AI TrackerLiquid AI 推出 LFM3：涵盖文本、视觉、音频和全模态的六款小型模型
Liquid AI 宣布推出新一代 Liquid Foundation Models——LFM3。该系列采用其所称的全新三混合架构，并配备新的多模态编码器。据称，这一架构针对 GPU、CPU 和 NPU 等 14 类处理器进行了优化，模型可在单块 GPU 上微调。Google DeepMind 推出 Genie 4：实时交互式世界模型
Google DeepMind 于 2026 年 10 月 27 日宣布推出 Genie 4，称这是迄今最逼真、互动性最强的世界模型。在博文中，DeepMind 表示，用户可以实时探索动态环境，观察场景如何响应、发出声音，以及其中的人物如何移动、反应和交谈。DeepMind 发布了一篇题为《Genie 4：新一代世界模拟》的博文。Microsoft 的 MAI-Image-2.7-Preview 在 Artificial Analysis 图像编辑榜单中排名第 2
Artificial Analysis 称，Microsoft AI 最新的图像编辑模型 MAI-Image-2.7-Preview 是 MAI-Image-2.6（于 8 月发布）的继任者，在其 AA-Image-Editing v2.1 排行榜中位列第二，仅次于 OpenAI 的 GPT Image 2.5 Sunburst (max)。这些结果来自 Artificial Analysis 自身。据报道，商汤开源 SenseNova 6.8 Code2Video，这是一款 27B 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，模型权重托管在 Hugging Face，名称为 sensenova/SenseNova-6.8-Code2Video。该报道为二手消息，未引用商汤官方公告。面向印度语言的语音模型 Maya-2 已发布，权重开放
Maya-2 是一款面向印度市场的语音（语音合成）模型，10 月 27 日以 Hugging Face 名称 maya-research/maya2-native 开放权重。X 上的公告称，该模型覆盖印度全部 28 个邦和 8 个中央直辖区，面向超过 15 亿人口。
Baidu 开源 Unlimited OCR 2，这款文档解析器的解码成本近乎恒定
Baidu 于 10 月 26 日在 X 上宣布推出 Unlimited OCR 2，并在 GitHub 上提供代码、在 Hugging Face 上提供权重。该模型旨在有限的上下文窗口内解析几乎任意长度的文档。Artificial Analysis 推出 Code2Video-AA：评测用代码制作的营销视频
Artificial Analysis 推出了 Code2Video-AA，这是其与 HeyGen 合作开发的 HeyGen Code2Video Bench 自有实现。模型会收到 114 份产品和品牌营销简报，并须在单次回复中为每份简报生成 HyperFrames HTML 合成内容，不能使用工具；随后在无法访问网络的情况下将其渲染为视频。评审模型（Gemini 4 Argon，high）会从互动性、提示意图、构图、时间一致性和制作水准五个方面对视频进行两两比较，并将五个维度的 Elo 评分取平均，作为总分。超过 35,000 次评判为 27 个模型排名。结果由 Artificial Analysis 自行得出。皮肤科医生报告称，经过微调的 2015 年 CNN 在皮损命名任务中胜过 GPT-6 Astra 和 Claude Fable 5.1
伦敦盖伊医院和伦敦国王学院的顾问皮肤科医生 Dr Magnus Lynch，发布了一项测试：在从公开数据集 MILK10k 中随机抽取的 200 个经活检确诊的皮损病例上，评估 GPT-6 Astra 和 Claude Fable 5.1。每个模型都会收到一张临床照片和一张皮肤镜图像，使用相同的提示词和默认设置，并从六种诊断中选择一种。对照模型是 Inception v3（发表于 2015 年），在一块 H100 GPU 上使用来自 ISIC Archive 的 68,011 张图像进行微调；测试病例已从训练数据中剔除。Moonshot 推出 Kimi K3.1 Pro，承诺 11 月 4 日前开放权重
Moonshot 宣布推出 Kimi K3.1 Pro，并称其为能力最强的 3T 级开放权重模型：这是一款多模态混合专家模型，总参数量为 2.8T，激活参数量为 104B，上下文长度为 1M tokens。Moonshot 表示，K3.1 Pro 和 K3.1 Pro Highspeed（速度快 2–3 倍）现已上线 Kimi.ai、Kimi Work、Kimi Code 和 Kimi API（模型 ID 为 kimi-k3.1-pro 和 kimi-k3.1-pro-highspeed）。开放权重预计于 2026 年 11 月 4 日前发布。
Block 预览 Dessa：一款全双工语音到语音模型
Square 和 Cash App 背后的公司 Block 推出了 Dessa 的研究预览版，并称其为“迄今打造的最真实的全双工语音模型”。Jack Dorsey 在公告中表示，与它交谈就像在和真人交谈，能感受到情绪、细微差别、停顿和自然的语调。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 为桌面聊天新增卡片和视频生成功能
据 Grok Bot 团队一名成员在 X 上发布的帖子，Grok Bot 0.75.2 已上线。帖子链接到 x.ai 上的版本更新日志，并列出了三项变更：Ideogram 推出首款矢量模型
Ideogram 在 X 上宣布推出首款矢量模型。据 Ideogram 介绍，该模型可根据文本提示生成干净、可编辑的 SVG，具有平滑的渐变和清晰的字体排版；也可以将任意图像转换为细节丰富、可缩放的矢量图。
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 开放 Eleven Realtime Translation 有限 alpha 测试
ElevenLabs 于 2026 年 10 月 21 日在 X 上宣布，开放 Eleven Realtime Translation 的有限 alpha 测试。该产品将实时语音翻译功能集成到通话中。此前，本周早些时候，ElevenLabs 推出了 Eleven Realtime，这是一款可与人交谈的语音智能体产品。