产品动态 · 第 2 页

• Google 开放 Deep Review，辅助核查技术文档

  Google Research 宣布公开推出 Deep Review，将复杂技术文档的反馈与核查能力从学术论文扩展到更多知识文档。公告提到，系统此前已在多个计算机科学会议的投稿场景中使用。

• Liquid d1 把分类判断压缩为一次前向计算

  Liquid AI 的 d1-2B 面向路由、分类、文档提取、审核和重排序等判断任务。它接收文字、图片或视频，通过一次前向计算返回结果，不像聊天模型那样逐个生成回答 token。

• Idol 从单张图片生成 3D 高斯模型

  Sperid Labs 的 Idol 可以把一张物体图片转换为 3D Gaussian Splat，先去除背景、确定物体范围，再生成可由常见查看器打开的 PLY 文件。作者报告可输出超过一百万个高斯单元。

• Liquid LFM3 语音模型支持本地边说边转写

  LFM3-Audio-2B 接收文字或音频，能够输出文字、语音或两者交织的回答，面向笔记本和边缘设备。模型采用自研音频编码器及 LiquidCodec，并提供转写和语音合成示例。

• Pika H3 Flex 开放视频与同步音频生成

  Pika H3 Flex 用六步采样生成视频和同步音频，并通过参考素材及提示控制镜头。公开模型支持本地 480p、768p 原生输出，托管 API 则提供更高分辨率和额外制作功能。

• Clover 把块扩散引入 35B 混合专家语言模型

  DiffuSpace 的 Clover-35B-A3B-Preview 基于 Qwen3.6 架构，结合块扩散生成与混合专家机制，总参数约 35B，每 token 激活约 3B 参数，支持 128K 上下文。

• Mistral Large 4 发布多模态开放权重

  Mistral 在官方模型库公开 Large 4，一款万亿总参数规模的原生多模态混合专家模型。官方把指令跟随、推理、编程和智能体流程整合进同一组权重，并提供 API 与量化版本。

• LFM3 视觉模型面向端侧文档和屏幕理解

  Liquid AI 的 LFM3-VL-2B 接收文字、图像与视频，面向本地文档阅读、图表理解、屏幕识别和物体定位。模型把 LFM3 语言部分与新的自研视觉编码器结合。

• Anthropic 使用政策将于 11 月 12 日更新

  Anthropic 公布 2026 年使用政策更新，生效时间为 11 月 12 日。新版本进一步说明了欺骗性活动、武器相关软件、监控，以及医疗、金融等高风险用途的要求。

• LFM3 Omni 用一个本地模型处理图文音视频

  LFM3-Omni-2B 是 Liquid AI 的端到端全模态模型，可以理解文字、图像、视频和音频，并用文字或语音回答。其目标是在端侧把原本分开的识别、视觉理解、语言和语音合成组件合并。

• 英伟达 Nemotron 转写模型支持一小时录音

  英伟达公开 Nemotron 3.5 Transcribe，支持 40 种语言的离线转写，可处理最长一小时录音，并提供翻译、说话人归属、时间戳和音频问答等功能。权重包含多种精度版本。

• Claude 网络安全验证计划扩展为三级访问

  Anthropic 将网络安全验证计划扩展为防御、红队和专项访问三个层级，并把此前 Project Glasswing 的相关安排整合进来。申请方可按工作范围接受不同程度的身份与用途审核。

• Liquid LFM3 面向本地小型智能体

  Liquid AI 的 LFM3-1.7B 采用新的三混合架构，面向本地智能体、工具调用、结构化输出和领域定制。官方提供原始模型和 GGUF 版本，方便按推理框架与硬件选择。

• Unlimited OCR 2 支持一次解析多页文档

  百度的 Unlimited OCR 2 提供 Transformers 和 SGLang 使用方式，支持将整份文档的页面按顺序放入同一个请求，从而在解析中利用跨页上下文。

• 南北阁 4.3 先推 33B 教师模型

  南北阁公开 Nanbeige4.3-33B，重点面向编程和职业协作任务。团队先构建较高能力的教师智能体，再计划将相关能力蒸馏到更小的模型。

• Spark X2.6 小模型强化端侧工具任务

  Spark-X2.6-4B 保持上一代的架构，通过改进后训练增强编程、智能体、多语言和长上下文能力。官方公开了 Transformers 格式权重，以及部署和推理配置示例。

• Flint 开放面向编程智能体的混合专家模型

  Recursive 的 Flint 面向代码库调查、修复错误、实现功能和编写测试，支持文字输入输出、推理及多轮工具调用。模型约有 39.8B 总参数，每 token 激活约 2.5B 参数。

• DeepSeek V4.1 Flash 更新推理与工具调用支持

  DeepSeek 官方公布 V4.1-Flash-1017 小版本更新，称其改善了推理、编程、智能体和视觉任务，并减少部分任务的执行时间与输出长度。模型与仓库采用 MIT 许可证。

• FLUX 3 Klein 提供 ComfyUI 图像编辑权重

  Black Forest Labs 提供面向 ComfyUI 的 FLUX 3 Image Klein 文件，支持指令编辑、文生图、最多十张参考图组合及边界框布局控制。文件包包含基础和蒸馏版本，以及不同精度选项。

• SAM 3 用文字提示分割图片和视频中的物体

  Meta 的 SAM 3 支持文字或视觉提示，可检测、分割并跟踪符合某个概念的物体。相比只指定一个位置，它能够按短语或示例寻找图像中所有匹配实例。

• Qwen 3.8 27B 开放视觉与智能体能力

  Qwen 官方公开 Qwen3.8-27B 权重，支持图像、视频理解和可调思考模式，重点加强编程、专业工作、研究及长流程智能体任务。模型沿用 Qwen3.5 的架构基础。

• LTX 2.5 开放本地音视频生成组件

  Lightricks 的 LTX-2.5 提供开放权重，可根据文字、图像和视频输入生成同步音视频，并支持本地运行和微调。文件按组件拆分，方便与 ComfyUI 工作流及命令行管线衔接。

• Apple 智能国行版 11 月 4 日开放测试

  苹果中国10月31日宣布，Apple 智能首批功能将于11月4日随 iOS 开发者 Beta 版开放测试，计划在12月随 iOS 27.3 正式推出。

• ChatGPT 与 Codex 将于 12 月共享额度

  OpenAI 帮助中心公布，Plus、Pro 和 Business 套餐从12月起将在 ChatGPT 与 Codex 之间共享使用额度。该调整与 Work 的代理能力进入 ChatGPT 主体验同步推进。