最新 AI 新闻，即刻看见。

腾讯混元重磅发布Hyra 2.0，让AI Agent全面参与科学大模型与硬核研发

三个月前，腾讯混元推出通用科研极简Agent循环系统Hyra1.0。其开源模型Hy3驱动Hyra解决加法组合学悬置五十余年的核心难题——和集与差集最优指数，创下国产开源模型首次全自动解决数学开放问题纪录。此后国际AI巨头纷纷竞逐数学与理论计算机科学。“AI刷题”路径已走通，自动化科研下一步受关注。

3、7、14、17、42：指令微调在语言模型中安装并强化了数字选择启发式方法

arXiv：2610.36178v1 发布类型：新 摘要：我们无需抽样误差，即可测量当被要求生成一个随机数时，语言模型为1至N之间的每个整数所分配的概率。对于固定的提示词，模型会定义一个概率向量；我们通过累加每个整数的得分拼写来计算该向量，而非采用抽样估计，从而消除了限制早期研究[1, 4]的噪声。我们在两个推理栈上，针对多达N=100的五个范围，评估了18条开放权重模型系列，并采用了29种解码配置；其中15个模型同时拥有基础版和指令微调版的检查点，且两者均能给出可用的答案。指令微调使这15对模型中的分布更加不均匀，它引入了一种避免使用整数的启发式方法，并强化了另一种避免接近端点的启发式方法。基础检查点

Opera推出WebAI标准，支持浏览器本地运行AI模型

Opera推出全新网络标准WebAI，旨在让用户无需依赖云端，直接在浏览器运行AI模型。该标准兼容多种模型，以谷歌开源Gemma演示，也支持苹果设备端基础模型，不依赖特定模型，面向开放权重AI系统，是Opera此前探索浏览器本地运行大语言模型的延续。目前，WebAI已在旗舰浏览器Opera One中开启预览，用户需主动启用。

MiniMax M3.1Flash发布引发“背题”质疑：旧题高分、新题失灵、幻觉率高达92.8%

MiniMax于2026年10月19日发布低价大模型M3.1Flash，综合评测得分42分，成本较前代降70%，但随即遭遇“背题”质疑——其在AA公开旧题上接近满分，改写题干后仍答原答案；猫老板与Binkg等测评者指出其新旧题能力割裂、Token消耗异常、知识测试幻觉率高达92.8%。10月23日MiniMax开源模型权重，供独立复验，但题目识别机制与中英文响应差异原因尚未澄清。

推荐理由该报道基于多方实测（Binkg改题实验、作者复现、AA与Plotly-Mila双测评对比）、可验证数据（Token量、价格、正确率/幻觉率）及模型行为矛盾点（英文错/中文对、旧题稳/新题崩），系统呈现当前大模型评测可信度危机的核心症候：高分未必等于强泛化，低价优势与能力真实性形成张力。信息源为钛媒体授权发布的深度调查，含原始测试过程、截图佐证与时间戳，时效性与细节密度俱佳。

左手开源模型，右手创作 Agent，Hi3D 的 AI 3D 下半场

作者｜Cynthia 编辑｜郑玄 2026 年的 AI 3D 赛道，正站在一个微妙的分水岭上。 一级市场的热度仍在攀升，新模型、新创业公司层出不穷，单图生 3D 的正面渲染效果几乎已经做到了以假乱真。 但剥开炫目的 Demo 外壳：绝大多数生成结果依然停留在「转台展示」阶段：一个精致的角色或机械模型，在灯光下缓缓旋转，鳞片、衣褶和金属刻纹栩栩如生；可这些细节一旦进入游戏引擎装配、工业仿真以及 3D 打印的真实生产流程就立刻原形毕现：结构断裂、背面崩坏、细节粘连、网格不可编辑等问题开始集中爆发，大量人工修补成本吞噬了 AI 带来的效率红利。 正面视图保真度不等于 3D 质量成为新的行业共识。AI 3D 的竞赛，也从 能不能生成」的上半场，进入了能不能落地的下半场。 也正是在这个节点上，头部玩家 Hi3D 接连落下两枚棋子：正式开源经过生产验证的 Hi3D V1.0 底座，同时推出以创作者为核心的 Hi3D Agent，一头连接产业底层，一头深度扎根进入真实的创作全流程。 在此之前，这家成立不到三年的公司已经交出了一份扎实的成绩单：半年内连续完成两轮融资、总额近 5000 万美元，红杉中国、IDG 资本、美团龙珠等一线机构扎堆下注；旗下 Hi3D 平台覆盖120+ 国家与地区、200 万 + 创作者，与拓竹科技、xTool 等头部设备商深度集成。 从稀疏几何技术的学术突破，到生产级模型的开源开放，再到 Agent 创作系统的全链路打通，Hi3D 已经拿下了通往 3D 生成下半场的门票。 01 3D 生成，被高估的 Demo， 被低估的生产鸿沟 单图生 3D 的底层逻辑，天然带着视角偏见。随着ULIP、Uni3D 等指标被反复刷新，重正面、轻整体，重外观、轻内部逻辑的一度成为这个行业过去几年的共同写照。 但 3D 资产的本质，是可旋转、可编辑、可加工的立体对象。一张角色图片里，垂

Mac 用户狂喜：Ollama 终于能让 AI 开口说话了，还不用联网

IT之家 10 月 27 日消息，本地运行 AI 模型的开源平台 Ollama 于 10 月 24 日宣布，其 Mac 应用正式支持文本转语音（TTS）生成，Windows 和 Linux 版本也将随后跟进。科技媒体 9to5Mac 认为这是 Ollama 首次加入语音生成能力，让本地 AI 从“能读会写”进一步迈向“能开口说话”。首个支持的语音模型是 Gradium 开发的 Pho...

我们能信任大语言模型来判断一项研究思路是否具有新颖性吗？

我们能信任大语言模型来判断一项研究思路是否具有新颖性吗？

Ψ-0.6：在统一的视觉-语言世界模型中自适应的思想流

arXiv：2610.32177v1 发布类型：新 摘要：人类在面对不断演化的复杂问题时，能够灵活地将多种推理形式加以组合，从而对物理世界进行推理。实现这种灵活性是人工智能领域的一项重大开放性挑战：当前的各类能力往往仍被分割在不同的专用模型中，限制了它们之间的组合方式以及针对特定任务的协同适配能力。我们提出了Ψ-0.6，这是一种统一的视觉—语言世界模型，它能够在一种名为“思维流”的共享推理过程中，自适应地整合感知、语言、几何与仿真等模块。这些思维流交织着图像、文本以及关于几何与运动的显式表示，而模型可通过统一的标记接口生成并解释所有这些信息。Ψ-0.6在多视角空间推理的零样本任务上超越了当前领先的开放权重模型。

你有多信任一只狗？量化推理语言模型中的提示遵循行为

arXiv:2610.32055v1 发布类型：新 摘要：大型语言模型（LLMs）常常表现出阿谀奉承的倾向，即使在客观的事实性和推理类任务上，也会调整其回答以迎合用户的暗示。然而，这种影响的量化形式——以及它是否与信息源的可靠性相匹配——仍然知之甚少。在本研究中，我们通过在MMLU问题上观察提示诱导的答案偏移来探究这一现象，评估了诸如“[信息源]认为答案是（X）”这类提示。我们在三个开源模型系列——Qwen、Gemma和SmolLM——中系统性地改变了提示所归因的信息源（教授、朋友或狗），并发现由提示引发的变化遵循一种可预测的结构，该结构可用指数倾斜很好地刻画：提示会诱发

SpecMem提出实时工具调用记忆管理机制，提升智能体响应速度

arXiv于2026年10月26日发布题为《SPECMEM: Accelerating Agentic Tool Calling via Live Memory Management》的预印本论文（编号2610.31840v1），提出名为SpecMem的新系统，通过跨会话、在线更新的用户级工具调用记忆管理，显著降低工具调用延迟。

推荐理由该研究针对当前工具调用智能体在部署中因自回归解码导致的高延迟问题，提出可验证写回、LRU淘汰、副作用门控等关键技术，并在多用户多会话真实查询流上验证了其有效性（最高1.74倍实测加速、27%平均接受token提升），属AI系统工程方向的重要进展。

测试时记忆进化能否在科学发现中超越测试时训练？

arXiv:2610.32046v1 发布类型：新 摘要：近期的“测试时训练”（TTT）框架使开放权重的大规模语言模型（LLMs）在科学发现任务上超越了由前沿模型驱动的仅推理框架。然而，TTT 在发现过程中引入了额外的在线权重更新计算开销，这使得在扩展至更大规模模型时，计算效率成为一项重要考量。因此，我们致力于探索一种用于科学发现的高效“测试时适应”方法。我们提出了一种即插即用的测试时适应方法——“测试时记忆演化”（TTME），作为 TTT 的替代方案。TTME 通过提炼经验不断更新外部记忆，从而指导后续的发现过程，而无需进行权重更新。

月之暗面发布Kimi K3.1 Pro：2.8万亿参数开源权重模型，11月4日开放权重

月之暗面于2026年10月22日前后发布Kimi K3.1 Pro，一款2.8万亿参数、1040亿激活参数的多模态MoE模型，宣称性能逼近Fable 5.1；官方承诺11月4日发布开源权重，但截至报道时权重尚未公开；独立评测显示其在智能指数、代码与网络安全基准中表现突出，但存在推理成本、本地部署可行性及营销透明度等争议。

推荐理由该事件标志着当前最接近闭源前沿模型能力的开源权重模型正式进入发布倒计时，是AI开源生态关键进展；材料来源为Latent Space旗下AINews（2026年10月24日发布），内容基于对X平台、Reddit、Arena及Artificial Analysis等多方独立评测的整合，信息密度高且具时效性与交叉验证特征。

研究揭示开源大模型在结构化抽取中普遍存在列表填充现象

一项发表于2026年10月24日arXiv的实证研究（论文编号2610.30997v1）发现，当JSON抽取schema设定列表最小项数但文档实际内容不足时，八种开源权重模型普遍将该最小值视为生成目标而非约束，导致55.4%的输出列表长度超过真实数量（基线为34.5%）；填充项多取自原文，约半数能通过来源一致性校验；常见缓解策略效果有限。

推荐理由该研究采用预注册方案，在558份真实文档、九个标注数据集上系统评估八种开源模型及六种托管服务模型，方法严谨、数据公开（代码与结果已发布至GitHub），揭示了结构化信息抽取中易被忽视却影响下游任务可靠性的关键缺陷——schema诱导的非忠实填充行为。

欧洲多家头部金融机构采用开源大模型构建专属智能系统

在GTC柏林大会上，Revolut、Starling Bank、Lloyds、Santander等欧洲金融机构宣布基于NVIDIA加速计算平台与开源权重模型（如PRAGMA、Nemotron系列、Kumo家族）构建生产级AI能力，覆盖交易分析、语音识别、欺诈检测、数据管道加速等核心场景，强调数据主权、成本可控与合规部署。

欧洲多家机构部署NVIDIA Earth-2开源模型，推进本地化天气与气候预测应用

NVIDIA发布面向欧洲的Earth-2开源AI模型家族，包括区域化短临预报模型StormScope EU，并联合AXA、Vaisala Xweather、曼彻斯特大学、TotalEnergies等机构开展真实场景验证，覆盖风暴风险评估、空气质量建模、太阳能发电预测及雷达地形反演等任务。

NVIDIA开源模型推动欧洲多国公共部门AI项目落地

NVIDIA联合欧洲多国政府及技术伙伴，基于Nemotron等开源大模型与合成 personas 数据集，在德国、波兰、英国、法国、希腊等国推进主权可控的AI应用，覆盖医疗影像分析、就业服务、数字政务助手、分类信息处理及本地化语言建模等领域。

NVIDIA发布多领域开源模型组合，推动欧洲产业主权智能发展

NVIDIA宣布扩展其开源模型家族，覆盖语言、机器人、生物计算与量子计算等领域，推出Nemotron 3.5系列、Kumo结构化数据模型、Cosmos世界模型、Alpamayo 2 Edge自动驾驶模型、BioNeMo RFD4-Proteina蛋白设计模型及Ising量子计算模型，全部面向开发者与企业开放权重与工具，支持本地化定制与自主部署。