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。
#模型发布
量子位精选AI 评分7474
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。
量子位精选AI 评分7171 扩散智能发布扩散语言模型 Clover-35B-A3B-Preview，主打 Agent 与代码任务
扩散智能发布扩散语言模型 Clover-35B-A3B-Preview，采用 MoE 架构，总参数 350 亿，每个 token 激活约 30 亿参数，支持思考模式。
推荐理由：读者可以看到扩散语言模型在Agent连续任务和代码评测上的具体表现，以及它与自回归模型在速度上的差异。
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。
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。
量子位AI 评分5858 蚂蚁百灵开源 Ling-3.1-flash-1019 与基座模型 Ling-3.1-flash-base
蚂蚁集团旗下百灵大模型于 10 月 28 日正式开源 Ling-3.1-flash-1019，该版本面向 Personal Agent 场景，在 Artificial Analysis Intelligence Index v4.3.2 上得 44 分，较上一版本提升 3 分。
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。
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 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 Decoder精选AI 评分8585 OpenAI 发布 GPT-6.1 Terra，API 价格减半并逼近更大模型
OpenAI 发布 GPT-6.1 Terra，API 输入每百万 token 1 美元、输出 5 美元，均为 GPT-5.6 Terra 的一半，缓存输入降至每百万 token 0.05 美元。
推荐理由：原文给出 GPT-6.1 Terra 与 GPT-5.6 Terra、Claude Sonnet 5.5 的价格和多项基准对比，可据此判断中端模型的性价比变化。
OpenAI NewsAI 评分6262 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。
量子位精选AI 评分7171 岩芯矩阵联合港科大、CMU开源EdgeRock-4B，KV Cache减少99.1%
岩山科技旗下岩芯矩阵联合港科大、CMU等高校发布并开源EdgeRock-4B，在256K上下文下KV Cache固定为72MiB，相比源模型Qwen3.5-4B减少99.1%。
推荐理由：原文给出固定内存机制与吞吐、基准数据，读者可据此判断长上下文推理的显存成本能压到什么程度。
The DecoderAI 评分6262 Canva 发布首个自研图像生成模型 Craft
Canva 发布首个自研图像生成模型 Canva Craft，称可与 Google、OpenAI、字节跳动和 Meta 的同类模型竞争。该模型由 Canva Research 从零训练，主要使用数百万设计模板而非照片，先生成构图、比例和文字，再输出最高 2K 分辨率、30 多种宽高比的图像，支持 55 种语言文字渲染，并可通过 Magic Layers 拆分为可编辑图层。
The Verge · AIAI 评分5858 Canva 发布首款自研图像模型 Canva Craft，先规划设计再生成图像
Canva 发布首款自研图像生成模型 Canva Craft，采用两阶段架构，先规划设计再生成图像，最高支持 2K 分辨率和 30 多种宽高比。该模型基于平台数百万个人工模板训练，目前在 Design Arena 榜单排名第四，落后于 OpenAI 的 GPT-Image-2.5 Sunburst、GPT-Image-2.5 Flare 和 GPT-Image-2。
TechCrunch · AIAI 评分6060 Canva 发布首个自研图像生成模型 Canva Craft
Canva 发布首个自研图像生成模型 Canva Craft，由内部研究团队开发，对标 Google、OpenAI、字节跳动和 Meta 的同类模型。该模型分两阶段生成，先解析提示词并规划元素空间关系、相对尺度、视觉层级和文字信息，再输出最高 2K 分辨率、支持 30 种宽高比的图像，并可用 Canva Magic 转为分层设计。
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。
TechCrunch · AIAI 评分6666 Recursive 发布可在笔记本运行的免费编码模型 Flint，称主要由 AI 参与构建
AI 初创公司 Recursive 发布首个模型 Flint，这是一个可在笔记本上离线运行的免费编码模型，以 Apache 2.0 许可证在 Hugging Face 开放下载。
Hugging Face BlogAI 评分5858 NVIDIA 发布 Kumo Relational 关系型基础模型，无需训练即可预测
NVIDIA 发布预训练关系型基础模型 Kumo Relational，可直接在企业数据库上做预测，无需任务特定训练、特征工程或表扁平化，单次前向推理读取最多 10,000 条历史样本作为上下文。
Hugging Face BlogAI 评分5858 IBM 发布 Granite Speech 5.0 系列语音模型
IBM 更新 Granite Speech 系列，新增 granite-speech-5.0-2b，并修订 granite-speech-5.0-470m-turboctc 和 granite-speech-4.1-2b-plus。
Hugging Face BlogAI 评分3838 NVIDIA Kumo Forecast：结合预训练时序表示与历史模式检索的可解释预测模型
NVIDIA 推出 Kumo Forecast 多变量时序预测模型，基于 MOMENT-1-large 骨干，约 3.4 亿参数编码器加可训练预测头，采用 Apache 2.0 许可开源。其 DARR 模式通过最近邻检索历史模式增强直接预测，并附带按预测步长生成的可解释性框架。模型代码与权重已在 Hugging Face 发布，支持 256 至 2048 观测长度的数值时序输入。
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。
The DecoderAI 评分6262 ElevenLabs 发布两款实时语音到语音模型 Eleven Realtime
ElevenLabs 发布两款名为 Eleven Realtime 的语音到语音模型。Max 版本在 Big Bench Audio 基准上得分 98.8%，响应时间为 0.57 秒，ElevenLabs 称 Artificial Analysis 榜单上没有模型同时更快且更准确。
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。
TechCrunch · AIAI 评分5858 英伟达发布 Nemotron 3.5 Super VL 与 Bolt 系列开放模型，面向企业智能体和 AI PC
英伟达发布面向常驻智能体与边缘计算的开放权重模型，包括 1200 亿参数的 Nemotron 3.5 Super VL 和两款轻量 Bolt 模型。Super VL 面向企业智能体，英伟达称其在指令遵循和工具调用上可接近更大的 Nemotron 3 Ultra，并称在文档智能、财务会计、医疗保险理赔等任务上经后训练后快于 Anthropic 和 OpenAI 的竞品。
量子位AI 评分6767 VAST 开源实时世界模型 EdenLive，单张 RTX 5090 上 720P 超 24FPS
VAST 发布并开源实时世界模型 EdenLive，在单张消费级显卡 RTX 5090、720P 条件下，5B 模型生成速度超过 24FPS，端到端延迟为百毫秒级，并支持分钟级连续生成。
量子位精选AI 评分7878 DeepSeek 发布 V4.1-Flash-1017 模型并开放自研搜索 API
DeepSeek 发布新模型 DeepSeek-V4.1-Flash-1017，网页端、APP 与 API 已同步切换，官方称其针对 DeepSeek Harness 做了专项优化，在提升代码与 Agent 任务表现的同时缩短任务运行时间、减少输出消耗和 token 费用。
推荐理由：新模型在基准测试中提升的同时压缩了任务运行时间和输出长度，读者可据此判断 Agent 任务的成本边界变化。
The Decoder精选AI 评分8080 DeepSeek 发布 V4.1-Flash-1017，智能体任务表现超越更大模型并大幅降低单任务成本
DeepSeek 发布 DeepSeek-V4.1-Flash-1017，已在官网、App 和 API 上线，并在 Hugging Face 与 ModelScope 开源模型权重。
推荐理由：读者可对比 DeepSeek 新 Flash 模型在智能体编码任务上的分数与单任务成本，并了解其搜索 API 的开放方式。
DeepSeek 更新日志精选AI 评分6565 DeepSeek 发布 DeepSeek-V4.1-Flash-1017 模型更新
DeepSeek V4.1 Flash 升级至 DeepSeek-V4.1-Flash-1017，官方网页端与 APP 同步更新，API 调用方式与价格不变，仍使用 deepseek-flash 访问最新模型。
推荐理由：官方给出新版本在多项基准上的分数与运行时间变化，可据此判断升级后的性能与成本取舍。
AWS Machine Learning BlogAI 评分5858 Reflection AI 发布开源权重模型 Beam，面向智能体编码并在 AWS 上线
Reflection AI 发布开源权重模型 Beam，面向智能体编码与长周期任务，采用稀疏 MoE 架构，总参数 501B、激活参数 23B，官方称有效上下文长度达 100 万 token，权重以 Apache 2.0 协议在 Hugging Face 发布，提供 BF16、FP8、NVFP4 三种检查点。
Hugging Face Blog精选AI 评分7878 Reflection 在 Hugging Face 开源 501B 模型 Beam
美国新实验室 Reflection 在 Hugging Face 发布首个开源模型 Beam，采用 501B 参数 MoE 架构、每 token 激活 23B，支持 1M token 上下文，Apache 2.0 许可，面向编码与智能体场景。
推荐理由：原文给出 501B MoE 模型的架构细节、多精度基准与 vLLM、SGLang 部署配方，可据此判断自托管前沿模型的硬件门槛。
Hugging Face BlogAI 评分5858 IBM 发布 Granite Switch 4.1：单端点同时支持聊天、决策与语音
IBM 发布 Granite Switch 4.1，提供 8B 和 30B 两个版本，在同一个托管端点内同时支持自然语言对话、通用与专用决策以及语音转写。
NVIDIA BlogAI 评分6767 NVIDIA 发布 Nemotron 3.5 Super VL 与两款 Bolt 边缘模型
NVIDIA 发布开源 1200 亿参数的 Nemotron 3.5 Super VL，主打多模态智能体任务，称吞吐量最高为同类模型 5 倍，并同步推出面向边缘的 Nemotron 3.5 Bolt 74B-A9B 24GB 与 Bolt E4B 4GB。
Mistral AIAI 评分5858 Mistral 发布时序基础模型 Timestral，最大 209M 参数
Mistral 发布首个时序基础模型系列 Timestral，提供 5M、28M、123M 和 209M 四个尺寸，最大模型在 GIFT-Eval、TIME 和 fev-bench 三项公开基准上均排名第一，参数量约为此前 SOTA 的三分之二。
Hugging Face Blog精选AI 评分7878 Meta 发布开源权重多模态 MoE 模型 Muse Spark Open
Meta 发布开源权重模型 Muse Spark Open，采用 MoE 架构，总参数约 816B、每 token 激活约 42B，上下文窗口最高 100 万 token，可接收文本、图像、音频和视频输入并输出文本。
推荐理由：原文给出 816B 总参数、42B 激活的 MoE 架构与多模态输入细节，并附 vLLM、SGLang、llama.cpp 部署和 TRL 微调配方。
Hugging Face Blog精选AI 评分7171 Liquid AI 发布 LFM2.5-24B-A2B 端侧推理智能体模型
Liquid AI 发布 LFM2.5-24B-A2B，这是一个 24B 参数、每 token 仅激活 2B 的推理模型，面向端侧运行私有智能体，会先思考再作答并调用工具。
推荐理由：原文给出与更大 MoE 模型的逐项基准对比和端侧推理速度，可据此判断本地智能体的可行边界。
Google DeepMindAI 评分5858 Google DeepMind 发布 EmbeddingGemma 2 开源多模态嵌入模型
Google DeepMind 发布 EmbeddingGemma 2，一个 740M 参数、Apache 2.0 许可的开源多模态嵌入模型，将文本、代码、图像、音频和视频映射到统一嵌入空间。
DeepSeek 更新日志精选AI 评分7373 DeepSeek 发布 DeepSeek-V4.1-Flash 模型
DeepSeek 正式发布 DeepSeek-V4.1-Flash，这是其全新模型结构系列中尺寸最小的模型，具备原生多模态视觉理解能力。该模型已同步上线 DeepSeek API，将模型名改为 deepseek-flash 即可调用，API 价格同步下调；旧版 V4 Flash 与 V4 Flash Vision Exp 已下线，旧模型名暂时路由到 V4.1 Flash。
推荐理由：官方更新日志给出新模型的评测分数、API 调用方式和价格下调，可据此判断替换旧版的成本与迁移路径。