VOL. 2026-10-26 · 12 STORIES · DAILY INTELLIGENCE
AI HOT RADAR 日报
2026-10-26 · PUBLISHED · 约 10 分钟
当天最突出的变化是开源多模态模型密集发布：Google DeepMi…
当天最突出的变化是开源多模态模型密集发布：Google DeepMind 推出 Gemma 4 系列，覆盖五种尺寸并支持文本、图像、视频及部分尺寸音频；面壁智能发布 MiniCPM-V 系列首个 MoE 多模态模型 35B-A3B；MiniMax 则发布约 428B 总参数、23B 激活参数、支持 1M 上下文的原生多模态模型 M3。研究侧，视频理解与生成出现以「世界建模」为统一视角的综述，并有单流式视频语言模型 DirCast 同时完成电竞直播导播与解说。工程与产品层面，llama.cpp 在 CUDA 后端推进 MMQ 融合与语法解析递归限制，Cloudflare 通过 AI Gateway 推出按请求风险与复杂度自动选模型的 Auto Router 公测，NVIDIA Mission Control 2.5 将自主恢复扩展到 Kubernetes 工作负载。评估方法上，有研究提醒交互式 LLM 评估中仅看总体准确率可能掩盖评分错误差异。
今日看点
5 个章节 · 12 条情报- 01模型发布Google DeepMind 发布 Gemma 4 系列开源多模态模型3
- 02研究进展DirCast：单流式视频语言模型实现电竞直播导播与解说4
- 03API 与平台更新OpenAI Node SDK v7.44.0 新增代理自动化与图像模型更新1
- 04开源项目llama.cpp b11879：CUDA MMQ 融合 FFN gate/up 与 GLU2
- 05产品发布NVIDIA Mission Control 2.5 为 Kubernetes 带来自主恢复能力2
模型发布
MODEL RELEASE3 篇Google DeepMind 发布 Gemma 4 系列开源多模态模型
Google DeepMind 在 Hugging Face 发布 Gemma 4 系列开源模型，包含 E2B、E4B、12B、26B A4B、31B 五种尺寸，采用 Dense 与 MoE 混合架构，支持文本、图像、视频及部分尺寸的音频输入，上下文窗口最高 256K。该系列强化推理、编码与原生函数调用能力，并引入多 Token 预测（MTP）草稿模型，通过投机解码实现最高 3 倍解码加速且不损失质量。
MiniCPM-V 4.7 35B-A3B 开源 MoE 多模态模型发布
面壁智能（OpenBMB）发布 MiniCPM-V 4.7 的 35B-A3B 版本，这是 MiniCPM-V 系列首个 MoE 多模态模型。该模型借助 Lookahead Expert Scheduling（LES）、细粒度分层量化和 DSpark 投机采样，成为首个可在端侧无损流畅运行的开源 MoE 模型，在 iPhone 17 Pro Max 上仅用 3GB 内存即可达到 13+ tokens/s 的解码速度。模型还支持 iOS、Android、鸿蒙及多家芯片平台，并提供 GGUF、AWQ、GPTQ、FP8 等量化版本和 SGLang、vLLM、llama.cpp 等推理框架支持。
MiniMax 发布原生多模态模型 M3：1M 上下文、428B 参数
MiniMax 在 Hugging Face 发布原生多模态模型 MiniMax-M3，约 428B 总参数、23B 激活参数，支持 1M 上下文。该模型从训练第一步即进行混合模态训练，并引入 MiniMax Sparse Attention（MSA）稀疏注意力，在 1M 上下文下相较 M2 实现 9 倍 prefill 与 15 倍 decode 加速，单 token 计算量降至 1/20。官方称其在长程 agentic 基准上达到前沿水平，擅长编程与协作任务，并支持 SGLang、vLLM、Transformers 等本地部署框架。
研究进展
RESEARCH4 篇DirCast：单流式视频语言模型实现电竞直播导播与解说
来自Alaya Lab、东京大学、佐治亚理工学院、北京大学和东京科学研究所的研究者提出DirCast，一个单一流式视频语言模型，能同时完成电竞直播的导播（每秒决定切换哪个选手镜头）和实时解说，且仅依赖过去信息。团队构建了27场Dota 2职业比赛数据集（含每位英雄镜头、人类导播选择和解说词）。实验显示DirCast导播优于规则和零样本导播（包括GPT-5），其解说在Proact-VL协议下对GPT-4o的比较胜率为29.2%，而11个观看人类直播流的最强流式解说模型为19.4%。
PnP*：可认证的 Perspective-n-Point 求解器
论文提出 PnP*，这是首个针对 Perspective-n-Point（PnP）最大似然估计（MLE）的可扩展、可认证求解器。现有方法要么求解最小问题，要么替换目标函数，要么使用最坏情况下指数时间的分支定界，均无法对真实 MLE 目标给出可证明的全局最优解。作者将 PnP 重构为二次规划，证明其半定松弛在中等噪声下是精确的（首个针对 PnP MLE 松弛的稳定性保证），并利用弦稀疏星图结构和商环约化使松弛可处理、可扩展。数值实验表明 PnP* 能以超过 10 Hz 的频率返回可证明正确的相机位姿。
验证对比而非仅验证评分器：交互式LLM评估中总体准确率可能误导
该论文指出，在交互式LLM评估中，仅用总体准确率验证自动评分器会掩盖不同提示条件下的评分错误差异，从而扭曲提示对比结果。作者在UUP-Bench上用6个模型、180个虚构实体问题和6种提示条件进行审计，发现某对比的表面9.3个百分点提升在两名独立LLM评分者下降至2.3个百分点且置信区间含零。作者建议研究者应验证计划报告的具体差异，而非仅验证评分器整体，并在匹配案例上审计两个提示条件并纳入不确定性。
综述：以世界建模统一视频理解与生成
一篇发表于 Hugging Face Daily Papers 的综述论文提出以「世界建模」为统一视角，整合视频理解与视频生成研究。作者将观测视频视为潜在时序世界的部分、有损投影，并围绕读取、写入、共享、交互四种操作组织文献，覆盖 600 余项工作。论文区分了时序连贯性与世界状态一致性，提出证据阶梯与分类体系，并总结长时一致性、物理因果等七项开放挑战。
API 与平台更新
API UPDATE1 篇OpenAI Node SDK v7.44.0 新增代理自动化与图像模型更新
OpenAI 发布 Node SDK v7.44.0，新增委托控制、提示缓存生命周期，以及通过 client.beta.agents.automations 提供的定时自动化能力（含调用端点和 automations 代理工具变体）。该版本扩展了 Live Decision 的事件与问题类型，并包含一项在次版本号发布中的破坏性变更：DecisionItem 的 item 变为联合类型，直接访问 content 或 role 的调用方可能无法编译。此外，gpt-image-1 已于 2026 年 10 月 23 日下线，文档建议改用 gpt-image-2.5-sunburst 或 gpt-image-2.5-flare，Responses 图像生成工具的默认模型改为 gpt-image-2。
开源项目
OPEN SOURCE2 篇llama.cpp b11879：CUDA MMQ 融合 FFN gate/up 与 GLU
llama.cpp 发布 b11879 版本，在 CUDA 后端为 MMQ 量化矩阵乘实现 FFN gate/up 矩阵乘与 GLU 的融合：通过将 gate 与 up 权重行按 8 行交错排布，使一次 mul_mat_q 启动即可完成两个矩阵乘并在写回时计算 GLU。该优化面向 prompt 处理阶段，支持 Q4_K、Q5_K、Q6_K、Q8_0 和 IQ4_XS 量化类型，适用于 NVIDIA Turing 及更新架构。
llama.cpp b11888：语法解析加递归深度限制并优化候选拒绝
llama.cpp 发布 b11888 版本，为语法（grammar）解析与 PEG 解析器加入递归深度限制，并将其设为强制要求。同时重写了 llama_grammar_reject_candidates_for_stack 的候选拒绝逻辑，改为基于索引的迭代实现，消除了此前因按码点计数导致 256 字符以上 token（如 GLM-4.7-Flash 的 512 空格 token）总被拒绝的问题，使语法采样在 GLM-4.7、Laguna、Qwen3.6 和 gemma-4 上更快且掩码与 master 一致。
产品发布
PRODUCT RELEASE2 篇NVIDIA Mission Control 2.5 为 Kubernetes 带来自主恢复能力
NVIDIA 发布 Mission Control 2.5，将其自主恢复引擎从原先仅支持 Slurm 的 HPC 工作负载，扩展到由 NVIDIA Run:ai 管理的 Kubernetes 工作负载。该引擎由自主作业恢复和自主硬件恢复两项服务组成，与调度器协同形成三层框架，可检测、诊断并自动恢复 GPU 故障或作业异常，减少停机与算力浪费。此举旨在帮助 AI 工厂从被动运维转向自愈型基础设施。
Cloudflare 发布 Auto Router 公测：按请求风险与复杂度自动选模型
Cloudflare 通过 AI Gateway 发布 Auto Router 公测版，用户将模型设为 cloudflare/auto 后，由分类器按请求选择模型。路由分两阶段：先构建候选池并过滤不支持的请求格式，再用多任务分类模型在边缘 GPU 上按 14 类任务和复杂度、歧义、风险、上下文依赖四个维度打分。Cloudflare 公布的基准显示，可靠性提升 10 点、花费约为三分之一，但从业者指出仅依据最近轮次判断风险可能低估长会话中的关键操作，且路由权重需手动更新。