多模态

蚂蚁集团领投矩侨工业亿元A轮融资

山东柔性织物触觉传感企业矩侨工业完成亿元A轮融资，由蚂蚁集团领投，老股东零以创投、威海港融及青岛和信跟投。资金将用于织物电子皮肤规模化量产、触觉及多模态感知技术研发，以及机器人、智能家居和医疗康养场景拓展。矩侨工业聚焦柔性纤维传感器，产品覆盖触觉手套、机器人全身电子皮肤、机械臂皮肤等，已服务超400家客户，触觉手套实现近万只交付。

Adobe 测试 AI 智能体能否像专业修图师一样使用 Photoshop 工具

Adobe Research 与 UC San Diego 联合构建了 EditAgent，将图像编辑任务拆解为子步骤，让通用编辑器与锐化、缩放等专用工具并行生成多个候选结果，再由标准语言模型借助特写裁剪、变化图和亮度色彩统计等验证记录进行评判。在 600 条编辑基准上，七个语言模型在获得验证记录后全部超越专门微调的评估模型，Qwen3.8-27B 的可用选

谷歌推 StreamVibe 视频智能体，可自主判断何时提供帮助

谷歌联合斯坦福、牛津等机构的研究团队提出 StreamVibe，一个能自行判断何时开口提供帮助的视频智能体，并基于约4100个样本、183小时日常与软件录屏构建基准测试。团队训练了 StreamVibe-VL 模型（疑似基于阿里 Qwen3.5-9B），结合强化学习与独立记忆系统，使响应时机与质量提升10.7%，主动交互提升12.3%。测试显示所有模型在连续

Pika 基于 MiniMax H3 开源 H3 Flex，六步实现音视频联合生成

Pika 基于 MiniMax H3 发布衍生模型 Pika H3 Flex，开放适配器权重与推理代码，通过六步去噪联合生成画面和声音，支持文本、首尾帧及多模态参考输入。该模型原生支持 480P、768P 输出，可生成约 5 至 15 秒视频及同步立体声音频，并提供 ComfyUI 工作流与 Hugging Face Diffusers 接入。Pika 通过

llama.cpp 发布 b12029：修复 InternVL CLS token 顺序

llama.cpp 发布 b12029 版本，主要修复了 mtmd 模块中 InternVL 的 CLS token 顺序问题（#30886）。该版本同时提供覆盖 macOS/iOS、Linux、Android、Windows 及 openEuler 的多平台预编译二进制，涵盖 CUDA、Vulkan、ROCm、SYCL、OpenVINO 等多种后端。此次更

cyankiwi 发布 Qwen3-Omni-30B-A3B 的 AWQ 4bit 量化版

cyankiwi 在 Hugging Face 发布了 Qwen3-Omni-30B-A3B-Instruct 的 AWQ 4bit 量化版本，基于 llm-compressor 工具并使用 nvidia/Llama-Nemotron-Post-Training-Dataset 进行校准，模型体积约 27.55 GB。该模型继承 Qwen3-Omni 原生端

198亿到账！AI视频最大单笔融资诞生

快手旗下视频生成业务北京可灵完成增资交割，全体投资者出资总额约198.02亿元人民币（约29.05亿美元），阿里、腾讯、百度及多家国资基金参投，成为AI视频领域最大单笔融资。交割后控股股东Lucky Labs持股66.68%，可灵董事兼CEO盖坤持股3.02%但享有23.72%表决权。可灵二季度营收超8.5亿元、同比增长超200%，并已推出Kling 4.0

小米开源0.8B文档理解模型Xiaomi-OCR-0

小米发布并开源轻量级文档理解模型Xiaomi-OCR-0，仅0.8B参数，将文档解析、关键信息抽取与OCR视觉问答三类能力融于一体。该模型在OmniDocBench v1.6等基准中取得领先成绩，1B以下模型排名第一，并逼近Qwen3.5-4B等更大模型。小米同步公开模型权重、推理代码、MCP服务与Agent Skill工具包，相关技术已融入小米手机与超级小

智能驾驶大会：7位嘉宾研判物理AI时代

10月26日，第八届智能驾驶大会暨2026环秀湖物理AI产业发展推介会在苏州相城举行，讨论边界从智能驾驶延伸至物理AI。Momenta、曹操出行、面壁智能等企业及高校嘉宾围绕世界模型、强化学习、端侧大模型、虚拟仿真、车路云一体化等方向分享判断。会议反映出高阶辅助驾驶进入规模化上车、Robotaxi走向商业化，同时AI进入汽车、机器人、飞行器等物理设备面临数据

阿里巴巴与 Apple 合作，千问集成至 Apple 智能

阿里巴巴与 Apple 达成合作，将千问集成至 Apple 智能，中国用户可在 Siri、写作工具及视觉智能中调用千问的文本与图像理解、内容生成能力。相关功能将于 11 月 4 日起随 iOS 开发者 Beta 版开放测试，12 月随 iOS 27.3 正式版面向中国用户推出。用户可自主选择是否开通，请求与回复不会被阿里巴巴用于模型训练。

智元发布WITA-OMNI交互大模型与灵渠OS，年底开源

智元在2026创新日发布具身全模态端到端交互大模型WITA-OMNI，在四项交互评测榜单中排名第一，平均响应速度约600毫秒，并已在长隆乐园累计完成超100万次真实交互。同时发布GO-3 Preview具身基座模型（三项评测第一，年底开源）和具身智能原生操作系统灵渠OS 1.0，后者将捐赠给开放原子开源基金会并于年底全面开源。智元还公布AIMA生态已汇聚超8

Google DeepMind 发布 Gemma 4 12B Unified 开源多模态模型

Google DeepMind 在 Hugging Face 发布 Gemma 4 12B Unified 开源模型，采用 Apache 2.0 许可，属于 Gemma 4 系列。该模型采用无编码器（encoder-free）架构，将图像块和音频波形通过轻量线性层直接投影到 LLM 嵌入空间，原生支持文本、图像、音频输入，上下文窗口达 256K，面向消费级设

CCORE 发布 Qwen3.5-4B-3D-Coder 早期预览

独立开发者 CCORE 基于 Qwen/Qwen3.5-4B 微调发布 Qwen3.5-4B-3D-Coder 早期预览版，聚焦通用代码生成与 Three.js 交互式 3D 场景生成。该模型提供 FP16 Safetensors 及 Q4 K M、Q8 0 GGUF 权重，GGUF 版本可搭配原版 Qwen3.5-4B 视觉投影器接受图像输入，实现图生 3

智元发布GO-3与WITA-OMNI双模型及Worken工时单位

智元在创新日发布具身基座模型GO-3 Preview与全模态交互大模型WITA-OMNI，前者在RoboDojo等三项具身智能评测登顶，后者在Daily-Omni等四项评测居首。同时推出物理AI新单位Worken（活跃机器人数量×自主工作时长×产出效能比）用于衡量机器人有效智能工时，并发布第三代硬件架构AHA3、重载机器人精灵G2 Max及具身原生操作系统灵

AMD 82亿美元收购李飞飞World Labs，空间智能进入硬件深水区

AMD 宣布以约 82 亿美元全股票收购李飞飞创立的世界模型公司 World Labs，这是 AMD 史上第二大收购。交易完成后，李飞飞将出任 AMD 执行副总裁兼首席科学家，直接向苏姿丰汇报，World Labs 团队以相对独立的研究单元并入 AMD。文章回顾了李飞飞从 ImageNet、AI 民主化到空间智能的三次「挖坑」，认为此次收购让世界模型赛道获得

mlx-community 发布 Qwen3.8-27B 4-bit 混合精度量化版

mlx-community 发布了 Qwen3.8-27B 的 4-bit 混合精度 MLX 量化版本，基于 mlx-optiq 工具链，通过 KL 散度敏感度分析将敏感层保留为 8-bit、其余层用 4-bit，磁盘占用 19.0 GB。该量化模型支持在 Apple Silicon 上本地运行文本与图像输入，并附带 MMLU 84.1%、GSM8K 96.

百度 APP 发布四大 AI 升级，搜索实现递归自我进化

百度 APP 于 10 月 30 日在北京举办产品升级沟通会，宣布搜索实现递归自我进化，并围绕搜索框、AI 镜头、GUI 可视化和 AI 互动应用推出四大 AI 升级。搜索能力从单次问答转向多步查找与任务交付，已覆盖 170 余种工具场景；AI 镜头支持多目标追踪与 9 种方言实时对话。百度同时升级搜索 AI API，限时最低价 4.9 元/千次，低于 De

另有 1 家信源报道

熵基科技启幕脑景中心并发布四款脑机接口新品

熵基科技在东莞举办2026全球合作伙伴大会，正式启幕ZKBrainScape脑景中心，并全球发布MarsLume火星慧知AI全域解决方案。公司携手WAGAWAGA、NeuroSky神念科技及鑫灵智合联合发布四款非侵入式脑机接口新品，覆盖可穿戴脑电交互、教育科研实验与脑控运动辅助等方向。脑景中心展示了NSPU神经计算芯片、多模态感知、神经数据安全治理及康养辅具

国产开源1.3B模型OXR登顶三大文档解析榜

国产团队 SoMark 开源了 1.3B 参数的文档解析模型 OXR（Optical Everything Recognition），在 OmniDocBench、olmOCR-Bench、DocParsingBench 三个榜单均排名第一。该模型在后训练阶段引入递归自我改进（RSI）范式，通过预测分类、归因规划、数据生成三轮迭代，不依赖新增人工标注即可自我

Claude 新模型 Fable 5.5 与下一代 Opus 曝光，或为 IPO 前造势

Anthropic 两款新 Claude 模型被曝光，分别为 Fable 5.5 和下一代 Opus（代号 Obsidian 3），已进入早期测试阶段，网友流出实测截图，其中 Fable 5.5 在图像生成细节上明显优于 Opus 5.5。爆料称新模型最快一两周内发布，外界认为这与 Anthropic 刚向 SEC 提交 S-1 启动 IPO、估值达 1.5