美團龍貓發佈 LongCat-2.5 原生多模態模型,總參數量為 1.6 萬億
美團龍貓發佈面向長程智能體任務的原生多模態模型 LongCat-2.5,總參數量為 1.6 萬億,每個 token 約啟用 480 億個參數。相較 LongCat-2.0,模型加強原生視覺理解與智能體編程,並以長程軌跡數據和大規模長程強化學習提升複雜代碼庫開發及完整項目構建能力。模型以多層級離散 token 表示視覺訊號,並優化國產算力上的長上下文訓練與 W4A4 推理。
美團龍貓發佈面向長程智能體任務的原生多模態模型 LongCat-2.5,總參數量為 1.6 萬億,每個 token 約啟用 480 億個參數。相較 LongCat-2.0,模型加強原生視覺理解與智能體編程,並以長程軌跡數據和大規模長程強化學習提升複雜代碼庫開發及完整項目構建能力。模型以多層級離散 token 表示視覺訊號,並優化國產算力上的長上下文訓練與 W4A4 推理。
Anguo 更新 rk-bench v0.2.0 的 RK3588 排行榜,公佈 YOLOv8n、YOLOv5s(ReLU)和 YOLO11n 的 INT8 對 FP 實測,提速分別為 1.96×、1.84× 和 1.40×。
作者以「大腸癌會否引發帕金森病」測試豆包、DeepSeek 和 Gemini,並交叉核對文獻及 DOI,發現三者各有錯漏,沒有一家可單獨信任。三個模型對醫學結論的大方向相近,但核查揭示 DOI 錯誤、研究方向混淆及對研究結果轉述過度等問題。文章建議嚴肅問題使用循證提示詞、多模型比對並逐篇核對論文摘要,健康與診療問題仍須向專業醫生求證。
OpenAI 的 GPT-6.2 Astra 與 Anthropic 的 Claude Fable 5.5 相繼傳出曝光線索,兩者均未正式公佈。Codex 使用統計和 API 回應記錄出現 GPT-6.2 Astra 的模型標識;Claude Fable 5.5 則有 3D 遊戲及互動作品演示,但模型身份和生成情況尚未獲完整驗證。
Sakana AI 宣佈開始自行開發預訓練模型,並計劃讓語言模型與世界模型協作,透過 AI 科學家的自我改進循環提升模型。首席科學家秋葉拓哉公佈語言模型系列「Sakana Sawara(暫稱)」。首個小型模型「Sawara Small(暫稱)」如進展順利,預計於2027年春季公開。
Google 的 Gemini 4 Carbon 在 Artificial Analysis Intelligence Index 取得 59 分,超越 Claude Opus 5.5 排名第一。
多名用戶在 X 發帖稱,OpenAI 似乎已開始測試 GPT-6.2 Astra。部分用戶帳戶的使用情況明細中已出現該模型,約 19.8% 的請求被分配至此模型。Token Gremlin 稱,GPT-6.2 Astra 的效能可能大幅提升,甚至在多方面超過 Opus 5.5。
美團龍貓發佈原生多模態模型 LongCat-2.5,總參數量為 1.6 萬億,每個 token 約啟用 480 億參數,面向長程智能體任務。模型在 LongCat-2.0 基礎上強化原生視覺理解與智能體編程,並加入長程軌跡數據和大規模長程強化學習,以提升複雜程式碼庫開發及完整項目構建的端到端工程能力。
美團龍貓發佈面向長程智能體任務的原生多模態模型 LongCat-2.5,總參數量為 1.6 萬億,每個 token 約激活 480 億參數。模型在 LongCat-2.0 基礎上加強原生視覺理解與智能體編程,並以長程軌跡數據、大規模長程強化學習及可復現的 Agent 失敗軌跡訓練,提升複雜代碼庫開發和完整項目構建的端到端工程能力。
Anthropic 網站曾短暫出現 Claude Mythos 5.5 字樣,並稱其為「網絡安全與生物學領域最具能力的模型類別」。Anthropic 尚未公開宣佈這款模型,網站文字亦不能證明模型已推出,或其發佈日期、價格及客戶名單。
Gemini API 已將 gemini-2.5-pro 和 gemini-2.5-flash 標記為棄用,並停止在 Google AI Studio 提供選擇。
Claude Mythos 5.5 的隱藏連結曾短暫出現在 Anthropic 官方 Mythos 模型頁面,之後被移除;Anthropic 未有確認,頁面亦未提供新規格或公告。相關名稱及發佈時間傳聞均來自介面觀察,未獲證實。現有 Mythos 5.1 僅供經核實的網絡安全及生命科學機構使用,Fable 5.1 則可普遍使用。
OpenAI 的 GPT-6.2 Astra 出現在 Codex 使用情況統計頁面,多名用戶發布截圖顯示模型標識為 GPT-6.2,但官方模型目錄尚未列出該模型。截圖中曾出現「不支持該模型」提示,之後卻完成了 /review 任務;目前仍不足以確認 GPT-6.2 Astra 已能在 Codex CLI 正常運行。流出的性能提升等説法尚未獲官方證實。
Ryan Madden 使用 GPT-5.6 Sol 在 Codex 中以 low thinking level 運行,完成《Factorio》和平模式的一局,遊戲時間為 13.5 小時。後期的規模擴展問題拖慢進度,Sol 最終靠反覆在工廠區域間運送物資,補救未能連接的部分生產系統並發射火箭。這次表現較作者先前測試 GPT-5.5 有所改善,當時模型未能使用運輸帶。
Google DeepMind 於 2026 年 10 月 27 日以研究預覽形式推出 Genie 4,這款世界模型可即時模擬可互動場景,並支援在運行期間以自然語言修改場景。它原生生成音訊,場景連貫性最長可維持兩分鐘,是 Genie 3 約一分鐘上限的兩倍。目前僅限受信測試者使用;DeepMind 列出的缺口包括長時間運行時的視覺漂移、未解的音訊準確度問題,以及尚無法生成清晰可讀的場景內文字。
Sora、Kling 和 Runway Gen-4 在 AI 影片生成方面各有優勢:Sora 寫實度最高,Kling 生成最快且價格較低,Runway 則提供最多創作控制。生成 5 秒影片,Kling 需 30–90 秒、Runway 需 1–3 分鐘、Sora 需 2–8 分鐘;三者最長影片分別為 10 秒、16 秒和 60 秒。文章建議按寫實度、速度、價格及後期製作需求選擇。
Pika 發佈以 MiniMax H3 為基礎的衍生模型 Pika H3 Flex,開放適配器權重及推理程式碼,透過六步去噪聯合生成畫面與聲音。模型提供兩套 LoRA 適配器,原生支援 480P、768P 輸出,可生成約 5 至 15 秒影片及同步立體聲音訊。Pika API 另提供 1080P、2K、4K 影片增強,以及將同步音訊拆分為對白、配樂、音效、擬音和環境聲五類獨立音軌的功能。
商湯開源 SenseNova Loop-9B-Preview,這款 9B 模型採用 Looped Transformer 架構,透過循環計算擴展有效計算深度。當前評測設定下,模型在程式碼生成、辦公場景和智能體任務等方向優於其他模型,並在 WorkBuddy Bench、RaccoonPPT Bench 和 AutomationBench 等評測中超越 Qwen3.5-27B。
價格追蹤器發現,DeepSeek V4.1 Flash 五天內兩度調價,GPT-6.1 Terra 的四個模型 ID 亦在 OpenRouter 出現。
Nace AI 以 Nace.AI Open RAIL-M 公開 Drex Max v1 權重,這款密集型 27B 決策模型可在 Apple Silicon Mac 本機運行。
VIDRAFT 推出以 GGUF 格式量化和封裝的 POCKET-35B-GGUF,這款 35B 大語言模型可在無 GPU 的 CPU 系統上進行推理。模型透過 Hugging Face 發佈,供相容 llama.cpp 的執行環境使用;文章沒有提供具體 benchmark 分數。
NVIDIA 於 2026 年 10 月 28 日發佈 Nemotron 3.5 Transcribe,這款模型可按自然語言提示詞處理 40 種語言的完整錄音。
Gemini 4 Carbon 在 Artificial Analysis Intelligence Index 以 59 分排名第一,但截至 2026 年 11 月 1 日仍未向大多數用戶開放。
Anthropic、OpenAI、Google 和 xAI 在 2026 年 9 至 10 月推出多款新模型,文章整理型號、價格與免費方案。Claude Haiku 5.5 與 GPT-6 Luna 的輸入/輸出價格均為 $0.10/$0.50。作者認為免費方案中的 Sonnet 5.5 最划算,並建議應用先測試這兩款小型模型。
商湯科技宣佈開源商湯日日新 SenseNova Loop-9B-Preview,採用 Looped Transformer 架構,以 9B 參數規模在 WorkBuddy Bench、RaccoonPPT Bench 和 AutomationBench 等評測中超越 Qwen3.5-27B。
商湯科技於10月30日開源 SenseNova Loop-9B-Preview,該模型以90億參數實現等效270億參數模型的複雜任務處理能力。在 WorkBuddy Bench、RaccoonPPT Bench 等基準中,該模型超越 Qwen3.5-27B,並在 GPQA Diamond、TeamBench 上分別提升4.42分和13.34分。
商湯科技於 10 月 30 日開源 SenseNova Loop-9B-Preview,官方稱其在僅 9B 參數規模下,表現媲美 27B 模型。模型保留首尾各 4 層原始解碼器,並把中間層改為參數共享的循環計算模組,另探索 mHC 資訊傳遞機制。
商湯科技於 10 月 30 日宣佈開源 SenseNova Loop-9B-Preview,官方稱這款 9B 模型在當前評測設定下可媲美 27B 模型。
測試發現,聊天機械人回答美國中期選舉問題時,依賴三個鮮為人知、由 AI 建立的投票網站。Copilot 在 75% 的測試中引用易出錯的 Ballot Brief,ChatGPT 則在 22% 的測試中引用。
作者 Advik Divekar 建立 The Last Satellite,使用 TabPFN-v2 分析 OPS-SAT 遙測,並以 Tinker 微調 Qwen3-8B,將留出文件的欄位完全匹配率由 72.2% 提升至 86.3%。
Gemini 4 Argon 在付費 Gemini API 正式開放 18 天後,於 Artificial Analysis Intelligence Index v5.0 的 high 設定得 50 分,排名第 13/58,執行指數耗用 110M tokens。
文章比較 DeepSeek-V4.1-Flash-1017、Mistral Large 4 和 Qwen3.8-27B 三款開放權重模型,涵蓋上下文、輸入模態、授權、價格、部署要求及基準資料。
OpenAI 於 2026-10-26 發佈 GPT-6.1 Terra,定位為適用於電腦操作及多步驟日常智能體工作的中階模型。API 定價為 $1 per million input tokens、$5 per million output tokens、$0.05 per million cached input tokens,較 GPT-5.6 Terra 低 50%。
這期模型發佈摘要整理了 2026-10-17 至 2026-10-31 的多項更新,指出前沿能力提升之際,開放權重模型正快速縮小差距。
The Biological Computing 推出 Mischief 1 影片生成模型,稱其方法源自對活神經元計算方式的研究。模型以 Wan 2.2 為基礎,加入不足原模型 0.1% 的軟件層;TBC 宣稱它比 Wan 2.2 單獨運行至少快 5 倍,計算成本低 80%。報道指出,Wan 2.2 已可透過知識蒸餾等方法加速,而文中沒有足以判斷這套神經元方法效果的科研論文。
Google DeepMind 的 SIMA 2 以遊戲作為訓練場,先從人類遊戲影片學習,再在 Gemini 回饋下自行練習。其任務成功率由 31% 升至 65%,並能應對此前未見、由 Genie 3 生成的遊戲世界。文章亦指出,SIMA 2 仍屬研究階段,在長時間多步驟任務及記憶方面有侷限。
Google 於 2026 年 10 月 28 日公佈 Gemini 4 Carbon;該模型在 Artificial Analysis Intelligence Index v5.0 以 59 分登頂。
阿里通義千問 Qwen3.8 系列於 2026年8月正式開源,涵蓋 Qwen3.8-Max、Qwen3.8-27B、Qwen3.8-Flash 及 Qwen3.8-Flash-Next 預覽版。
Claude Fable 和 Opus 新模型據稱已進入早期測試,疑似新模型 Obsidian 3 則在 FrontierCode 2.0 取得 46.8 分,超越 Claude Opus 5.5 的 45.5 分。兩者同以 high 推理強度作答時,Obsidian 3 成本是 Claude Opus 5.5 的 3.6 倍;其型號身份及是否屬於 Claude 新模型仍未確定。
作者以改編自 Battle City 的文字坦克遊戲比較四個模型,Fable 5.1 在 25 場中只勝 1 場,並有 21 場失去基地。Fable 的計劃更完整,卻常離開基地攻擊遠處目標;Opus 則採取直取最近基地、守住路線的策略,表現最佳。