行业资讯

腾讯混元发布 Hy4。相比 Hy4 preview，这一版大幅扩展了预训练和后训练，第一次支持视觉理解和电脑操作（CLI/GUI），指令遵循、长上下文、长程任务和深度研究能力都有明显提升。官方称 Hy4 在 579 项真实金融任务评测中位列开源权重模型第一，搜索幻觉率从 15.76% 降到 5.45%；模型已上线腾讯云、OpenRouter 和 Hy AI Studio。原文：“Today, we’re releasing Hy4, another major leap forward that places Hy among the strongest open-source models for the first time.”

Anthropic 的 Claude Code / Cowork 产品负责人 Cat Wu 宣布上周五是她在 Anthropic 的最后一天。她回顾说，两年前 Claude Code 还只是内部小工具时，她用它搭了一个 RL 环境，全程没手写一行代码，于是加入了团队。如今 Claude Code 已从逐条手动批准权限演进到默认信任 Claude 自动批准、承担大型迁移和新产品开发。原文：“Helping build Claude Code into an industry-defining product has been the journey of a lifetime.”

生成式媒体云平台 fal 宣布完成 E 轮和 F 轮融资，总额 16.5 亿美元：E 轮由红杉（Sequoia）领投，F 轮由 Bessemer Venture Partners 领投，英伟达继续跟投。fal 表示，这笔资金将支持团队明年继续拓展生成式媒体的能力边界。原文：“we raised our Series E & F rounds for a combined total of $1.65B.”

Krea 公布 Krea 3 技术报告。这是一个前沿级图生图（编辑）基础模型，单次生成最多可组合 8 张参考图。报告覆盖架构、原生 2K 训练、图生图数据挖掘与合成、基于 agentic reward harness 的强化学习、偏好优化和推理优化。Krea 3 Ultra 在 Arena、Artificial Analysis、Design Arena 三个编辑榜单上均列第 4。官方称 Krea 3 (Fast) 平均约 8 秒完成一次编辑，比 Nano Banana Pro 快约 3 倍，每千次编辑成本 80 美元。原文："an I2I model that is frontier quality, ultrafast, and cost-efficient."

腾讯混元 Hyra 团队发布 Hyra 2.0。它在 Hyra 1.0 的基础上更进一步：Hyra 1.0 曾借助开源模型 Hy3 全自动解决加法组合学中悬置五十多年的开放问题，Hyra 2.0 则让通用 agent 参与研发和升级科学模型、研究工作流与软件工具，追求能不断累积的“智能复利”。系统按 Overall、Mission、Worker 三层分工，配合持久化任务队列、Research Board、独立复核和共享知识库 Books，支持长周期研究。目前已从头训练出蛋白逆折叠模型 HyInv（196 万参数，生成速度快 57 倍）和蛋白质语言模型 HyPLM-Flash（6.5 亿参数，35 项评测平均排名第 3）。

DeepSeek Harness 发布新功能 Creator Mode（创作者模式），用户可以把自己的想法做成能直接使用的插件，官方举的例子有设计工作台、沙盒游戏和 3D 大模型可视化工具。原文：“Your Harness. You Define It.”

模思智能推出全双工实时语音交互系统 MOSS-Live，采用前后台协同架构：前台模型负责实时感知与对话，后台模型异步处理复杂推理和长程任务，支持实时视频、屏幕共享、工具调用和流式同声传译。官方评测显示，它在停顿抢话率（1.44%）、无关语音误接话率（2.00%）、附和抗干扰率（98.17%）等多项指标上领先 GPT Realtime 2.1、GPT-Live-1、Doubao SeedDuplex 等系统。目前已开放在线体验和 API 接入，API 限时免费。

月之暗面在 Hugging Face 发布 Kimi K3.1 Pro 开放权重。它是 K3.1 系列的首个模型，基于 Kimi K3 做了覆盖数百个下游领域的大规模联合强化学习后训练，上下文窗口为 100 万 token。模型采用 MoE 架构，总参数 2.8T、激活 104B，注意力层由 69 层 KDA 和 24 层 Gated DSA 组成，权重为 MXFP4 量化。官方称它在编程、3D 创作、金融研究、事实准确性等智能体能力上有大幅提升："our most capable 3T-class model to date"。

作者是 SGLang 社区成员、现就职于 RadixArk，分享了选 offer 的两条建议。第一，评估 startup offer 时把期权当作 0：人员流动大，tender offer 只让少数早期员工受益。第二，比期权更关键的是值得长期追随的 leadership，因为“职业发展说到底也是需要贵人相助托举的”。

美团 LongCat 团队发布 LongCat-2.5，总参数 1.6 万亿、每 token 激活约 480 亿，在 LongCat-2.0 基础上强化原生视觉理解与智能体编程。模型将视觉信号表示为多级离散 token、与文本统一处理，并通过大规模长程强化学习提升复杂代码库开发能力；训练与 W4A4 推理均在国产 AI 加速卡上完成优化，Terminal Bench v2.1 得分 88.4、BrowseComp 得分 91.9。原文："We introduce LongCat-2.5, a native multimodal model for long-horizon agentic tasks."

DeepSeek Harness 发布架构长文，指出当前主流 Agent 仍以单一会话为基本工作单元，多任务并行时受限于人的注意力（一人通常只能同时跟进 3-5 个会话）。为此提出 Super-agent 的四个特征：连续、高产、主动、持久。并给出五个支撑模块：Router 加执行层的两级架构、事件驱动、全双工多通道交互、计算/状态/环境分离，以及 Watchdog 自恢复。原文称："No single ReAct loop can provide all four characteristics at once, so they have to come from the system architecture around it."

Pika 推出视频生成模型 Pika H3 Flex，首发即在 DesignArena 文生视频榜单上位列开源权重模型第一。该模型面向专业迭代，可以导出音频分轨，最高支持 4K 分辨率，生成速度快于实时，最快 7 秒就能生成一段带配乐的 15 秒视频。原文：“It can produce a 15-second clip with soundtrack in as little as 7 seconds.”

Ideogram 为精准编辑功能推出「上下文窗口」：可在超高分辨率图像内框选最大 2K 的任意区域编辑，窗口外内容保持不变，没有接缝和伪影，也不用再进 Photoshop。新功能已在 App 和 API 中上线。原文："Edit any area up to 2K inside very high-resolution images. Everything outside the context window stays untouched."

Logan Kilpatrick 宣布推出 Gemini 4 Carbon，称其相比两周前刚发布的 Argon 有大幅提升。新模型在网络安全和长程任务上达到 SOTA，位列 Artificial Analysis V5 榜单第一，编程等领域的可用性明显改善，对齐表现也更好。原文："Introducing Gemini 4 Carbon, it's a big jump over Argon which we released just 2 weeks ago."

苹果推出 MacBook Pro with PROLED XDR Display，采用串联 OLED 屏（SDR/HDR 峰值亮度 2000 尼特，对比度 10,000,000:1，支持 P3 + Adobe RGB），首次在 Mac 上支持触控屏和灵动岛，搭载 M5 Pro / M5 Max 芯片，每个 GPU 核心都内置 Neural Accelerator，续航最长 24 小时。起售价 2899 美元，现已开放预订，11 月 6 日发售。官网原文：“PROLED XDR. The world’s best laptop display.”

MiniMax H3 的高清重绘模型 H3-Regenerate-2K 只以闭源 API 形式提供。Open-H3-Regenerate-2K 是它的开源替代：H3 transformer 和 VAE 保持冻结，只加一个 refiner LoRA，配合潜空间放大器做 3 步扩散，就能把 384P–768P 的低清草稿原生重绘到 768P、1080P、2K 或 4K。支持 5–15 秒的片段，草稿也可以来自 LTX-2、SANA-Video 等其他视频模型。用 SoL-Engine 在单张 B200 上生成 5 秒 2K 视频只要 22.45 秒，而官方 API 要 87.26 秒；在 RefinerBench-150 上多项指标超过官方 API，200 次盲测中有 87% 更偏好它。原文："In a blinded user study, ours was preferred in 87% of 200 judgments."

Google DeepMind 发布了世界模型 Genie 4，称它是迄今最逼真、交互性最强的世界模型。用户可以实时探索动态环境，看到场景如何响应、发出什么声音，以及场景中的人如何移动、做出反应和说话。原文："This is Genie 4, our most realistic and interactive world model yet."

南洋理工 MMLab 推出高效视频抠像模型 MatAnyone-E。4K 分辨率下，它的推理速度约为 MatAnyone 2 的 7.4 倍，峰值显存只有后者的 7.6%，抠像质量相当。单张 NVIDIA H200 上，1080p 可跑到 73 FPS，4K 可跑到 29 FPS。论文已发布在 arXiv，代码即将开源。原文："Meet MatAnyone-E: high-quality video matting, much faster."

OpenAI 推出 GPT-6.1 Terra。它能看懂屏幕内容、跨应用执行操作，写作也更自然，定位是兼顾能力与效率、可承担全天工作的模型。原文："GPT-6.1 Terra: delivering fast and capable computer use at a lower price."

OpenAI 公布其内部模型在数学（局部光滑化与 Kakeya 猜想）、计算机科学（指数时间假设不成立）和物理（量子色动力学的存在性）上的三项新发现，并邀请外部专家牵头组建工作组，分别采用不同的发布策略来验证和解读这些结果。计算机科学结果的自然语言证明和 Lean 形式化已公开在 GitHub 上。OpenAI 表示不为这些发现申请学术署名："We do not seek academic credit for the discoveries produced by our internal models."

Anthropic 宣布已就拟议中的首次公开募股（IPO）向美国证券交易委员会（SEC）提交 S-1 注册声明。原文："Anthropic has filed an S-1 registration statement with the SEC related to its proposed IPO." 公司同时提示，该注册声明尚未生效，生效前相关证券不得出售。

2024 年夏天，字节跳动商业化 GenAI 团队的 Goku 视频生成模型训练出现了几个月无法解释的故障，上百名工程师参与排查，最后发现是人为干扰。字节辞退了实习生、VAR 论文作者田柯宇，之后起诉他篡改代码。两年后田柯宇拿到近 3000 万美元融资，又在播客中称当年是“以暴制暴”，前同事随即公开回应。晚点访谈了陈守法、葛崇剑、孙培泽等当事研究员和投资机构，还原了算力争夺与排障的细节，并提出一个问题：公司和投资人挑选“天才”时，有多在意成果是怎么取得的？

Black Forest Labs 宣布 FLUX Video Upscaler 迎来全面升级，可将任意视频放大至最高 4K 分辨率。官方称其已是市面上最好的视频超分工具，价格低于 Topaz Astra 2，速度快一倍。原文：“It’s now the best video upscaler on the market, while costing less than Topaz Astra 2 and being twice as fast.”

Canva 研究总监 Ryan Yuan 发帖称，团队五个月前还是没做过大规模预训练的小团队，如今自研的 Canva Craft 已在 DesignArena 图像榜排名第 4，除 OpenAI 外领先所有实验室，用的参数量和数据量都只是对手的一小部分。原文：“0 to 1 in five months. Really proud!” 他转发的 DesignArena 帖子提到，该模型最擅长写实的产品与物体特写，还在人像和风景两个子榜上排名第 1。

HeyGen 发布首个通用视频模型 HeyGen Video 1，在 Artificial Analysis 的盲测中与当前主流视频模型对比，文生视频排名第一。原文："Our first general-purpose video model ranked #1 in text to video." 模型已上线 HeyGen 平台供试用。

Ideogram 推出首个矢量生成模型：可根据文本提示生成干净、可编辑的 SVG，支持平滑渐变和清晰的文字排版，也能把任意图片转换成细节丰富、可缩放的矢量图。该模型已在 Ideogram 产品和 API 中上线。原文：“Today, we’re introducing Ideogram's first vector model.”

Datapoint AI 发布开源人类偏好数据集与评测基准 SVG-Bench，收录 35 万多条真实用户偏好标注，对 GPT-6 Astra、Fable 5.1、Arrow 2 Telos 等 14 个 SOTA 模型的 SVG 生成能力做了排名，覆盖图标、Logo、图表、UI 等 8 个类别。原文："Introducing SVG-Bench: an open-source human preference dataset for SVG generation"

Claude 官方宣布开放新应用 Claude Duet 的研究预览，Claude 在其中作为主动型智能体工作。它会主动告诉你哪些事需要处理，完成你交代的任务，你离开后也会继续工作，并在代你执行操作前先征求确认。原文："It comes to you with what needs your attention, completes tasks you ask of it, keeps working when you step away."

可灵 AI 宣布 Kling 4.0 API 正式开始推送上线，开发者可将 Kling 4.0 视频生成模型接入自己的产品与工作流。原文：“KLING 4.0 API — Officially Rolling Out Now.”

Richard Socher 宣布 Recursive（@Recursive_SI）发布首个模型 Flint。这是一款本地运行的快速编程模型，由其自动化研究系统 Eureka Machine 打造，从零开始用了不到 4 个月。官方称它在快速本地编程上同类最佳，速度最高可达同类模型的 2 倍，在 MacBook Pro 上超过 125 tokens/s，在 RTX Spark 上超过 150 tokens/s。权重已在 Hugging Face 开放，也可以在 opencode 或 pi.dev 上免费试用。原文："Private, unmetered intelligence on your own machine."

Bria AI 宣布 Fibo 2.0 正式上线，在 Artificial Analysis 图像编辑榜单上位列开源权重模型第一，排名领先于 33 个头部实验室的闭源模型。该模型仅使用获得授权的数据训练，目前可在 Bria Create 中试用。原文："Ahead of 33 closed models from leading labs, and trained only on licensed data."

DeepSeek 开源了自研推理框架 DeepInfer。它目前在生产环境中支撑 DeepSeek-V4.1-Flash 的大规模推理，包含高性能算子与推理引擎、分布式推理、投机解码、SWA Bounded Replay 和结构化输出，后续 DeepSeek 新模型的推理代码也会在这里发布。同时开源的还有 deepseek-recipe，即生产环境中使用的 token 编解码组件，处理逻辑与官方 API 保持一致。原文："Open models. Open kernels. Open inference."

Meta 发布了 Muse Glimmer 的技术报告。这是一款开放权重的 30B 模型，专为在消费级硬件上执行智能体任务设计。用 4-bit 精度，在 Mac 或配一块消费级 GPU 的 PC 上就能以可用的速度运行；在工具调用和多步规划上，它领先于同等规模的开源模型。报告介绍了模型架构、蒸馏方法和量化等技术细节。原文："our 30B open-weight model built for agentic tasks on consumer hardware."

fal Research 与 Black Forest Labs（@bfl_ai）联合推出后训练视频模型 FLUX 3 Max。fal 称它在独立第三方基准的图生视频质量上并列第一，生成一段 10 秒、720/768p 的视频约需 12 秒。未来三周 FLUX 3 Max 打 2.5 折，原文称其为 “the most affordable frontier video model at its quality level”。

马斯克在直播发布会上展示了新款 Tesla Roadster：车辆借助底部“风扇吸附系统”在弯道坡道上倒立行驶后腾空翻转落地，还演示了飞越一排特斯拉车辆的“踢翻”动作，0-60 mph 加速不到 1 秒。马斯克称其配备“姿态控制推进器和尾部主推进器，基本上可以像火箭一样飞行”。特斯拉官网已开放 Performance、Thrust、Rocket 三个版本的预订（Rocket 版仅限邀请），续航超 300 英里，Rocket 版极速超 230 mph。

生成式媒体云平台 fal 发布 fal Worlds，可实时创建 AI 生成的世界并与之交互：构建角色、探索场景、导演镜头，世界会随用户操作实时响应。平台接入 LingBot World、H3 Max Director 等前沿世界模型。原文：“A new way to create and interact with AI-generated worlds in real time.”

图像编辑模型连续多轮编辑后，误差会一轮轮累积，导致颜色漂移、细节丢失。ACEdit 把 Self-Forcing 的思路用到图像编辑上：让编辑器在自己的输出上训练，再用分数蒸馏提供监督；教师模型始终基于原始干净图像和合并后的复合编辑指令来打分（即非对称条件），所以不需要真值标注。作者用 LoRA 微调了 FLUX.2 Klein 9B 的 4 步蒸馏学生模型，只训练 0.3% 参数，在一张 B200 上训练 4.4 小时，长序列编辑的画质退化明显减轻。原文：“We reduce this train–inference gap by training on the editor’s own rollouts, guided by a teacher anchored to the original image.”

Meta 发布 Muse Spark Open，主打编程和智能体任务，擅长长周期任务、复杂软件工程和多步推理。模型总参数 816B、激活参数 42B，上下文窗口 1M token，原生支持文本、图像、视频、音频多模态。原文：“the most capable US open-weight model to date.”

Krea 宣布开放 Krea 3 的 Beta 测试，称它是“图像编辑的新前沿”。官方介绍，它端到端完成一次 2K 图像编辑不到 8 秒，质量可与 Nano Banana Pro 和 GPT Image 2.5 相当，并支持边界框控制和精确的多轮编辑。原文："today we open the beta for Krea 3, a new frontier for image editing."

Black Forest Labs 发布 FLUX 3 Image Klein。这是一个开源权重模型，参数量 5.6B，单张消费级 GPU 即可运行。官方称它有大型前沿模型的生成质量，可定制，速度快，原生支持 4K 输出、边界框和像素级精确编辑。原文："Open Weights with the quality of a large frontier model."

NVIDIA 发布新的开放模型 Nemotron 3.5 Super VL。它集推理与工具调用于一体，能理解文本、图像、文档和视频，面向需要长时间运行的 AI Agent。模型总参数 1200 亿，激活参数 120 亿。原文："120B total parameters with 12B active"。

可灵 AI 宣布视频生成模型 Kling 4.0 全面开放：即日起可在 kling.ai 改版后的创作界面使用，也可以通过 MCP 和 CLI 接入视频创作工作流。官方同时预告了 4K/1080p 的 10-bit HDR 视频输出，以及面向企业客户和开发者的 API 接入。原文："For Those Who Create. KLING 4.0 Is Now Fully Available."

阶跃星辰宣布开源 Step 5 Preview 的权重，BF16 与 FP8 两种权重已上线 Hugging Face 和 ModelScope，技术博客同步发布。该模型采用稀疏 MoE 架构，总参数 600B、每个 token 激活 27B，支持 1M token 上下文，原生支持文本和视觉输入，主要面向编码、软件工程、专业知识工作和金融等长链路 Agent 任务。原文："Frontier intelligence, open weights. Build what's next."

MiniMax Code 推出 MiniApp 机制，让用户把 MCode 扩展成自己的工具，首个 MiniApp 是 MiniMax Bot：主 Bot 可组建团队、开群聊、设置定时任务，群聊里用 @ 交接工作，Bot 之间也能互相转交，繁重任务转到后台执行、完成后回传结果。每个 Bot 都有独立的模型、推理强度、记忆和形象。原文："We ship the stage. You decide the play."