AI TrackerLiquid AI 推出 LFM3：涵蓋文字、視覺、音訊與全模態的六款小型模型
Liquid AI 宣布推出 LFM3，這是新一代 Liquid Foundation Models，採用其所稱的全新三混合架構，並搭載新的多模態編碼器。該公司表示，這套架構針對 GPU、CPU 與 NPU 上的 14 種處理器類別進行最佳化，且這些模型可在單張 GPU 上微調。Google DeepMind 推出 Genie 4，即時互動世界模型
Google DeepMind 於 2026 年 10 月 27 日宣布推出 Genie 4，稱這是迄今最逼真、互動性最強的世界模型。DeepMind 在貼文中表示，使用者可以即時探索動態環境，並看到場景如何回應、發出聲音，以及其中的人物如何移動、反應和交談。該公司也發布了部落格文章〈Genie 4：新一代世界模擬〉。Microsoft 的 MAI-Image-2.7-Preview 在 Artificial Analysis 圖像編輯排行榜名列第 2
Artificial Analysis 表示，Microsoft AI 最新的圖像編輯模型 MAI-Image-2.7-Preview 是 MAI-Image-2.6（於 8 月推出）的後繼版本，在 AA-Image-Editing v2.1 排行榜名列第 2，僅次於 OpenAI 的 GPT Image 2.5 Sunburst (max)。這些結果來自 Artificial Analysis 自行評測。商汤据报开源 SenseNova 6.8 Code2Video：一款 27B 参数的代码转视频模型
一位中国 AI 博主称，商汤于 10 月 27 日开源了 SenseNova 6.8 Code2Video，权重已上传至 Hugging Face，位于 sensenova/SenseNova-6.8-Code2Video。此消息为转述；文中未引用商汤的官方公告。Maya-2：支援印度語言的語音模型，以開放權重形式發布
Maya-2 是一款以印度市場為目標的語音（語音合成）模型，於 10 月 27 日以開放權重形式發布在 Hugging Face，名稱為 maya-research/maya2-native。X 上的公告表示，該模型涵蓋印度 28 個邦和 8 個聯邦屬地、總計超過 15 億人口。
Baidu 開源 Unlimited OCR 2：解碼成本近乎固定的文件解析器
Baidu 於 10 月 26 日在 X 宣布推出 Unlimited OCR 2，並在 GitHub 提供程式碼、在 Hugging Face 提供模型權重。這款模型旨在有限的上下文視窗中解析幾乎不限長度的文件。Artificial Analysis 推出 Code2Video-AA，評測以程式碼製作的行銷影片
Artificial Analysis 推出 Code2Video-AA，這是與 HeyGen 合作打造的 HeyGen Code2Video Bench 獨立實作。模型會收到 114 份產品與品牌行銷簡報，必須在單次回應中以 HyperFrames HTML 合成內容作答，不得使用工具；合成內容會在無網路存取的情況下轉譯為影片。評審模型（Gemini 4 Argon，high）會從互動度、提示意圖、構圖、時間一致性和製作品質等面向比較影片配對，並將五個面向的 Elo 評分取平均，作為總分。超過 35,000 次評比為 27 個模型排名。結果為 Artificial Analysis 自行測得。Guy's Hospital 與倫敦國王學院的顧問皮膚科醫師 Dr Magnus Lynch，公布了一項測試：他從公開的 MILK10k 資料集隨機抽出 200 個經切片檢驗確診的病灶，測試 GPT-6 Astra 和 Claude Fable 5.1。每個模型都收到一張臨床照片和一張皮膚鏡影像，使用相同提示詞和預設設定，並從六種診斷中選擇。對照模型是 Inception v3（於 2015 年發布），在一張 H100 GPU 上以 ISIC Archive 的 68,011 張影像進行微調；測試病灶未納入其訓練資料。 他的數據如下： - **首選正確：**CNN 為 200 例中的 125 例（62%）；GPT-6 Astra 為 84 例，Claude Fable 5.1 為 85 例（各 42%）。 - **首選或次選正確：**CNN 為 173 例；兩個 LLM 分別為 134 和 138 例。 - **首選為黑色素瘤（共 30 例）：**CNN 為 13 例；兩個 LLM 分別為 8 和 11 例。 - **判定可安全出院的黑色素瘤（共 30 例）：**GPT-6 Astra 為 3 例，Claude Fable 5.1 為 4 例；CNN 在預設閾值下為 18 例（閾值調整至與 LLM 相同時為 1 或 2 例）。 - 模型的錯誤類型各異：GPT-6 Astra 將 75 個病灶判為基底細胞癌，實際上只有 25 個；Claude Fable 5.1 將 53 個病灶判為日光性角化症，實際上只有 20 個。 以病患身分、僅提供臨床照片詢問「我需要看醫生嗎？」時，兩個 LLM 分別建議 100 個額外黑色素瘤病例中的 99 例和 98 例就醫。 作者提醒：測試僅有 200 個病灶和 30 個黑色素瘤病例，每個 LLM 個案只執行一次；所有病灶都經過切片檢驗，因此比一般情況更難；資料集自 2025 年起公開，所以 LLM 可能看過這些資料。Inception v3 是基準模型，並非最先進模型；他指出，受監管的皮膚癌產品表現好得多。他表示，分析和初稿是用 Claude Code 完成的。這是單一臨床醫師的測試，並非經過同儕審查的研究。截至 10 月 25 日，該貼文在 Hacker News 上有 374 點和 182 則留言。
Hacker News 的留言者大多認為，專用分類器勝過通用模型並不意外，並建議用 LLM 建立這類分類器。有些人認為這個 CNN 基準針對測試進行了調校，且不夠穩健；也有人指出，測試未涵蓋 LLM 能提供的額外幫助，例如病患病史和追問問題。Moonshot 推出 Kimi K3.1 Pro，開放權重預計 11 月 4 日發布
Moonshot 宣布推出 Kimi K3.1 Pro，稱其為自身能力最強的 3T 級開放權重模型：這是一款多模態混合專家模型，總參數量為 2.8T、啟用參數量為 104B，並具備 1M token 的上下文長度。Moonshot 表示，K3.1 Pro 和 K3.1 Pro Highspeed（速度快 2–3 倍）已在 Kimi.ai、Kimi Work、Kimi Code 和 Kimi API 上線（模型 ID 為 kimi-k3.1-pro 和 kimi-k3.1-pro-highspeed）。開放權重預計於 2026 年 11 月 4 日發布。
Block 公開 Dessa 預覽版，一款全雙工語音轉語音模型
Block（Square 和 Cash App 背後的公司）推出了 Dessa 的研究預覽版，並稱它是「有史以來最真實的全雙工語音模型」。Jack Dorsey 在公告中表示，與它交談就像與真人交談，能呈現情緒、細膩之處、停頓和自然的語調。Google releases Gemini 4 Argon, its latest frontier model
Google released Gemini 4 Argon on October 13, 2026, and says it is available globally. Google's blog post was shared on Hacker News on October 20. The Gemini API changelog lists gemini-4-argon as generally available from October 13, describing it as Google's most capable model, built for complex coding, agentic, math and science tasks.Grok Bot 0.75.2 新增桌面聊天卡片與影片生成
根據 Grok Bot 團隊一名成員在 X 上發布的貼文，Grok Bot 0.75.2 已推出。貼文連結至 x.ai 上的版本更新紀錄，並列出三項變更：Ideogram introduces its first vector model
Ideogram announced its first vector model on X. According to Ideogram, it generates clean, editable SVGs with smooth gradients and sharp typography from a text prompt, or turns any image into a detailed, scalable vector.
Mistral releases Voxtral 3, speech models and a voice agent SDK
Mistral announced Voxtral 3 on October 20, 2026 (shared on Hacker News, where it had 735 points and 182 comments by October 20). Details and benchmarks below are Mistral's own claims from its announcement page.
ElevenLabs opens a limited alpha of Eleven Realtime Translation
ElevenLabs announced on X on October 21, 2026 a limited alpha of Eleven Realtime Translation, which builds live voice translation into calls. It followed the launch earlier that week of Eleven Realtime, its product for voice agents that talk to people.