期將登陸騰訊雲,向開發者和企業客戶提供 API。下一階段將重點提升雙工互動、長期個性化記憶及前後台 Agent 互動能力。
阿里雲推出 Qwen4-Max 預覽版並上線 Token Plan 訂閲服務,月付、季付及年付方案低至 5 折。另有涵蓋 150+ 主流模型的通享計劃,包季低至 4.5 折。新用戶註冊千問 AI 平台可獲贈 1億+ tokens,另有 30+ 款 AI 產品及旗艦模型免費試用。
騰訊混元發佈即時語音模型 Hy Realtime,新增智能體工具調用和唱歌能力,並已在元寶語音通話、騰訊客服等產品上線。模型可結合上下文理解不完整或經修改的語音意圖,並判斷是否調用網絡搜尋;近期也將上線騰訊雲並提供 API 服務。
騰訊混元於11月13日發佈全新即時語音模型 Hy Realtime,新增 Agentic 工具調用與唱歌能力。模型在語音理解、指令遵循及擬人化表達等基礎對話能力上表現優異。Hy Realtime 已在元寶語音通話、騰訊客服等產品上線,近期亦將上線騰訊雲並提供 API 服務。