蚂蚁百灵团队发布原生多模态模型 Ling-3.2-flash,采用 560B 总参数、约 25B 激活参数的 MoE 架构,支持 1M 上下文与图像、文本、视频输入。官方自测在 OmniDocBench1.5、ZEROBench、Vision2Web 三项基准上超过 Claude Opus 5,DesignArena 图像转前端榜单以 1238 Elo 进入前十。API 输入每百万词元 0.30 美元、输出 0.90 美元,兼容 OpenAI 与 Anthropic 协议,上线前两周限时免费。
原生多模态
Native Multimodality
模型在预训练阶段即统一处理文本、图像等多种数据模态
收录情报动态
月之暗面正式开源 Kimi K3.1 Pro,这是其迄今最强的 3T 级原生多模态智能体模型。该模型采用混合专家(MoE)架构,总参数达 2.8T,激活参数 104B,并支持 100 万 token 的超长上下文窗口。通过大规模联合强化学习后训练,其在编码、3D 生成及金融研究等复杂任务上表现显著提升。
美团 LongCat 团队发布 LongCat-2.5,这是一款拥有 1.6 万亿总参数、480 亿激活参数的原生多模态大模型。该版本重点强化了视觉理解与智能体编码能力,通过大规模长程强化学习提升复杂代码库开发及全项目构建的端到端工程能力。
Mistral AI 正式开源拥有 1 万亿总参数的 Mistral Large 4 (ML4) 模型权重。该原生多模态 MoE 模型在编程智能体基准测试中表现与顶级开源模型持平,但平均任务 Token 消耗降低 47%,显著优化推理成本。
DeepMind 推出新一代世界模型 Genie 4,具备原生多模态能力,能同步生成视觉、音频及交互式对话。该模型整合 Gemini 家族技术,显著提升了实时交互模拟的真实感与连贯性,被视为迈向通用人工智能(AGI)的关键一步。目前用户可通过等待列表申请早期访问权限。
Meta正式开源名为Muse Spark Open的8160亿参数多模态大模型,宣称其为美国最强开源权重模型。该模型支持百万Token上下文及原生音视频处理,专为复杂编码与长程推理设计。其最大亮点在于极低的部署门槛,仅需两台苹果Mac Studio即可在本地桌面环境运行,无需云端算力或API调用。
Meta 正式开源其宣称“美国最强”的开放权重模型 Muse Spark Open,采用原生多模态架构,总参数 816B(激活 42B),支持 1M token 上下文。该模型专为代码与智能体任务优化,并首次实现仅凭两台苹果 M5 Ultra Mac Studio 即可在桌面端本地运行,已适配主流推理引擎及多家云 API 平台。
Meta 发布名为 Muse Spark Open 的开源大模型,宣称是目前最强的美国开源权重模型。该模型采用 816B 总参数/42B 激活参数的混合专家(MoE)架构,支持 100 万 token 上下文窗口及原生多模态能力,专为长程智能体任务和复杂软件工程优化,现已接入 Arena 基准测试平台。
HiDream 推出全新原生全模态视频生成模型 HiDream-O1-Video-1.0,在 Artificial Analysis 图像转视频(含音频)榜单中位列第六。该模型主打物理一致性,能生成 5 至 20 秒的 1080p 视频并原生同步音频,且时长由场景内容动态决定而非固定预设。目前通过 HiHarness API 提供,定价为每分钟 5.80 美元。
小米宣布其开源大模型 MiMo-V2.5-Pro 和 MiMo-V2.5 将于 2026 年 10 月正式下线,用户需迁移至新发布的 MiMo-V2.6 系列。V2.6 包含 Pro 与 Flash 两个原生全模态模型,沿用旧版 API 定价策略,旨在以极低价格提供同等智能水平服务。