Salesforce 推出 Koa Decisions,實現毫秒級智能體路由
Salesforce 推出 Koa Decisions,這款模型專門為智能體系統路由請求,通常只需輸出單一 token。Salesforce 測得 Agentforce 路由約需 26 毫秒,一般用途語言模型則約需 1.4 秒,按這兩個數字計算約快 50 倍。
Salesforce 推出 Koa Decisions,這款模型專門為智能體系統路由請求,通常只需輸出單一 token。Salesforce 測得 Agentforce 路由約需 26 毫秒,一般用途語言模型則約需 1.4 秒,按這兩個數字計算約快 50 倍。
Ricursive Intelligence 發佈 Ripple-65B Preview,一款面向智能體編碼的 65B 開放權重密集型 Transformer 模型。
測試顯示,Jev 初篩後把部分身份解析案例交由 Claude Opus 5.5 複核,較難測試的準確度達 95.3%。該混合方案每 1,000 個身份成本為 $2.94,低於 Opus 單獨評估的 $5.39;Jev 的信心校準優於 GPT-6 Luna,能更有效地把難例送交 Opus。
VIDRAFT 的開放權重 MoE 模型 Darwin-180B-RSI-R3 在 SuperCLUE 2026 年 11 月數學與科學推理評測中,以 73.68 分排名 19 個模型中的第 2。
Thinking Machines 發佈可自動化 AI 訓練工作的 Inkling 2 Small,模型現已透過 Tinker 雲端服務提供。模型有 594 billion 個參數,提示詞輸入時約 17 billion 個參數會啟用,並可分析圖像及視覺檢查生成圖像;公司稱它在 4.5 小時內令 Qwen3.5-4B 的預測評分翻倍。
Thinking Machines 發佈 Inkling 2 Small,這是一款支援文字及圖像輸入、文字輸出的多模態 MoE 模型,主預訓練在 GB300 上耗時 68 小時。模型目前可在 Tinker 和 Tinker Playground 使用推理與微調服務,但發佈時尚未開放權重。團隊計劃待外部安全測試完成後,於發佈後下一週按 Apache 2.0 許可證開放權重。
MIT 與 BASF 研究人員開發開源分子基礎模型 CheMeleon,透過預訓練學習化學關係,再以少量特定任務數據微調,預測分子性質。模型約有 10 million 個參數,在 58 個基準數據集的統計比較中勝過傳統基準模型及現有基礎模型。CheMeleon 可透過 ChemProp 下載及微調,但仍須實驗確認候選分子的實際性質。
Ricursive Intelligence 訓練的開源語言模型 Ripple-65B Preview 已在 Hugging Face 以 Apache 2.0 授權提供。
Nigismo 在配備 AMD EPYC、32 GB RAM 的 CPU-only 伺服器上,使用 Ollama 比較四款模型的生成速度和俄語回答品質。MiniCPM-V 4.7 1B 達 52.63 tok/s,但俄語表現最弱;Gemma3:4b-it-q4_K_M 為 13.29 tok/s,俄語表現最佳;Qwen3.5:9b 為 6.71 tok/s。
Gemini Omni 1.2 Flash 已在 Gemini API 和 Gemini for business 正式提供,支援最長 15 秒影片生成,並加入多輪對話編輯及更強的參考素材跟隨能力。相較 Gemini Omni 1.1,影片時長上限由 10 秒增至 15 秒,720p 影片價格下調 30% 至每秒 $0.07。
推薦理由:相較 Gemini Omni 1.1,更新將影片時長上限由 10 秒提高至 15 秒、價格下調 30%,並加入多輪編輯,具體呈現生成時長、成本與修改流程的變化。
Hacker News 出現一則標題為「Gemini Omni 1.2 Flash」的貼文,連結指向 blog.google。提供的內容沒有交代更多產品資訊。
Thinking Machines 發佈 Inkling 2 Small,稱其為西方最強的開放權重模型;模型共有 594 billion 個參數,其中 17 billion 個處於啟用狀態。
Underdog 展示以 32MB 語音模型 Woof 製作的遊戲,呈現模型在瀏覽器內生成語音的能力。Woof 有 31 million 個參數,開放下載;公司表示,模型可在大多數裝置上毋須連接互聯網運行。
阿里千問官方帳號再度預熱 Qwen4 系列,暗示新模型即將發布。系列預計包括 Max、Plus、Flash 及 27B,其中 27B 可本地部署;Qwen3.8 Flash Next 已採用系列技術棧,包括新注意力機制、參差結構拆分、N-gram 記憶表和 Muon 優化器。文章估計四款產品可能在 11 月至 12 月陸續發布。
Kakao 於 2026 年 11 月 6 日在 Hugging Face 發佈 Kanana-2-v-decide,這款面向 AI 智能體的決策模型以結構化決策值取代句子生成。
Google DeepMind 於 11 月 5 日推出 Gemini Omni 1.2 Flash,並首次將 Omni 系列全面向開發者開放(GA)。新模型支援原生生成 15 秒影片(上一代為 10 秒)、多輪對話式編輯及更強的參考圖遵循能力;價格較 Omni 1.1 下調 30%,720p 每秒 0.07 美元,生成 15 秒約 1.04 美元。
推薦理由:文章把原生片長、多輪編輯及參考圖遵循能力,與按秒定價及降幅一併呈現,可見模型如何降低生成成本並支援反覆修改。
源策未來於 11 月 5 日發佈全身控制模型 Anchor 1,透過稀疏運動參考、訓練數據及顯式誤差回饋協調機器人全身動作。在 MuJoCo 的 In-House Track 消融實驗中,加入誤差回饋後,全局及局部動作成功率分別由 70.9% 升至 88.7%、由 61.7% 升至 88.4%。
Thinking Machines 於 2026年11月5日發佈 AI 模型 Inkling 2 Small,並表示計劃下週公開模型權重。模型總參數量為 594B,採用 MoE 架構,每個 token 使用 17B 參數,支援文字及圖片輸入;同日起可透過 Tinker 進行推理和微調。
Thinking Machines 發佈 Inkling 2 Small,這款 594B 總參數、17B 啟用參數的多模態 MoE,在 GB300 上用 68 小時完成預訓練。
推薦理由:材料並列 Artificial Analysis、Vals 等評測成績與技術類智能體任務的短板,並交代權重須待外部安全測試完成後才會開放。
商湯科技於 11 月 5 日推出多模態智能體模型 SenseNova 6.8 Flash 正式版,強化長期記憶、主動互動及任務執行,並支援跨任務協作。模型把設計生成延伸至動態簡報、3D 建模及網頁設計,亦支援與 Blender 協作及輸出可繼續編輯的工程檔案。
Coval 語音 AI 基準列出 Qwen3 ASR 1.7B 平均 35 ms 的最終片段完成時間,在 28 個受測 STT 系統中排名第一,詞錯誤率為 2.9%;Soniox STT RT v5 約為 46–47 ms。
Pangram 推出 Pangram Image 1.0 和 Pangram Image Flash 1.0,更新 AI 圖片及影片偵測能力。Image 1.0 在 1,200 張合成圖片的測試中準確率達 99.96%;Flash 1.0 在 DF26 得分 98.7%,比次佳偵測器高 29 個百分點。
Pangram Labs 推出 Pangram Image 1.0,可透過熱力圖定位 AI 生成圖像內容。模型以 12 種主流生成器製作的 1200 張測試集進行測試,準確率達 99.96%;在 256×256 低解像度下,準確率仍達 96.4%。同期推出的影片檢測模型 Pangram Image Flash 1.0,在 DF26 數據集上的準確率為 98.7%,領先第二名 29 個百分點。
Pangram Labs 發佈 Pangram Image 1.0 AI 圖像檢測模型,在以 100 張真實圖片製作的 1200 張照片測試數據集上,準確率達 99.96%。模型可透過熱力圖定位 AI 生成內容,在 256×256 分辨率下準確度為 96.4%。一同推出的 Pangram Image Flash 1.0 視頻檢測模型,在 DF26 數據集上的準確率為 98.7%。
Pangram Labs 正式發佈 AI 圖像檢測模型 Pangram Image 1.0,在一個由 100 張真實圖片製作的 1200 張照片測試數據集上達到 99.96% 準確率。
Kakao 在 Hugging Face 開源發佈多模態模型 Kanana-2-v-decide,模型接受文字及圖像輸入,輸出機率、選項或評分,而非句子式回覆。
Kevin 對 GPT-Image-2.6 原生 SVG 輸出進行基準測試,所測文字生成樣本平均有 4 至 18 條封閉路徑、大小為 0.9 KB 至 9.6 KB,且沒有嵌入點陣圖。
VIDRAFT 的 Darwin-180B-RSI 是一個 180B 參數語言模型,透過遞迴自我改進(RSI)更新,據稱只修改約 0.02% 的參數,其餘約 99.98% 權重保持凍結。模型以 SSD 串流方式在筆記型電腦上推理,速度為 4.17 tokens/second;來源未提供標準基準測試分數或公開存取方式。
webAI 開源 TwIL-8B 推理模型,基於 IBM Granite-4.2-8B,針對數學、程式碼及指令跟隨工作負載作優化,採用非商業許可協議。在 MATH-500、AIME 2025 的參與比較模型中成績最佳,並勝過 Gemma 4 31B;LiveCodeBench 同組最佳,IFBench 則與 Gemma 4 12B 持平。
OpenAI 於 2026年11月5日發佈網絡安全模型 GPT-6 Cyber,可自主執行漏洞檢測、驗證及修復。在 ExploitGym 的漏洞利用成功率為 48.5%,高於 GPT-5.6 Cyber 的 32.1%;ExploitGym Honeypot 測試中,沒有部署安全提示詞時避免範圍外攻擊的比率為 99.93%,加入提示詞後則為 100%。
人工智能實驗室 webAI 於當地時間 2026 年 11 月 4 日推出輕量級開源推理模型 TwIL-8B。
webAI 開源 TwIL-8B 推理模型,基於 IBM Granite-4.2-8B,針對數學、程式碼及指令跟隨工作負載優化。它在 MATH-500、AIME 2025 和 LiveCodeBench 的同組比較中表現最佳,IFBench 成績則與 Gemma 4 12B 持平。模型以非商業授權開源,webAI 稱其長板推理能力達前沿模型的 88~93%,但知識儲備有限,並非通用模型。
Thinking Machines Lab 發佈 Inkling 2 Small,這款 594B MoE 模型有 17B 活躍參數,支援文字和圖像輸入。模型提供 1M-token 上下文窗口,在 Artificial Analysis Intelligence Index 得分 31,前代 Inkling Small 得分 13。
IndiaAI Mission 於 2026 年 11 月 3 日發佈三款本土基礎模型:Soket Labs 的 EKA-1,以及 ZenteiQ 的 Dhir 2B 和 Dhir 5B。
文章指出,封閉式 AI 模型在性價比前沿佔主導。評論指出,這種優勢會隨新模型推出而變動,性價比亦非唯一考量。開放模型可供檢視和客製化,尤其可在本機執行的模型仍具重要性。
淘寶旗下 MNN 團隊發佈並開源 MNN-Pocket-0.3B,模型在 iPhone 18 Pro 上透過 MNN 推理引擎完全離線運行,平均 Decode 速度約為 350token/s。
Google 推出 Gemini Omni 1.2 Flash,生成影片片段的最長時長由 Omni 1.1 的 10 秒增至 15 秒。新版本的參考內容遵循度更高,價格則降低 30%。
淘寶MNN團隊發佈面向手機應用的輕量語言模型MNN-Pocket-0.3B,參數約3億,峯值內存佔用低於300MB。在iPhone 18 Pro實測解碼速度達350token/s,部署體積為173MB。模型支持中英文,並開源多個訓練與部署版本,適配Metal、OpenCL及CPU後端。
淘寶旗下 MNN 團隊開源 MNN-Pocket-0.3B,並在 iPhone 18 Pro 上以 MNN 推理引擎完全離線運行,平均解碼速度約 350token/s。
阿里千問(Qwen)已陸續發布並開源 Qwen3.8 系列,涵蓋 2.4T 參數的 Max、27B 多模態模型及 Flash 效率模型。Qwen3.8-27B 採用 Apache 2.0,量化後 INT4 權重大約 14-17GB;Max 的開源版本主要是純文字權重,雲端 API 的視覺輸入、內置搜尋及工具調用能力未完全打包。