Block 发布语音模型 Dessa，可本地运行并带笑声与停顿
Block 研究实验室发布语音模型 Dessa，完全基于人类语音训练，可在单张 NVIDIA GPU 上运行，并支持全双工对话，即边听边说。该模型能表现笑声、停顿和哭腔等情绪，官方称可在 MacBook M4 Max 或更高配置的消费级电脑上本地运行。目前 Dessa 尚未公开开放，Block 正在招募安全研究人员进行测试。
#模型发布
TechCrunch · AIAI 评分6767
The DecoderAI 评分5858 Block 发布纯语音训练的 AI 模型 Dessa，可实时识别情绪与讽刺
Block 发布语音模型 Dessa，称其是首个完全用人类语音、不含任何文本数据从零训练的 AI 模型，直接以音频处理语音，可实时捕捉情绪、讽刺、笑声和停顿，并支持全双工同时听说。该模型可在 MacBook Pro M4 Max 上本地运行，训练使用单台 NVIDIA GB200 NVL72。Dessa 尚未公开，团队正招募 AI 安全研究者测试其意外风险，感兴趣者可通过表单报名。
Latent Space精选AI 评分8282 月之暗面发布 Kimi K3.1 Pro：2.8T 总参数、104B 激活，承诺 11 月 4 日开放权重
月之暗面发布 Kimi K3.1 Pro，这是一款 2.8 万亿总参数、1040 亿激活参数的多模态 MoE 模型，支持 100 万 token 上下文，标准版与 Highspeed 版已上线网站、App、Kimi Work、Kimi Code 和 API，Highspeed 号称输出速度提升 2–3 倍、价格为标准版两倍。
推荐理由：汇总了 Kimi K3.1 Pro 的独立评测、定价与开源承诺，也保留了围绕推理成本和推广合规的争议。
The Verge · AIAI 评分5858 Block 发布语音对话模型 Dessa，仅用人类对话训练
Jack Dorsey 旗下 Block 发布 AI 模型 Dessa，该模型完全基于人类对话从零训练，是端到端的语音到语音模型。Dessa 可在 MacBook Pro M4 Max 或更高配置上本地运行，官网展示了猜谜游戏、聊电影等对话片段，其中部分回应略显生硬。团队称开发动机是好奇心、改善人与 AI 的理解以及安全，将向一小批 AI 安全研究者开放早期访问。
Simon Willison同新闻AI 评分8080 月之暗面发布 Kimi K3.1 Pro，暂未开源权重
Kimi K3.1 Pro 今日上线 Kimi API，权重尚未开放，月之暗面承诺 2026 年 11 月 4 日前发布完整模型权重。定价为输入 $2.00/百万 token、输出 $10/百万 token，与 GPT-6.1 Sol 相同，为 Claude Opus 5.5 的一半；另提供速度快 2-3 倍、价格翻倍的 Highspeed 版本。
The Decoder精选AI 评分8080 月之暗面发布 Kimi K3.1 Pro，智能指数升至第四逼近 Claude Opus 5.5
月之暗面发布 Kimi K3.1 Pro，在 Artificial Analysis 智能指数上得分 55，比 K3 提升 11 分，位列第四，仅落后 Claude Opus 5.5（58）、Claude Sonnet 5.5（56）和 Muse Wonder Full（56）。
推荐理由：Kimi K3.1 Pro 在多项基准上逼近 Claude Opus 5.5，且计划开放权重，读者可据此判断开源与闭源模型的差距变化。
The DecoderAI 评分6262 Canva 发布首款自研图像模型 Craft
Canva 发布首款自研图像生成模型 Canva Craft，由其内部实验室 Canva Research 从零训练，主要使用数百万份设计模板而非照片。Craft 先生成构图、比例和文字，再输出最高 2K 分辨率、覆盖 30 多种宽高比的图像，支持 55 种语言的文字渲染，并可通过 Magic Layers 拆分为可编辑图层。
The Verge · AIAI 评分6363 Canva 发布首个自研 AI 图像模型 Canva Craft，先规划再生成
Canva 推出首个自研图像生成模型 Canva Craft，采用两阶段架构，先生成设计方案再出图，官方称可带来更高的精度、一致性和可控性。
TechCrunch · AIAI 评分6060 Canva 发布首款图像生成模型 Canva Craft
Canva 发布首款自研图像生成模型 Canva Craft，采用两阶段生成方式，先解析提示词并规划元素空间关系、相对尺度、视觉层级和文字信息，再生成最高 2K 分辨率、支持 30 种宽高比的图像。
Hugging Face BlogAI 评分5858 AllenAI 发布 OlmoEarth v1.3 卫星嵌入模型及全球预计算嵌入
AllenAI 发布 OlmoEarth v1.3 卫星嵌入模型，读取一年 Sentinel-1、Sentinel-2 和 Landsat 时序数据，为地球上每个 10 米像素生成 128 维向量，前 64 维也可单独使用。
The DecoderAI 评分7272 Recursive 发布首个由 Eureka Machine 参与研发的模型 Flint
AI 初创公司 Recursive 发布首个语言模型 Flint，研发过程几乎每一步都有其自研系统 Eureka Machine 参与，由该系统自主提出想法、实现、测试并规划后续实验。
NVIDIA BlogAI 评分3838 NVIDIA Earth-2 开放模型在欧洲落地：AXA、Vaisala Xweather 等用于真实天气预报
NVIDIA 在欧洲推出 Earth-2 系列开放模型的区域新成员 StormScope EU，基于 EUMETSAT 卫星观测，以 10 分钟间隔预测 16 个 Meteosat 通道的云况变化。
TechCrunch · AIAI 评分7272 Recursive 发布笔记本端编码模型 Flint，称大部分开发由 AI 完成
Recursive 发布首个模型 Flint，这是一个可在笔记本上离线运行、以 Apache 2.0 许可在 Hugging Face 免费下载的编码模型，公司称其开发过程大部分由自研的 Eureka Machine 完成，小团队不到四个月从零建成。
Hugging Face Blog精选AI 评分7878 NVIDIA 发布 Kumo Relational 关系型基础模型，无需训练即可预测
NVIDIA 发布预训练关系型基础模型 Kumo Relational，可直接在企业数据库上做预测，无需任务特定训练、特征工程或表扁平化。给定预测查询时，它最多读取 1 万个历史样本作为上下文，一次前向传播输出流失、需求或欺诈等结果。
推荐理由：官方披露了预训练关系型基础模型在 41 项基准上超越监督学习的结果，以及无需训练、直接查询数据库的使用方式。
The DecoderAI 评分6969 Inception 发布扩散语言模型 Mercury 3，称速度达 GPT-6 Luna 与 Claude Haiku 5.5 的 4 到 8 倍
Inception 发布扩散语言模型 Mercury 3，称其在多项基准上超过 GPT-6 Luna 和 Claude Haiku 5.5，运行速度快 4 到 8 倍。
Hugging Face BlogAI 评分5858 IBM 发布 Granite Speech 5.0 系列：新增 2B 语音模型并更新 Turbo CTC 与 4.1 2B Plus
IBM 更新 Granite Speech 系列，新增 granite-speech-5.0-2b，并修订 granite-speech-5.0-470m-turboctc 和 granite-speech-4.1-2b-plus。
Hugging Face BlogAI 评分5050 NVIDIA Kumo Forecast：结合预训练时序表示、历史模式检索与可解释性
NVIDIA 推出多变量时序预测模型 Kumo Forecast（原 NV-Tesseract Forecasting），基于 MOMENT-1-large 主干，约 3.4 亿参数编码器加可训练预测头，采用 Apache 2.0 许可开源。
NVIDIA Blog精选AI 评分6565 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 与 Nemotron 3.5 Bolt。
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，并给出可下载渠道与首批企业用例。
The DecoderAI 评分6262 ElevenLabs 发布两款实时语音转语音模型 Eleven Realtime
ElevenLabs 发布两款语音转语音模型 Eleven Realtime，其中 v1 Max 在 Big Bench Audio 上得分 98.8%，响应时间 0.57 秒。
Hugging Face Blog精选AI 评分6060 NVIDIA 发布 Cosmos3-H-Dreams 手术生成仿真模型
NVIDIA 发布 Cosmos3-H-Dreams，基于 Cosmos3-H-Embodied-Nano 训练，可从视频与机器人运动学中学习临床胆囊切除场景的实时生成仿真。
推荐理由：原文给出从桌面任务到临床胆囊切除场景的模型演进，并公开四步与两步检查点及适配自有数据的流程。
The DecoderAI 评分7373 Mistral AI 发布 Voxtral 3 实时语音智能体模型栈
Mistral AI 发布 Voxtral 3，一套面向实时语音智能体的模型家族，包含语音转文字模型 Voxtral Small Transcribe 3、文字转语音模型 Voxtral Mini TTS 3，以及基于 LiveKit 的语音智能体 SDK。
Mistral AI精选AI 评分7878 Mistral 发布 Voxtral 3 语音模型家族与语音智能体 SDK
Mistral 发布 Voxtral 3 系列语音模型和基于 LiveKit 的语音智能体 SDK，把听、推理、工具调用和说话串成一条实时流式管线，单轮响应低于 1 秒。
推荐理由：官方给出语音智能体 SDK 与转写、合成模型的完整定价和基准对比，可据此评估实时语音链路成本。
The DecoderAI 评分5858 Cloudflare 发布文档抽取模型 Clairic，称比 LLM 更快更便宜
Cloudflare 发布 AI 模型 Clairic，称其从文档中抽取数据的速度和成本都优于大语言模型，目前已在 Workers AI 上提供预览，开放权重即将跟进。
The DecoderAI 评分7272 MiniMax 发布 M3.1 Flash 推理模型，单任务成本约 0.22 美元
MiniMax 发布推理模型 M3.1 Flash，在 Artificial Analysis 智能指数上得 42 分，比前代 M3 高 13 分，单任务成本不到其一半。
The DecoderAI 评分7373 Kling AI 发布 4.0 版本，支持立体声与多语言口型同步并推出 Flash 轻量版
Kling 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口型同步，Omni Reference 单次可接受最多 15 个参考素材。
TechCrunch · AIAI 评分7070 Nvidia 发布 Nemotron 3.5 Super VL 与 Bolt 系列开放权重模型，面向企业智能体和本地 AI PC
Nvidia 发布面向常驻智能体和边缘计算的开放权重模型，包括 1200 亿参数的 Nemotron 3.5 Super VL，以及面向本地 AI PC 和 DGX Spark 工作站的轻量 Bolt 系列。
The Decoder精选AI 评分8585 DeepSeek-V4.1-Flash-1017 发布：智能体与编码任务超越更大竞品，单任务成本大幅下降
DeepSeek 发布 DeepSeek-V4.1-Flash-1017，已在官网、App 和 API 上线，并在 Hugging Face 与 ModelScope 开源模型权重。
推荐理由：DeepSeek 小尺寸 Flash 模型在自家基准上以更低单任务成本超过更大竞品，同时开放内部搜索 API。
TechCrunch · AIAI 评分6060 Elorian 发布首个模型 Glimpse，主打用图像推理
Elorian 发布首个模型 Glimpse，以研究预览形式开放 API，聊天界面需排队。Glimpse 在推理过程中可裁剪图像区域、从视频中抽取特定帧或运行代码测量比较，Elorian 称之为视觉暂存空间。该模型定价为输入每百万 token 0.60 美元、输出每百万 token 3 美元，据 Elorian 评测在科学图表推理和短视频描述上超过 GPT-6 Astra。
Hugging Face Blog精选AI 评分8282 Reflection 开源 501B 模型 Beam，Apache 2.0 许可
美国新实验室 Reflection 的首个模型 Beam 在 Hugging Face 开源，采用 MoE 架构，总参数 501B、每 token 激活 23B，支持 1M token 上下文，Apache 2.0 许可，面向编码与智能体场景。
推荐理由：Hugging Face 给出 Beam 的架构细节、量化版本与 vLLM/SGLang 部署命令，可据此评估自托管成本。
Hugging Face Blog精选AI 评分6969 IBM 发布 Granite Switch 4.1：单端点实现对话、决策与语音
IBM 发布 Granite Switch 4.1，包含 Granite-Switch-4.1-8B 和 -30B，通过 Decision aLoRA、Guardian aLoRA 与 Granite-Speech-5.0-Turbo-CTC 在单一托管端点完成对话、决策与语音转写。
推荐理由：Granite Switch 4.1 把决策适配器与 ASR 模型组合进单一端点，读者可据此了解多能力复用同一基座的部署思路。
TechCrunch · AIAI 评分7474 Meta 发布可在 Mac 上运行的开放权重模型 Muse Spark Open
Meta 发布开放权重模型 Muse Spark Open，拥有 8160 亿参数和 100 万 token 上下文窗口，原生多模态，面向复杂编码任务和智能体工作。
The Decoder同新闻AI 评分8282 Meta 发布 Muse Spark Open，816B 参数重返开源权重赛道
Meta 发布开源权重模型 Muse Spark Open，称其为美国最强的开源权重模型，面向编码与智能体任务，拥有 8160 亿参数（激活 420 亿）、最高 100 万 token 上下文，支持文本、图像、视频和音频。
Hugging Face Blog精选AI 评分8787 Meta 开源 Muse Spark Open：816B 参数多模态 MoE 模型
Meta 发布开源权重模型 Muse Spark Open，采用 MoE 架构，总参数约 816B、每 token 激活约 42B，支持文本、图像、音频和视频输入，上下文窗口最高 1M tokens。
推荐理由：Meta 开源 816B 参数 MoE 多模态模型，给出完整部署、微调与量化运行配方，可据此评估自托管成本。
The Decoder同新闻AI 评分7676 Google 发布 Gemini 4 Argon，瞄准机器人全流程单一模型
Google 发布 Gemini 4 Argon，定位为覆盖机器人全流程的单一模型，可控制机器人、构建虚拟练习环境并评估训练视频质量。演示中它从一张照片生成 77 个任务和超过 4500 条训练片段，使真机成功率从 56% 升至 75%，执行时间从 35 秒降至 24 秒。
同一新闻，精选展示《Google DeepMind 发布 Gemini 4 Argon》
The Decoder精选AI 评分7878 Black Forest Labs 发布开源图像模型 FLUX 3 Image Klein，8GB 显存可跑
Black Forest Labs 发布 FLUX 3 Image Klein，这是一个 5.6B 参数的开源权重模型，支持文生图、图像编辑以及最多十张参考图的生成，原生支持 4K 输出、像素级精确编辑和用于元素定位的 bounding box。
推荐理由：5.6B 参数开源图像模型在 8GB 显存消费级显卡上跑出 9 秒内出图，可对照其与闭源模型的 Elo 差距。
The DecoderAI 评分7272 英伟达发布 Nemotron 3.5 Super VL 开源多模态模型，面向企业智能体
英伟达发布 Nemotron 3.5 Super VL，这是一个 120B 参数的开源多模态模型，面向持续在后台运行的企业智能体，处理文本、图像、文档和视频。
Mistral AI精选AI 评分7171 Mistral 发布时间序列基础模型 Timestral
Mistral 发布首个时间序列基础模型系列 Timestral，最大模型仅 209M 参数，在 GIFT-Eval、TIME、fev-bench 三个公开基准上均排名第一，超过此前 SOTA 且参数量只有其三分之二。
推荐理由：Mistral 首次进入时间序列基础模型领域，给出四个尺寸与三项基准排名，可据此判断小参数模型在预测任务上的可用性。
NVIDIA Blog精选AI 评分7878 NVIDIA 发布 Nemotron 3.5 Super VL 与 Bolt 系列开源模型
NVIDIA 发布 Nemotron 3.5 Super VL，这是一个 120B 参数的开源模型，面向持续在线的专用智能体，官方称其吞吐量最高可达同类模型的 5 倍。
推荐理由：原文给出三款开源模型的参数规模、部署层级与多家机构的微调案例，可据此判断开源智能体模型从数据中心到端侧的覆盖方式。
Hugging Face Blog精选AI 评分6262 Apertus 1.5 发布：8B 和 70B 模型新增图像音频理解与思考模式
Apertus 1.5 在 8B 和 70B 模型上新增图像与音频理解、可选思考模式，上下文窗口扩展至 262,144 tokens，为 1.0 的 4 倍，并改进指令遵循与工具调用。
推荐理由：Apertus 1.5 在 8B 和 70B 上加入图像音频理解与思考模式，并公开训练数据与中间检查点，可据此判断开源多模态模型的开放程度。
The DecoderAI 评分5555 Artemis Security 推出安全专用模型 Orion-1，称在自建基准上超过 Claude Opus 5.5 和 GPT-6 Sol
美国初创公司 Artemis Security 发布 Orion-1，一款可自主调查和响应企业网络攻击的专用模型，在公司自建基准上超过 Claude Opus 5.5 和 GPT-6 Sol。