英伟达与 MIT 团队基于 MiniMax H3 开源视频增强方案，最高支持 4K 重生成
英伟达与麻省理工学院组成的 Efficient-Large-Model 团队在 Hugging Face 发布视频增强项目 Open-H3-Regenerate-2K 的模型权重，配套推理代码已在 NVlabs/Sana 仓库开放。
#多模态
量子位AI 评分5858 量子位精选AI 评分7474 国产开源模型OXR登顶三大文档解析榜，1.3B参数靠RSI自进化训练
国产开源文档解析模型OXR以1.3B参数量在OmniDocBench（97.18）、olmOCR-Bench（87.84）和DocParsingBench（87.76）三个榜单登顶，代码、权重和评测流程全部开源。
推荐理由：读者可了解1.3B小模型如何靠RSI自进化训练在文档解析三榜登顶，以及可插拔架构带来的部署取舍。
TechCrunch · AIAI 评分4040 Meta 悄然推出 AI 时尚应用 Style Sketch
Meta 悄然上线 AI 时尚应用 Style Sketch，可连接 Instagram 用已发布照片搭建虚拟衣橱，也支持拍照、录视频或上传图片手动添加单品。应用会基于用户已有衣物推荐搭配，并提供贴合体型与肤色的虚拟试穿，目前已在印度尼西亚、新加坡和泰国上线 iOS 与 Android。用户还可输入目的地、行程天数和活动安排，获得结合天气预报的逐日穿搭计划。
The Verge · AIAI 评分5858 Google Gemini 聊天中可直接生成并编辑 Docs、PDF 等文件
Google Gemini 现在支持在聊天中直接生成、预览和编辑 PDF、Google Docs、Google Sheets、幻灯片、Markdown、TXT 文件和代码，即日起对所有 Gemini 用户开放。PDF 预览与编辑在网页端和移动端均可用，其他文件格式目前仅限网页版。用户可全屏展开文档编辑，也可选中文本向 Gemini 提问或要求修改，例如选中表格让它转成图表。
NVIDIA BlogAI 评分4242 NVIDIA Omniverse 如何用前沿 AI 智能体把想法变成仿真应用
开发者用 GPT-6 Astra 等前沿 AI 模型配合 NVIDIA Omniverse 库，通过自然语言指令构建仿真应用。已有项目覆盖从场地扫描重建可编辑建筑模型、燃气轮机数字孪生 what-if 分析，到 2000+ SimReady 资产场景搭建和 80 传送带、40 机械臂、800 箱体维持 30 FPS 的仓库压力测试。
Hugging Face Blog同新闻AI 评分7272 Mistral Large 4（Le Chonk）在 Hugging Face 发布
Mistral 发布多模态 MoE 模型 Mistral Large 4（Le Chonk），约 1T 总参数、49B 激活参数，上下文窗口 1M tokens，提供 FP8 与 NVFP4 两个官方版本，另有 Unsloth 和 llama.cpp 团队制作的 GGUF。
Hugging Face BlogAI 评分3131 Granite Switch 4.1.1 发布：像更新软件一样更新模型
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，基础模型未重新计算，只需组合最新适配器即可部署。更新包括支持 10 种语言、原生标点与大小写的 Granite Speech ASR 模型，以及在 Jev Decision Index 测试集上性能提升的 granitelib-core Decision 适配器。
量子位精选AI 评分7676 Genspark Media Studio 上线视频 Agent 工作台
Genspark 发布视频 Agent 工作台 Media Studio，接入 20 多家厂商的 70 多个模型版本，由大语言模型担任导演负责写剧本和调度视频、图像、音频模型。
推荐理由：作者完整实测了从rap视频到短剧的生成流程，读者可据此判断多模型编排的实际产出质量与积分消耗。
爱范儿精选AI 评分7272 实测即梦短剧工作室：DreamScript、Anycook、DreamShot 串起短剧制作流程
即梦推出短剧工作室，把剧本创作、角色与场景资产管理、3D 导演台、智能预演、片段重拍和超分等功能放进同一套项目流程。自研剧本模型 DreamScript 可按题材标签直接生成完整剧本，图片模型 Anycook 生成的角色与场景可沉淀为后续镜头反复调用的资产，分镜模型 DreamShot 负责把剧本拆成镜头。
推荐理由：作者完整走了一遍从剧本到成片再到局部重拍的流程，读者可据此判断这套工作流在哪些环节省掉了重复生成。
The Decoder同新闻AI 评分7171 Nvidia 发布开源语音模型 Nemotron 3.5 Transcribe，整合转写、翻译与说话人识别
Nvidia 发布开源语音识别模型 Nemotron 3.5 Transcribe，可转写 40 种语言、将其中 31 种与英语互译，并识别 13 种语言中的说话人，支持最长 1 小时、最多 8 人的录音。
同一新闻，精选展示《NVIDIA 发布 Nemotron 3.5 Transcribe 与 Granary v2 数据管线》
Hugging Face Blog精选AI 评分7171 NVIDIA 发布 Nemotron 3.5 Transcribe 与 Granary v2 数据管线
NVIDIA 发布开源权重模型 Nemotron 3.5 Transcribe，将转写、说话人分离、翻译和音频问答整合到一个 checkpoint，支持 40 种语言转写、31 种语言与英语互译、13 种语言说话人标注，可处理最长 1 小时录音、最多 8 位说话人。
推荐理由：原文给出多语言转写、说话人分离与提示词控制的具体能力，以及配套数据管线和微调配方，便于评估落地方式。
NVIDIA BlogAI 评分5858 NVIDIA RTX Spark 笔记本更新：新增 Nemotron 3.5 Transcribe 与智能体资源管理
NVIDIA 为 RTX Spark 轻薄笔记本带来一批更新，包括开放权重语音模型 Nemotron 3.5 Transcribe、LFM3 系列模型支持，以及 NVIDIA App 中可在前台应用与后台智能体之间分配 GPU 资源的控制项。
TechCrunch · AIAI 评分5858 英伟达发布开源语音转写模型 Nemotron 3.5 Transcribe
英伟达发布免费开源权重模型 Nemotron 3.5 Transcribe，支持最多 40 种语言的音频转写，并同步更新开源语音数据集 Granary 第 2 版。
Ars Technica · AIAI 评分2222 蛋白质与基因组设计软件迎来自然语言交互
蛋白质与基因组设计软件现在支持用自然语言告诉 AI 工具想要生成什么样的蛋白质。用户可直接以日常语言描述目标蛋白，无需依赖专业参数输入。
The DecoderAI 评分6060 Google DeepMind 发布 Genie 4 世界模型，可实时生成带声音的交互世界
Google DeepMind 发布 Genie 3 的继任者 Genie 4，这是其首个直接生成声音的实时世界模型，支持键盘操作与文本提示驱动场景，角色可对话并实时响应用户输入。
Hugging Face Blog精选AI 评分7373 Liquid AI 发布 LFM3 系列：六个 2B 级多模态模型共享同一骨干
Liquid AI 发布 LFM3 新一代 Liquid Foundation Models，把文本、视觉、音频、omni 和决策模型统一到 2B 参数级的同一骨干上，全部开源权重并已在 Hugging Face 上线。
推荐理由：Liquid AI 公布 LFM3 系列六个 2B 级模型共享同一骨干，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。
量子位AI 评分4242 印奇旗下千里科技发布端到端AI 4D毫米波雷达，内置10 TOPS NPU
千里科技推出一颗内置10 TOPS NPU的4D毫米波雷达，从天线设计到点云输出整条链路交给模型，支持边缘侧、卫星架构与兼容三种工作模式。相比上一代DSP方案，其点云密度提升10倍、探测距离提升40%、鬼影消除提升至95%、空间角分辨力提升12倍，并可通过OTA持续升级感知能力。
The Verge · AIAI 评分5858 Google 发布 Genie 4 世界模型，可生成更逼真的交互体验
Google 发布 Genie 4 世界模型，用于生成交互式体验，相比 Genie 3 将生成时长从一分钟提升到约两分钟。该模型带来四项主要更新：更逼真的世界、用自然语言提示词实时更新体验、生成音频，以及底层使用 Gemini 3.8 Flash 辅助模拟。
TechCrunch · AIAI 评分6060 Google DeepMind 发布世界模型 Genie 4，新增音频与实时操控
Google DeepMind 以研究预览形式发布世界模型 Genie 4，可生成更逼真的交互世界，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物体，并生成与场景匹配的音乐、环境音和交互对话。
量子位AI 评分5858 SoMark 团队开源 1.3B 文档解析模型 OXR，三项基准登顶
SoMark 团队开源文档解析模型 OXR，主模型仅 1.3B 参数，在 OmniDocBench、olmOCR-Bench 和 DocParsingBench 上分别取得 97.18、87.84 和 87.76 分，均列第一。
量子位AI 评分5858 Hi3D开源可商用3D模型V1.0，并推出3D创作Agent
Hi3D开源V1.0高分辨率几何细化模型，基于Sparc3D架构，训练数据从50万个3D资产扩至约200万个，代码与权重已上线GitHub和Hugging Face。其技术报告称多视图保真度0.75、细节丰富度0.841，在所列对比方法中排名第一，切片成功率90%。团队同时介绍面向创作者的Hi3D Agent，以及可通过MCP调用Hi3D完成生成任务、查询进度和获取结果。
量子位AI 评分5858 百度开源文心Unlimited OCR 2，峰值KV缓存从47GB降至1.77GB
百度发布并开源文心Unlimited OCR 2，通过稀疏参考滑动窗口注意力机制SR-SWA与无限解码机制，在百页级单序列测试中把峰值KV缓存从47GB降至1.77GB，减少约96%。16路并发测试中端到端吞吐量从360提升至1315 Token/秒，约为标准解码的3.65倍。模型已在Hugging Face和GitHub开源，实测884页英文版《指环王》约42分56秒解析完成。
爱范儿AI 评分5858 Rokid 发布 AI 眼镜 Rokid Glasses 2，并推出全彩眼镜 Rokid Color 与智能戒指
Rokid 发布新一代带显示的 AI 眼镜 Rokid Glasses 2，售价 3699 元起，相机升级为 1200 万像素 CMOS，支持 HDR 和 RAW 14，电池容量比上代提升 25%。
极客公园AI 评分5858 Hi3D 开源 V1.0 模型并推出创作 Agent
Hi3D 开源经过生产验证的 Hi3D V1.0 底座模型，同时推出面向创作者的 Hi3D Agent。V1.0 将训练资产扩充到约 200 万件，新增 1536³ 高分辨率输出，官方测试中切片通过率为 90%，同期同档位竞品为 7% 至 17%。
爱范儿同新闻AI 评分8080 OpenAI 发布 GPT-6.1 Terra，API 价格降 50%
OpenAI 发布新一代模型 GPT-6.1 Terra，标准 API 价格较 GPT-5.6 Terra 降低 50%，输入每百万 Token 1 美元、输出每百万 Token 5 美元。
The DecoderAI 评分5858 Nvidia 开源机器人视频标注引擎 Flora，称成本比 GPT-6 Astra 低 125 倍
Nvidia 开源数据引擎 Flora，用于机器人视频标注，称标注一小时视频约 0.72 美元，而 GPT-6 Astra 约 88.50 美元。Flora 由三个微调的 Qwen3.5 模型组成，覆盖动作分段、描述和奖励评分三类标注，已在 GR00T 模型训练中每天标注最多 20 万小时视频，模型已在 Hugging Face 发布。
芥末堆AI 评分3838 讯飞星火X2.6发布：赋能教师超级AI助手讯飞星光
科大讯飞在2026全球1024开发者节发布讯飞星火X2.6，首次基于全国产算力实现代码和智能体能力突破，并赋能教师超级AI助手讯飞星光。星火X2.6支撑星光完成教学意图理解、交互动画生成与班级学情数据处理，教师满意度达4.7分（5分满分）。实测中家访准备从2-3小时压缩到几分钟，教师每周可多挤出6-10小时。
黑板洞察AI 评分4747 讯飞星火X2.6发布：全国产算力赋能教师超级AI助手讯飞星光
科大讯飞在2026全球1024开发者节发布星火X2.6，首次基于全国产算力实现代码和智能体能力突破，并突破国产芯片长程任务训练瓶颈。该模型赋能教师超级AI助手讯飞星光，可一句话生成交互式课堂课件，并将家访准备从2-3小时压缩到几分钟。调研中教师满意度达4.7分（满分5分）。
Hugging Face BlogAI 评分3434 OlmoEarth v1.3 发布：面向全球的 SOTA 卫星嵌入模型
Hugging Face 发布 OlmoEarth v1.3 卫星嵌入模型，为全球每 10 米像素生成 128 维向量（前 64 维可单独使用），并公开全行星年度预计算嵌入。
NVIDIA BlogAI 评分4848 NVIDIA Cosmos 扩展训练、评估与部署世界模型的新工具
NVIDIA 扩展 Cosmos 平台，新增训练工具、仿真 checkpoint 和 Cosmos Data Factory 蓝图，Cosmos 平台在六个开放模型排行榜上进入前五。
极客公园AI 评分5050 实测 iPhone Duo 适配版淘宝、高德、小红书、飞书等 8 款 App
iPhone Duo 国行首批预订已售罄，苹果官网预计交付时间排到明年二月。实测淘宝、高德、小红书、腾讯视频、飞书、WPS、XMind 和 NBA 巅峰对决 8 款适配 App，展开后分左右两栏、半折立在桌上时上半屏观看下半屏操作，高德的双视野导航和跨 App 定位分享目前仅有视频演示，待后续版本更新。
Hugging Face BlogAI 评分5858 NVIDIA 与华盛顿大学发布 RFD4-Proteina 蛋白质设计模型并上线 Hugging Face Spaces
NVIDIA 与华盛顿大学蛋白质设计研究所联合发布 BioNeMo 开源模型 RFD4-Proteina，把蛋白质序列与全原子结构生成合并到一个模型中，减少骨架、序列、全原子结构之间的多次交接。
Hugging Face BlogAI 评分5858 NVIDIA 在 Hugging Face 上线 SimReady Central，开放 2000 多个仿真就绪 3D 资产库
NVIDIA 在 Hugging Face 发布 SimReady Central Library，汇集 2000 多个带碰撞几何、质量、摩擦等仿真属性的 OpenUSD 资产，免费开放给机器人仿真和 AI 工厂数字孪生使用。
Hugging Face BlogAI 评分5858 NVIDIA 发布 Nemotron 3.5 Embed、Rerank 与 Parse 检索模型
NVIDIA 扩展 Nemotron Retriever 系列，发布 Nemotron 3.5 Embed（8B BF16、1B BF16、1B NVFP4）、Nemotron 3.5 Rerank 8B BF16 和 631M 参数的 Nemotron 3.5 Parse，均为开放且可商用的模型。
Hugging Face BlogAI 评分3636 NVIDIA Cosmos3-H-Dreams：用生成式仿真还原临床胆囊切除手术
NVIDIA 推出 Cosmos3-H-Dreams，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仿真器。它基于 160 亿参数的 Cosmos3-H-Embodied-Nano，经蒸馏得到四步与两步去噪两个 checkpoint，借助 FlashDreams 在单张 NVIDIA RTX PRO 6000 GPU 上交互运行。
爱范儿精选AI 评分7878 VAST 开源实时世界模型 EdenLive，并发布编程智能体 skill EdenGolem
VAST 开源 Project Eden 系列中的实时生成式渲染器 EdenLive，包含 5B、14B 模型权重（各含双向生成与少步流式生成两个版本）、实时流式推理代码、前端工作台和技术报告。
推荐理由：VAST 开源实时世界模型 EdenLive 的权重与推理代码，读者可据此了解生成式渲染与上游交互系统分工的架构思路。
量子位AI 评分6060 Meshy 推出 Meshy Edit：一句指令完成 3D 模型局部编辑
Meshy 发布局部编辑功能 Meshy Edit，用户在 3D 模型上圈出区域并用一句话描述改动，约一分钟生成新模型，未选中区域保持原样。该功能已向全部注册用户开放，每次编辑消耗 20 积分，目前支持 Meshy 6 和 Meshy 7.1 生成的高精度模型，带贴图模型会自动切换至未贴图版本编辑。
极客公园AI 评分7171 Lovart 2.0 推出个人设计 Agent Arti
Lovart 迭代到 2.0 后推出个人设计 Agent Arti，通过记忆功能记录设计师的行业、身份与审美偏好，并主动承担调研找参考、画布风格一致性检查和多轮改稿汇总。Arti 还会把反复出现的操作沉淀为可复用 Skill，并支持设定时间与频率的「设计委托」，按快速、均衡、专家三档模式自主批量出图。
The DecoderAI 评分6868 Kling AI 发布 4.0 版本，新增立体声与多语言口型同步并推出 Flash 轻量版
Kling AI 发布视频生成模型 4.0，单次可生成最长 30 秒视频，支持最多 10 张关键帧图像输入，提示词理解扩展到 8,000 tokens。升级后的 Omni Reference 单次最多接受 15 个参考素材，包括最多 10 张图像、总时长不超过 30 秒的 5 段视频和 7 个元素。
AWS Machine Learning BlogAI 评分5555 TwelveLabs Pegasus 1.5 上线 Amazon Bedrock
TwelveLabs 的视频语言模型 Pegasus 1.5 已在 Amazon Bedrock 上线，可将长视频按用户定义的分段条件输出带起止时间的结构化 JSON 元数据。