最新 AI 新闻，即刻看见。

AI聊天平台CrushOn总榜跃升24位，由字节前员工创办；AI视觉创作平台Fotor领跑海外榜 | AI产品月榜

欢迎关注「AI新榜-AI产品榜」，这是由新榜出品的榜单产品，包含月榜和周榜。本期为第30期月榜，统计时间为2026年10月1日-2026年10月31日，榜单分为总榜、国内榜、海外榜。 本期....

人工智能分析v5与基准测试者的困境

对基准测试行业的某种回顾，以及其中的缺失之处。

元保入选巴伦中国价值榜单：当AI开始接管咨询和理赔服务，保险中介的价值如何重估

随着线上投保逐渐普及，互联网保险平台需要解决的问题更加具体，如何帮助消费者选择适合的产品，如何降低保险公司的获客和服务成本，如何让投保时承诺的保障在理赔环节得到兑现等问题都需要得到回应。

“全球第二修图AI模型”：微软MAI-Image-2.7-Preview登场

IT之家 10 月 28 日消息，微软昨日（10 月 27 日）发布公告，宣布推出 MAI-Image-2.7-Preview 模型。微软人工智能首席执行官穆斯塔法 · 苏莱曼（Mustafa Suleyman）自豪地宣布：“MAI-Image 现在是全球排名第二的图像编辑模型！”苏莱曼在推文中写道，基于 Artificial Analysis 的图像编辑榜，微软的 MAI-Image 系列模型再...

修复评估偏差，以在 Amazon Bedrock 上解锁更优的模型

Property Finder 发现，其视觉AI评估标签中有96.8%源自现有模型，这掩盖了该模型的真实准确率。了解他们如何构建无偏的真值数据、实施进化式提示优化，并在 Amazon Bedrock 上选择了一款更精准且更具成本效益的模型，从而在11项图像质量指标上将成本降低了86%。

在 NVIDIA DGX Spark 上提升 MoE 推理的三种方法

更快地生成令牌，首先要明确哪些因素限制了推理性能。在 NVIDIA 上对 Inclusion AI 的 Ling-3.0-flash 进行的单批次评估中……

“跑高分”不等于“能交付”：AI排行榜正在经历一场信用重估

旧榜跑分逼近满分，新榜实战却集体不及格。当大模型评测本身变成生意，企业选型正从看排名转向算成本账。

百度开源无限OCR 2，用于百页文档解析

百度发布了 Unlimited OCR 2，这是一款采用 MIT 许可证的 3B 参数规模的 OCR 模型，能够在一次请求中解析百页文档。其 SR-SWA 注意力机制使每步解码开销几乎保持不变，在 MarathonDocBench 上取得了 77.1 的得分。该文章《百度开源 Unlimited OCR 2，用于百页文档解析》首发于 MarkTechPost。

首部AI院线电影遇冷,场均人次0.1人

首部AI深度参与制作的院线长片——《三星堆：未来往事》10月23日上映后，票房表现与此前资本市场对AI影视概念的追捧，形成了明显反差。猫眼专业版数据显示，截至10月26日午间，这部100分钟的电影累计综合票房119.2万元，当日排片8469场，上座率0.1%，场均人次仅0.1人。10月24日、25日，该片场均人次均为2人。灯塔专业版数据...

数据文化如何从零信任逐步发展为可交付的AI分析代理

Data Culture 构建了一个三步评估框架，使某项 AI 分析的部署准确率从 0% 提升至 94.7%。

AWS发布基于CDK的托管Bedrock知识库智能检索参考实现

AWS于2026年10月26日发布博客，介绍一套使用AWS CDK构建的企业级智能检索（agentic retrieval）参考实现，专用于Amazon Bedrock托管型知识库（Managed Knowledge Base），支持跨知识库语义路由、迭代检索、带引用的溯源回答及七层可观测性。

推荐理由该材料为AWS官方技术博客（2026-10-26发布），内容聚焦已上线能力（如2024年8月推出的Managed KB、AgenticRetrieveStream API）、可验证部署结构（四栈CDK应用）、明确限制（区域可用性、仅限托管KB）及开源实现细节，无性能断言或第三方背书，符合事实性与时效性要求。

Nace AI 推出用于搜索 AI 智能体的 Drex：在 BrowseComp-Plus 上的准确率为 92.05%，并进行了 12.6 次搜索调用

Nace AI 发布了 Drex for Search，将其 Drex 决策模型应用于 AI 智能体的文档搜索。Nace 在 BrowseComp-Plus 上取得了 92.05% 的成绩，仅需 12.6 次搜索调用，并且在 OfficeQA Pro 上实现了更少的智能体交互次数。该文章“Nace AI 为 AI 智能体发布 Drex for Search：在 BrowseComp-Plus 上取得 92.05% 成绩，仅需 12.6 次搜索调用”首发于 MarkTechPost。

Kimi 发布 K3.1 Pro，加量降价挑战 Opus 5.5

作者｜宇航猿 编辑｜靖宇 10 月 23 日上午，Kimi 官方在 X 和视频号上发了一段 24 秒的视频。 画面里是一台复古风格的老式电脑，屏幕上开着 Kimi Code，终端里一行行地写着 Three.js 代码，在生成一个复杂的 3D 场景。眼尖的网友很快在左上角的模型栏里找到了答案——「Model: Kimi K3.1」。 Kimi 官方发布的 K3.1 预热视频｜图片来源：X @Kimi_Moonshot 用一台老古董般的机器，跑一段今天最前沿的 3D 代码，这个反差本身就是月之暗面想说的话。 十几个小时后，10 月 24 日零点刚过，卡着程序员节，Kimi K3.1 Pro 正式上线，同步推出的还有一个速度快 2 到 3 倍的 Highspeed 版本。官方承诺，完整模型权重将在 11 月 4 日前放出。 距离上一代 K3 发布，过去了三个多月。这三个月里，月之暗面经历的事情，比大多数公司一年还多。 01 「加量不加价」的 0.1 先说清楚 K3.1 Pro 是什么。 它不是一个全新的模型。月之暗面明确表示，K3.1 Pro 是 K3 的后训练版本，底座没换——仍然是 2.8 万亿总参数、1040 亿激活参数的混合专家架构，仍然是 100 万 token 的上下文窗口，仍然原生支持图像和视频输入。 变的是后训练。官方的说法是投入了「大幅增加的后训练算力」，在数百个下游领域做了大规模联合强化学习，为此把强化学习框架、沙箱基础设施、长上下文推理这些底层工程都重构了一遍。 也就是时候，同一个大脑，被重新「教」了一遍怎么干活。 效果体现在榜单上。在考察编程智能体的 Terminal-Bench 4.0 上，K3.1 Pro 拿到 65.7%，超过 GPT-6 Astra 的 58.2%，和 Claude Opus 5.5 的 66.4% 只差不到一个点。上一代 K3 在

Recursive发布Flint：一款由AI主导研发、可本地运行的轻量级编程模型

AI初创公司Recursive推出开源编码模型Flint，声称其开发过程主要由自研AI研究系统Eureka Machine完成；该模型仅40B参数、实测2.5B激活，可在普通笔记本（如M4 Pro MacBook）离线运行，推理速度达131 token/s，SWE-Bench等基准测试中表现优于多数同规模模型。

NVIDIA发布Kumo Relational：首个无需训练即可超越监督学习的结构化数据基础模型

NVIDIA推出预训练关系型基础模型Kumo Relational，可直接在企业级关系数据库上执行预测任务（如流失、欺诈、需求预测），无需任务微调、特征工程或表扁平化。在41项跨15个数据库的基准测试中全面超越XGBoost等监督模型，在SAP SALT企业基准上MRR指标领先AutoGluon达8%；支持5000亿行规模数据库，通过Predictive Query Language（PQL）实现零代码预测调用。

ALTK-Evolve：无需模型权重更新，仅靠学习型记忆在τ²-bench客服基准测试中登顶

IBM研究院提出ALTK-Evolve方法，通过GPT-4.1自动从自身任务轨迹中提炼结构化行为指南（如身份认证、退款确认等），以纯提示工程方式注入ReAct代理系统，在不更新模型权重、不依赖人工标注的前提下，显著提升客服任务的准确率与可靠性；其零售分支以67.5% Pass⁴成绩位列τ²-bench 2026年10月12日榜单第一，超越所有前沿模型及微调系统。

在低资源编程语言中推进编码技术

了解OpenAI如何通过针对软件工程、SQLite和COBOL迁移的新评估，全面提升ChatGPT在各类低资源编程语言中的表现。

引入心理健康本奇

心理健康本奇是一个专家知情的基准,用于在现实的心理健康对话中评价有益和安全的AI反应.

AI下一阶段的建筑标准

OpenAI概述了共享全球AI标准的途径,要求协调评价,报告和治理,以改善安全.

FACTS基准测试套件：系统评估大型语言模型的事实性

使用FACTS基准测试套件，系统评估大型语言模型的事实性。