Elorian 发布视觉推理模型 Glimpse，API 成本降低 17 倍
前 DeepMind 总监 Andrew Dai 创立的 Elorian 团队发布视觉推理模型 Glimpse，称其视觉推理能力可媲美 Project Astra，同时将 API 成本降低 17 倍。该模型针对视觉大模型在动态视频推理中成本高、物理推演弱的问题，主打时空物理因果推理。
#多模态
RadarAIAI 评分5858 RadarAIAI 评分6060 面壁 MiniCPM-V 4.7 登上 Hugging Face 热门榜第 3
面壁智能 OpenBMB 宣布 MiniCPM-V 4.7 登上 Hugging Face 热门榜第 3。该 35B-A3B MoE 模型可在 iOS 和 Android 上以约 3GB 内存流畅运行，1B 模型在 OCR、数学和视频理解方面表现较强。GitHub 与 Hugging Face 链接已开放。
RadarAIAI 评分5858 Elorian 发布首个 AI 模型 Glimpse，可在思考中回看并重新分析图像或视频片段
Elorian 发布其首个 AI 模型 Glimpse，定位为可在思考中途回看图像或视频细节的视觉思考模型。它能在推理时返回视频特定时间点、放大细节，或以更高帧率回放半秒视频后再作答。
RadarAIAI 评分2222 Claude Haiku 5.5 写俳句并用 JS 绘制动画
Claude Haiku 5.5 创作了二十首俳句，并用 JavaScript 绘制出每一帧动画。该演示由 Claude 官方 X 账号发布，展示模型在文本创作与代码生成上的多模态能力。
RadarAIAI 评分6262 Elorian 推出首个视觉思考模型 Glimpse
Elorian 推出首个视觉思考模型 Glimpse，在关键公开视觉推理基准上对标 Astra 达到前沿竞争力。该团队称此前模型只能处理单张图像，无法应对动态或角度变化的问题，此次正是针对这一限制。Jeff Dean 转发了这一发布并表示祝贺。
RadarAIAI 评分6060 Elorian 发布视觉思维模型 Glimpse，可回看帧并用视觉草稿空间推理
Elorian 发布首个视觉思维模型 Glimpse，在关键公开视觉推理基准上与 Astra 表现相当。Glimpse 用于比较场景随时间的变化，在变化微小或快速时回看源头、裁剪局部、抽取特定视频帧或运行代码进行测量对比，Elorian 将这一机制称为视觉草稿空间（visual scratch space）。
RadarAIAI 评分5454 Elorian 发布首个模型 Glimpse，边推理边看图
Palo Alto 初创公司 Elorian 发布首个模型 Glimpse，以研究预览形式提供 API，聊天界面需等候名单。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所见内容，Elorian 称这一机制为视觉暂存空间。
TechCrunch · AIAI 评分5656 Elorian 发布首个模型 Glimpse，以视觉草稿空间做图像推理
Elorian 发布首个模型 Glimpse，以研究预览形式开放 API，聊天界面仅限候补名单。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来测量和比较所看内容，Elorian 称这一机制为视觉草稿空间。
量子位同新闻AI 评分8787 谷歌发布 Gemini 4 Argon：主打编程与长流程执行，API 限时半价
谷歌正式面向全球开发者、企业及付费订阅用户陆续开放 Gemini 4 Argon，定位为加强编程、专业知识工作和复杂任务持续执行能力，并进一步推进视觉理解、空间推理和工具调用。
量子位AI 评分4545 霸榜三大基准！优必选 Thinker-WM：多模态统一表征，单模型实现六大能力
优必选 Thinker-WM 在 WorldOlympiad、EWMBench、WorldArena1.0 Track-1 三大具身世界模型基准评测中全部拿下第一，WorldOlympiad 综合得分 0.740，EWMBench 总分 4.66，超过 Qwen-RobotWorld、Sora2 等模型。
RadarAIAI 评分5858 Liquid AI 发布多模态决策模型 d1-ultra，Artificial Analysis 决策指数得 65 分
Liquid AI 发布决策模型 d1-ultra，可读取文本、图像或两者，对有界问题按概率作答，单次前向传播输出 0 个 token，现已在 Liquid API 上线，输入价格 $0.042/1M tokens。
RadarAI同新闻AI 评分8282 Meta 发布 Muse Spark Open：816B 开源权重 MoE 模型，支持 1M 上下文
Meta Superintelligence Labs 发布 Muse Spark 模型的开源权重版本 Muse Spark Open，为 816B 总参数、每 token 激活 42B 的多模态 MoE 模型，支持文本、图像、视频和音频输入，上下文窗口 1M token，权重以 BF16 和 NVFP4 格式在 Hugging Face 发布。
RadarAIAI 评分6666 蚂蚁与清华开源 Realtime-Venus 实时多模态系统
蚂蚁联合清华开源 Realtime-Venus，定位为 OpenAI Realtime API 的替代方案，面向智能硬件与车载场景。该系统采用双循环架构，由两个 9B 模型与 Harness 构成，前台用 Realtime-Venus-Omni 进行音视频感知，实现全双工语音交互，并支持后台复杂 Agent 任务异步执行。
RadarAI同新闻AI 评分7878 Meta 发布开放权重模型 Muse Spark Open，总参数量 816B、支持 1M token 上下文
Meta 于当地时间 10 月 15 日发布开放权重 AI 模型 Muse Spark Open，官方宣称其为迄今能力最强的美国开放权重模型。该模型采用原生多模态架构，总参数量 816B（激活参数 42B），支持 1M token 上下文窗口，专为代码构建与智能体协作设计。
RadarAI精选AI 评分7878 快手可灵 AI Kling 4.0 全量上线，单次生成视频最长 30 秒
快手可灵 AI 宣布 Kling 4.0 正式全量上线 klingai.com，单次生成视频最长可达 30 秒，视频可多次续拍延展至 2 分钟。
推荐理由：可灵 Kling 4.0 全量上线并接入 MCP/CLI，读者可据此判断视频生成在时长与工作流接入上的变化。
RadarAIAI 评分7474 Meta 发布开放权重模型 Muse Spark Open，可在 Mac 本地运行
Meta 发布开放权重模型 Muse Spark Open，称其为美国最强开放权重模型，拥有 816B 参数和 1 million token 上下文窗口，原生多模态，面向复杂编码和智能体任务。
The Decoder同新闻AI 评分7878 Meta 发布 Muse Spark Open 开源权重模型，816B 参数对标 Qwen、GLM 和 Kimi
Meta 发布开源权重模型 Muse Spark Open，称其为美国最强开源权重模型，面向编码和智能体任务，拥有 8160 亿参数（420 亿激活）、最高 100 万 token 上下文，支持文本、图像、视频和音频。
RadarAI同新闻AI 评分7878 Meta 发布开源模型 Muse Spark Open，Unsloth 提供 2-bit GGUF 量化版
Meta 发布新的 SOTA 开源模型 Muse-Spark-Open-816B-A42B，支持文本、图像、视频和音频输入，上下文窗口达 1M，权重今日开放。Unsloth 提供 Dynamic 2-bit GGUF 量化版，可在 256GB RAM/VRAM 配置上于 Mac Studio 运行，1-bit 至 8-bit 对应 180-870GB 内存需求。
RadarAIAI 评分6060 Google 称 Gemini 4 Argon 将 NASA 8 万份档案转为幻灯片
Google 表示 Gemini 4 Argon 能在几分钟内把杂乱数据变成干净的可视化叙事，它处理了 NASA 开放档案中的 80,000 个文件，涵盖 CSV、图像、PDF、网页文章、XML 日志和原始视频。该模型依据严格的设计规范生成了一份 Google Slides 演示文稿。
RadarAI同新闻AI 评分7979 Meta 开源 Muse Spark Open 权重，816B 总参数、1M 上下文
Meta 发布 Muse Spark Open 的开放权重，基于 8 月发布的 Muse Spark 1.2，已在 Hugging Face 上以 Muse Model License 提供。
RadarAIAI 评分7171 Thomas Wolf 转评 Muse Spark Open，称其为迄今最强美国开源权重模型
Thomas Wolf 转发并评论 Muse Spark Open 的发布，称其为迄今最强美国开源权重模型。引用内容称该模型总参数 816B、激活 42B、上下文窗口 1M token、原生多模态，面向编码与长程智能体任务。配图显示其在 JobBench 61.8、HLE-Diamond 26.1、Terminal-Bench 2.1 76.4 等基准上领先所列对比模型。
RadarAI同新闻AI 评分7979 Meta 发布开放权重模型 Muse Spark Open，与 Apple 合作支持 Mac Studio 本地运行
Meta 发布 Muse Spark Open 开放权重模型，称其为迄今能力最强的美国开放权重模型，权重今日放出。该模型为原生多模态模型，总参数量 8160 亿，Meta 称其擅长长时程任务、复杂软件工程和多步推理。
RadarAIAI 评分7676 Meta 发布 Muse Spark Open，已上架 Arena 的 Agent Arena 与 Code Arena
Meta 发布开放权重模型 Muse Spark Open，816B 总参数、42B 激活参数，1M token 上下文窗口，原生支持文本、图像、视频、音频多模态，主打编程与智能体长周期任务。
RadarAI同新闻AI 评分8080 Meta 发布开源权重模型 Muse Spark Open，816B 参数对标 Qwen、GLM 和 Kimi
Meta 在 Llama 系列之后重返开源权重领域，发布 Muse Spark Open，称其为最强美国开源权重模型，拥有 816B 参数（42B 激活），支持最高 100 万 token 上下文和文本、图像、视频、音频。
PyTorch Blog精选AI 评分8585 Meta 开源 Muse Spark Open：816B 总参数、42B 激活的编码与智能体模型
Meta 发布 Muse Spark Open 的开放权重，这是一个 816B 总参数、42B 激活的模型，上下文窗口 1M tokens，已在 Hugging Face 上以 Muse Model License 提供。
推荐理由：Meta 开源 816B 总参数、42B 激活的编码与智能体模型，并给出 Helion 内核与 TorchTitan 微调路径，可据此评估开源权重模型的部署与二次训练成本。
RadarAIAI 评分7171 Nvidia 发布 Nemotron 3.5 Super VL 与 Bolt 74B-A9B，登顶美国开源权重模型
Artificial Analysis 评测显示，Nvidia 的 Nemotron 3.5 Super VL 在 Artificial Analysis Intelligence Index 得分 26，成为领先的美国开源权重模型，智能是上代 Nemotron 3 Super（13）的两倍，且每任务输出 token 减少约 60%。
RadarAIAI 评分6666 Microsoft AI 公布 MAI-Base-2 预训练细节，2.8T 参数 MoE 模型 FLOPs 效率达 DeepSeek-V4-Pro-Base 的 4.2 至 12.3 倍
Microsoft AI 宣布完成 MAI-Base-2 预训练，这是一个 800 亿激活、2.8T 总参数的 MoE 基础模型，在留出评测中 BPB 低于所测全部开放权重模型，预训练 FLOPs 效率比 DeepSeek-V4-Pro-Base 高 4.2 至 12.3 倍。
RadarAIAI 评分7676 Nvidia 发布开源多模态模型 Nemotron 3.5 Super VL，并推出两款 Bolt 端侧模型
Nvidia 发布开源多模态模型 Nemotron 3.5 Super VL，总参数 120B、每 token 激活 12B，采用混合专家架构，面向需在后台持续处理文本、图像、文档和视频的企业级智能体。
The DecoderAI 评分7171 Nvidia 发布 Nemotron 3.5 Super VL 开源多模态模型，并推出两款本地 Bolt 模型
Nvidia 发布 Nemotron 3.5 Super VL，这是一个 1200 亿参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。
NVIDIA Newsroom精选AI 评分7474 NVIDIA 扩展 Nemotron 家族，发布 Nemotron 3.5 Super VL 与 Bolt 系列模型
NVIDIA 发布开放模型 Nemotron 3.5 Super VL，1200 亿参数，主打多模态智能体任务，官方称其吞吐量最高可达同类模型的 5 倍，精度接近 NVIDIA 最大推理模型而参数量约为其五分之一。
推荐理由：NVIDIA 一次放出三款覆盖数据中心到端侧的开放权重模型，并列出各行业后训练案例，可据此判断开放模型在企业智能体部署中的位置。
NVIDIA Technical Blog同新闻AI 评分6262 NVIDIA 发布 Nemotron 3.5 Super VL 多模态模型，面向专用智能体
NVIDIA 发布 Nemotron 3.5 Super VL，一个面向专用工作流的开放可定制多模态模型，采用 120B 参数 MoE 架构、激活 12B 参数。该模型针对持续运行的智能体场景，单次请求可能涉及读取文档、跨来源核对信息、遵循公司政策并调用多个工具。
同一新闻，精选展示《NVIDIA 扩展 Nemotron 家族，发布 Nemotron 3.5 Super VL 与 Bolt 系列模型》
RadarAIAI 评分7474 面壁智能 MiniCPM-V 4.7 开源上线 ModelScope，35B-A3B MoE 多模态模型可在 iPhone 上以 13+ tokens/s 端侧推理
面壁智能 MiniCPM-V 4.7 已在 ModelScope 开源，为 35B-A3B 的 MoE 多模态模型，采用 Apache 2.0 协议。官方称其可在 iPhone 17 Pro Max 上以 13+ tokens/s 运行端侧无损推理，Instruct 模式下整体得分高于 Qwen3.6 35B-A3B 且推理时间更短。
RadarAIAI 评分3131 TypeSafe AI 发布 Jev 1.14：新增图像、Box 类型与 262k 上下文
TypeSafe AI 发布 System One 决策模型 Jev 1.14，以 jev-preview 别名上线，新增图像输入、Box 边界框类型和 262k 长上下文三项实验性功能，官方称均未达到生产可用。
RadarAIAI 评分2222 JEV 1.14.0 更新：新增多模态支持与上下文优化
JEV 1.14.0 新增多模态能力，可同时处理文本和图像数据，并引入图像区域检测的 'box' 类型。该版本将上下文长度扩大至 262K，同时优化多语言理解能力，更适合图像编辑、视频剪辑分析等视觉-语言任务。
Hacker NewsAI 评分3838 TypeSafe 发布 Jev 1.14.0，并面向“梦想家”推出实验性功能
TypeSafe 发布 Jev 1.14.0，并以免责的“danger zone”API 开关形式开放图像、box 类型和更长上下文三项实验功能。图像能力通过 assets 中的查找替换实现，可放入 state、instructions 或 criteria；box 返回单个边界框，仅 jev-1.14.0 支持。
RadarAIAI 评分3838 Jev 1.14 发布：Databricks 与 TypeSafe 合作
Jev 1.14 发布，新增图像输入、box API，质量更好、上下文更长。Databricks 宣布与 TypeSafe 合作，将新版 Jev 带给其客户。该版本面向早期采用者与探索者，并设有开关让用户自行选择进入"危险区"。
RadarAIAI 评分5858 LiquidAI 开源 LFM2.5-24B-A2B 视觉语言模型，量子校准基准超越 Qwen 3.6-35B-A3B
LiquidAI 开源 LFM2.5-24B-A2B，总参数 24B、激活参数 2B，基于 Gemma 4 的视觉-语言模型。该模型在量子校准基准测试中超越 Qwen 3.6-35B-A3B，但略逊于 Qwen 3.8。
RadarAI同新闻AI 评分8484 Google 发布 Gemini 4 Argon API，输出上限达 1M tokens
Google DeepMind 向开发者、企业和付费 Gemini 订阅用户开放 Gemini 4 Argon，这是一款稀疏 MoE 前沿模型，单次响应最多可输出 1M tokens，输入与输出共享 1M 窗口。
同一新闻，精选展示《Google DeepMind 发布 Gemini 4 Argon》
量子位精选AI 评分7878 面壁开源 MiniCPM-V 4.7：35B-A3B 手机断网可跑，仅占 3G 内存
面壁智能与 OpenBMB 开源 MiniCPM-V 4.7，包含 35B-A3B 和 1B 两个版本，其中 35B-A3B 是 MiniCPM-V 系列首个 MoE 模型，约 3G 内存即可在 iOS、安卓设备上运行。
推荐理由：面壁开源 MiniCPM-V 4.7，给出 35B-A3B 在手机端 3G 内存运行的具体实测与压缩数据，可据此判断端侧多模态的落地边界。
RadarAIAI 评分7171 OpenBMB 发布 MiniCPM-V 4.7，35B-A3B MoE 多模态模型在手机上仅占 3GB 内存
OpenBMB 发布 MiniCPM-V 4.7，为 35B-A3B 开源 MoE 多模态模型，在 iPhone 17 Pro Max 上仅占 3GB 内存，解码速度 13+ tokens/s，模型已在 Hugging Face 和 GitHub 开放。