🔥 1. Anthropic 递交 335 页招股书：史上最大 IPO，也是史上最亏 — 1000 pts
807 亿净亏里有 724 亿是会计科目，而真实业务正在加速。
Anthropic 正式向纳斯达克提交 IPO 申请，代码 ANT，335 页招股书在 SEC 公开，有望成为美股首家纯前沿大模型上市公司。数字很分裂：2026 上半年营收 162.86 亿美元（去年同期 11.6 亿），Q3 单季 168 亿、环比 +45%，调整后口径已盈利；同期净亏 807 亿美元，但其中约 724 亿来自可转换票据与衍生负债的公允价值变化，不是当期现金。算力承诺更惊人：对微软 449 亿、谷歌 1145 亿、SpaceXAI 最高 1205 亿，十年约 5180 亿，据报道 80%「不用也得付」。前两大客户其实是亚马逊与谷歌。招股书还列了「不做清单」：不做图像与视频生成，算力全押代码、Agent 与安全研究。
→ https://www.qbitai.com/2026/10/505551.html
🔥 2. GPT-6.1 Terra 上线：一折价格拿到接近 Astra 的电脑操作能力 — 980 pts
同一天 OpenAI 还甩出三项由内部 AI 系统产出的科学结果。
GPT-6.1 Terra 定价 1 美元／0.05 美元／5 美元（输入／缓存读取／输出，每百万 Token），比 GPT-5.6 Terra 的标准价直接砍半。官方口径：Agents' Last Exam 中档比 5.6 Terra 高 15 个百分点、单任务成本约为其三分之一；表现与 GPT-6 Astra 相当，但每 Token 价格只有后者十分之一、速度还快 3 倍以上；Terminal-Bench 4.0 max 档从 21.5% 升到 50.3%；MMMU-Pro 各推理强度全面超过上一代；内部事实性压力测试错误率从 53.6% 降到 16.7%（max 档 4.3%）。第三方 AA 综合 48 分，排在 Opus 5.5、Kimi K3.1 Pro 之后，领先 Grok 4.7。OpenAI 也主动划线：最复杂的编程、科研与深度推理仍推荐 Sol 与 Astra。网友实测：画质更好且总成本低 38%，长表单比 6.1 Sol 快 53.5 秒。
→ https://www.qbitai.com/2026/10/505719.html
🔥 3. 文心 Unlimited OCR 2 开源：KV 缓存从 47GB 压到 1.77GB — 960 pts
884 页《指环王》42 分钟读完，页数不再有上限。
百度开源文心 Unlimited OCR 2，主打超长文档连续解析。技术报告给出关键对比：百页级单序列测试中，峰值 KV 缓存从标准解码的 47GB 降到 1.77GB，约减 96%。做法是两层：稀疏参考滑动窗口注意力 SR-SWA 让每一步只算相关页与相关视觉块（Page Gate 负责「看哪几页」、Token Sieve 负责「看哪几行」），无限解码机制把文档切块依次解析、相邻块重叠一页复用缓存并及时释放旧页。两者配合后，单步开销不随文档变长而增长，这才是「页数没有上限」成立的原因。上一代 Unlimited OCR 在开源社区已积累约 2.86 万 GitHub Star 与千万级下载，新版权重与代码已在 GitHub 与 HF 开源。
→ https://www.qbitai.com/2026/10/505773.html
→ https://github.com/baidu/Unlimited-OCR
🔥 4. 面壁 ForgeKernel 同时登顶华为与英伟达算子榜——我们 10 月 22 日标「待验证」的那条坐实了 — 940 pts
一套通用算子生成系统，打通两条原本互不相通的硬件路线。
面壁智能宣布其 AI 算子生成系统 ForgeKernel 同时登顶华为 CANNBench 与英伟达 SOL-ExecBench。分数很具体：950DT 榜总分 3903.96 第一、领先第二名 37.1%，基准加速比 1.523×（第二名 0.305×）；950PR 榜 3736.44 第一、加速比 1.886×；A3 榜 4338.67 第一、加速比 1.894×；英伟达 SOL-ExecBench 以 SOL 分 0.814101 居首，同榜还有 Databricks、Qwen、Cursor 等团队。更值得说的是时机：国产新芯片 950DT 刚上市、配套算子库还在建设初期，AI 已能快速产出高质量算子，把「硬件上市到适配完成」的空窗期压缩掉。
→ https://www.oschina.net/news/503257
🔥 5. 1.3B 的 OXR 开源：三项文档解析榜全部第一，速度超 Paddle、MinerU — 900 pts
小参数、高精度、快速度，这次同时出现在一个模型上。
SoMark 团队开源 OXR（Optical Everything Recognition），主模型仅 1.3B，在 OmniDocBench、olmOCR-Bench、DocParsingBench 三项基准上分别取得 97.18、87.84、87.76 分，均列第一。速度上，同一张 RTX PRO 6000 Blackwell（96GB）解析 100 页，OXR 约 101 秒，PaddleOCR-VL-1.6 约 145 秒、MinerU2.5-Pro 约 255 秒。分工设计是关键：轻量版面分析模型负责定位内容区域，主模型做识别与阅读顺序判断，把排序并进识别阶段省掉额外开销；版面分析还是可插拔模块，可换成符合自家业务标准的模型。它能解析表格、公式、化学式等 13 类元素，保留版面坐标。后训练阶段首次引入面向文档解析的 RSI——外部模型评判错误、聚类、生成定向训练数据，无需人工标注。
→ https://www.qbitai.com/2026/10/505635.html
→ https://github.com/SoMarkAI/OXR
🔥 6. DeepMind 的 Genie 4：世界模型开始同步生成声音 — 880 pts
你推倒一块石头，它不只是画出来，还会响。
DeepMind 发布 Genie 4，最实质的进步不是画质而是声音：它是原生多模态的，画面、音乐、环境声与对话可以同时生成，不靠后期贴音轨。技术上基于 Gemini 家族——Gemini Omni 负责让模拟锚定真实世界的样貌与物理行为，其它 Gemini 模型提供维持场景连贯性所需的推理。交互也变了：过去生成一个世界只能看，现在可以用自然语言实时改，换天气、移镜头、塞进新的人或物；你不操作的间隙它会自己推演，不让世界停下。官方把它放在 AGI 语境里：理解和模拟世界是关键一环，落地指向给机器人与 Agent 造训练环境。目前为研究预览，输出全部带 SynthID 隐形水印。
→ https://www.oschina.net/news/503259
🔥 7. 智元把 Physical RSI 搬进真实便利店：机器人「无人在环」自己进化 — 860 pts
货架挂钩被价签挡住，它自己换了腕部相机补视角。
智元发布具身 Agent 框架 Genie Master，并称首次跳出仿真与实验室的 toy setting，在真实便利店业务流里跑通 Physical RSI（具身递归自进化）。案例很具体：精灵 G2 第一次挂货失败，因为小挂钩被价格标签挡住、头部相机分辨率不足；它回看执行记录后自行调整——让左手先靠近、用腕部相机补一个近距离视角，再由右手完成挂货，并把这套经验沉淀下来。工程上的关键是把上层推理与底层执行打通：具身执行协议 EEP 提供能力、引导、反馈、连续性四类接口，配合时序对齐，让 Agent 的引导能落到动作、动作结果能实时回传。经验与策略分两路走：Harness RSI 优化提示词、记忆与执行规则，Policy RSI 更新底层动作策略。
→ https://www.qbitai.com/2026/10/505799.html
🔥 8. 人形机器人开始「全栈开源」：RoboParty RP1 把图纸和算法一起放出来 — 820 pts
以往号称开源的机器人，多半只给 SDK 和几个 API。
RoboParty 发布全栈开源人形机器人 RP1，试图把从机械结构、电气系统、自研关节到底层控制、仿真、训练与部署的整条链路交给开发者。本体高 135cm，开源版 24 个主动自由度、Pro 版 30 个（头部 2、双臂各 7），搭载自研 ROMOMO 一体化旋转关节，标称峰值扭矩 25–160N·m、48V 供电、CAN-FD 通信，采用非共点髋部与并联踝设计。软件侧提供 500Hz 控制频率与 50Hz 策略更新频率，已公开 URDF、MJCF 与网格模型，另有 hhtools 做人体动作重定向。官方也承认边界：CAD、BOM、电路板制造文件部分仍属内部工程记录，具体开放范围以项目仓库为准。
→ https://www.qbitai.com/2026/10/505865.html
🔥 9. 国产 3D 模型 Hi3D 开源 V1.0：训练资产扩到 200 万，细节到羽毛根根分明 — 780 pts
专业模型做专业的事——同一张参考图，GPT-6 Astra 的生成结果被它比下去。
Hi3D 开放 V1.0 模型代码与权重。它基于 2025 年发表于 NeurIPS 的 Sparc3D 高分辨率几何框架，把训练资产从论文里的 50 万扩到约 200 万个经过筛选的 3D 资产（4 倍），并做高分辨率训练与输出：先由上游生成粗网格，再参考原图逐级稀疏细化，进入 1024³、1536³ 层级。效果上，复杂结构的细节保留明显更强——装甲车的车尾面板分块与底盘关系、雕塑背后羽毛的叠压层次都能辨认。同系列最新的 V3.0 被称为业界首个可商用 2048³ 超高精度国产自研 3D 模型。相比通用大模型，它的优势正是「专模专用」：LLM 负责理解意图，专业 3D 模型负责几何。
→ https://www.qbitai.com/2026/10/505694.html
→ https://github.com/hi3d-official/Hi3Dv1.0
🔥 10. Liquid AI 发布 LFM3：一个骨干，六个模型 — 750 pts
端侧模型的做法变了：不再是「一个模型打天下」，而是一套骨干切出专用型号。
Liquid AI 在 Hugging Face 发布 LFM3 系列，核心卖点是「更强的表达力骨干」——同一套骨干产出六个模型：1.7B 的纯文本 LFM3-1.7B、2B 的视觉语言 LFM3-VL-2B、2B 的音频 LFM3-Audio-2B、2B 的全模态 LFM3-Omni-2B，以及推理型的 d1-2B 与 d1-omni-2B。做法延续了 Liquid AI 一贯的路线：不追参数量，而是让骨干在同等规模下表达力更强，再按任务切出专用型号，便于在端侧按需部署与微调。博文给出了这套骨架的设计思路、每个型号的用法与微调示例。对想在本地跑多模态的团队来说，这套「一骨干多专用」的组合，比单个通用小模型更容易按硬件预算取舍。
→ https://hf-mirror.com/blog/LiquidAI/lfm3
📌 今日趋势总览
本文原创作者：易君召，详见：https://www.yijunzhao.cn/authors/yijunzhao，转载请注明出处。
原文链接
欢迎访问 小易撩挨踢