Elorian 發布首個模型 Glimpse，推理中可裁剪圖片、抽影片幀
Elorian 發布首個模型 Glimpse，主打「視覺草稿空間」：模型在推理過程中可反覆回到原圖，裁剪區域性、抽取影片幀，或執行程式碼去測量和比較。該模型以研究預覽形式上線，提供 API，聊天介面需排隊；輸入每百萬 token 0.60 美元、輸出 3 美元。Elorian 稱其用幾百塊 GPU 訓練、規模遠小於對標的前沿模型，卻在科學圖表推理和短影片描述上超過 GPT-6 Astra。首批目標是機器人、科研、媒體等握有大量影片的公司。
首次把裁剪放大、抽幀、執行程式碼做成貫穿推理的機制，並公布 0.6/3 美元定價與超越 GPT-6 Astra 的自測結果，對關注多模態與影片理解 API 成本的開發者有用。
原標題：Elorian’s first AI model wants to reason with images, not just about them
閱讀原文
| 評分 | 63 / 68（平均 65，門檻 76） |
|---|---|
| 狀態 | 未入選 |
相關報導
Cloudflare 發布 Clef-omni，可同時輸入音訊、影片、影像與文字
Cloudflare 推出開源權重決策模型 Clef-omni，能在一次 API 呼叫中同時接收音訊（wav/mp3）、影片（mp4/webm）、影像和文字輸入，模型基於 Qwen3-Omni-30B-A3B-Instruct 的 MoE 架構訓練 LoRA，權重已發布在 HuggingFace。官方稱純文字決策中位延遲約 130 毫秒、影像約 150 毫秒、音訊數百毫秒，含聲音的 21 秒影片約 1.5 秒。
尤拉永珍與港科廣開源 UniWAM，LIBERO 成功率 99.2%
尤拉永珍與香港科技大學（廣州）聯合開源具身模型 UniWAM（統一世界與動作模型），將語義理解、未來視覺預測與動作生成納入統一架構，並首次揭示人機聯合訓練的 Scaling 趨勢。模型在 LIBERO 取得 99.2% 平均成功率、LIBERO-Plus 92.6%、RoboTwin 2.0 C2R 68.32%，真機在雙臂 AgileX Piper 平台上平均任務成功率 67.5%、指令跟隨率 82.5%，長程桌面整理進度得分 5.0/6。程式碼與權重已全部開源。
Ollama v0.35.1 支援 Cloudflare 決策模型 Clef
Ollama 發布 v0.35.1，通過 /v1/systemone 介面支援 Cloudflare 新開源的決策模型 Clef（27B）與 Clef Flash（9B），兩者均為多模態，請求可在文字 state 之外附帶圖片，所有問題共享該狀態並聯合打分。同一版本把聯網搜尋上限從每次回應 3 次提高到 10 次，Modelfile 新增 CAPABILITY 宣告，並更新了 llama.cpp 與 MLX 引擎。
OpenAI 公開內部前沿模型數學成果與 Lean 形式化證明
OpenAI 於 2026 年 10 月 6 日發布由內部前沿模型產出的多項數學結果，以 GitHub 倉庫形式公開，併為其中許多證明提供 Lean 形式化驗證。倉庫同時給出 10 份模型推理摘要、以 ChatGPT Pro 用量折算的算力估算，以及嘗試題目數量的統計，平均每個結果約消耗相當於 3 小時 ChatGPT Pro 思考的算力。
DeepSeek-V4.1-Flash-1017 發布，主打端到端專案開發
DeepSeek 發布 DeepSeek-V4.1-Flash-1017，該模型通過帶自我反饋的強化學習提升端到端專案開發能力，覆蓋從遊戲製作到 3D 建模的完整流程。官方以演示形式展示實際效果，未在帖文中給出引數規模、上下文長度或 API 價格等資訊。