Qwen-VLA:统一视觉-语言-动作建模的通用具身智能模型发布 ↗
QwenTeam发布Qwen-VLA,一个基于Qwen多模态骨干的通用视觉-语言-动作模型,支持机器人操作、视觉语言导航和跨机器人形态控制;采用四阶段训练(T2A→CPT→SFT→RL)。
AIHOT 精选行业资讯,关注 AI、产品与技术的新进展。
AIHOT · 精选摘要,保留原始来源 · 2026年11月4日 09:00
QwenTeam发布Qwen-VLA,一个基于Qwen多模态骨干的通用视觉-语言-动作模型,支持机器人操作、视觉语言导航和跨机器人形态控制;采用四阶段训练(T2A→CPT→SFT→RL)。
OpenAI 发布 Rosalind Biodefense,向经审核的开发者和美国政府合作伙伴开放 GPT-Rosalind 的可信访问,支持生物防御、公共卫生和大流行病准备等前沿 AI 应用。
Hugging Face 官方博客发布《Profiling in PyTorch (Part 1)》,以 64×64 和 4096×4096 矩阵乘加为例,系统讲解 torch.profiler 的使用方法。
Google 在 I/O 2026 发布 Gemini for Science(含 Computational Discovery、Hypothesis Generation。
Mistral在AI Now Summit 2026发布面向工业工程的AI栈,联合Airbus、BMW和ASML优化设计、仿真与生产;推出智能体Vibe,支持长周期任务如编码(从需求到合并PR)与研究;宣布将于2026年Q3启用法国Les Ulis10 MW专用推理数据中心。
Mistral 发布 Vibe 智能体,整合原 Le Chat,提供 Work Mode(支持企业工具集成、长周期任务调度、文档合成)和 Code Mode(支持 GitHub 连接、VS Code 插件、CLI 远程会话),运行于 Mistral 自研推理优化模型,现已上线 chat.mistral.ai,支持免费至 Enterprise 多档订阅。
ElevenLabs 官方发布 Dubbing v2,新一代 AI 配音模型,首次实现将原始说话人的情感、语调、节奏与表达意图直接跨语言迁移,支持 90 多种语言;该模型不依赖纯文本转录,而是以原始语音性能为条件,结合同步感知的翻译系统,提升配音自然度与专业感;现已上线 ElevenCreative 和 ElevenProductions,免费试用期 7 天。
Mistral AI 发布 Search Toolkit 公共预览版,这是一个用于构建 AI 应用生产级搜索流水线的可组合开源框架,整合数据接入、检索与评估三大模块,支持云、本地及边缘部署;已应用于 CMA CGM 与 Voxtral 的假新闻检测流水线,端到端响应时间 15 秒。
Apache Iceberg 1.11.0 正式发布,新增对 Apache Spark 4.1 和 Flink 2.1 的支持,引入服务端扫描规划、内置表级加密(支持 Google KMS)、统一 File Format API、SQL UDF 规范,以及 Google Cloud Storage Analytics 库集成;要求 JDK 17 运行时,Lakehouse for Apache Iceberg(原 BigLake)已兼容该版本。
Google Research 发布基于零信任原则的私有分析新方案,通过新型格密码单消息聚合协议与可信执行环境(TEE)协同,确保仅能获取群体级匿名统计结果,原始用户数据永不离开设备且不在服务器端解密。该技术已用于 Android SafetyCore 系统评估安全模型真实世界表现。
伊利诺伊大学厄巴纳-香槟分校团队在《Nature》发表研究,展示一种基于结型晶体管(junctionless transistors)的单片3D硅芯片:采用晶圆级卷对转印工艺。
Mistral发布物理AI(Physics AI)能力,作为其企业级AI平台的新基础能力,面向ASML、Airbus、Safran、Siemens Energy等合作伙伴,支持加速产品设计、工装工艺设计和实时数字孪生;该能力基于数据驱动模型,可在单GPU上秒级预测物理场,与现有语言/多模态模型、智能体工作流工具及私有AI基础设施共同构成端到端工程生命周期AI栈。
Hugging Face 发布 speech-to-speech 开源库,实现 Reachy Mini 机器人全本地语音对话,无需云端音频传输;栈包含 Silero VAD。
TRL 发布 Delta Weight Sync 功能,利用 bf16 权重在 RL 训练中高达 99% 的逐步稀疏性,将模型权重更新编码为 sparse safetensors 文件并上传至 Hugging Face Bucket。
MiniMax 官方发布 Agent Team,一种由主控 Agent(Leader)驱动、Worker 与 Verifier 协作的多智能体系统,支持长时任务、IM 异步响应、编码 Harness、并行研究与流水线文档写作;合并 TokenPlan 与 Agent Plan 订阅,桌面端已上线,M3 模型同期将开源 Agent Team。
ElevenLabs 发布 Music v2 音乐生成模型,提升人声、器乐与编曲质量,支持跨流派无缝切换、密集歌词演唱、内嵌音效及多语言歌词可靠性;新增分段生成与精细化重绘能力;同步降低 ElevenAPI 与 ElevenCreative 定价;当前已上线 ElevenMusic 和 ElevenCreative,即将登陆 ElevenAPI。
Google 开源团队为 TestParameterInjector 测试框架发布 Kotlin 原生支持功能 KotlinTestParameters,通过 testValues() 和 namedTestValues() 函数实现类型安全、免 YAML、免 Provider 类的参数化测试定义;该功能取代原有的 @TestParameter({"..."})、@TestParameters 和 Provider 类模式,推荐用于所有新 Kotlin 测试。
MiniMax 针对 M2 系列模型无法生成“马嘉祺”等低频中文词元的现象开展内部调查,发现根本原因是监督微调(SFT)阶段数据中相关词元覆盖严重不足,导致 lm_head 层对应权重向量发生显著漂移。
GlobalPlatform 联合 zeroRISC 等机构发布 Pavona 开源硬件生态系统,提供基于 OpenTitan 的安全芯片参考设计、架构组合引擎(支持 ARM/RISC-V)、软件工具链及开放治理框架,目标是推动可复用、可验证的开放安全硬件在 IoT 到数据中心场景中的采用。
Mistral AI 宣布已签署最终协议收购奥地利公司 Emmi AI,旨在强化其在工业 AI 领域的领导地位;Emmi AI 专注 Physics AI,提供大型工程模型,支持实时仿真、数字孪生与工程工作流加速;其超 30 人的研究与工程团队将于 5 月加入 Mistral AI 的 Science 和 Applied AI 团队。
Mistral 发布 Mistral Medium 3.5——一款 128B 密集架构、256k 上下文窗口的开源大语言模型,支持指令遵循、推理与编码一体化,在 SWE-Bench Verified 上达 77.6%。
Mistral AI 发布 Studio Connectors 功能,支持内置及自定义 MCP 连接器通过 API/SDK 用于所有模型与智能体调用;新增直接工具调用。
ElevenLabs 官方宣布其 Voice Marketplace 上的语音创作者总收入在六个月内从 1100 万美元增长至超 2200 万美元,平台已有超 10400 名创作者上传专业语音克隆。
智谱、驭驯网络与清华大学联合提出ZCube组网架构,在GLM-5.1 coding千卡推理生产环境中落地验证:相比ROFT架构,在GPU、软件栈及应用不变前提下,交换机与光模块资本支出减少33%,GPU平均推理吞吐提升15%,TTFT P99降低40.6%。