Mistral 开源了 Mistral Large 4（内部代号 Le Chonk）的权重，模型有 1 万亿参数，原生支持多模态。报道称其为开放权重阵营中体量最大的模型，从零开始在欧洲基础设施上训练，并称在开放权重模型中编码能力最强，引用 Cognition 的私有基准 FrontierCode 2.0 测试端到端代码质量作为依据。
推荐理由：报道给出 Mistral Large 4 的参数规模、多模态能力和编码基准表现，可作为开源模型竞争格局的参照。
Meta 静默推出 AI 穿搭应用 Style Sketch，可连接 Instagram 从已发布照片生成虚拟衣橱，并基于用户现有衣物推荐穿搭。用户可在与自身体型和肤色匹配的虚拟模特上试穿，输入目的地和行程还能获得结合天气预报的逐日出行穿搭计划。该应用已登陆印度尼西亚、新加坡和泰国的 iOS 和 Android 平台，Meta 尚未回应是否扩大上线范围。
AWS 发布教程，讲解如何将 NVIDIA Nemotron 3.5 Super VL 部署在 Amazon EKS、EKS Auto Mode 和 SageMaker HyperPod EKS 上。
约20人团队用9个月开发的AI互动作品《不问凡尘》上线三周，在 Steam 获得87%好评率、超26万玩家，预估近千万流水。游戏依托火山引擎的 Seedance 2.0/2.5、Seedream 5.0 Pro、Seed TTS 和 Seed Character 等模型生成视频、图像和语音资产，制作成本约为传统方式的1/3。
XREAL AURA 在 Google Android 开发者峰会宣布商业上市，是首款搭载 Android XR 的有线分体式 XR 眼镜，首发骁龙 Reality Elite 平台，12GB+256GB 版限时 1099 美元（约 7400 元人民币），16GB+512GB 版 1299 美元。
即梦正式推出短剧工作室，整合小云雀短剧 Agent 能力，并加入自研剧本模型 DreamScript、美术模型 Anycook 和分镜模型 DreamShot，覆盖剧本创作、角色场景资产管理、3D 导演台、智能预演、片段重拍和重制转绘等环节。
Apple 于 10 月 29 日发布 14/16 英寸触控 MacBook Pro，Mac 首次支持屏幕触控，沿用 M5 Pro 和 M5 Max 芯片，SDR/HDR 峰值亮度均为 2000 尼特，续航最长 24 小时，起售价 2899 美元（国行 22999 元），11 月 6 日发售。
一项发表在 EMNLP'26 的研究用狼人杀式基准测试多模态大模型的社交推理能力：模型虽能看到表情、听到声音，却难以判断「我不是狼」这类陈述的真假。结果显示 GPT 等多模态大模型在「读空气」类社交场景中存在明显盲区。
Google DeepMind 正式发布新一代通用世界模型 Genie 4。原文称其为谷歌版「黑客帝国」的深夜王炸发布，定位为真正的「世界模型」。
Chrome 的增强自动填充开始使用 Gemini 与 Personal Intelligence，从 Gmail 中提取快递单号、航班或酒店预订号、订单号等信息辅助填写表单。功能于当日开始在美国推出，覆盖桌面、Android 和 iOS 版 Chrome，敏感数据在建议时保持加密，用户可在设置中管理权限或完全关闭。
Meta 推出了一款"电子宠物风"应用 Waddle World，这是一款 16-bit 宠物养成应用，虚拟宠物可与用户聊天并为对话画涂鸦，其实质是"伪装成宠物的每日日记"。该应用免费，目前仅面向菲律宾成年人开放。Meta 近期还低调推出了 AI 时尚应用 Style Sketch，据报道仅在印度尼西亚、新加坡和泰国上线。
华为小艺大模型应用实验室首任主任刘睿在专访中谈道，其团队此前在商汤未能立项的对话式修图技术，已落地于 2025 年华为 Mate 80 发布会。他主导的小艺大模型应用实验室于 2025 年底成立，研究方向涵盖大语言模型、多模态智能、Agent 与具身智能。今年上半年实验室发布了 Aura 流式视频理解模型（支持实时视频交互、主动服务和一问多答）和开源图像生成基础模型 Boogu。
天津大学张长青在 CNCC 2026 首日 Tutorial《广义多模态融合技术》中，介绍了团队在多模态表征、动态可信融合和通用预测基座方面的研究。其 TMC 方法结合变分狄利克雷分布与 Dempster–Shafer 证据理论估计预测不确定性，在晶体结构识别任务中把分类准确率从约58%—59%提高至93.9%左右。
钛媒体发布深度报道，指出2026年1—5月国内AI剧漫剧市场规模已达220亿元、全年有望突破400亿元，但抖音上半年新增22.19万部AI漫剧爆款率仅0.47%，约98.7%项目上线半年内无法回本。
即梦于 10 月 26 日上线「短剧工作室」，将剧本创作、角色与场景资产管理、分镜设计、视频生成和后期编辑串联在同一项目中。创作者可通过 3D 短剧导演台安排站位与运镜，并用智能预演以约 10% 的成本提前验证整场戏效果，同时整合了小云雀的短剧 Agent 能力；双十一活动期间 Seedance 2.5 视频生成价格最低 0.19 元/秒，CLI 使用最低 0.18 元/秒。
作者分析字节如何通过红果（2026 年 6 月月活 3.68 亿）和视频生成模型 Seedance 2.0 形成短剧分发与生产分工：红果用免费加广告模式夺走用户时长，Seedance 以约 1 元/秒、Mini 版约 0.5 元/秒的价格让供给过剩，利润向分发端集中。文章判断红果并未抢占抖音时长，增量来自长视频等外部渠道，并提出监管、内容边际收益递减与注意力总量天花板才是真正约束。
百度发布并开源文心 Unlimited OCR 2，宣称全球首次实现任意页数文档解析，将 OCR 处理上界从几十页推到"无限"，并称达到 SOTA。实测显示一次性解析累计超过 3600 页的书籍时仍保持较高精度和效率；文中提到多页文档解析基准 MPDocBench，但 feed 未提供完整数字。
Google DeepMind 宣布推出 Genie 4 世界模型，核心进步不是画质而是声音，它是原生多模态的，画面、音乐、环境声、对话可同时生成。技术上基于 Gemini 家族，其中 Gemini Omni 负责让模拟锚定真实世界的样貌和物理行为。
Google DeepMind 发布新一代世界模型 Genie 4，单次交互模拟时长从约一分钟延长至两分钟，支持实时生成画面、原生音频和动态 NPC 对话。模型融合 Gemini 家族能力，由 Gemini 3.8 Flash 等负责任务分解与规划，Genie 4 负责实时生成环境。
Google DeepMind 发布新一代世界模型 Genie 4，以研究预览形式面向可信测试者推出，后续将向 Google AI Ultra 订阅者及 Gemini API、Google AI Studio 早期合作伙伴开放。
现在可以直接告诉 AI 工具你想让它制造什么样的蛋白质。蛋白质与基因组设计软件开始支持类似自然语言的描述方式，让用户用(准)自然语言 specifying 想要的蛋白质。这一变化将自然语言交互带入了基因与蛋白质设计领域。
Property Finder 与 AWS Generative AI Innovation Center 发现其 96.8% 的评测标签直接继承自现有 VLM 的预测，导致替代模型被系统性低估。
推荐理由：文章指出用现有模型预测充当标注会扭曲模型对比，并给出重建专家标注与演化式提示词优化的可迁移方法。
Google DeepMind 发布 Genie 4，可逐帧实时生成可交互场景，并首次直接生成环境音效和角色对话。系统基于 Gemini Omni，由 Gemini 3.8 Flash 持续观察画面、拆解任务并调整计划，还在测试用 Gemini 4 Argon 驱动 Gemini Robotics 仿真演示。
Google DeepMind 于周二以研究预览形式发布世界模型 Genie 4，生成更逼真的可交互世界，并新增与场景匹配的实时音频，包括音乐、环境音和交互对话。
Google 发布 Genie 4 世界模型，可生成更逼真的交互体验，并用自然语言提示词实时更新，还能生成音频，底层由 Gemini 3.8 Flash 驱动模拟。体验时长约 2 分钟，比 Genie 3 的 1 分钟更长。目前以"research preview"形式面向受信任测试者开放，即将向 Google AI Ultra 订阅者推出。
Google DeepMind 发布 Genie 4 世界模型，称其在 Genie 3 基础上几乎全面改进，模拟中的人物更真实、物理表现更好，并加入了音频能力。该模型无需预渲染环境，可实时逐帧生成可交互的虚拟世界，DeepMind 认为世界模型是通向 AGI 的关键环节，并可用于为物理机器人创建无限训练环境或支持创意领域快速原型制作，部分改进来自 Google 更新的 Gemini 模型。
Rokid 发布带显示的 AI 眼镜 Rokid Glasses 2，售价 3699 元起，爱范儿提前体验一周。新品换用 1200 万像素 CMOS、支持 HDR 和 RAW 14，可拍 4K 竖屏 30 帧视频，电池容量提升 263mAh；图文版 AI 会议纪要获作者好评。
SoMark 团队开源文档解析模型 OXR（1.3B 参数），在 OmniDocBench、olmOCR-Bench 和 DocParsingBench 三项基准分别取得 97.18、87.84、87.76 分位列第一。
皮克斯官方最新RenderMan 3D渲染教程采用禾赛科技的Kosmo 3D场景扫描方案处理真实世界3D高斯泼溅数据，皮克斯总部场景捕捉仅需10-20分钟。Kosmo One采集端集成定制激光雷达、8K影像、一英寸CMOS和高精度IMU并做微秒级同步前融合，云端Kosmo World重建端同步输出3DGS、mesh、depth三种数据形态，可直接用于机器人训练。
清华大学与智谱 AI 联合论文（唐杰任通讯作者）曝光内部模型 GLM-Omni，从 GLM-4.1V-Thinking 出发接入基于 X-Omni 的离散图像 Tokenizer。
百度于10月27日发布并开源文心 Unlimited OCR 2，宣称全球首次实现任意页数文档解析，实测可一次解析《哈利·波特》全系列超过3600页。模型在 MPDocBench 和 MarathonDocBench 上分别得分84.6和77.1，达到端到端 SOTA。
OpenAI 发布中端模型 GPT-6.1 Terra，主打视觉推理和 Computer Use，即 AI 查看屏幕内容后自己点鼠标、打字并在软件间切换完成任务。官方定位介于更贵的 Sol/Astra 与更便宜的 Luna 之间，面向日常工作高频场景；API 价格下调 50%（原文仅给出每百万 token 输入价格的开头数字，feed 未提供完整正文）。
OpenAI 发布 GPT-6.1 Terra，定位中档模型，强调详细视觉推理、精确计算机操作和更自然的写作，定价为 $1/million input tokens 和 $5/million output tokens，约为 GPT-5.6 Terra 和 GPT-6.1 Sol 的一半。
无问芯穹与三体宇宙于10月25日发布智子人格AI对话Agent“智子Agent 1.0”，以《三体》637号小宇宙管理员智子为角色锚点。产品依托无问芯穹Agentic Infra体系，通过AgentWorks平台、多Agent协同机制和PDD跨集群异构推理架构，实现跨会话记忆延续，实测首Token延迟降低51.5%、单Token成本降低37.5%。
Kimi 发布新一代旗舰模型 K3.1 Pro，拥有 3 万亿级参数、支持 100 万上下文，计划 11 月 4 日前开放完整模型权重，并同步推出输出速度快 2-3 倍的 Highspeed 版本和可在线编辑 3D 模型的新功能 3D Make。
Kimi K3.1 即将发布，已实测网友称其在 Three.js/WebGL 等 6 大 3D 与前端细分领域表现强势，成本仅为 Kimi K3 的 70%。盲测中其生成同等复杂度 3D 代码的 Token 消耗只有海外顶级模型的几十分之一，与 GPT-6 Astra 对比成本约 1/14，还能在 15 分钟内交付可交互 3D 资产。
Microsoft 在 Science 发表研究，称其 Diagnostic Orchestrator 系统诊断准确率最高可达人类医生的四倍，并计划开源自建基准 SDBench。
AI 多模态模型正在改写内容行业，MiniMax H3、Seedance 等模型能否进入实际工作流，取决于审美稳定性、抽卡率和成本曲线。一家游戏厂商接入后，素材制作从几天缩短到几小时，月制作费从几百万元降到几十万元；MiniMax-W（00100.HK）上半年收入1.17亿美元，开放平台及企业服务收入同比增长703.1%、占比升至63.4%。
OpenAI 的 Decisions API 于 9 月 29 日开发者日发布后，周四起向所有客户开放，基于 ChatGPT Luna 重配置而成，将响应时间从 1 到 3 秒缩短至 100、120、180 毫秒，并新增语音与视觉模态、按地区优化推理资源降低延迟。
Google DeepMind、Google Research 与 WRI、IIASA 发布 ForTy 2020 全球地图，将每块 10x10 米土地分为六类森林与土地利用类型，并附 2017 至 2025 年逐年变化时间序列。