蚂蚁百灵官方团队发布原生多模态模型 Ling-3.2-flash，560B 总参数、25B 激活参数、1M 上下文窗口，支持图像、文本与视频输入。
官方只给了基准分数和定价，没给训练配方或部署细节；能拿走的是 560B 总参数、25B 激活的 MoE 配比和 1M 上下文，以及兼容 OpenAI 与 Anthropic 协议的接入方式，可用来评估替换现有视觉理解与长程 Agent 调用链的成本。
NVIDIA 在 Cosmos 世界模型开发平台下新增四个 Cosmos 3 开源权重检查点，均为 Cosmos 3 Nano 的后训练版本，各含 16B 可训练参数，采用 OpenMDW1.1 许可，允许商用与非商用。
四个 16B 后训练检查点加四阶段配方可复用，能落到视频产线与本地模型部署，代价是要 Linux 加 NVIDIA GPU 和 Docker，且短跑通不等于收敛。
Google DeepMind 发布 Gemini Omni 1.2 Flash，视频生成时长从 10 秒提升到 15 秒，并已在 Gemini API 和 Gemini for business 全面可用。
视频产线可换成先低分辨率草稿、再靠多轮对话改细节、最后升到 1080p 或 4K 的流程，代价是 720p 每秒 $0.07，且快速运动和复杂物理仍是已知短板。
腾讯微信视觉团队发布开源视觉语言模型 WeVisOne-VL，提供 2B（2.44B 参数）和 4B（4.83B 参数）两个版本，用单个模型完成检测、指代、计数、指向、OCR、分割和 alpha matting。
能用一个 2B/4B 模型加 9.6M 像素解码器替掉检测器、OCR 和分割器三套组件，单卡 BF16 跑 Transformers 或 vLLM 即可；代价是 GGUF 出不了 mask，微调代码还没放出来。
腾讯发布新一代大语言模型 Hy4，称其已进入全球领先开源模型行列，模型权重和系统卡将在未来几天放出。Hy4 首次引入视觉理解与 computer-use 能力，可操作命令行和图形界面，并针对 Blender、CAD 等专业软件做了专项训练，在指令遵循、长上下文和长程智能体任务上有明显提升。
Hy4 首次加入视觉理解与 computer-use，并在 Blender、CAD、UE/Unity/Godot 上做专项训练，可接到视频产线和本地模型部署两条线；权重和系统卡要等几天后才放出，现在只能走 API 或腾讯云。
美团正式发布 LongCat-2.5，这是一个面向长程智能体任务的原生多模态模型，总参数量 1.6 万亿，每个 token 激活约 480 亿参数，在 LongCat-2.0 基础上强化了原生视觉理解与智能体编程能力。
可借鉴的是长程 Agent RL 的 partial rollout 异步训练与 F2P/P2P 环境合成流水线，能落到软件工厂的代码任务训练；代价是需自建可交互环境并处理样本陈旧性带来的梯度偏置。
Pika 发布基于 MiniMax H3 的衍生模型 Pika H3 Flex，开放两套 LoRA 适配器权重与推理代码，通过六步去噪联合生成画面和同步立体声音频。
能拿走的是六步去噪加两套 LoRA 适配器的组合，把 50 步教师模型蒸馏到 6 步且合并适配器后不增加步数，可接到视频产线的草稿筛选环节；代价是要有 MiniMax H3 基础权重和本地推理环境，1080P 以上增强仍得走 Pika API。
小米开源轻量级文档理解模型 Xiaomi-OCR-0，参数规模 0.8B，权重与推理代码已上线 Hugging Face 和 GitHub，单一模型覆盖文档解析、关键信息抽取与 OCR 视觉问答三类任务。
0.8B 单模型同时做文档解析、字段抽取和 OCR 视觉问答，输出 Markdown/LaTeX/JSON，还带 MCP 服务和 Agent Skill 包，能直接换掉文档解析链路里拼多个模型的方案；代价是要自己验证古籍手写和复杂表格上的实际表现。
Mistral 发布 Mistral Large 4（代号 Le Chonk），这是文本加图像输入的多模态 MoE 模型，约 1T 总参数、49B 激活参数，上下文窗口 1M tokens，提供 FP8 与 NVFP4 两个官方版本。
能直接拿走 transformers、vLLM、llama.cpp 三套启动命令和 TRL 微调脚本，落到本地模型部署与软件工厂线；代价是 1T 总参数，2-bit 量化也要 512GB 统一内存单机或 4 张 RTX6000 Pro 分布式才跑得动。
Liquid AI 发布 LFM3 新一代 Liquid Foundation Models，把文本、视觉、音频、omni 和决策模型统一到 2B 参数级的同一 backbone 上，全部开源权重并已在 Hugging Face 上线。
六个 2B 级模型共用一个 backbone，单卡微调即可落地，文本模型 4-bit 约 1GB 可塞进端侧；代价是各模态需分别选型，d1 系列只输出结构化判断而非生成文本。
国产开源文档解析模型OXR在OmniDocBench（97.18）、olmOCR-Bench（87.84）和DocParsingBench（87.76）三个榜单均列第一，参数量仅1.3B。
可借鉴的是后训练用RSI自造数据的三段流程，VLM判对错并保留Uncertain档、归因聚类成原因簇、再按真实版式合成训练数据；前提是任务有客观标准答案，OCR之外的领域未必成立。
OpenAI 发布 GPT-6.1 Terra，标准 API 输入 1 美元/百万 Token、缓存输入 0.05 美元/百万 Token、输出 5 美元/百万 Token，价格约为 GPT-5.6 Terra 的一半。
能拿走的是按任务档位选模型的成本账，medium 档跑专业软件操作、max 档留给复杂编程，代价是复杂任务仍要切回 Sol 或 Astra。
百度发布并开源文心 Unlimited OCR 2，称其实现任意页数文档解析，实测一次性解析《哈利·波特》全系列 7 部、累计超 3600 页。
能拿走 SR-SWA 的页面门控加高分视觉 Token 桶思路，把长文档解析从结果拼接换成单次无限解码，落到知识沉淀的整本书、长研报入库；代价是需按百页级场景自测显存与精度。
OpenAI 于 10 月 26 日发布 GPT-6.1 Terra，标准 API 价格为每百万输入 token 1 美元、输出 5 美元，比 GPT-5.6 Terra 和 GPT-6.1 Sol 低 50%，官方称其完成任务速度是 GPT-6 Astra 和 GPT-6.1 Sol 的三倍以上。
能拿走六档推理的价格与错误率对照表，用来重算批量 computer use 任务的成本；前提是缓存读取 0.05 美元和超 272K 上下文翻倍要算进预算，官方没给执行轨迹和提示词写法。
Kimi K3.1 Pro 于今天凌晨发布，总参数 2.8 万亿、上下文 100 万 Token，已上线，完整权重计划在 11 月 4 日前放出。官方演示覆盖 Godot 3D 冒险游戏、UE 5.8 东方天宫与御剑预览片、Blender 机器人短片，以及可 3D 打印的土楼造型灯，并称模型会写脚本调用 Blender 和 CAD 做参数化建模。
官方演示覆盖游戏、UE 场景、Blender 短片和 CAD 参数化建模，能看出多步骤 Agent 调工具改模型的流程；但只给了跑分和成品，没给提示词、脚本或配置，复现不了。
NVIDIA 扩展开源模型家族，覆盖语言、机器人、生物和量子计算，包括 Nemotron 3.5 Super VL、Nemotron 3.5 Bolt、Nemotron Retriever、Kumo、Cosmos 3.5、Alpamayo 2 Edge、BioNeMo RFD4-Proteina 和 Ising。
能拿走的是 Nemotron 3.5 系列加 Kumo、Cosmos、Ising 的开源权重与 NIM 打包方式，可落到本地模型部署和 Agent 数据管线；代价是多数模型要自己用本地数据后训练，Bolt E4B 4GB 还要等到 10 月 23 日。
NVIDIA 扩充 Nemotron Retriever 系列，开源发布 Nemotron 3.5 Embed 8B/1B（含 NVFP4 量化）、Rerank 8B 和 631M 参数的 Parse 文档解析模型。
能直接换掉现有 RAG 的检索段，Embed 8B/1B 加 Rerank 8B 组合可省约 14% 智能体 token，Parse 支持单双三遍推理调精度；代价是要有支持 NVFP4 的硬件，域适配还得自建合成查询和难负样本。
VAST 开源实时生成式渲染器 EdenLive，同时放出 5B、14B 模型权重（各含双向生成与少步流式生成两个版本）、实时流式推理代码、EdenGolem v0.1 和前端工作台，并公开技术报告。
能拿走 5B/14B 权重、流式推理代码和 EdenGolem skill，把交互状态与画面渲染拆开，接进游戏灰盒或具身数据增强流程；代价是要自备上游交互系统维护规则，长时复杂交互尚未验证。
Cloudflare 的 27B 多模态决策模型 Clef 已在 Ollama 上线，用户可在本地或 Ollama 云端运行。Clef 由 Qwen3.8-27B 微调而来，采用 Apache 2.0 许可，接收文本、JSON 或图像输入，一次读取即对所有问题同时打分，兼容 Jev 与 System One API。
能拿走的是把决策任务改成一次前向打分而非逐词生成，配合 schema 定义问题；可落到本地模型部署和 Agent 工具调用前置校验，代价是 27B 模型本地跑需足够显存，且基准数据来自 Cloudflare 自评。
NVIDIA 发布开源 120B 参数模型 Nemotron 3.5 Super VL，主打多模态智能体任务，官方称吞吐量最高为同类模型 5 倍，参数量约为其最大推理模型的五分之一。
开源权重加训练配方和数据集，可拿 120B 的 Super VL 做多模态文档解析与工具调用，或把 Bolt 74B-A9B 用 2-bit 量化塞进 24GB 本地跑 agent，代价是要自己接 NeMo 做后训练。