AI 周报 · 2026 年第 43 周 · 10.19 — 10.25
扩散LLM与3T开源模型发布
2026-10-19 至 2026-10-25，模型发布集中在架构与规模两条线：Inception Labs 的扩散架构 Mercury 3 称在基准上达到或超过 GPT-6 Luna 与 Claude Haiku 5.5，并跑到每秒 1068 个 token；Kimi 的 K3.1 Pro 是 3T 级开源权重、100 万 token 上下文，API 输入价每百万 token 2 美元；Mistral 一边公开预览 1 万亿参数的 Mistral Large 4，一边补齐 Voxtral 3 语音家族与时序模型 Timestral；NVIDIA 扩展 Nemotron 3.5、Cosmos 3.5 等开放模型家族，MiniMax M3.1 Flash 主打推理快近 3 倍、成本降 70%。工具链上 DuckDB 2.0.0 LTS、wasi-python、AnyLanguageModel 1.0 与 PyTorch 2.15 的 MPS FP8 支持相继落地。研究侧则更多转向反思：检索到的工具输出会拉低 Agent 准确率，文档解析丢失高亮与颜色线索使 micro F1 从 0.690 跌至 0.150，同时 Agent S4、WildAWM、PreCoMem 在接口进化、可执行环境合成与记忆整合上给出新方法。硬件与分发方面，DGX Spark 64GB 于 10 月 23 日起出货，OpenAI 模型与 Codex 将进入 Google Cloud Model Garden。
头部模型密集换代
本版导读本期多家厂商同时抬高大模型的能力与规模上限。Inception Labs 的 Mercury 3 走扩散路线，官方称基准达到或超过 GPT-6 Luna 与 Claude Haiku 5.5，NVIDIA GPU 上每秒 1068 个 token。Kimi 的 K3.1 Pro 为 3T 级开源权重、支持 100 万 token 上下文，Highspeed 版本速度提升 2–3 倍，API 输入每百万 token 2 美元、与 GPT-6.1 Sol 同价。Mistral 公开预览 1 万亿参数、52B 激活的原生多模态 Mistral Large 4，权重计划月底放出。NVIDIA 扩展 Nemotron 3.5 等开放模型家族，MiniMax M3.1 Flash 称推理提速近 3 倍、成本降 70%。
Inception Labs 发布扩散 LLM Mercury 3，1M 上下文、每秒 1068 个 token
Inception Labs 发布扩散架构大语言模型 Mercury 3，官方称其基准表现达到或超过 GPT-6 Luna 与 Claude Haiku 5.5，在 NVIDIA GPU 上跑出每秒 1068 个 token。
Kimi 发布 K3.1 Pro 与 K3.1 Pro Highspeed，100 万 token 上下文的 3T 级开源权重模型
Kimi 发布 K3.1 Pro 和 K3.1 Pro Highspeed，前者是 3T 级开源权重模型，支持 100 万 token 上下文，后者速度是前者的 2-3 倍。
Mistral 发布 Mistral Large 4 公开预览，1 万亿参数原生多模态
Mistral 发布 Mistral Large 4 公开预览，这是一个 1 万亿参数、52B 激活参数的原生多模态模型，权重计划月底放出，预览 API 已在 Mistral Studio 上线。
Kimi K3.1 Pro 上线 Kimi API，输入每百万 token 2 美元
Kimi K3.1 Pro 已在 Kimi API 上线，输入每百万 token 2 美元、输出 10 美元，与 GPT-6.1 Sol 同价，约为 Claude Opus 5.5 的一半。
NVIDIA 发布 Nemotron 3.5、Kumo、Cosmos 3.5 等开放模型家族
NVIDIA 扩展开放模型家族，新增 Nemotron 3.5 Super VL、Nemotron 3.5 Bolt、Nemotron Retriever、Kumo、Cosmos 3.5、Alpamayo 2 Edge、BioNeMo RFD4-Proteina 与 Ising。
MiniMax 发布 M3.1 Flash，推理提速近 3 倍、使用成本降低 70%
MiniMax 正式发布 M3.1 Flash，官方称其在线推理速度提升近 3 倍、使用成本降低 70%，面向智能体任务、编码、Computer Use 和网络安全。
开源工具链与运行时
本版导读基础设施层出现若干可直接替换的组件。DuckDB 发布 2.0.0 LTS（代号 Cinnamon Teal），带来 Quack 协议、异步 I/O 与 VARIANT 类型，含自 1.5 以来近 2 万次提交。wasi-python 把 CPython 3.15 编译成单个 WebAssembly 静态二进制，内置 numpy、pandas、scipy 等四十多个包，用于运行智能体生成或其他不受信的代码。AnyLanguageModel 1.0 作为 Apple Foundation Models 框架的可替换实现，改一行 import 即可切换系统模型、llama.cpp、MLX、Core ML 与托管模型。PyTorch 2.15 为 MPS 后端加入 FP8 张量支持，并把解码、softmax 换成专用 Metal kernel。
DuckDB 发布 2.0.0 LTS，带来 Quack 协议、异步 I/O 与 VARIANT 类型
DuckDB 团队发布 2.0.0 LTS 版本，代号 Cinnamon Teal，是迄今功能最多的版本，包含自 1.5 以来近 2 万次提交。
Show HN：wasi-python 把 CPython 3.15 与 NumPy、Pandas 编译进 WebAssembly 沙箱
wasi-python 将 CPython 3.15 编译成单个 WebAssembly 静态二进制，内置 numpy、pandas、scipy、scikit-learn、statsmodels 等四十多个包，用来运行 AI 智能体生成的或其它不受信的代码。
Hugging Face 发布 AnyLanguageModel 1.0，Apple 平台可选本地或托管模型
AnyLanguageModel 1.0 发布，这是 Apple Foundation Models 框架的可直接替换实现，改一行 import 即可用同一套会话代码调用系统模型、llama.cpp、MLX、Core ML 的开放权重模型，以及 OpenAI、Anthropic、Gemini、Ollama 等托管服务。
PyTorch 2.15 为 MPS 带来 FP8 支持和更快的 LLM 解码
PyTorch 2.15 在 MPS 后端加入 FP8 张量支持，并把解码、softmax 等算子从 MPSGraph 换成专用 Metal kernel。
智能体方法与环境合成
本版导读智能体研究本期集中在接口进化、训练环境与记忆三处。Agent S4 让元智能体在无成功标签的合成轨迹上构建并修订接口与使用知识仓库，再用种群进化筛选可泛化改动，OSWorld V2 达 21.3%。WildAWM 用开源模型合成同时支持图形界面、MCP 服务与命令行的可执行环境，并以执行式质量门控、多智能体采样与反事实探针保证任务可解。PreCoMem 把长期对话记忆表示为带置信度的信念状态，用 Effective Surprisal 与双阈值门控决定记忆操作。另有论文把并行智能体协作建模为图结构离散块优化，给出合并保留局部改进的 1/χ_f(G) 保证。
arXiv cs.AI / cs.LG 最新10.21Agent S4 论文：从任务经验进化智能体接口，OSWorld V2 达 21.3%
arXiv 论文提出 Agent S4，让元智能体在没有成功标签的合成任务轨迹上构建并修订接口与使用知识仓库，再用种群进化按验证任务表现筛选能泛化的改动。
arXiv cs.AI / cs.LG 最新10.20论文提出 WildAWM 管线，用开源模型合成计算机使用智能体的可执行训练环境
论文提出 WildAWM，一个用开源模型合成可控环境与任务、用于训练通用计算机使用智能体（CUA）的流水线。它构建同时支持图形界面、MCP 服务和命令行的可执行环境，并用执行式质量门控配合多智能体采样、交叉评判一致性和反事实探针，保证任务可解、难度足够且验证器可靠。
arXiv cs.AI / cs.LG 最新10.21PreCoMem 用预测编码做对话智能体记忆，在 LoCoMo 等基准取得 SOTA 准确率
PreCoMem 是一个面向长期对话智能体的记忆整合框架，把用户记忆表示为带置信度的信念状态。它的核心信号 Effective Surprisal 结合语义偏离与矛盾证据，并在检索弥散、不可靠时降低该信号权重；再按双阈值门控把每轮对话映射为 MAINTAIN、PROFILE、CORRECT 三种确定性更新，其中 PROFILE 作为显式等待区，避免过早采信噪声证据。
arXiv cs.AI / cs.LG 最新10.22论文将并行 AI 智能体协作建模为图结构分布式块优化
作者 Hanmin Li 在 arXiv 论文中把并行 AI 智能体协作建模为带依赖图的离散块优化，并证明最优分数着色合并可保留已验证局部改进总量的 1/χ_f(G)，且该保证在选取同一批提案子集的合并中最紧。
评测揭示工具与格式损耗
本版导读几项研究指出智能体链路中被忽视的信息损耗。一项 arXiv 工作用 USGS 地球化学模拟器 PHREEQC 检验工具输出检索的影响，报告长达 846.8k 字符，在 158 道执行验证多选题上，同一次仿真因证据不同反而让 Agent 损失准确率。另一篇论文用 76 份真实政策文档构造任务，发现主流文档转换器丢掉作者用高亮和颜色标出的重点，Agent 会把未标注要求也当要求，看不到格式线索时 docling 的 micro F1 从 0.690 降到 0.150，纯文本降到 0.075。AI 辅助发现的共识协议 A-greement 则在写密集与读密集负载上分别把平均时延降低 12.2% 和 33.3%。
arXiv cs.AI / cs.LG 最新10.20同一次仿真不同证据，检索工具输出让 LLM Agent 损失准确率
一项 arXiv 研究用 USGS 地球化学模拟器 PHREEQC 检验工具输出检索对 LLM Agent 准确率的影响，报告长达 846.8k 字符，测试为 158 道执行验证多选题。
arXiv cs.AI / cs.LG 最新10.22论文发现企业文档解析丢失颜色与高亮线索，Agent 识别需求 micro F1 从 0.690 降至 0.150
一篇 arXiv 论文用 76 份真实政策文档构造任务，发现主流文档转换器会丢掉作者用高亮和颜色标出的重点，让 Agent 把作者没有标注的要求也当成要求。在看不到格式线索时，docling 的 micro F1 从 0.690 降到 0.150，纯文本降到 0.075，五个 Claude 模型和 GPT-5.6 上都能复现。
arXiv cs.AI / cs.LG 最新10.22AI 辅助发现共识协议 A-greement，共识研究终结了吗？
论文报告 AI 辅助发现的新共识协议 A-greement，在 6 组 5 或 9 副本部署上，写密集与读密集负载的平均时延比最快基线分别降低 12.2% 和 33.3%，只读负载与之持平。
语音时序与空间多模态
本版导读面向具体模态与行业的基础模型继续铺开。Mistral 发布 Voxtral 3 语音模型家族，含 Small Transcribe 3、Mini Transcribe Realtime 3、Mini TTS 3 及一套语音 Agent SDK；其时序基础模型 Timestral 的 209M 版本在 GIFT-Eval、TIME、fev-bench 三项基准排名第一。NVIDIA 开源 Kumo Forecast 多变量时序模型，并为 Earth-2 加入欧洲区域版 StormScope EU；OlmoEarth v1.3 为全球每个 10 米像素生成 128 维卫星嵌入。研究方向包括 MindView 多视角空间智能基准、Mise-en-Video 的多镜头 3D 控制、LaLa-World 的语言条件潜在世界模型、SceneRig 的单图重建可仿真 3D 场景，以及 8B 流式语言模型 Lafa。
Mistral 发布 Voxtral 3 语音模型家族与语音 Agent SDK
Mistral 发布 Voxtral 3 语音模型家族，包含 Small Transcribe 3、Mini Transcribe Realtime 3、Mini TTS 3 三款模型以及一套语音 Agent SDK。
Mistral 发布时序基础模型 Timestral，209M 版本在三项基准排名第一
Mistral 发布时序基础模型系列 Timestral，其中 209M 参数版本在 GIFT-Eval、TIME 和 fev-bench 三项公开基准上排名第一。
NVIDIA 发布 Kumo Forecast 时序预测模型，融合预训练表示与历史模式检索
NVIDIA 在 Hugging Face 发布开源多变量时序预测模型 Kumo Forecast（原 NV-Tesseract Forecasting），以 MOMENT-1-large 为骨干，约 340M 参数的编码器加可训练预测头，采用 Apache 2.0 许可。
NVIDIA Earth-2 新增欧洲区域模型 StormScope EU，多机构投入天气与气候预测
NVIDIA 为 Earth-2 开放模型家族加入欧洲区域版 StormScope EU，基于 EUMETSAT 卫星观测按 10 分钟间隔预测 16 个 Meteosat 通道的云况演变。
OlmoEarth v1.3 发布，开放全球 10 米分辨率卫星嵌入与浏览器探索工具
OlmoEarth v1.3 是一个卫星嵌入模型，读入一年的 Sentinel-1 雷达与 Sentinel-2、Landsat 时序数据，为全球每个 10 米像素生成 128 维向量。
arXiv cs.AI / cs.LG 最新10.21MindView 提出生成式多视角空间智能基准，含 1500 个样本与七项任务
arXiv 论文 MindView 提出一个生成式多视角空间智能基准，包含来自 513 个场景的 1500 个样本，覆盖三个室内数据集。七项任务分为几何主导和语义主导两类，前者指定相机位置与朝向的变化，后者需要借助指称物体、空间关系和参考系线索推断目标视角。
arXiv cs.AI / cs.LG 最新10.20Mise-en-Video 提出多镜头视频生成的细粒度 3D 控制框架
arXiv 论文提出 Mise-en-Video（MeV），一个让创作者先在 3D 空间里编排分镜、再生成多镜头视频的框架。它把用于多级叙事一致性的分层注意力机制与 3D 感知的布局引导结合，实现逐镜头的精确空间控制。
arXiv cs.AI / cs.LG 最新10.20LaLa-World 用自然语言动作扩展潜在世界模型
LaLa-World 是论文提出的语言条件潜在世界模型，它用自然语言描述数值动作和视觉变化，从而在仿真、机器人轨迹以及图像和视频数据上联合训练同一个未来预测器。
本地硬件与云上分发
本版导读算力与渠道两端同时扩展。NVIDIA 在 GTC Berlin 公布本地 AI 硬件全线进展：RTX Spark 在 Windows PC 上运行个人智能体，DGX Spark 64GB 版本自 10 月 23 日起由合作厂商出货，DGX Station 提供 748GB 内存与最高 20 petaflops。分发侧，OpenAI 宣布把前沿模型与 Codex 智能体工作流接入 Google Cloud Model Garden，面向已在 Google Cloud 上构建业务的企业，但未公布具体模型清单、上线时间与区域。
NVIDIA 在 GTC Berlin 展示本地 AI 硬件阵容，DGX Spark 64GB 10 月 23 日起出货
NVIDIA 在 GTC Berlin 公布本地 AI 硬件全线进展，RTX Spark 在 Windows PC 上运行个人智能体，DGX Spark 64GB 版本 10 月 23 日起由合作厂商出货，DGX Station 提供 748GB 内存与最高 20 petaflops，Windows 版本 12 月推出。
OpenAI 模型和 Codex 将进入 Google Cloud Model Garden
OpenAI 宣布把自家前沿模型和 Codex 智能体工作流接入 Google Cloud 的 Model Garden，让企业在自己已有的云环境里调用这些能力。官方帖文给出的适用范围是已经在 Google Cloud 上构建业务的企业，没有提到具体模型清单、上线时间和区域。对于在 Google Cloud 上做 AI 应用的团队，这减少了一层跨云接入的工作。