Sakana AI 研討會報告:Jürgen Schmidhuber 談 AI 的過去與未來,以及日本挑戰語言模型、世界模型與 Physical AI
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。
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。
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。
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。
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。
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。
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。
Microsoft 於 2026 年 10 月 1 日發佈 MAI-Transcribe-2-Streaming,這是其首個即時語音轉文字模型,收到音訊後略多於 100 ms 即返回首批部分辨識結果。
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。
Ludo Robotics 發佈機械人人工智能系統 Ludi 0.2,旨在理解人類意圖,並在現實世界中與人互動。新模型加入社交智能、記憶與推理、工具協調、手勢理解及身體動作能力。公司正致力開發整合感知、對話與身體動作的 Ludi 最終版本。
The Biological Computing Co. 推出 TBC Mischief 1,這款基於 Wan 2.2 的圖像轉影片模型稱在相同品質下速度約快五倍。模型可透過 fal 和 OpenRouter 使用,定價為每秒影片 $0.005。公司尚未發布獨立測試以佐證速度數據。
小米技術發布並開源 0.8B 參數的文件理解模型 Xiaomi-OCR-0,整合文件解析、關鍵資訊抽取及 OCR 視覺問答。
Unsloth推出 Dynamic V3.1 量化方案,稱 DeepSeek V4.1 Flash-1017 可在最低 64GB 內存的設備上本地部署,Unsloth Desktop + llama.cpp 的推理速度較其他專注於 CPU/VRAM/n-gram 的倉庫快約 3 倍。
小米開源 0.8B 文件理解模型 Xiaomi-OCR-0,並在 Hugging Face 和 GitHub 同步公開模型權重與推理程式碼。模型以 Qwen3.5-0.8B-Base 為基座,涵蓋文件解析、關鍵資訊抽取及 OCR 視覺問答,支援 Markdown、LaTeX 和 JSON 輸出。
小米開源 0.8B 參數文件理解模型 Xiaomi-OCR-0,模型權重與推理程式碼已同步上線 Hugging Face 和 GitHub。模型基於 Qwen3.5-0.8B-Base,涵蓋文件解析、關鍵資訊抽取與 OCR 視覺問答,支援 Markdown、LaTeX 及 JSON 輸出。
Mistral AI 開放參數量達一萬億的 Mistral Large 4(Le Chonk)模型權重,供用戶免費下載、修改及在開發者控制範圍外執行。公司稱,模型在 JailbreakBench、StrongREJECT 和 AgentHarm 的網絡安全相關部分拒絕了 96.6% 的惡意提示詞,為其測試過的開放模型中最高;已下載的模型副本不會自動收到後續防護更新。
Google 發佈 Gemini 4 Carbon,該模型在 Artificial Analysis 智能指數 v5.0 以 59 分登頂,超越 Claude Opus 5.5 和 GPT-6 Astra。
大曉機器人與南洋理工大學 S-Lab 發佈 Mundo,將少量影像轉化為可探索、可編輯及可進行物理交互的三維世界。Mundo 可模擬物體運動、接觸與碰撞,並支援機械人導航、操作訓練及仿真測試。團隊已在酒店重建樓層與洗衣區,並模擬洗衣機開門等交互。
CAIR 與深圳德力凱電子股份有限公司自研的經顱多普勒多模態大模型,在「顱影・數智爭鋒」實戰活動中正式亮相。模型覆蓋 98% 以上臨牀場景,超聲提示準確率達 93.8%,超聲所見準確率達 97.52%,可解析超聲頻譜信號、測算血流動力學參數及標註異常徵象,輔助醫師研判。
EleutherAI 與合作機構發佈 8 TB Common Pile v0.1 語料集,並同步推出以其訓練的 Comma v0.1-1T 和 Comma v0.1-2T 模型。兩款 Comma 模型均有 7B 參數,分別以 1T 和 2T tokens 訓練。EleutherAI 表示,Comma 的表現可與訓練規模相近、使用未授權數據訓練的模型相比。
DeepSeek 官網前端程式碼出現尚未公開的 Cyber 網絡安全專用模型申請入口,目前處於灰度測試階段,僅部分帳戶可見。Cyber 分為面向個人安全從業者的 personal-v3 和麪向企業的 enterprise-v4,申請者須完成實名認證、使用大陸手機號碼並無違規記錄,審核通過後可獲發 Cyber Key。官方尚未發布公告,模型上市時間、定價及開放範圍未明。
Samaya AI 發佈金融研究智能體模型 Sterling,基於 Nemotron 3.5 Lightning,總參數為 30B、活躍參數為 3B。在 FrontierFinance 基準測試中,Sterling 得分 58.9%,高於 Claude Fable 5.1 的 55.9%;每題成本為 $0.61,對比 $6.89,約低 11 倍。
Mistral AI 於 2026 年 10 月 29 日在 Hugging Face 發佈 Mistral Large 4 權重,並在預覽版後三週持續改善程式編碼及網絡安全表現。
百度本月 27 日正式發布並開源文心 Unlimited OCR 2,將文件解析上限由數十頁推至「無限」,一次可解析累計超過 3,600 頁的《哈利波特》全系列 7 部作品。模型在 MPDocBench 得 84.6 分、MarathonDocBench 得 77.1 分,兩項基準測試均達端到端性能 SOTA。
開發者 Divyansh Agrawal 發佈實驗性模型 Qwenputer,基於 Qwen3.5-4B,將 32 位 RISC-V CPU 和記憶體功能整合至神經網絡內部,讓模型無需調用 Python 等外部工具也能執行程序及精確計算。
百度本月 27 日正式發布並開源文心 Unlimited OCR 2,將文件解析上限從數十頁提升至「無限」。模型可一次解析累計超過 3,600 頁的《哈利·波特》全系列 7 部作品,並支援版面要素切分識別、跨頁文案合併及表格識別合併。在 MPDocBench 和 MarathonDocBench 基準測試中分別取得 84.6 分及 77.1 分,均達端到端性能 SOTA。
開發者 Divyansh Agrawal 發佈 Qwenputer,將 32 位 RISC-V CPU 與記憶體功能整合進 Qwen3.5-4B,讓模型無需外部工具即可執行程序和精確計算。
Edge0 發佈開放權重文字轉語音模型 Audio8-TTS-Realistic,模型有 0.6B 參數,支援零樣本語音複製及 23 種語言。它可用 1 段參考音訊及對應逐字稿複製聲音,權重和程式碼採 Apache 2.0 授權。
MemOS 團隊推出記憶原生模型 MemT 1.0,讓模型把累積經驗寫入原生記憶,並在後續任務中調用。團隊從 4 萬多條成功編程軌跡提煉 1040 條可複用經驗;多語言版 SWE-bench 的 pass^3 提升 8 至 10 個百分點,但 pass@3 沒有明顯提升。