VOL. 2026-11-03 · 11 STORIES · DAILY INTELLIGENCE
AI HOT RADAR 日报
2026-11-03 · PUBLISHED · 约 9 分钟
当天最突出的变化是模型侧向长程智能体与端侧部署两端同时推进：美团发布…
当天最突出的变化是模型侧向长程智能体与端侧部署两端同时推进：美团发布总参数1.6万亿、每token激活约480亿的原生多模态智能体模型LongCat-2.5，强化视觉理解与智能体编程；Liquid AI则推出面向端侧的LFM2.5-8B-A1B，Prism ML亦发布三值量化Bonsai 1.7B GGUF版本。视频与世界模型方向同样活跃，NVIDIA推出Cosmos世界模型开发平台，上海交大提出流式长视频生成框架Wave Forcing，FORCE则探索视频世界模型中的反事实编辑。基础设施层面，SGLang v0.5.23新增多模型支持与推理优化，NVIDIA通过AICR让Kubernetes首日支持Vera Rubin。研究方面，Memento关注长上下文智能体的上下文管理学习，协方差感知评分则针对CLIP特征各向异性提出几何校正。
今日看点
4 个章节 · 11 条情报- 01模型发布美团发布 LongCat-2.5 原生多模态智能体模型4
- 02研究进展FORCE：视频世界模型中用于反事实编辑的因子化物体关系4
- 03产品发布NVIDIA Cosmos 推出世界模型开发平台与仿真工具2
- 04开源项目SGLang 发布 v0.5.23：新增多模型支持与推理性能优化1
模型发布
MODEL RELEASE4 篇美团发布 LongCat-2.5 原生多模态智能体模型
美团正式发布面向长程智能体任务的原生多模态模型 LongCat-2.5，总参数 1.6 万亿、每 token 激活约 480 亿，在 LongCat-2.0 基础上强化原生视觉理解与智能体编程能力。模型通过长程轨迹数据与大规模长程强化学习提升复杂代码库开发、完整项目构建等端到端工程能力，并将视觉信号表示为多层级离散 token 以统一处理图文输入。配套基础设施方面，团队优化了国产算力上的长上下文训练与 W4A4 推理，FSDP 配置在长序列 SFT 中单卡吞吐较 DDP 基线提升 86%，W4A4 相对 W8A8 INT8 基线 prefill 和 decode 吞吐分别提升 43.3% 和 42.77%。
Black Forest Labs 发布 FLUX 3 提示词扩展模型
Black Forest Labs 在 Hugging Face 发布 FLUX 3 Image Klein Prompt Upsampler（flux-3-image-klein-pup），这是一个基于 Qwen3.5-9B 全量微调的 9B 视觉语言模型，可将简短的图像编辑、文生图或布局请求扩展为 FLUX 3 Image Klein 所需的详细提示词。模型支持最多 10 张参考图和可选边界框，采用两阶段训练（监督微调加基于生成图像排序的偏好调优），以 Apache 2.0 许可开源，并默认集成到 FLUX 3 推理代码、Diffusers 模块化流水线和 ComfyUI 模板中。
Prism ML 发布三值量化 Bonsai 1.7B GGUF 模型
Prism ML 在 Hugging Face 发布 Ternary-Bonsai-1.7B-gguf，这是基于 Qwen3-1.7B 的三值（1.58-bit）语言模型 GGUF 版本，采用 Q2_0 量化格式，权重仅 436 MiB，较 FP16 缩小 86.6%（7.5 倍）。模型支持 llama.cpp 上游及 Prism 分支运行，在 Apple M4 Pro 上 Metal 后端生成速度达 229 tok/s，为 FP16 的 3.8 倍，且量化后困惑度几乎无损。
Liquid AI 发布端侧模型 LFM2.5-8B-A1B
Liquid AI 发布 LFM2.5-8B-A1B，一款面向端侧部署的混合架构文本生成模型，总参数 8.3B、激活参数 1.5B，经 38 万亿 token 预训练与强化学习调优，支持 128K 上下文和 10 种语言。该模型主打设备端个人助理、工具调用与智能体工作流，官方称其吞吐量在同尺寸中领先，并首日支持 llama.cpp、MLX、vLLM、SGLang，同时提供 GGUF、ONNX、MLX 量化版本及推测解码草稿模型。
研究进展
RESEARCH4 篇FORCE：视频世界模型中用于反事实编辑的因子化物体关系
论文提出 FORCE 世界模型，通过无监督方式从原始视频中推断物体两两之间的交互关系，并将每种关系表示为每个物体对的显式隐变量，从而支持删除、修改、迁移或引入关系等反事实编辑。在仿真环境中的评估显示，从视频做编辑的效果得分为 0.19 到 0.37，而用精确物体位置训练和评分时同一架构可达 0.57 到 0.85，说明瓶颈在于物体感知精度而非学习到的关系动力学。
协方差感知评分：视觉-语言测试时适应的几何校正
该论文指出，现有基于 CLIP 的视觉-语言测试时适应（TTA）方法普遍在环境嵌入空间中使用余弦相似度进行评分，而 CLIP 特征存在强各向异性（ViT/B-16 的 512 维特征中，第一主方向解释 56%–65% 的方差，约 80% 方差集中在不到 20 个方向）。作者提出 CARe，用测试特征二阶矩诱导的马氏几何替代环境几何进行评分，并证明在共享协方差高斯模型下其决策方向与 Bayes 最优线性判别一致，收益随特征各向异性增大。实验表明 CARe 在两个骨干网络的标准与细粒度分布偏移基准上均优于基础余弦评分，且计算开销可忽略。
Memento：面向长上下文处理智能体的上下文管理学习
研究提出 Memento，一个基于 Qwen3-8B 训练的长上下文处理智能体，通过上下文压缩（compaction）学习管理固定大小上下文窗口。方法上先用合成轨迹做 SFT 引导记笔记行为，再用结合答案正确性、笔记质量启发式和置信度校准的 RL 奖励强化。在书籍级问答四个基准（最长 250 万 token）上，Memento 将 Qwen3-8B 准确率从 36.9% 提升到 67.8%，上下文始终不超过 20K token，成本低于 GPT-5.5 智能体的 1/50，接近约 100 倍大的 GLM-5.3 智能体（69.3%）且成本仅为其 1/9。
Wave Forcing：面向光速流式视频生成的协同设计框架
上海交通大学 Deng Lab 提出 Wave Forcing（WF），一种面向流式长视频生成的训练与执行框架，通过分块因果注意力、错峰去噪与缓存刷新调度，以及三阶段训练流程，实现连续长视频输出。在 Wan2.1-T2V-1.3B 上，5 步 WF 质量与 Rolling Forcing 相当，100 秒视频的 Dynamic Degree 从 36.63 提升至 91.45；在 8 块 H200 上 4 步 WF 达到 134.8 端到端 FPS，为单 GPU 吞吐的 7.07 倍。其 Wave Parallelism 在 DiT 测试中最高达 Ulysses/Ring 基线吞吐的 2.53 倍，代码、训练配方与检查点已开源。
产品发布
PRODUCT RELEASE2 篇NVIDIA Cosmos 推出世界模型开发平台与仿真工具
NVIDIA 发布 Cosmos 平台，包含世界基础模型与开发工具，面向物理 AI 开发者。Cosmos Framework 提供用于世界模型训练、多模态数据处理、优化与推理的 agent skills 和 recipes，并扩展支持 Alpamayo、GR00T、Qwen、pi0.5 等 Hugging Face 模型；Cosmos NIM 微服务通过应用 API 提供 GPU 加速服务。文章演示了如何用 Cosmos 3 Nano 检查点生成同步的相机视频与 LiDAR 观测，用于自动驾驶、机器人和手术场景仿真，并介绍了 NIM 部署流程。
NVIDIA 让 Kubernetes 首日支持 Vera Rubin
NVIDIA 发布 AI Cluster Runtime（AICR），作为 DSX AI Factory 平台的一部分，通过可复用配方捕获调优配置、生成部署包并验证运行集群，帮助 Kubernetes 环境在首日支持 Vera Rubin NVL72 计算托盘。文章详述了从 GB200 NVL72 迁移到 Vera Rubin 所需的驱动、DOCA/NIC、设备拓扑、IMEX 和 MIG 等变化，并称训练与推理配方变体已端到端验证通过，但新配方族目前仅为预览版，尚不提供生产支持。
开源项目
OPEN SOURCE1 篇SGLang 发布 v0.5.23：新增多模型支持与推理性能优化
SGLang 发布 v0.5.23 版本，包含来自 257 位贡献者的 1007 个 PR。该版本新增 Muse Spark Open、MiniMax-M3.1-Flash、MiniCPM-V 4.7 等模型支持，并针对 DeepSeek-V4.1 在 GB300 上实现最高 1.5 倍 prefill 吞吐提升和约 28% 首 token 延迟降低。此外还引入低延迟 megakernel/monokernel 插件、Paged Experts 单卡运行超大 MoE、Google TPU7x 支持以及量化 MoE 上的 LoRA 服务等能力。