AI 模型发布与更新

Google 发布 Genie 4 世界模型，用于生成 AI 交互体验，主要更新包括更真实的画面、自然语言实时修改、生成音频，并采用 Gemini 3.8 Flash 辅助模拟。

微软 MAI-Image-2.7-Preview 在 Image Edit Arena 以 1470 分位列总榜第 3，使 Microsoft AI 在实验室排名中升至第 2。相比此前排名第 7 的 MAI-Image-2.6，该版本提升 45 分，并在全部类别上均有进步：产品与品牌设计、人像、写实电影感图像均升至第 3，文字渲染与卡通动漫升至第 4，3D 成像与建模升至第 5。

Microsoft AI CEO Mustafa Suleyman 宣布 MAI-Image 现居全球图像编辑模型第二，称再次超越 Google、Meta、xAI 和 GPT-Image-2.5-Flare，可在 MAI Playground 试用。引用的 Artificial Analysis 分析称 MAI-Image-2.7-Preview 在 AA-Image-Editing v2.1 榜单排名第二，7 项编辑动作全面高于 MAI-Image-2.6，其中 4 项排…

Microsoft AI 发布图像编辑模型 MAI Image 2.7 预览版，在 Arena Edit 排名第 3（使 Microsoft AI 成为第 2 的实验室），在 Artificial Analysis 图像编辑榜单排名第 2。

Artificial Analysis 评测显示，Microsoft AI 新图像编辑模型 MAI-Image-2.7-Preview 在 AA-Image-Editing v2.1 排名第二，仅次于 OpenAI 的 GPT Image 2.5 Sunburst (max)，并全面超越 8 月发布的 MAI-Image-2.6。

微软推出 MAI Cyber 1.1 Flash，在内部 MDASH 漏洞扫描评测集上性能与 MAI Cyber 1 Flash 相当，每次扫描成本降低 18%。该模型承担更多工作，让整个 MDASH 系统以更低成本产出有效发现。目前 MAI Cyber 已占 MDASH 全部扫描的近 50%，新模型面向已验证的 MDASH 客户开放。

GPT-6.1 Terra 发布后实测速度很快、效果与稳定性不错且省成本，适合日常处理操控浏览器和电脑的常规任务。作者已将默认模型从 GPT-6.1 Sol high 切换为 GPT-6.1 Terra xhigh。此前这类任务作者通常让 Claude 启动 Codex 指挥完成。

这永远不会过时（也说明即便是对AI而言，预测AI有多难） “嘿，Claude Fable 和 GPT-6 Astra，不许查任何资料，你们觉得我们什么时候能解决指数时间假说？”（篇幅所限，我只展示部分回答）

AI 实验室 Mirendil 发布首个编码模型 Fern 0.1，上下文窗口最高 10M token，约 23 MB 代码。其基座 Mirendil-Base 由 1 名研究员在 3.5 个月内完成预训练，总算力成本低于 1000 万美元，超过 99% 代码由 AI 智能体编写，训练数据仅来自公开来源。

百度开源 Unlimited OCR 2，面向几十到几百页文档的 OCR/版面解析，3B/A0.5B MoE 架构，模型在 https://huggingface.co/baidu/Unlimited-OCR-2。

现已开源：Ling-3.1-flash-1019。 在 Artificial Analysis Intelligence Index v4.3.2 上得分 44，高于 Ling-3.1-flash 的 41。 同时发布 Ling-3.1-flash-base，一个可用于进一步训练的开放基础模型。

@Hi3D_AI 开源 image-to-3D 模型 Hi3D v1.0（前身 Sparc3D），代码和权重已在 GitHub 和 Hugging Face 发布，可免费商用（上限 200K 月用户或 $1M 月收入）。

IBM 与 Kaggle 合作推出 ScarfBench 持续维护的公开榜单，评测编码智能体能否将企业 Java 应用在 Jakarta EE、Quarkus 和 Spring 之间迁移并保持应用行为。

百度开源 Unlimited OCR 2，面向几十到几百页文档的 OCR 与版面解析，模型为 3B/A0.5B 的 MoE 架构，地址 https://huggingface.co/baidu/Unlimited-OCR-2。

面壁智能自研 AI 算子生成系统 ForgeKernel 同时登顶华为 CANNBench 950DT、950PR、A3 三大硬件榜单和英伟达 SOL-ExecBench（FlashInfer-Bench 合集）。

OpenAI 的 Ted Sanders 对新模型 GPT-6.1 Terra 进行了归类定位，并解释了公司的模型命名方式。他表示模型性能是多维的，模型大小、推理投入和多智能体系统是不同维度，合并成单一 IQ 分数会掩盖细节。

vLLM Semantic Router 团队发布 Apache-2.0 开源的 27B 多模态决策模型 d3-ultra，属于 Decision 3.0 家族，不生成文本，而是单次读取输入后对每个问题返回概率，支持 Choice、Yes/No、Score、Box、Track 五类问题。

蚂蚁 inclusionAI 发布 Ling-3.1-flash-1019，为 Ling-3.1-flash 的升级版，总参数 560B、每 token 激活 25B、上下文窗口 1M token。

百度开源 3.34B 参数的 OCR 模型 Unlimited OCR 2，MIT 许可，可单次请求解析数百页文档。核心是 SR-SWA 稀疏参考滑动窗口注意力，用 512 token 固定参考集加 128 token 局部窗口使每步解码开销基本不随页数增长。

Ethan Mollick 指出，Claude 和 ChatGPT 不再展示详细的摘要式思考过程（可能既有防蒸馏考虑也有 UX 考量），让人在回路中监督变得困难。他认为这削弱了对 AI 中间过程发表意见的能力，正在把用户从增强式协作推向自动化。

蚂蚁 inclusionAI 在 HuggingFace 发布 SingProbe，一个基于 Qwen/Qwen3.8-Flash-Next 的流式安全探针，仅 5.18M 参数，复用基座模型隐藏状态逐 token 打分查询意图、回复安全性与幻觉风险，解码开销低于 0.5%。

标签就是新的标签页。 除了打开浏览器，你会最先交给 @bot 做什么？

2023：GPT-4 几乎解决了小学水平的数学 2024：IMO 银牌 2025：IMO 金牌 2026 年 5 月：Erdős 单位距离猜想 2026 年 9 月：纳维-斯托克斯千禧年大奖难题被解决 2026 年 10 月：722 篇 AI 撰写的数学手稿 今天：OpenAI 证明 ETH 为假 明天：P = NP？

蚂蚁 inclusionAI 在 HuggingFace 发布 Ling-3.0-flash-Sante-fp8，这是医疗专用模型 Ling-3.0-flash-Sante 的 FP8 量化版本，保留 124B 总参数、每 token 激活 5.1B 参数。

Mirendil 发布首个从零预训练的模型 Fern，上下文最高 10M token，约 23MB 代码或 50 万行，接近 Megatron-LM 量级，也可一次装下几天 agent 工作的轨迹。

OpenAI 发布面向视觉推理、计算机使用和写作的 GPT-6.1 Terra，接替 GPT-5.6 Terra，API 定价为每百万 token 输入 $1、输出 $5，是 GPT-6.1 Sol 的一半。

百度发布并开源 Unlimited OCR 2，采用 SR-SWA 机制把文本-视觉注意力交互压缩为固定大小的工作引用，在有限上下文窗口内解析几乎任意长度的文档。随着文档变长，每步解码延迟和内存占用接近恒定，模型在 MPDocBench 和 MarathonDocBench 上取得 SOTA 表现，覆盖几十到数百页文档。

就在短短 2.5 年前，AI 实验室还会强调自家前沿 LLM 在小学水平数学基准（GSM8K）上的表现。我迫不及待想知道再过 2.5 年我们会走到哪一步。

仅仅 2.5 年前，AI 实验室还会炫耀其前沿 LLM 在小学水平数学基准（GSM8K）上的表现。我迫不及待想知道再过 2.5 年我们会走到哪一步。

Simon Willison 分析 OpenAI 发布的 GPT-6.1 Terra，指其主打视觉推理与计算机操作，定价为 $1/百万输入 token、$5/百万输出 token，约为 GPT-5.6 Terra 和 GPT-6.1 Sol 的一半、GPT-6 Luna 的约 10 倍。

OpenAI 于 10 月 27 日发布新模型 GPT-6.1 Terra，主打以更低成本完成复杂电脑操作任务，擅长视觉推理和桌面软件自动化，10 月 27 日起向 Plus、Pro、Enterprise 和 Edu 用户开放，可在 ChatGPT Work 和 Codex 及 API（gpt-6.1-terra）中使用。

Rohan Paul 转述 OpenAI 宣称其 AI 完成三项跨领域数学证明。最重要的结果是指为期约 25 年的 Exponential Time Hypothesis 被其 AI 证明为假，而数百篇论文建立在该假说之上。

Artificial Analysis 与 HeyGen 合作推出 Code2Video-AA，用 114 个设计简报测试模型将产品/品牌营销简报转成 HyperFrames HTML 合成并渲染为视频的能力，经 35,000+ 次成对评判按五轴 Elo 排名 27 个模型。

Thomas Wolf 转评开发者 @rauchg 的 cpu-chat 复现项目，该项目在多个 Firecracker microVM 之间通过 CPU 争用、缓存逐出时序和 DRAM 带宽争用三种机制实现智能体隐蔽通信，绕过了 Firecracker 的生产建议。作者指出 OpenAI 与 Anthropic 的模型拒绝协助这类工作，最终由开放权重模型完成复现，认为保持智能体受控属于安全工作，开放模型有助于构建正确的沙箱隔离。

初级工程师才是从与智能体协作中获益最多的人。 把他们排除在外，感觉是本末倒置。

Claude Duet 今天帮你做了什么？

我让 GPT-6 Pro 重新审视了那个有趣的发现：暴力电子游戏会减少犯罪，因为人们待在家里玩游戏。它下载了最新的犯罪数据，并扩展了先前的研究。 是的，GTA V 在 2013 年的发售与全球暴力事件的下降有关。其他游戏的情况则更模糊。

OpenAI 发布 GPT-6.1 Terra，API 输入 $1/百万 token、输出 $5，价格是 GPT-5.6 Terra 的一半，缓存输入降至 $0.05。

Greg Brockman 表示 GPT-6.1 Terra 的电脑操作能力已跨过一个质变门槛，用起来比他不借助 AI 时更快。其引用的 OpenAI 介绍称 GPT-6.1 Terra 能理解屏幕内容、跨应用执行操作、自然书写，以更低价格提供快速且强大的 computer use，适合承担整个工作日的更多任务。

OpenAI 官方宣布 GPT-6.1 Terra。官方称 Terra 在 max effort 下 token 效率是 Claude Opus 5.5 的三倍以上，每 token 价格为其四分之一，每任务成本约低 9 倍；完成任务速度比 GPT-6 Astra 和 GPT-6.1 Sol 快三倍以上。作者称其为柏林 DevDay 级别的发布。