NVIDIA 扩展开源模型家族，覆盖语言、机器人、生物与量子计算
NVIDIA 扩展其开源模型家族，覆盖语言、机器人、生物和量子计算，包括新的 Nemotron 3.5 Super VL、Nemotron 3.5 Bolt、Nemotron Retriever、Kumo、Cosmos 3.5、Alpamayo 2 Edge、BioNeMo 与 Ising。
推荐理由：NVIDIA 一次性铺开语言、机器人、生物、量子四条开源模型线，并给出各模型的开放渠道与首批企业用例。
#多模态
NVIDIA Blog精选AI 评分7575 AWS Machine Learning BlogAI 评分5050 TwelveLabs Pegasus 1.5 在 Amazon Bedrock 上线
TwelveLabs 的视频语言模型 Pegasus 1.5 已在 Amazon Bedrock 上线，可将长视频转为带时间戳的结构化 JSON 元数据。相比 Pegasus 1.2，单次请求可分析视频时长从 1 小时提升至 2 小时，并新增视频分段、参考图多模态提示和免预索引的即时处理。
The Decoder精选AI 评分7272 可灵 AI 发布 4.0 版本，新增立体声与多语言口型同步并推出 Flash 轻量版
可灵 AI 发布 4.0 版本，单次可生成最长 30 秒视频，支持最多 10 张关键帧图像输入，提示词理解扩展到 8,000 tokens。新版本加入双声道立体声和覆盖德语、英语、日语、韩语、西班牙语等十余种语言的改进口型同步，Omni Reference 单次最多接受 15 个参考素材。
推荐理由：可灵 4.0 的升级集中在参考素材、音频与多语言口型，同时给出与 Wan 3.0、Seedance 2.5 的对比观察。
钛媒体AI 评分6363 麻省总医院布莱根团队在《柳叶刀·数字健康》发表研究：AI 凭人脸照片识别癌症患者死亡风险
10月20日，《柳叶刀·数字健康》发表麻省总医院布莱根医疗集团的研究，其FAHR-Face模型仅凭一张普通脸部照片即可区分癌症患者的死亡风险。在3820名未参与训练的癌症患者中，被评极高风险的122人拍照后90天内64人去世，占比52.5%；评分最低的975人仅20人去世，占比2.1%。
雷锋网AI 评分1818 王友清教授团队论文被 ACM MM 2026 录用，提出 GLCMoE 多视图聚类框架
北京化工大学王友清教授团队的论文《Global-and-Local Collaborative Mixture-of-Experts with Dual Contrastive Learning for Deep Multi-view Clustering》被 ACM MM 2026 录用，王友清为第一作者，北京化工大学为第一完成单位。
AK@_akhaliqAI 评分3838OpenVLHarness 具备多模态记忆的真实世界视觉智能体工具使用 论文：https://huggingface.co/papers/2610.26860
爱范儿精选AI 评分7878 VAST 开源实时世界模型 EdenLive 及配套 EdenGolem
VAST 开源 Project Eden 系列中的实时生成式渲染器 EdenLive，并同步开放 5B、14B 模型权重、实时流式推理代码、EdenGolem v0.1 与前端工作台。
推荐理由：VAST 开源实时世界模型 EdenLive，读者可了解其状态与渲染分工架构及 5B 模型在单卡上的实时表现。
雷锋网AI 评分5858 爱奇艺580天AI闯关：从剧本工坊到虚拟制作
雷锋网梳理爱奇艺自2023年3月全员AI培训以来的580天实践，覆盖剧本工坊、影像工坊、虚拟制作与桃豆世界等应用。截至2024年6月超98%员工调用过大模型，2024年调用量较2023年增长83倍，奇智平台上有64个业务调用6300多个智能体应用。剧本工坊已累计为5000部小说和剧本提供评估提速，2025年4月版本接入DeepSeek等国产大模型，不到30分钟可完成50万字剧本评估。
极客公园AI 评分6262 Lovart 2.0 推出个人设计 Agent Arti
Lovart 迭代到 2.0 后推出个人设计 Agent Arti，通过记忆功能记录设计师的行业、身份与审美偏好，并主动承担调研、找参考和画布检查。Arti 会把反复出现的设计流程沉淀为可复用 Skill，还支持设定时间与频率的设计委托，按快速、均衡、专家三档模式批量执行。作者实测用 Arti 完成攀岩品牌电商物料调研，并发现它提示海报比例不符可一键调整。
量子位AI 评分6262 Meshy 推出局部编辑功能 Meshy Edit，一句话指令修改 3D 模型局部
Meshy 发布局部编辑功能 Meshy Edit，用户圈选 3D 模型区域并用一句话描述改动，约一分钟生成新模型，未选中区域保持原样。该功能已向全部注册用户开放，每次编辑消耗 20 积分，目前支持 Meshy 6 和 Meshy 7.1 生成的高精度模型，带贴图模型会自动切换至未贴图版本编辑。
elvis@omarsar0AI 评分5858
引用ViggleAI@ViggleAIToday we are releasing JST-2, the world's first full-stack physics-native world foundation model. Many world models learn in pixel/video space. We went back to first principles and built the entire model stack in 3D. Generate a 3D scene in seconds and expand it in real time. Create characters with motion built in, all through one general architecture.
- elvis@omarsar0AI 评分5858
引用Nace AI@NaceAIDrex Max is here: our multimodal decision model text, images, and video 34 ms/decision, under 1s at 262K tokens $0.06 / 1M input tokens available today at https://nace.ai/drex
- AK@_akhaliqAI 评分3030
OmniCompass 面向全模态视频定位与理解的综合基准 论文：https://huggingface.co/papers/2610.18829
AI at Meta@AIatMeta精选AI 评分8080推荐理由：Meta 公布开源权重模型的具体参数与多模态规格，可据此判断其长程编码与智能体任务的定位。
NVIDIA@nvidia精选AI 评分7373引用NVIDIA AI@NVIDIAAIMeet NVIDIA Nemotron 3.5 Super VL Our new open model combines reasoning and tool use with text, image, document, and video understanding for long-running AI agents. 120B total parameters with 12B active 🧵
推荐理由：官方给出新开源多模态模型的总参数与激活参数，读者可据此判断其本地部署与定制空间。
NVIDIA Blog精选AI 评分7878 NVIDIA 扩展 Nemotron 家族，发布 120B 多模态 Super VL 与两款 Bolt 端侧模型
NVIDIA 发布 Nemotron 3.5 Super VL，这是 120B 参数的开源多模态模型，主打智能体任务的速度与准确率，官方称吞吐量最高可达同类模型的 5 倍。
推荐理由：NVIDIA 一次放出 120B 多模态与两款端侧模型，读者可据此判断本地智能体部署的选型空间。
- AK@_akhaliqAI 评分3434
VideoJev 用于视频理解与交互的系统一模型 论文：https://huggingface.co/papers/2610.18615
Turing Post (Ksenia Se)@TheTuringPostAI 评分2525Google DeepMind精选AI 评分9090 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布 Gemini 4 Argon，通过 Gemini API、AI Studio、Antigravity 及 Gemini 应用向开发者、企业和订阅用户开放，定价为每百万输入 token 2 美元、输出 token 10 美元。
推荐理由：官方披露了 Argon 在编码、科研与安全对齐上的具体案例和基准表现，可据此判断前沿模型在长程任务中的实际边界。
Google DeepMind精选AI 评分7272 Google DeepMind 发布 EmbeddingGemma 2 端侧多模态嵌入模型
Google DeepMind 发布 EmbeddingGemma 2，这是基于 Gemma 4 架构、采用 Apache 2.0 许可的 740M 参数嵌入模型，可将文本、代码、图像、音频和视频映射到统一嵌入空间。
推荐理由：原文给出参数量、内存占用和基准提升，可据此判断端侧多模态检索的落地条件。
- AK@_akhaliqAI 评分2626
OmniReasoning 突破音视频联合推理的极限 论文：https://huggingface.co/papers/2609.39490
- AK@_akhaliqAI 评分2222
ALoDLM 自适应循环扩散语言模型 论文：https://huggingface.co/papers/2610.04198
Google DeepMind@GoogleDeepMindAI 评分6060Google DeepMind 发布 EmbeddingGemma 2，这是其首个原生多模态开放模型，面向端侧嵌入场景。该模型从文本扩展到代码、图像、音频和视频，并将这些模态统一到同一嵌入空间。
Microsoft Research精选AI 评分6262 微软研究院推出面向生物学复杂性的 AI 研究系统 Quine
微软研究院推出 Quine，一个由跨模态生物学世界模型和连接模型、科学工具、文献与研究者的交互框架组成的 AI 研究系统。该系统与 Broad Institute 合作用于胰腺导管腺癌研究，从数千个化合物中筛选并优先排序候选分子，湿实验显示排名最高的化合物产生了最大的经典态到基底态细胞状态转变，整个筛选到候选验证过程仅用一个周末。
推荐理由：微软研究院公开 Quine 的生物学世界模型与实验编排框架，并给出胰腺癌化合物筛选的湿实验验证结果。
Qwen@Alibaba_Qwen精选AI 评分6767推荐理由：官方给出延迟从 2.8s 降到 2.3s 和三项新能力，可据此判断实时同传的可用边界。
- Qwen@Alibaba_Qwen精选AI 评分8080
阿里 Qwen 团队发布 Qwen3.8-Omni-Flash，称其为 Qwen 首个围绕智能体能力构建的全模态模型，将原生音视频理解、推理与工具调用整合在一个模型中。
推荐理由：官方给出音视频智能体能力、基准提升与视频输入成本降幅，可据此判断长音视频场景的落地成本。
Google AI@GoogleAI精选AI 评分7878
推荐理由：两款音频模型分别面向低延迟对话与复杂任务推理，读者可据此判断语音交互的适用边界。
DeepSeek@deepseek_ai精选AI 评分7272DeepSeek 发布 DeepSeek-V4.1-Flash，称其为新架构家族中参数规模最小的模型，并原生支持视觉理解。官方表示该模型面向更强能力、更快推理和更高吞吐设计，并可扩展至更大模型。
推荐理由：DeepSeek 新架构家族的最小模型，原生支持视觉理解，并强调推理速度与吞吐。
- DeepSeek@deepseek_ai精选AI 评分7575
DeepSeek 在 API 平台上线实验性多模态模型 DeepSeek-V4-Flash-Vision-Exp，调用时使用 model='deepseek-v4-flash-vision-exp'。
推荐理由：官方给出新模型与 V4-Flash 的文本能力对照，以及多模态智能体基准上的提升幅度，便于判断是否值得接入。