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
简智机器人开源具身智能行业最大规模无本体数据集RealOmni，覆盖10大场景、30余项技能，含超10,000小时、百万条以上高质量多模态数据；首批数据已在百度百舸AI计算平台上线，支持一键启动分布式训练；百度百舸成为首家全面适配RDT、π0和GR00T N1.5三大主流开源具身VLA模型的云平台，提供π0.5训练加速35.0%+、世界模型推理加速36%+等工程优化。
NVIDIA 发布 Cosmos Reason 2，一款面向物理 AI 的开源推理视觉语言模型（VLM），在 Physical AI Bench 和 Physical Reasoning 榜单位列第一。
TII与Hugging Face联合发布Falcon-H1-Arabic模型家族（3B/7B/34B），采用首创的Mamba-Transformer混合架构，上下文窗口达128K–256K tokens，显著提升长文本连贯性、方言覆盖（埃及、黎凡特、海湾等）及STEM推理能力；在OALL、3LM、ArabCulture、AraDice等阿拉伯语基准上全面刷新SOTA。
NVIDIA 在 CES 2026 展示了基于 DGX Spark 和 Reachy Mini 的桌面级具身智能体方案，使用 Nemotron 3 Nano 推理模型、Nemotron Nano 2 VL 视觉模型和 ElevenLabs TTS，通过 NeMo Agent Toolkit 实现多模型路由与工具调用，并提供完整开源代码与分步部署指南。
Arvid Kahl 在文中主张，软件产品应通过简化数据导入导出（如 CSV、Apache/Nginx 配置导出）来增强用户信任与留存，而非制造厂商锁定；他以 Permanent Link（URL 缩短与归档服务）、Fathom Analytics 数据迁移、Podscan 和 Feedback Panda 等自身 SaaS 实践为例，说明开放数据权既降低用户决策门槛、提升初期采用率，又支持用户自主分析与灾备，最终形成更可持续的客户关系。
SGLang v0.5.7 正式发布，新增对 Mimo-V2-Flash、Nemotron-Nano-v3、LLaDA 2.0、Qwen-Image-Edit 系列及 Qwen-Image-Layered 等模型的 Day 0 支持。
通义实验室推出Qwen-Image-2512，即Qwen-Image文生图基础模型的12月更新版，相较8月发布的初版，在人物质感（如面部细节、皱纹、发丝）、自然纹理（如水流。
百度智能云在 Create 2025 大会上发布昆仑芯超节点，将 64 张昆仑芯 XPU 集成于单机柜，卡间互联带宽提升 8 倍，单整机柜训练性能提升 10 倍、单卡推理性能提升 13 倍；支持 1U 4 卡液冷设计，单节点一人即可维护，XPU 温度降低 20℃ 以上，并可在风冷机房通过天玑 1.0 CDU 部署。
SGLang 官方发布 Model Gateway v0.3.0，包含六大层指标架构重构、UUID 工人资源管理、统一推理网关（IGW）模式支持全部路由器类型、新增 tokenize/detokenize HTTP 接口、GLM-4 函数调用解析器、原生 embeddings 支持、服务端 TLS、Go 实现版本等新功能与重大增强，并列出迁移检查清单。
ServiceNow 发布 AprielGuard，一个 8B 参数的安全-安全守卫模型，用于检测 16 类安全风险（如毒性、非法活动、隐私侵犯等）及多种对抗攻击（如提示注入、越狱、记忆劫持、多智能体利用序列），支持独立提示、多轮对话和智能体工作流（含工具调用与推理轨迹）三种输入格式，并提供推理模式（可解释分类）与快速模式（低延迟分类）。
文心新模型ERNIE-5.0-Preview-1203以1451分登顶LMArena文本榜中国第一，超过Claude-Opus-4-1、GPT-5.2等多款主流模型；该模型参数量达2.4万亿，为原生全模态大模型，支持文本、图像、音频、视频输入输出；百度千帆同步完善企业级Agent Infra，提供模型服务、MCP广场、数据智能平台及运行保障能力。
通义团队发布 Qwen-Image-Edit-2511，相比 Qwen-Image-Edit-2509 提升了角色一致性（含多人合照）、集成了社区 Lora 能力（如打光、新视角生成）、增强了工业设计与几何推理能力；线上可在 Qwen Chat 使用图像编辑功能，本地最佳效果需通过 ModelScope 部署。引用技术报告为 arXiv:2508.02324。
通义千问团队发布 Qwen3-TTS 家族两款新模型：音色创造模型 Qwen3-TTS-VD-Flash 和音色克隆模型 Qwen3-TTS-VC-Flash，均通过 Qwen API 提供服务。
作者作为独立开发者，分享其在Podscan项目中实践的六种机器辅助营销方法：程序化SEO（公开播客转录页并引导注册）、模式曝光（基于业务数据生成行业趋势图表）、AI相似客户挖掘（从现有客户反推目标社区与内容场景）、AI客户评分（依据用户行为自动打分筛选高意向客户）、SEO友好型文档建设（知识库兼获客渠道）、竞品渠道复用（跟踪B2B竞品在LinkedIn等平台的触达方式）。
QwenTeam 推出 Qwen-Image-Layered，一款能将单张图像分解为多个 RGBA 图层的多模态模型，支持可变数量图层及递归分解；每个图层可独立执行重着色、物体替换、文字修改、删除、缩放和移动等高保真编辑操作；论文已发布于 arXiv:2512.15603。
vLLM 发布 v0.13.0 版本，包含 442 次提交、207 名贡献者（61 名新贡献者）；新增 BAGEL、AudioFlamingo3、JAIS 2 等模型支持。
Hugging Face 官方博客宣布 Transformers v5 对分词器系统进行重大重构，核心是将 tokenizer 架构（normalizer、pre-tokenizer。
Mistral AI 发布 Mistral OCR 3，整体胜率较 Mistral OCR 2 提升至 74%，在表格、手写体、扫描件和表单上显著增强，支持 Markdown+HTML 表格重建。
NVIDIA 发布 Nemotron 3 Nano 30B A3B 模型，并同步开源 NeMo Evaluator 评测库及完整 YAML 配置、日志与结构化产物。
Google DeepMind 于 2025 年 12 月 17 日发布 Gemini 3 Flash，是 Gemini 3 系列中面向速度优化的新模型，具备 Pro 级推理能力与 Flash 级延迟/成本效率。
开发者现在可向 ChatGPT 提交应用以供审核和发布，通过审核的应用将出现在产品内新建的应用目录中；OpenAI 同步更新了工具、指南和 Apps SDK，支持构建能触发真实世界操作的聊天原生体验。
Google DeepMind 发布 Gemma Scope 2，一套面向 Gemma 3 全系列（270M 至 27B 参数）的开源可解释性工具，支持稀疏自动编码器（SAE）和跨层转码器，可用于分析幻觉、越狱、拒绝机制与思维链忠实度等安全相关行为；该套件基于约 110 PB 数据训练，总参数超 1 万亿，交互演示由 Neuronpedia 提供。
Google Research 为 STOC 2026 开发并实验部署了 Paper Assistant Tool（PAT），一款基于 Gemini 2.5 Deep Think 的专用 AI 工具。
IBM 研究院开源的可配置通用智能体 CUGA 正式上线 Hugging Face Spaces，支持 gpt-oss-120b 等开放模型，集成 Langflow 可视化编排、MCP/LangChain 多工具调用及计算机使用能力，并在 AppWorld 和 WebArena 基准中取得领先成绩。