美团开源LongCat-2.5，总参数1.6万亿支持商用
美团于11月10日正式开源LongCat-2.5，采用MIT协议，支持商用推理部署与二次训练，无需额外授权。据介绍，该模型是面向长程智能体任务的原生多模态模型，总参数1.6万亿，每个token激活约480亿参数，支持一百万上下文，在复杂代码库开发、完整项目构建、Visual Coding与专业办公场景中端到端交付能力有明显提升。
推荐理由：原文给出开源协议、参数规模和激活量等关键信息，读者可据此评估该模型在长程智能体任务上的部署价值。
技术方向
多模态 最新动态
文本之外的能力：视觉理解、图文混合、音视频输入输出的模型与产品进展。
11 条精选近 30 天 11 条共收录 65 条
更新
多模态的精选
财联社电报新精选AI 评分7373 TestingCatalog精选AI 评分7676 Meta 发布 Muse Ember，主打低成本 Agent 执行任务
Meta 发布其最小、最高效的模型 Muse Ember（muse-ember-1.0），面向工具调用、编码子任务、路由、抽取和长文档解析等高频 Agent 工作，已在 Muse Code 和 Meta Model API 上线，输入 $0.10/M tokens、缓存输入 $0.004/M、输出 $0.50/M。
推荐理由：原文汇总了定价、上下文窗口和多组基准对比数据，还标注了落后项，便于评估其在低成本 Agent 任务中的位置。
Robotics & Automation News精选AI 评分4444 ABB Robotics 推出 AI Robot Trainer 简化机器人视觉编程
ABB Robotics 在 OmniCore EyeMotion 基础上推出 AI Robot Trainer，让客户无需专家从零构建 AI 模型即可训练和部署机器人视觉应用。该方案将图像采集、模型训练、部署和持续改进整合为单一工作流，支持任意品牌相机和传感器，结合自动无碰撞路径规划可将调试时间最多缩短 90%、节拍时间最多缩短 50%，适用于 2D 拾取到 3D 拆垛、质量检测等场景。
对A股利好传感器（视觉）环节，AI视觉训练方案落地有望提升机器人视觉应用需求
推荐理由：ABB 官方给出了新工具的工作流构成和调试、节拍时间降幅，读者可据此评估它在机器人视觉部署中的实际作用。
机器之心精选AI 评分5454 李飞飞 World Labs 推出首个应用 Frameboy
李飞飞的创业公司 World Labs 推出首个「应用」Frameboy，由 AI 实时生成第一人称画面，把生成式 AI 变成可直接探索的体验。Frameboy 是 Atlas 世界模型的优化演示版，使用云端 GPU 流式传输。
对A股利好物理AI，AI实时生成画面与云端GPU流式传输亦涉及英伟达链（推断）
推荐理由：World Labs 首个应用把世界模型变成可实时探索的云端体验，可据此了解世界模型的落地形态。
机器之心精选AI 评分4747 Northwestern、CMU等研究世界建模是否为跨任务可复用能力，用2k样本提升22项基准
Northwestern、CMU等机构研究世界建模能否成为跨领域、跨任务可复用的独立能力，涵盖空间理解、具身动作规划、视频时序等任务。研究用仅2k样本训练，在22项基准上实现跨领域提升，并给出训练配方。
推荐理由：原文探讨世界建模能否成为跨任务复用的独立能力，并给出仅用2k样本跨领域提升22项基准的训练配方。
36氪精选AI 评分3838 百度发布 Apollo World 智能体驱动全模态世界模型
百度 11 月 3 日在深圳 AI Day·Apollo 专场上首次披露面向物理 AI 的智能体驱动全模态世界模型 Apollo World，并提出世界模型“2+3”判断标准。在该模型构建的虚拟城市中，车辆、行人等交通参与者具备决策和交互能力，而非按固定脚本行动的“道具”。
对A股物理AI环节利好，百度发布全模态世界模型推动具身智能仿真训练发展
推荐理由：百度 Apollo 专场上首次披露的世界模型，其交通参与者作为可决策智能体的设定，为物理 AI 方向提供了一个新的观察角度。
36氪精选AI 评分6666 美团发布 LongCat-2.5：1.6 万亿参数原生多模态模型
美团于 11 月 2 日发布新一代大模型 LongCat-2.5，定位面向长程智能体任务的原生多模态模型，总参数 1.6 万亿。该模型延续 LongCat 系列研发方向，全程在国产算力上训练，据称为目前国产算力上完成的最大训练任务。评测显示其成绩介于 Claude-Opus-4.8 与 Claude-Opus-5 之间，并在部分评测中超过 Claude-Opus-5。
对A股利好国产算力芯片，美团1.6万亿参数模型全程在国产算力上训练；亦利好AI应用与终端（推断）
推荐理由：原文给出了参数规模、训练算力来源和与 Claude-Opus 系列的评测对比，可用于判断国产算力训练的进展。
财联社电报精选AI 评分6363 华中科技大学唐江团队在《自然》发表室温工艺短波红外成像芯片成果
华中科技大学唐江教授团队10月28日在《自然》在线发表成果，用室温水溶液工艺让硫化铅感光层直接生长在读出电路上，制成640×512像素短波红外成像芯片。光电二极管室温下对2.5微米红外光的比探测率达同类器件最高水平，高于同波长商用铟镓砷探测器；像素响应均匀性与商用铟镓砷芯片相当，不制冷不补光可清晰拍摄80至600摄氏度高温物体，工艺还可用于柔性电路制成可弯曲成像阵列。
推荐理由：原文给出室温水溶液工艺的具体器件指标和成像条件，读者可以对比传统铟镓砷路线了解这条低成本红外成像方案的进展。
The Verge · AI精选AI 评分6565 Google Gemini 聊天中可直接生成和编辑 Google Docs 文件
Google Gemini 推出文件编辑功能，用户可在聊天中直接生成、预览和编辑 PDF、Google Docs、Google Sheets、幻灯片、Markdown、TXT 和代码文件。该功能即日起面向所有 Gemini 用户开放，其中 PDF 预览和编辑支持网页端和移动端，其他文件格式目前仅网页端可用。
推荐理由：原文给出了 Gemini 新文件编辑能力覆盖的格式和平台差异，读者可以据此判断是否改变自己的文档处理流程。
DigiTimes精选AI 评分6565 微软称其医疗 AI 在复杂病例诊断中准确率超 80%
据 DigiTimes 报道，微软称其医疗 AI 系统 MAI-DxO 在复杂病例测试中诊断准确率超过 80%，高于普通医生，可能降低诊断成本。该系统通过多个 AI 智能体协作模拟医疗团队工作，逐步询问病史、选择检查、分析结果并修正诊断，而非一次性根据全部症状生成答案。
推荐理由：报道描述了 MAI-DxO 用多智能体协作模拟医疗团队逐步诊断的思路，读者可了解其与普通医生准确率对比的厂商说法。
机器之心精选AI 评分6868 谷歌 DeepMind 发布世界模型 Genie 4，支持实时操控生成的动态环境
谷歌 DeepMind 正式发布新一代世界模型 Genie 4，称其为「迄今为止最逼真、交互性最强的世界模型」。与此前只能观看的 AI 视频不同，Genie 4 能实时生成动态环境，用户可通过交互实时操控。
推荐理由：原文介绍了 DeepMind 新一代世界模型的定位与实时交互能力，可用于了解生成式世界模型相比 AI 视频的差异。