新模型的发布、开源与迭代：大模型厂商的旗舰更新、开源权重放出、性能与价格变化的第一时间记录。
Hi3D 正式开放 Hi3D V1.0 模型代码与权重，支持商用并提供 GitHub 与 Hugging Face 访问入口。该版本基于 Sparc3D 架构并采用约 200 万个 3D 资产训练，支持稀疏几何逐级细化至 1536³ 分辨率，切片成功率达到 90%。团队同时展示了 2048³ 分辨率的 Hi3D V3.0 模型，并推出支持 MCP 协议连接的 Hi3D Agent 创作助手。
推薦理由：原文详细公开了基于两百万资产训练的多层级网格细化架构与切片指标，为三维生成和工程化打印应用提供了直接参考。
OpenAI 正式上线 GPT-6.1 Terra，主打降低电脑操控成本与提高性价比，标准 API 输入价格为 1 美元/百万 token、输出为 5 美元/百万 token。
推薦理由：原文提供了新模型在实操任务中的测试数据与成本对比，便于评估桌面端自动化方案的性价比。
百度正式开源文心 Unlimited OCR 2，通过稀疏参考滑动窗口注意力机制与无限解码机制支持超长文档连续解析。在百页级单序列测试中，其峰值 KV 缓存占用从 47GB 降至 1.77GB，16 路并发吞吐量提升至 1315 Token/秒。目前该模型代码与权重已在 GitHub 和 Hugging Face 开放。
推薦理由：该模型给出了长文档视觉解析中降低显存开销的架构参考，有助于高并发文档处理服务的工程落地。
Google DeepMind 推出最新世界模型 Genie 4 的研究预览版，支持用户在模拟运行中输入提示词实时更改场景，并同步生成环境音、音乐及对话等实时音频。
推薦理由：Genie 4 相比前代将场景一致性提升至 2 分钟并增加实时音频与交互控制，展现了世界模型在机器人仿真与创意原型制作中的落地路径。
Google DeepMind 宣布推出新一代交互式世界模型 Genie 4，支持逼真的实时物理仿真并原生同步生成环境音频与交互对话。该模型结合了 Gemini 模型的规划与推理能力，通过在循环中引入 Gemini 实时分解步骤与监督进度，可用于机器人训练环境与创意原型设计。目前 Genie 4 已面向受信任测试者开放研究预览，后续将接入 Project Genie 以及 Gemini API。
推薦理由：原文展示了世界模型融合实时音频与大模型在线引导的技术路线，有助于理解具身智能仿真环境与交互生成的演进方向。
Google 宣布推出 Genie 4 世界模型，支持生成约 2 分钟的交互式体验并由 Gemini 3.8 Flash 辅助模拟。该模型支持通过自然语言提示词实时更新生成场景，新增了音频生成功能，主要面向影视前期预览、游戏原型设计和机器人训练场景。Genie 4 目前以研究预览形式向受信任测试人员开放，后续将向 Google AI Ultra 订阅用户推出。
推薦理由：该模型展示了世界模型在实时语言交互与音画协同上的进展，为游戏原型和机器人仿真提供了实用的参考基准。
OpenAI 正式发布新模型 GPT-6.1 Terra，主打低成本下的桌面电脑操作、视觉推理与编程能力。其 API 标准输入每百万 Token 为 1 美元、输出为 5 美元，价格较 GPT-5.6 Terra 降低 50%，并在多步骤智能体评测与终端代码基准中大幅超越前代。目前该模型已面向 ChatGPT Work、Codex 用户以及 API 开发者开放。
推薦理由：该模型在大幅压低调用成本的同时强化了桌面操作与终端编程能力，为需要高频执行长流程任务的智能体应用提供了更具性价比的选型。
OpenAI 正式发布高性价比模型 GPT-6.1 Terra，主打电脑操作、视觉理解与更快的响应速度，标准 API 输入与输出价格较上一代降低 50% 至每百万 Token 分别为 1 美元和 5 美元。
推薦理由：新模型通过降低标准调用成本并显著缩减事实错误率，让开发者能够以更低开销将桌面操作智能体落地到日常业务中。
OpenAI 推出中杯模型 GPT-6.1 Terra，主打高速视觉推理与精确的电脑操作（computer use）能力，API 输入价格降至每百万 token 1 美元、输出 5 美元。
推薦理由：新模型大幅降低了调用成本并提升处理速度，有助于开发者以更低门槛落地长流程电脑操作自动化工作流。
OpenAI 推出 GPT-6.1 Terra 模型，主打细致的视觉推理能力、精准的计算机操作（computer use）以及更自然的写作水平。该模型定位类似 Anthropic 的 Sonnet，在技术沟通上优于 Astra 和 Sol，且计算机操作响应速度大幅提升。
推薦理由：原文梳理了该中端模型在视觉推理与系统操作上的速度与定价优势，便于开发者评估替换高价模型的成本效益。
OpenAI 推出面向电脑操作任务的低成本模型 GPT-6.1 Terra，重点强化桌面软件自动化、视觉推理与事实准确性。该模型任务执行速度达到 GPT-6 Astra 和 GPT-6.1 Sol 的 3 倍以上，在最高推理强度下每项任务成本仅为 Claude Opus 5.5 的约九分之一，且错误率较前代明显下降。
推薦理由：原文公布了针对桌面操作与视觉推理的低成本模型及测试数据，读者可以参考其性能和定价评估自动化工作流的降本路径。
OpenAI 正式发布 GPT-6.1 Terra 模型，其 API 定价较 GPT-5.6 Terra 减半，输入与输出 token 价格分别为每百万 $1 和 $5，缓存输入降至每百万 $0.05。
推薦理由：该模型在将价格压减一半的同时大幅提升了代码与计算机控制能力，为开发者评估中端性价比工作流提供了参考坐标。
腾讯混元正式开源同声传译大模型 Hy-SimulMT，支持中英双向语音到语音实时翻译与音色克隆，实测响应时间约 3 秒。评测显示其在 RealSI 等长短音频数据集上的表现超越主流开源模型和部分商用 API，并在多领域测试中翻译质量达到人类口译专家水平。该模型已在腾讯 Hy 翻译 APP 上线并提供免费体验，相关代码与模型已同步上线 GitHub 及 Hugging Face。
推薦理由：该模型给出了端到端语音同传与音色克隆的开源方案，读者可参考其在长短音频评测集与专业译员基准下的低延迟表现。
岩山科技旗下岩芯矩阵联合香港科技大学、CMU 等开源了新模型 EdgeRock-4B，通过记忆岩锚（RMA）机制将 256K 上下文的注意力 KV 固定在 72 MiB，相比源模型 Qwen3.5-4B 减少 99.1% 的 KV Cache 占用。
推薦理由：原文通过有界状态与关键锚点机制解决了长文本显存膨胀问题，为端侧与高并发推理提供了可落地的固定内存方案。
Cadence 宣布与 NVIDIA 合作推出 Maestro AI 系列模型，通过基于 NVIDIA Nemotron 进行领域微调来驱动其 EDA 工具流。测试显示 Maestro 模型相比通用基础模型输出质量最高提升 30%，token 效率最高提升 5 倍。该模型支持通过 API、安全 VPC 或本地环境运行，平台后续还将以托管服务形式提供基于客户私有数据的模型定制。
推薦理由：Cadence通过在专用EDA工具数据上微调垂直模型，对比通用大模型在输出质量与token消耗上展现出明显的专精优势。
南京大学、商汤及多家高校联合发布开源手机智能体 OpenMobile-2，提供基于 Qwen3.5-9B 与 Qwen3.6-27B 打造的两款模型，并同步公开完整的训练环境、数据与复现指南。
推薦理由：研究验证了在固定数据预算下增加应用多样性比堆砌样本更有效，为构建可复位手机智能体训练环境提供了参考路径。
Dream Labs 正式走出隐身模式并获得 9000 万美元种子轮融资，同时通过公开 API 发布首个机器人世界动作模型 Dream-1。该模型支持对未经专门训练的双臂平行夹爪机器人进行开箱即用的零样本控制，通过预测末端位姿与逆运动学解算适配不同本体。
推薦理由：该模型尝试通过联合预测视频与末端位姿实现跨本体泛化，为低成本双臂机器人即插即用完成通用操控任务提供了新路径。
Block 研究实验室发布全双工语音模型 Dessa，完全基于人类语音训练并在消费级硬件上本地运行，可表现出笑声、停顿与哭腔等拟人情感。该模型跳过了将语音转为文本的传统流程，支持在单张 GPU 或 MacBook M4 Max 等级别设备上实时双向对话。Dessa 目前未公开上线，官方正面向安全研究人员征集模型测试。
推薦理由：该模型跳过了文本中转层而完全基于语音训练，展示了在消费级硬件本地运行全双工拟真语音交互的可行路径。
Block 推出 AI 语音模型 Dessa，该模型完全基于人类语音从零训练且无需文本中介，支持全双工实时交互并能识别情绪、讽刺与笑声。该模型在一台 NVIDIA GB200 NVL72 上训练完成，支持在 MacBook Pro M4 Max 上本地运行，目前尚未公开发布，正在招募安全研究人员进行风险测试。
推薦理由：该模型跳过文本转换完全基于人类语音训练，为实时语音交互捕捉情绪与语调提供了端到端的实现路径。
Kimi 正式发布 2.8T 参数的新一代旗舰模型 Kimi K3.1 Pro，支持 100 万 Token 上下文，完整模型权重预计于 11 月 4 日前开放。API 定价为输入每百万 Token 13 元、输出 68 元，并同步推出输出速度提升 2 至 3 倍的 Highspeed 版本。作者实测指出，该模型在 Web 3D 交互建模、空间理解漫游以及长时长科普动效视频生成方面展现出显著提升。
推薦理由：原文实测了空间建模与长动效视频生成案例，读者可以直观对照其在多模态视觉任务上的落地表现。