Maya 2 Native 發佈權重與推理程式碼,支援 12 種語言串流 TTS
Maya Research 發佈 Maya 2 Native 文字轉語音模型,支援 11 種印度語言及英語,模型權重與推理程式碼以 Apache-2.0 授權提供。模型提供 20 種內置語音、串流音訊及以 3–10 秒參考語音複製聲音,輸出為 24 kHz 單聲道音訊。發布基準涵蓋 12 種語言的 6,000 條留出文本;阿薩姆語是基準中最具挑戰的語言。
Maya Research 發佈 Maya 2 Native 文字轉語音模型,支援 11 種印度語言及英語,模型權重與推理程式碼以 Apache-2.0 授權提供。模型提供 20 種內置語音、串流音訊及以 3–10 秒參考語音複製聲音,輸出為 24 kHz 單聲道音訊。發布基準涵蓋 12 種語言的 6,000 條留出文本;阿薩姆語是基準中最具挑戰的語言。
NVIDIA 公開 Nemotron 3.5 Transcribe,支援包括日語在內的 40 種語言轉錄,並提供語音翻譯、模型權重及追加訓練工具。它可按文字提示詞調整轉錄格式;日語支援多説話者轉錄及與英語雙向翻譯,錄音最長可處理 1 小時。NVIDIA 的技術報告列出其在不含日語的 7 種語言上平均 WER 為 4.62%;商用 ElevenLabs Scribe v2 的榜單值為 3.56%。
Block 發佈 Dessa,這是一款僅以人類對話音訊訓練、可同時聆聽和説話的全雙工語音模型。Block 於 2026 年 10 月 23 日以研究預覽形式公佈,稱訓練未使用文字或預訓練模型,並以 1 NVIDIA GB200 NVL72(72 GPUs)完成訓練。模型可在 MacBook Pro M4 Max 或以上本地運行,速度快於即時;目前未公開基準分數、權重、論文或 API。
Momenta 宣佈即將發布 R7 Ultra 世界模型,其參數規模擴大至原來的 5 倍,安全性能表現提升 5 倍。XHEART 新芯航途 X7 Ultra 提供 700 TOPS 大模型算力,支援更大規模模型在車端運行。
Momenta 發佈 R7 Ultra 世界模型,作為初代 R7 的增強版本,專門配套 XHEART X7 Ultra 大模型智駕晶片。相較 R7,R7 Ultra 的模型參數量及安全性能均提升 5-10 倍,並在模型內虛擬復刻路況,生成極端場景進行仿真試錯。X7 Ultra 晶片算力達 700TOPS,官方實測 NPU 利用率可達 98.7%。
Momenta 宣佈即將發布 R7 Ultra 世界模型,參數規模擴大至原來的 5 倍,並稱安全性能表現提升 5 倍。XHEART 新芯航途 X7 Ultra 提供 700 TOPS 大模型算力,支援更大規模模型在車端運行。Momenta 表示,未來將把模型參數規模擴大至原來的 10 倍,並推動安全性能表現提升至 10 倍以上。
Google 於 10 月 28 日宣佈 Gemini 4 Carbon,稱其為旗下最強 AI 模型,並提升網絡安全、編碼及處理複雜長時間任務的能力。Google公佈模型在 SEC-bench Pro、ExploitGym 及 CWE-bench 分別取得 88.2%、54.8% 和 71.0%。
騰訊宣佈 Hy4 即將發佈,相比 Hy4 preview,Hy4 全面提升長程和真實生產力任務能力、思維鏈效率,並首次引入視覺理解。Hy4 flash 也將於近期發佈,提供實用模型,並繼承 Hy4 的視覺和 Agent 能力。去年 8 月 28 日發佈並開源的 Hy4 preview 總參數為 770B、激活參數為 49B,上下文長度超過 1M。
英偉達於10月28日推出開放權重語音轉錄模型 Nemotron 3.5 Transcribe,並同步推出配套訓練數據管線 Granary v2。Nemotron 3.5 Transcribe 採用 MoE 架構,總參數量為340億,支援40種語言轉錄、31種語言與英語互譯,可區分最多8名説話人並處理多人重疊對話。
NVIDIA 於 10 月 28 日推出開放權重語音轉錄模型 Nemotron 3.5 Transcribe,並公開訓練資料管線 Granary v2;模型支援 40 種語言轉錄、最多 8 名説話人辨識,並整合翻譯及音訊問答。
阿里通義實驗室宣佈 Qwen3.8 全系列正式開源,涵蓋 2.4 萬億參數的 Qwen3.8-Max 及可單卡運行的 Qwen3.8-27B。Qwen3.8-Flash 的推理成本低至每百萬 Tokens 輸入 1 元人民幣。全系列採用 Apache 2.0 協議,已在 Hugging Face 等平台上線,並可經阿里雲通義千問平台調用 API 或下載模型權重。
Initiative 13 由烏克蘭部隊與 NATO Allied Command Transformation 開發,會預測前線附近的俄軍無人機活動,並為烏克蘭指揮官提供翌日風險地圖。
NVIDIA 發佈 Nemotron 3.5 Transcribe,這款開放權重語音 LLM 支援 40 種語言及最長 1 小時錄音。單一模型可輸出轉錄文字、説話者標記、時間戳及翻譯,並可透過文字指令切換格式。
Google DeepMind 宣佈 Gemini 4 Carbon,稱其在網絡安全及長時程任務上表現領先;Artificial Analysis Intelligence Index v5 給它 59 分,排名第一。
推薦理由:文章並列 Google 公佈的網絡安全測試成績與 Artificial Analysis 等排行榜結果,也交代模型目前只向受信任的網絡安全防禦者開放,呈現其評測表現與現階段可用範圍。
Google 發佈 Gemini 4 Carbon,該模型以 59 分登上 Artificial Analysis Intelligence Index v5.0 榜首,Alphabet 股價於財報公佈後盤後一度跌約 10%。
智元公佈今年上半年整體收入接近20億元,並發布 Worken 度量單位及新一代具身基礎模型 GO-3 Preview。Worken以活躍機器人數量、自主工作時長和產出效能比計算有效智能工時;智元上半年機器人出貨9700台,9月下線第20000台。GO-3 Preview採用自研具身原生架構WRAM,並將於2026年底全面開源。
Google 發佈新模型 Gemini 4 Carbon,提升跨多個工程階段的長時間開發能力,並改善漏洞發現、利用可能性驗證及修復能力。
推薦理由:文章並列漏洞發現、利用驗證與修復基準及分階段開放安排,呈現模型能力提升如何影響其安全部署方式。
Google 發佈新一代前沿 AI 模型 Gemini 4 Carbon,聚焦網絡安全及多日持續運行的複雜智能體工作流。它在 Artificial Analysis Intelligence Index v5.0 得 59 分、排名第一,並在 WebDev Arena 得 1769 分、排名第四,較前代提升 89 個 Elo 分數。
X-Era AI 拓元智慧開源原生 4D 世界動作模型 E0.5,真機測試的整體平均成功率高於 π0.5。經機械人數據預訓練後,E0.5 在 AgileX Piper 雙臂機械人和 Zerith H1 人形機械人的分佈內外綜合測試中,平均成功率分別為 85.0% 和 88.3%,較 π0.5 高 13.3 和 26.7 個百分點。
智元在2026智元創新日發佈新一代具身基座模型 GO-3 Preview;該模型近日登頂 RoboDojo、RoboTwin 和 RoboColiseum 三大評測榜單,並將於2026年底全面開源。
Google 發佈新一代世界模型 Genie 4,用戶可生成虛擬場景並即時探索互動,相關技術可望應用於電影製作、遊戲開發及機械人訓練。Genie 4可透過自然語言即時修改場景,提升物理模擬與人物動作的真實感,並原生生成環境音效及互動對話,結合 Gemini 模型處理複雜事件。
騰訊混元宣佈 Hy4 即將發布;相較 Hy4 preview,Hy4 全面提升,並首次引入視覺理解能力。Hy4 flash 亦將於近期發布,主打性價比,並在承接 Hy4 的視覺及 Agent 能力之上,透過模型與產品深度 Co-Design 高頻進化。今年8月發布並開源的 Hy4 preview 總參數為 770B、激活參數為 49B,上下文長度突破 1M。
騰訊宣佈 Hy4 即將發布;相較 Hy4 preview,Hy4 大幅提升長程及真實生產力任務能力、思維鏈效率,並首次引入視覺理解。Hy4 flash 亦將於近期發布,提供高性價比模型,並具備視覺及 Agent 能力。Hy4 preview 於今年 8 月 28 日發布並開源,總參數 770B、激活參數 49B,上下文長度突破 1M。
Qwenputer 是基於 Qwen3.5 4B 的實驗模型,將 32-bit RISC-V CPU 編入權重,並以 Gated DeltaNet 狀態作為 RAM,讓 CPU 在模型前向傳播中執行。
騰訊混元即將發布 Hy4 及 Hy4 flash;Hy4 相比 Hy4 preview 全面提升,並首次引入視覺理解,亦提升思維鏈效率及長程和真實生產力任務能力。Hy4 flash 近期推出,提供高性價比實用模型,並以模型和產品深度 Co-Design 推動高頻進化。
騰訊宣佈 Hy4 即將發佈;相比 Hy4 preview,Hy4 全面提升,尤其加強長程及真實生產力任務能力、提升思維鏈效率,並首次引入視覺理解。Hy4 flash 亦將於近期發佈,提供高性價比實用模型,並在承接 Hy4 的視覺及 Agent 能力基礎上,透過模型與產品深度 Co-Design 高頻演進。
Google 公佈 Gemini 4 Carbon;文章稱它在 Artificial Analysis 智能指數 5.0 取得 59 分,排名第一,首發輸入及輸出價格分別為每百萬 Token $2 和 $10。
Google 正透過 Fairwind 向部分網絡安全防禦人員推出 Gemini 4 Carbon。定價為每 1M 輸入 tokens $2、每 1M 輸出 tokens $10,之後將分別升至 $4 和 $20。
超衍智能於10月28日發布首個35B模型Apex-35B-V1.0,並將RSI引入模型研發,讓AI參與實驗設計及結果分析。公司公佈的評測結果稱,模型在研究能力、智能體與編碼、推理等多項評測中超越Flint,並在部分任務上超越參數規模達500B和800B的模型。
首批風雲氣象衞星極端天氣 AI 模型於 10 月 29 日在 2026 年風雲衞星用戶大會正式發佈,涵蓋颱風智能雲圖解譯及強對流短臨預警。颱風模型融合風雲衞星多通道雲圖及相關產品,每 15 分鐘解譯一次,覆蓋 7 類颱風特徵和 20 餘種衞星實況產品,27 秒即可生成解譯文本。強對流模型利用風雲四號衞星過去兩小時的連續觀測,將雲圖演變拆分為大系統整體移動和小系統局部生消,將預警時間提前至四小時。
風雲衞星在2026年風雲衞星用戶大會上發佈兩款極端天氣 AI 模型,分別用於台風雲圖解譯和強對流短臨預警。台風智能雲圖解譯模型每15分鐘解譯一次,每次耗時27秒;強對流短臨預警模型依託風雲四號衞星數據,將預警時間提前至4小時。兩類模型已投入業務化應用,並在第26號台風「舒力基」監測中驗證有效。
首批風雲氣象衞星極端天氣 AI 模型於 10 月 29 日在 2026 年風雲衞星用戶大會上發布,包括颱風智能雲圖解譯模型及強對流短臨預警模型。颱風解譯模型涵蓋 7 類颱風特徵及 20 餘種衞星實況產品,每 15 分鐘解譯一次,27 秒即可生成解譯文本。強對流短臨預警模型利用風雲四號衞星過去兩小時的連續觀測,將預警時間提前至四小時。
首批風雲氣象衞星極端天氣 AI 模型正式發佈,涵蓋台風智能雲圖解譯模型及強對流短臨預警模型。台風模型可解譯7類台風特徵、融合20多種衞星實況產品,每15分鐘解譯一次,27秒即可生成解譯文本。強對流模型利用風雲四號衞星過去兩小時的連續觀測,將預警時間提前至四小時。
Google DeepMind 發佈 Gemini 4 Carbon;該模型在 Artificial Analysis 的 Intelligence Index v5.0 取得 59 分,領先 Claude Opus 5.5 1 分。
Google 發佈旗艦前沿模型 Gemini 4 Carbon,稱其在 Artificial Analysis v5.0 排名第一,並先向網絡安全防禦人員推出。
AGIBOT 發佈具身基礎模型 GO-3 Preview,該模型在 RoboDojo、RoboTwin 和 RoboColiseum 三項具身 AI 基準排名第一,並預計於 2026 年底全面開源。
Google 發佈旗艦大語言模型 Gemini 4 Carbon,稱其擅長處理複雜程式設計任務,並加強網絡安全防護。Google 表示,Carbon 生成安全程式碼的內部測試表現高逾兩倍,並在多項基準測試中勝過 GPT-6 Astra 和 Claude Opus 5.5;它在 Gray Swan IPI Benchmark 中擋下所有模擬提示詞注入。
Google DeepMind 發佈 Gemini 4 Carbon,並以 59 分登上 Artificial Analysis Intelligence Index v5.0 榜首。它在 Terminal-Bench 4.0 得分 65.2%,Google 稱模型已能連續數天自主處理複雜軟件工程任務。Carbon 本週起先向少數網絡安全防禦人員提供,普通開發者和消費者的開放時間尚未公佈。
Google 發佈 Gemini 4 Carbon,該模型在 Artificial Analysis 智能指數 v5.0 取得 59 分,排名第一。它在 SEC-bench Pro、ExploitGym 和 CWE-bench 分別取得 88.2%、54.8% 和 71.0%,並支援 1M token 上下文窗口。
推薦理由:文章把 Gemini 4 Carbon 的網絡安全與綜合評測成績,和 Claude Opus 5.5、GPT-6 Astra 等模型對照,呈現不同基準下的領先幅度。
LightOnOCR-2-1B 是一款 1-billion-parameter 視覺語言模型,在 OlmOCR-Bench 取得最高分,體積比此前表現最佳的模型小 9 倍。模型在 H100 GPU 上每秒處理 5.71 頁,並採用端到端架構處理複雜版面、多語言內容及科學記號。模型以 Apache 2.0 授權釋出,團隊亦公開訓練數據集及 LightOnOCR-bbox-bench 評測套件。