Dharma Field Extractor 從文件抽取欄位並輸出結構化 JSON
Dharma-AI 發佈 2-billion-parameter Field Extractor,可從文件影像抽取欄位並輸出結構化 JSON。模型支援開放式抽取,以及按指定 schema 輸出欄位、類型和鍵名;文件中缺少的欄位會返回 null。
Dharma-AI 發佈 2-billion-parameter Field Extractor,可從文件影像抽取欄位並輸出結構化 JSON。模型支援開放式抽取,以及按指定 schema 輸出欄位、類型和鍵名;文件中缺少的欄位會返回 null。
Pangram 於 2026 年 11 月 4 日公佈兩款電腦視覺模型:Pangram Image 1.0 用於檢測 AI 生成圖像,較小、較快的 Pangram Image Flash 1.0 則逐格分析 AI 影片。
Hacker News 上有 Tencent Hy4(tencent.ai)的討論。一名留言者認為,它的表現略遜於剛推出開放權重的 Kimi 3.1M Pro,但價格便宜得多;若 Tencent Hy4 開放權重,價格有望進一步降低。
騰訊於 2026 年 11 月 4 日發佈 Hy4,為其旗艦語言模型加入視覺理解、圖表分析、視覺數學推理,以及操作命令列工具和圖形介面的能力。騰訊稱 Hy4 的上下文窗口為一百萬 tokens;TechNode 將其描述為 770 billion parameters,文章亦列出其遊戲開發基準較 Preview 提升 19.1%,GameLogic 提升 9.8%。
Kimi K3.1 Pro 以開放權重、多模態智能體模型形式推出,提供 1-million-token 上下文窗口。模型由 Kimi K3 經大規模聯合強化學習後訓練,涵蓋數百個下游領域;總參數量為 2.8T,啟用參數為 104B。
推薦理由:模型卡列出多類編碼、智能體、推理與多模態基準,並附上評測工具、設定及數據來源,方便理解各項分數的比較口徑。
Pangram 發佈 Pangram Image 1.0,並稱其在 AI 圖像及 AI 影片檢測方面達到業界最先進水平。Pangram 亦推出較小型的 Image Flash 1.0,用於 AI 影片檢測。
華為小藝 Work 率先上線 openPangu-2.1-Pro,主打「鴻蒙任務增強」,華為官方尚未公佈模型能力或參數規格。該模型目前僅在小藝 Work 提供,服務仍為 Beta 版並需付費;首次使用可享 31 天限時免費及 1000 AI 點。
Anthropic 尚未正式發布的下一代旗艦模型 Claude Fable 5.5,據稱以程式碼生成一段 66 秒動畫,過程約耗時 2 小時 40 分鐘。開發者稱,測試沒有使用圖像或影片生成工具,動畫、配樂及音效均由模型編寫的程式碼生成,最後封裝成 HTML 檔案。
騰訊推出 Hy4,這款大語言模型新增視覺理解及電腦操作能力,並以推理和工具調用支援長程智能體任務。Hy4 延續 Hy4 Preview 的 1 million token 上下文窗口;相較 Hy4 Preview,GameDev 基準提升 19.1%,GameLogic 基準提升 9.8%,但基準線數值未公開。
Anthropic 尚未發布的 Claude Fable 5.5 據稱連續自主編寫及運行程式約 2 小時 40 分鐘,生成一段 66 秒動畫。測試者稱,過程沒有使用圖像或影片生成工具,配樂及音效亦由程式生成,成品封裝為 HTML 文件。相關測試缺乏統一評測環境,Anthropic 尚未確認模型的發布時間、性能指標及開放範圍。
作者以五組提示詞對照測試 GPT Image 2.5 的 Flare 與 Sunburst,發現兩者並非品質高低之分,而是分別適合處理光線與文字、介面或版面配置。
百度首次向外界披露具身世界模型 Apollo World,讓無人車在 AI 智能體驅動的虛擬環境中,與車輛和行人持續互動並反覆練習不同駕駛場景。其每日虛擬路測里程可達十萬公里,相當於一輛配備安全員的真實路測車連續測試約三年。工程師可安排蘿蔔快跑完成完整 Robotaxi 行程,並讓多輛虛擬車同時測試。
騰訊混元發佈最新一代大語言模型 Hy4。小鵬聯合北大、港大等發佈 GroundingPI 預訓練模型。谷歌擬投資150億美元擴大馬來西亞數據中心業務,Meta擬通過首次歐元債券發行籌集至多90億歐元。
魔芯科技發布基於華為昇騰原生的 4D 世界模型 MoWorld 2.0,將多種物理要素融入空間建模和互動,生成可用於仿真、實時渲染及反覆調用的 4D 高斯資產。影片推理速度由 MoWorld 1.0 最高約 50 幀每秒提升至約 70 幀每秒,3D/4D 高斯資產渲染速度達 500 幀每秒以上。該模型在全國產昇騰算力基座上完成訓練和部署,相關方案推理成本最低可降至同等規模 GPU 方案的 30%。
Sarvam AI 於 2026 年 11 月 3 日發佈開放權重決策模型 Sarvam Prism,基於 Sarvam 105B,透過單次前向計算為預先列出的選項評分。
騰訊於 2026 年 11 月 4 日發布完整 Hy4,加入視覺理解和電腦操作能力,並透過託管 API 及騰訊產品提供。API 定價維持預覽版水平,分別為 $0.834 per million input tokens、$2.501 per million output tokens 及 $0.042 per million cached input tokens。
騰訊混元正式發布新一代大語言模型 Hy4,較 Hy4 preview 擴大預訓練和後訓練規模,並首次加入視覺能力。正式版可結合推理和工具調用處理圖像、複雜圖表及數學視覺任務,並支援命令列和圖形界面操作。Hy4 preview 曾在超過1.45萬次真實世界智能體任務會話評測中,位列 Arena.ai Agent Arena 開放模型第二名、全球綜合榜單第十名。
商湯發佈日日新 SenseNova 6.8 Flash 模型,強化複雜任務中的跨任務、跨會話協作,並支持靜態網頁、動態內容及 3D 設計生成。模型在智能體協作、數據分析和演示生成等多項基準評測中超過部分國際前沿模型。商湯同步開源下一代模型架構的實踐。
作者以 9 款大語言模型進行博士論文工作流程的 11 項任務基準測試,並提出按任務分配模型的建議。在約 5000 詞的論文長文問答中,Kimi K3.1 Pro 的 10 道事實題全部答對;Claude Opus 5.5 生成的英文摘要為 247 詞,涵蓋全部 10 個要點。
騰訊發布開放權重基礎模型 Hy4,並稱該模型首次躋身中國開放權重 AI 頂尖行列。騰訊亦計劃推出 Flash 版本。
360集團首席科學家潘劍鋒在烏鎮峯會發布元認知模型(MCM)研究成果,提出以「MCM+LLM」推動生成與驗證協同。MCM透過建模任務環境、經驗知識、行動邏輯和狀態變化,為大模型提供認知與驗證支援。相關能力已在360安全產品中落地驗證。
小鵬聯合北京大學、香港大學等團隊發布具身感知基座模型 GroundingPI,在34項公開感知基準評測中綜合排名第一,超越 GPT-6 Astra(73.68 vs 71.54)。模型參數量約40億,僅以無動作標籤的純感知數據訓練,覆蓋11類能力。仿真驗證顯示,示教成本降低50%;模型目前處於科研原型階段。
小鵬聯合北京大學、香港大學等高校團隊發布具身感知基座模型 GroundingPI,以約 40 億參數在 34 項公開感知基準的綜合評測中排名第一。與 GPT-6 Astra 在同一套基準比較,GroundingPI 得分 73.68,Astra 得分 71.54。
LiberAI 發佈世界動作模型 Liber‑0,在 60 項真機零樣本任務中合計測試 600 次,整體成功率為 36.0%;GPT‑6 Astra 在相同任務的對照測試中成功率為 5%。
小鵬集團聯合北京大學、香港大學等高校研究團隊發布具身感知基座模型 GroundingPI。模型採用「感知優先」技術路線,參數規模約40億,在34項公開感知基準的綜合評測中位列第一。研究亦顯示,模型在機械人模擬任務中具備更高的數據處理效率與更強的場景泛化能力。
騰訊混元正式推出 Hy4,強化 Agent 長程任務、視覺理解、推理和電腦操作能力。APPSO 實測中,Hy4 根據《王者榮耀》影片,約 30 分鐘製作出可在網頁遊玩的迷你 MOBA,並完成 Blender 場景及多份辦公文件。Hy4 已在 WorkBuddy 上線,11.4-11.15 限時免費。
騰訊混元正式發布 Hy4 大模型正式版;官方稱其訓練規模較 Hy4 preview 擴大,並新增視覺理解能力,綜合性能躋身開源模型第一梯隊。Hy4 支援細粒度圖像解析、複雜圖表及圖文數學推理,並具備 Computer Use 能力,可辨識螢幕畫面、操控滑鼠鍵盤,配合命令列完成跨軟件長流程任務。
OpenAI 宣佈 GPT-6 Astra 已應用於機械、電路與軟件協同設計,兩名工程師藉助模型一週內完成可互動測試設備的全棧設計,代工廠月內產出原型機。OpenAI 正與馬自達合作優化汽車空氣動力學及碰撞安全仿真,並與 Chip Ganassi Racing 車隊合作,將三維掃描數據轉換為 CAD 及製造圖紙。模型處理生產限制、公差及裝配細節仍需人工迭代完善。
騰訊混元發佈最新一代大語言模型 Hy4 正式版,新增視覺能力及電腦操作支援,並稱整體模型能力較 Hy4 preview 再提升。Hy4 擴大預訓練和後訓練規模,提升指令遵循、長文理解、長程任務及深度研究能力,並針對 Blender、CAD 等專業軟件和跨應用長程任務進行專項訓練。官方表示,Hy4 將於近期開源模型權重並發佈模型系統卡片,亦會關注網絡及生物安全等風險。
TorqueAGI 的 World-Reasoning Model 將物理和幾何納入推理,據公司行政總裁稱,機械人學習新任務所需數據最多可比傳統方法少 1,000 倍。一名重型設備業客戶使用該模型,以約 6,000 個數據點達到與舊模型相若的表現,舊模型需約 7 million 筆事件記錄。原本需要數萬次示範的任務,使用該模型只需數十個例子,並可結合客戶現有的設備記錄和操作程序。
VIDRAFT POCKET 是一系列採用 GGUF 格式的稀疏 MoE 大語言模型,設計供消費級硬件運行,包括 8 GB VRAM 手提電腦及純 CPU 電腦。
魔芯科技在世界互聯網大會上正式發布基於華為昇騰原生的 4D 世界模型 MoWorld 2.0。魔芯科技創始人兼 CEO 陳天潤與具身智能、文化旅遊、時空地理資訊方向的三家國家人工智能應用中試基地代表共同發布該模型。
Google 推出 Gemini 4 Carbon,在 17 項基準測試中有 15 項取得最高成績;模型與 Q3 財報發布後,Alphabet 股價盤後一度下跌約 10%。
Sarvam AI 發佈以 Sarvam 105B 微調而成的 Prism System 1 決策模型,稱模型可在 44 毫秒內回應,三項基準平均得分為 71.8。
上海創智學院與新序智能聯合發布 801-30B base 模型、輕量 SFT 數據及完整預訓練級 RSI 技術報告。報告把預訓練拆成三類可閉合的小循環,並以共享記憶記錄嘗試及失敗原因。在相同的 1T tokens 訓練量下,22 項基準平均分由初版試訓的 47.78,經修正版試訓的 51.96,升至正式訓練的 56.83;完整後訓練版本將於下一階段發布。
Tencent WeChat Vision 發佈開源視覺語言模型 WeVisOne-VL,提供 2B(2.44B params)及 4B(4.83B params),涵蓋偵測、指代、計數、指點、OCR、分割和 alpha matting。
騰訊混元正式發佈新一代大語言模型 Hy4;相較 Hy4 Preview,新模型擴大預訓練和後訓練規模,並首次加入視覺能力及支援電腦操作。Hy4 強化指令遵循、長文本理解、長程任務執行、深度研究、前端開發及金融分析;騰訊混元聯同騰訊金融科技團隊邀請 213 位專家,以 579 個真實金融任務測試,Hy4 綜合表現位居開源模型第一。
LiberAI 發佈世界動作模型 Liber-0,並以 GPT-6 提出的 60 項任務測試其零樣本操作能力。Liber-0 在三組任務上的成功率分別為 63.5%、34.0% 和 10.5%,整體成功率為 36.0%;其人類經驗數據超過 220 萬小時。另一組對照實驗中,加入手套採集的 Non-PnP 人類操作數據後,相關任務平均進度分由 2.2 升至 47.5,沒有補充相應的機械人示範。
騰訊混元發佈新一代大語言模型 Hy4,新增視覺理解並首次支援電腦操作(Computer Use),亦提升指令遵循、長文理解及長程智能體能力。Hy4 將於近期開源模型權重並發布模型系統卡片,目前已在騰訊雲Tokenhub、WorkBuddy/CodeBuddy、元寶等產品上線,API 亦接入 OpenRouter、Hermes、OpenCode 等平台。
推薦理由:Hy4 的更新涵蓋視覺理解、電腦操作及長程智能體任務,報道亦列出已上線產品與 API 平台,呈現能力擴展及接入情況。
騰訊混元團隊於11月4日發佈新一代大語言模型 Hy4,參數量為770B,並稱其是目前最強的開源模型之一。Hy4提升了指令遵循、長文理解及長程智能體能力,模型權重將於近期開源;下一代 Hy5 的參數規模將進一步擴大。