IBM 发布 Granite Switch 4.1.1 补丁版本，与 4.1 完全向后兼容，无需迁移，仅做底层增量改进。
此次更新包含支持 10 种语言、自带标点与大小写的 Granite Speech ASR 模型，以及 granitelib-core 中在 Jev Decision Index 测试集上整体表现提升的 Decision 适配器。除训练新 ASR 模型和 Decision 适配器外，基座模型未做任何重算，用户组合所需最新适配器即可部署。IBM 表示正在制作教程和 Adapter SDK，让开发者与第三方供应商能自建适配器、迭代版本并按软件方式发布更新。
Mistral 发布 Mistral Large 4（Le Chonk）的开放权重，这是一个 1 万亿参数的原生多模态模型，在公开预览基础上继续做强化学习，编码与防御性网络安全能力提升。
在 Artificial Analysis Coding Agent Index 上得分 48%，与开源领先模型 GLM-5.3 基本持平，但每任务平均少用 47% token；Terminal-Bench 4.0 从预览版提升 13 个百分点至 41%，输出 token 减少 30%。
Mistral 公开了 1 万亿参数多模态模型的权重，并给出编码与安全基准及三种推理档位，可据此评估自托管成本。
Google DeepMind 在 Argon 发布两周后推出 Gemini 4 Carbon，称其在网络安全和长周期任务上达到 SOTA，并以 59 分位列 Artificial Analysis Intelligence Index v5 第一。
官方称其在 SEC-bench Pro 漏洞发现上得 88.2%、ExploitGym 利用上得 54.8%、CWE-bench 修补上得 71.0%，模型支持 1M token 上下文，输入覆盖文本、图像、视频和语音，输出为文本。
汇总了 Gemini 4 Carbon 在多个独立榜单的排名与定价，并列出仅限网络安全防御者使用的准入限制。
Mistral 发布多模态多语言 MoE 模型 Mistral Large 4（代号 Le Chonk），总参数约 1T、激活参数 49B，上下文窗口 1M tokens，输入支持文本和图像、输出为文本。
模型提供 FP8 与 NVFP4 两个官方版本，另有 Unsloth 和 llama.cpp 团队制作的 GGUF 量化，采用 Mistral Ecosystem Open-Weight License（MIT 衍生协议，对模型即服务用途设有限制）。
Mistral Large 4 以约 1T 总参数、49B 激活参数和 1M 上下文开放权重发布，读者可据此判断开源模型在编码智能体与安全场景的可用边界。
Google 发布前沿模型 Gemini 4 Carbon，称其在编码、智能体任务和网络安全方面有明显提升。
该模型在 Artificial Analysis Intelligence Index（v5.0）上排名第一，Claude Opus 5.5 和 GPT-6 Astra 位列其后，并在衡量真实漏洞发现能力的 SEC-bench Pro 和衡量漏洞利用转化的 ExploitGym 上排名第一。目前它只向少数网络安全防御公司开放，后续将通过 Fairwind Program 扩展到其他合作伙伴。Google 称 Carbon 适合长时间运行的多步工程任务，能减少走捷径、抵御提示词注入，并将无依据表述相比 Argon 减少两倍。
Google DeepMind 在 Argon 发布两周后推出 Gemini 4 Carbon，该模型在 Artificial Analysis Intelligence Index v5.0 上以 59 分登顶，前代 Argon 为 50 分。
Google 称 Carbon 面向需要持续智能体工作流的长时间工程问题，内部团队曾连续运行数天，用于大型代码库的根因分析和缺陷修复。第三方评测显示，Carbon 在 Antigravity 的智能体编码上仍落后 Claude Code 搭配的 Opus 5.5 三分；在 AA-Briefcase 智能体知识工作上达到 1,609 Elo，但低于 Kimi K3.1 Pro 等模型。
Google 发布前沿 AI 模型 Gemini 4 Carbon，但该模型无法供用户使用。
Gemini 4 Carbon 本质上是 Argon 的略微改进版本。原文未披露参数规模、benchmark 分数、上下文长度或开放时间等细节。
Google DeepMind 发布新一代前沿模型 Gemini 4 Carbon，称其在网络安全与长周期任务能力上为自家最强模型，在 Artificial Analysis Intelligence Index v5.0 上以 59 分排名第一。
该模型在漏洞发现基准 SEC-bench Pro 上取得 88.2%，在利用验证基准 ExploitGym 上取得 54.8%，在补丁生成基准 CWE-bench 上取得 71.0%；WebDev Arena 上提升 89 elo 至 1769 分、排名第 4。
官方披露了 Carbon 在漏洞发现、利用验证与补丁生成上的基准成绩，以及先向网络安全防御方开放的分阶段策略。
Nvidia 发布开源语音识别模型 Nemotron 3.5 Transcribe，可用文本指令控制，支持 40 种语言转写、31 种语言与英语互译，并在 13 种语言中识别说话人。
模型总参数 30B、每步约 4B 激活，可在单张 Nvidia GPU 上运行，最长处理一小时录音、最多 8 位说话人。Nvidia 称其在 Hugging Face 英语 Open ASR 榜单开源权重模型中排名第一，平均词错误率 5.33%；在 Artificial Analysis 对比中为 2.81%，接近更大的 Voxtral Small 的 2.77%。
英伟达周三发布 Nemotron 3.5 Transcribe，这是一个免费的开源权重模型，可转写最多 40 种语言的音频，同时发布开源语音数据集 Granary 的第 2 版。
英伟达称该模型支持 31 种语言与英语互译，可处理最长一小时的录音，并能区分最多 8 位说话人，在 Hugging Face 的 Open ASR Leaderboard 等基准上优于竞品。该模型面向会议和医疗转写类应用开发者，可配合 Granary 数据集和 NeMo Speech 等工具定制行业术语识别。
NVIDIA 在 Hugging Face 和 ModelScope 上发布开源权重模型 Nemotron 3.5 Transcribe，把转写、说话人分离、翻译和音频问答整合进同一个 checkpoint。
它支持 40 种语言转写、31 种语言与英语互译、13 种语言的说话人分离，可处理最长 1 小时录音并标注最多 8 位说话人，开发者能用自然语言提示控制输出格式。官方称其在 Hugging Face Open ASR Leaderboard 英语开源权重模型中排名第一，平均 WER 为 5.33%，并在 Artificial Analysis 上以约 4B 激活参数取得 2.8% AA-WER。
读者可了解一个开源语音模型如何用提示词统一转写、说话人分离与翻译，以及配套数据管线和微调流程。
Liquid AI 发布 LFM3 新一代 Liquid Foundation Models，六个 2B 级模型（文本、视觉、音频、全模态及两个决策模型）均从 LFM3-1.7B-Base 分支而来，全部开源权重并已在 Hugging Face 上线。
LFM3-1.7B 采用三混合层结构（13 层门控短卷积、5 层 256 token 窗口滑动注意力、6 层全局注意力），在参数比 LFM2.5-2.6B 少 35% 的情况下超过后者，WebArena-Verified 得分 38.42 对 3.02；4-bit 精度下约 1 GB，上下文窗口 256K。
Liquid AI 用同一 2B 级骨干覆盖文本、视觉、音频、全模态与决策模型，并给出单卡微调与端侧部署路径，可据此判断小模型专用化路线的可行性。
Google DeepMind 发布 Genie 4，这是 Genie 3 的后继版本，能逐帧计算场景并实时响应用户输入，用户可用键盘移动、用文本提示改变事件走向。
DeepMind 称它是公司首个直接生成声音的实时世界模型，每个世界带有自己的背景音，角色之间可以对话并实时反应。Gemini 模型在后台负责规划，例如 Gemini 3.8 Flash 持续观察画面、把目标拆成步骤并检查每步是否完成；DeepMind 还在测试 Gemini 4 Argon，把 Genie 与 Gemini Robotics 的机器人研究连接起来，演示中模拟了 Apptronik 人形机器人 Apollo 下棋。
Google DeepMind 于周二以研究预览形式发布世界模型 Genie 4，可生成更逼真的交互式场景，并支持在模拟过程中输入提示词实时改变天气、镜头角度或增删人物与物体。
该模型还能生成与场景匹配的实时音频，包括音乐、环境音和交互对话，场景一致性最长维持两分钟，是前代 Genie 3 的两倍，物理表现和角色拟人度也有提升。Gemini 与 Genie 4 的集成更紧密，在 Gemini Robotics 相关实验中，Gemini 4 Argon 模型将任务拆解为步骤，由 Genie 4 实时模拟，用于在真机之前测试机器人场景。
Google DeepMind 发布 Genie 4 世界模型，称其在几乎各方面都优于 Genie 3，模拟的物理效果和人物更真实，并新增音频。
该模型无需预先渲染环境或编写交互元素，用户只需描述想要的内容，它便能在探索过程中逐帧实时生成体验。DeepMind 表示，这类技术可为实体机器人构建无限训练环境，也能加速创意领域的原型设计；Genie 4 的部分改进得益于 Google 更新后的 Gemini 模型。文章提到，付费用户可能不久后就能使用 Genie 4。
Google 发布 Genie 4 世界模型，用于生成可交互的 AI 体验。
官方称该模型有四项主要更新：生成更逼真的世界、支持用自然语言提示词实时更新体验、可生成音频，并在底层使用 Gemini 3.8 Flash 辅助模拟。它生成的体验时长约两分钟，比上一代 Genie 3 的一分钟更长。Google 将其定位为可用于影视预演、游戏创意原型和机器人训练场景的工具，同时提示模拟时间变长后细节和物体恒存性可能随时间漂移。Genie 4 先以“研究预览”形式向“受信任测试者”开放，并将“即将”提供给 Google AI Ultra 订阅用户，目前已开放 Project Genie 试用等待名单。
Google DeepMind 发布世界模型 Genie 4，可实时生成并交互式操控场景，同时原生生成环境音与角色对话。
Genie 4 基于 Gemini 系列能力，Gemini Omni 负责让模拟贴近真实世界的外观与行为，Gemini 3.8 Flash 作为循环中的引导智能体，把目标拆成步骤并逐帧检查进度。用户可用自然语言实时修改天气、镜头或加入人物物体。该模型已作为研究预览向可信测试者开放，之后将面向 Project Genie 中的 Google AI Ultra 订阅用户，以及 Gemini API 和 Google AI Studio 的早期访问伙伴。
Genie 4 把实时世界模拟、原生音频与 Gemini 的推理规划结合起来，读者可据此了解世界模型当前的能力边界与落地路径。
OpenAI 发布 GPT-6.1 Terra，官方称其结合细致的视觉推理与精确的电脑操作，写作更清晰自然，相比 GPT-5.6 Terra 有明显提升，适用于起草提案、解读技术图纸、填写表单和编辑视频等工作任务。
OpenAI 的 Ted Sanders 在 Hacker News 评论中表示，Terra 在技术沟通上可能优于 Astra 和 Sol，视觉与电脑操作能力相近但速度快得多，其他多数方面略弱。定价为每百万输入 token 1 美元、每百万输出 token 5 美元，约为 GPT-5.6 Terra 和 GPT-6.1 Sol 的一半，约为 GPT-6 Luna 的 10 倍。
OpenAI 发布 GPT-6.1 Terra，API 输入 token 每百万 $1、输出 $5，均为 GPT-5.6 Terra 的一半，缓存输入降至每百万 $0.05。
该模型已向 Plus、Pro、Enterprise、Edu 用户开放，可在 ChatGPT Work、Codex 和 API 中使用。Artificial Analysis 称其在最高推理强度下 Intelligence Index 比 GPT-5.6 Terra 高 6 分，单任务成本 $0.40 对 $1.40；在 Terminal-Bench 4.0 上最高推理强度解决 50.3% 任务，前代为 21.5%。
同一新闻，精选展示《OpenAI 发布 GPT-6.1 Terra》
OpenAI 发布 GPT-6.1 Terra，官方称其将快速且能力较强的 computer use 带给所有人。
目前公开信息仅有这一句介绍，具体能力、可用范围和开放方式尚未披露。
Block 研究实验室发布语音模型 Dessa，可本地运行，能同时说话和聆听，并带有笑声、停顿、哭泣等表达。
该模型完全用人类语音训练，训练只用一块 NVIDIA GPU，可在 MacBook M4 Max 或更高配置的消费级电脑上运行。Block 称现有模型因文本环节驱动语音而显得不自然，Dessa 的情感内置于模型中，但尚不清楚是否由标签控制。目前 Dessa 未公开开放，Block 正征集安全研究人员测试，以排查语音智能体可能欺骗他人的情况。
Block 发布语音模型 Dessa，称其完全用人类语音训练、不含任何文本数据，从零构建。
Dessa 不先把音频转成文本，而是直接处理语音，可实时捕捉情绪、讽刺、笑声和停顿，并支持全双工，能边听边说。该模型可在 MacBook Pro M4 Max 上本地运行，训练使用单台 NVIDIA GB200 NVL72。Block 表示做 Dessa 出于对更好人机沟通的追求和对现有语音 AI 忽略情绪线索的安全担忧。Dessa 尚未公开，团队先招募 AI 安全研究者测试意外风险，感兴趣者可通过表单报名。
月之暗面发布 Kimi K3.1 Pro，这是一个总参数 2.8 万亿、激活参数 1040 亿的多模态 MoE 模型，支持 100 万 token 上下文，标准版与 Highspeed 版已上线官网、App、Kimi Work、Kimi Code 和 API，官方称 Highspeed 输出速度提升 2–3 倍、价格为标准版两倍。权重尚未发布，官方承诺 11 月 4 日开放，届时许可与商用条件仍不明确。
材料把厂商宣传、独立评测与成本口径分开呈现，读者可据此判断开源权重前沿模型的真实位置与部署代价。
Jack Dorsey 的 Block 发布 AI 模型 Dessa，称其完全基于人类对话从零训练，是真正的语音到语音模型，可在 MacBook Pro M4 Max 或更高配置上本地运行。
Block 展示了 Dessa 与人的对话示例，交流大体自然，但偶尔会出现把对方误认成“Ronaldo”这类略显尴尬的表现。团队称做这个模型出于好奇心、增进人与 AI 的理解以及安全三方面考虑，并指出当前语音 AI 把语音压成文本、跟不上人类节奏、也听不出情绪。Dessa 将先向一小批 AI 安全研究者开放早期访问。
月之暗面今日在 Kimi API 上线 Kimi K3.1 Pro，暂未开放权重，但承诺 2026 年 11 月 4 日前发布完整模型权重。
定价为输入 $2.00/百万 tokens、输出 $10/百万 tokens，与 GPT-6.1 Sol 相同，是 Claude Opus 5.5 的一半；另提供速度提升 2-3 倍、价格翻倍的 Highspeed 版本，输入 token 缓存命中价格不变。
同一新闻，精选展示《月之暗面发布 Kimi K3.1 Pro，Artificial Analysis 智能指数升至第四》
月之暗面发布 Kimi K3.1 Pro，这是 Kimi K3 的后训练版本，后训练算力显著增加。
该模型在 Artificial Analysis 智能指数上得分 55，比 K3 提升 11 分，排名第四，仅次于 Claude Opus 5.5（58）、Claude Sonnet 5.5（56）和 Muse Wonder Full（56）。若按计划在 2026 年 11 月 4 日前开放权重，它将成为得分最高的开源权重模型，把开源与闭源模型的差距从 12 分缩小到 3 分。
Kimi K3.1 Pro 在智能体任务和终端操作上的提升，以及开源权重计划，为关注开源与闭源差距的读者提供了具体参照。
设计平台 Canva 发布首个自研图像生成模型 Canva Craft，由内部实验室 Canva Research 从零训练，主要使用数百万份设计模板而非照片作为训练素材。
Canva 称该模型可对标 Google、OpenAI、ByteDance 和 Meta 的同类模型。Craft 先生成图像构图、比例和文字，再输出最高 2K 分辨率、覆盖 30 多种宽高比的图像，并支持 55 种语言的文字渲染；用户可通过 Magic Layers 将结果拆分为可编辑图层。据 Canva 数据，Craft 在 DesignArena 排名中综合第四，人像与风景类别第一。
Canva 发布首个自研图像生成模型 Canva Craft，采用两阶段架构，先规划设计再生成图像，官方称可实现更高的精度、一致性和控制力。
该模型支持最高 2K 分辨率和 30 多种宽高比，可用于社交媒体帖子、营销内容以及写实场景、数字艺术等；Canva 表示两阶段系统能更准确地生成需要清晰文字和精确物体摆放的复杂图像。模型基于平台内容库中数百万个人工模板训练，目前在众包基准 Design Arena 的图像生成模型榜单上排名第四，落后于 OpenAI 的 GPT-Image-2.5 Sunburst、GPT-Image-2.5 Flare 和 GPT-Image-2。
Canva 发布首个自研图像生成模型 Canva Craft，由公司研究团队开发，用于与 Google、OpenAI、字节跳动和 Meta 的同类模型竞争。
该模型分两阶段工作，先解析提示词并规划元素空间关系、相对比例、视觉层级和文字生成信息，再生成最高 2K 分辨率、支持 30 种宽高比的图像，官方称可呈现准确的物体细节和清晰可读的文字，并支持局部精确编辑。模型使用 Canva 模板库中海报、社交帖、演示文稿、信息图、菜单等人工设计稿训练，而非照片，因此生成结果可通过 Canva Magic 转为分层设计。
Allen AI 在 Hugging Face 发布 OlmoEarth v1.3 卫星嵌入模型，读取一年的 Sentinel-1 雷达与 Sentinel-2、Landsat 多光谱时序数据，为全球每 10 米像素生成 128 维向量，前 64 维可单独作为轻量嵌入使用。
团队已在 Source Cooperative 公开全球预计算年度嵌入，并上线免登录的 OlmoEarth Embeddings Explorer，可逐年对比、查找相似地点、用少量标注现场训练小分类器并导出 GeoTIFF。
AI 初创公司 Recursive 发布首个语言模型 Flint，其研发过程几乎每一步都有名为 Eureka Machine 的 AI 系统参与，由它提出想法、构建、测试并规划后续实验。
Flint 是面向本地硬件智能体编码的 MoE 模型，总参数 40B、每 token 激活 2.5B，四个月完成开发。Recursive 称其在 SWE-Bench Pro v2、Terminal-Bench 2.1 和 SWE-Bench Verified 上领先参数少于 50B 的 MoE 模型，但结果尚未经独立验证。
ElevenLabs 发布两款名为 Eleven Realtime 的语音到语音模型。
其中 Max 版本在 Big Bench Audio 基准上得分 98.8%，响应时间为 0.57 秒；ElevenLabs 称目前 Artificial Analysis 榜单上没有模型能同时做到更快和更准。较小的 v1 Mini 面向低成本自然对话，能判断对方是说完话还是只在说“mm-hmm”；v1 Max 面向客服等更复杂任务。两款模型均可通过 ElevenAgents 平台和兼容 OpenAI 的 Realtime API 使用，按分钟加 token 计费，v1 Max 价格高于 v1 Mini。
NVIDIA 发布 Cosmos3-H-Dreams，一个基于 Cosmos 3 的实时生成式手术模拟器，可从视频与机器人运动学学习胆囊切除术场景，并响应器械动作实时生成画面。
模型基于 160 亿参数的 Cosmos3-H-Embodied-Nano，使用 28 个动作维度、832 x 480 视频和 10 Hz 对齐动作训练，经教师到学生蒸馏得到四步与两步两个检查点，配合 FlashDreams 流式推理可在单张 NVIDIA RTX PRO 6000 GPU 上交互运行。官方称这是首个基于临床胆囊切除术录像训练、支持实时运动学控制的生成式手术模拟器，并提供适配自有数据与控制器的方法。
读者可了解生成式手术模拟器如何从桌面任务走向临床场景，以及实时推理所需的蒸馏与缓存管理方法。
Cloudflare 发布 AI 模型 Clairic，称其从文档中抽取数据比大语言模型更快、成本更低。
Clairic 已在 Workers AI 上提供预览，开放权重即将跟进。用户指定所需字段（如订单号或发票总额），模型一次性返回对应值、正确格式和置信度；它不逐 token 生成文本，而是单次回答所有字段，缺失值返回 null，还能做简单计算、估算和预测。Cloudflare 希望它作为智能体链路的一环与 LLM 及其他 System One 模型（如 Jev）配合：例如处理投诉邮件时，Clairic 提取订单号、金额和损坏情况并估算维修费用，决策模型 Clef 按公司规则在退款与维修间选择，GLM-5.3 撰写回复。
MiniMax 发布推理模型 M3.1 Flash，在 Artificial Analysis 智能指数上得 42 分，比前代 M3 高 13 分，单任务成本不到其一半。
该模型与 GLM-5.3-Flash 持平，略高于 Gemini 3.8 Flash 的 41 分，低于 DeepSeek V4.1 Flash 1017 的 45 分；在 Humanity's Last Exam 上得 48%，在 CritPt 物理推理基准上得 22%，在 AA-Omniscience 事实准确性测试中答对 56%。
Nvidia 发布面向常驻智能体和边缘计算的开放权重模型。
Nemotron 3.5 Super VL 为 1200 亿参数模型，面向企业智能体，Nvidia 称其在指令遵循和工具调用任务上可达到与 Nemotron 3 Ultra 相近的准确率。两款轻量 Bolt 模型面向搭载 Nvidia RTX Spark 芯片的 AI PC 和 DGX Spark 工作站本地运行，其中 Nemotron 3.5 Bolt 74B-A9B 24GB 为 740 亿参数，用于多步推理、工具调用和网页浏览，最小的 Bolt E4B 面向对话智能体。Super VL 和 Bolt 74B-A9B 现已可用，Bolt E4B 本月晚些时候推出。
DeepSeek 发布 V4.1-Flash-1017，已上线官网、App 和 API，并在 Hugging Face 与 ModelScope 开源模型权重。
相比前代 V4.1-Flash，新模型基准分数更高、完成任务更快、输出更短，DeepSeek 称其在性能与成本之间实现了帕累托改进。在 DeepSeek 自测中，该模型在多项编码和智能体任务上超过 Claude Opus 5、GPT 5.6-Sol、Kimi K3 和 GLM 5.3 等更大模型；DeepSWE 基准上最高得分 77.0%，平均每任务成本略低于 $0.20，低设置下约 $0.10 仍超过 72%，而前代得分 74.2%、每次运行约 $0.50。
DeepSeek 新版 Flash 在智能体编码任务上以更低单任务成本超过更大模型，同时开放内部搜索 API，读者可据此判断小模型替代空间。
Elorian 发布首个模型 Glimpse，以研究预览形式提供 API 访问，聊天界面需排队等候。
该模型在推理过程中可裁剪图像区域、从视频中抽取特定帧，或运行代码测量和比较所看内容，Elorian 将这一机制称为视觉草稿空间。Glimpse 由小团队在数百块 GPU 上训练，规模远小于其对标的 frontier 系统，定价为输入每百万 token 0.60 美元、输出每百万 token 3 美元。据 Elorian 的评测，Glimpse 在科学图表推理和短视频描述任务上超过 GPT-6 Astra，其他视觉推理任务表现相当。初期目标客户为机器人公司、科研实验室和媒体创意公司，明年计划打造在各项视觉推理测试中领先的模型。
Reflection AI 发布开源权重模型 Beam，面向智能体编码与长周期任务，如维护代码、调用工具、解读结果并完成多步工作流。
Beam 是稀疏 MoE 模型，总参数 5010 亿、激活参数 230 亿，Reflection 称其有效上下文长度为 100 万 token，权重以 Apache 2.0 许可在 Hugging Face 发布，提供 BF16、FP8 和 NVFP4 三种 checkpoint。
美国新实验室 Reflection 在 Hugging Face 发布首个开源模型 Beam，采用 MoE 架构，总参数 501B、每 token 激活 23B，支持文本输入和 1M token 上下文窗口，以 Apache 2.0 许可开放，面向编码与智能体场景。
模型共 52 层，每层 256 个专家、每 token 路由 8 个，提供 BF16、FP8 和 NVFP4 三种 checkpoint，BF16 版本约 1 TB。
Reflection 首个开源模型 Beam 给出 501B 参数、1M 上下文与完整部署配方，可据此评估自托管前沿模型的硬件门槛。