Ollama 上線小米 9B 程式碼模型 MiMo V2.6
Ollama v0.40.15 新增小米 MiMo V2.6,這是面向程式碼與 agent 工作流的 9B 模型,可用 ollama run mimo-v2.6 執行。同版本還加入 AutoTrust 決策模型系列,含 9b、35b 與可讀圖的 27b-vl,能對給定問題返回選項、是/否機率與評分,其中 autotrust-jev 本次已支援 Apple silicon。
依意思最接近的 30 筆
Ollama v0.40.15 新增小米 MiMo V2.6,這是面向程式碼與 agent 工作流的 9B 模型,可用 ollama run mimo-v2.6 執行。同版本還加入 AutoTrust 決策模型系列,含 9b、35b 與可讀圖的 27b-vl,能對給定問題返回選項、是/否機率與評分,其中 autotrust-jev 本次已支援 Apple silicon。
v0.40.15 預發布新增 MiMo V2.6 模型支援。該版本還讓 mlx 在 Linux 上以程序內方式載入隨包附帶的 CUDA 庫,兩項改動均由 dhiltgen 提交。版本於 11 月 3 日 22:52 發布,標註為 Pre-release,僅含 1 個 commit;完整對比範圍為 v0.40.14 至 v0.40.15-rc0,發布頁資產列表顯示 19 項。
Momentic 推出 QA 智慧體 Mo,可自主探索 Web、iOS 與 Android 應用來查詢 bug。在 4 個開源專案、1396 個人工標註 bug 的 60 分鐘限時測試中,Mo 找到 269 個 bug,召回率 19.3%、精確率 84%,單個 bug 成本 2.67 美元;同場 Codex 為 86 個、6.2% 召回,Claude Code 59 個,Devin 27 個。
小米開源了 AI 桌寵硬體 HachimoDock,軟體原始碼已上傳 GitHub,硬體物料清單、結構件模型與裝配教程在嘉立創公開,自製成本約 150 元。它結合按鍵、搖桿、語音和觸屏,可語音指揮電腦端 Agent(如 Codex、WorkBuddy)並在螢幕上顯示思考、執行、等待確認等狀態,還能借 xiaomi Miloco 聯動智慧家居。內建小狗形象可換成照片或社群數萬形象,使用者能用自然語言分鐘級生成元件;熱度已導致開發板、螢幕等元器件漲價缺貨。
南大系初創公司南芥智慧(SinapisAI)發布首份技術報告,其 Mio 1.0 Lite 在九個公開 benchmark 上平均分 77.15/100 排名第一,平均每請求成本 0.06 元為全場最低,比分數最高的對手 GPT 6.1 Sol 高 6.35 分、成本低 94.0%。系統先為模型建立可量化的能力畫像,再結合任務需求與資源預算做模型選擇與協作,底層模型倉庫已收錄 484 個模型,產品平台於 10 月 8 日開啟公測。
模思智慧發布全雙工即時互動系統 MOSS-Live,可在說話的同時持續傾聽,並結合語義判斷何時回應、等待或接受打斷。官方評測中其停頓搶話率為 1.44%,低於 GPT Realtime 2.1 的 3.83% 和 Doubao SeedDuplex 的 14.29%,無關語音誤接話率為 2.00%。系統支援即時影片與螢幕共享、工具呼叫與後臺非同步執行,以及流式同聲傳譯。目前已開放線上體驗與 API 接入,API 限時免費。
模思智慧 10 月 12 日宣布完成超 10 億元 Pre-A 輪融資,由華控基金領投,國開科創、上海科創基金、新微資本、徐匯資本等參投,元禾控股等老股東繼續投資,資金將用於全模態即時互動智慧的研發與全球商業化。該公司孵化自復旦大學邱錫鵬團隊的 OpenMOSS,2026 年上半年已圍繞語音、視覺與即時多模態連續發布 20 多個開源模型,包括 MOSS-VL、MOSS-Audio、MOSS-TTS,並即將發布由前端互動模型與後端能動性模型協同的 MOSS Live 系統。
v0.32.2 於 10 月 16 日發布,核心改動是修復 MiMo-V2-Flash 的注意力數值縮放問題。同一版本還修復了 SMM 的 mask,並更新 Muse spark 在 Hugging Face 上的名稱。發布由 michalk8 完成,@ricky-chaoju 以首次貢獻者身份提交了 MiMo-V2-Flash 的修復,完整變更記錄為 v0.32.1...v0.32.2。
AI Engineer 播客最新一期由 swyx 對話 Moshi CEO Anekha Sokhal,主題是她為交易員打造的市場資訊推薦引擎。她把 Moshi 形容為 Bloomberg、Claude 與 Netflix 的結合:行情資料、操作介面,再按交易員的持倉給出定製推薦。她出身 Warwick 數學與統計,在摩根大通做能源衍生品交易,後獲富布賴特獎學金赴美創業。節目還談到可信信源、文件抽取、自建還是採購模型,以及 AI 工程師被要求「你就是整個團隊」的壓力;
10 月 16 日,範式智慧聯合睿思智聯發布一站式生產級 AI 部署平台模域(ModelSphere),面向企業免費開源,以 Apache 2.0 協議在 GitHub 上線。平台把算力管理、模型部署與執行最佳化整合為統一流程,可統一混合排程華為昇騰、天數智芯、摩爾線程、海光 DCU 等國產晶片,無需為不同晶片重寫底層程式碼。
ycombinator 與 Olam Labs 的研究者把上百個 AI agent 放進 Minecraft 及其多種模式,讓它們協作或互相對抗,結果這群 agent 沒能建成「文明」,反而陷進官僚內耗。實驗基於 Mindcraft 與 Mineflayer 指令碼工具搭建,意在為近期多 agent 案例提供參照:一邊是千級 agent 群體解決數百個開放數學問題,一邊是被稱「極其危險」的 OpenAI-Hugging Face 事件。
有人做了一款工具,追蹤 AI 行業領袖在影片中的公開表態,並展示他們觀點隨時間的變化。目前收錄了 Dario Amodei(累計 54 條)、Alex Karp(51 條)、Marc Andreessen(49 條)、Sam Altman(45 條)、Palmer Luckey(40 條)、Satya Nadella(23 條)、Elon Musk(21 條)、Yann LeCun(6 條)等人,頁面同時標註本週新增條數,例如 Alexandr Wang 本週有 5 條。
Moonshot 發布 Kimi K3.1 Pro,一款總引數 2.8T、啟用 104B 的多模態 MoE 模型,支援 100 萬 token 上下文;權重承諾 11 月 4 日開放,目前可通過 API 和產品使用。官網、App、Kimi Code 與 API 同時提供標準版和 Highspeed 版,官方稱 Highspeed 輸出快 2–3 倍、價格翻倍,並推出 24/7 執行、面向多智慧體協作的 Kimi Hosted Agents。
Kimi 發布 K3.1 Pro,號稱最強開放權重模型:MoE 架構 2.8T 總引數、104B 啟用引數,支援 1M token 上下文與多模態輸入。官方稱其在程式設計、agentic 與知識類基準上追平最強閉源模型,可完成 Unreal、Unity、Godot 整專案遊戲開發,擅長 Blender 與 CAD 引數化 3D 建模,金融任務幻覺率下降 65%。
面壁智慧與 OpenBMB 開源 MiniCPM-V 4.7,其中 35B-A3B 是 MiniCPM-V 系列首個 MoE 模型,約 3G 記憶體就能在 iOS、安卓裝置上流暢執行,iPhone 17 Pro Max 上解碼速度超過每秒 13 個 token。另有實際引數 1.3B 的 1B 版本,主打 OCR、數學與影片理解。
Kyojin 引擎基於 ExLlamaV3 為 AMD Strix Halo(gfx1151、ROCm)打造,讓 GLM-5.3-Flash 與 MiMo-V2.6-Flash 兩個 300B 級 MoE 模型分別裝進單臺 128GB 迷你主機。實測在 Ryzen AI Max+ 395 上,GLM 預填充 580 tok/s、解碼 26-30 tok/s,MiMo 解碼最高 44 tok/s(程式碼場景)。
Kimi 開源最新模型 K2.6,主打編碼、長程執行與 agent swarm,已上線 Kimi.com、App、API 和 Kimi Code。官方稱其在 Mac 上本地部署 Qwen3.5-0.8B 並用 Zig 實現推理最佳化,經 4000+ 次工具呼叫、12 小時、14 輪迭代,吞吐從約 15 提升到約 193 tokens/s,比 LM Studio 快約 20%;另以 13 小時重構 8 年曆史的 exchange-core,中等吞吐提升 185%。
微軟發布第三代自研 AI 晶片 Maia 300,將其定位為微軟產品與服務的主要 AI 推理系統,計劃 2027 年開始投入生產部署。微軟雲業務執行副總裁 Scott Guthrie 表示,相比主流的 GPU 系統,Maia 300 每兆瓦可多輸出 40% 的 token,並更能應對最新的推理模型與 agentic 任務。該晶片的設計目標是提升雲端 AI 工作負載的成本與效率,減少對 Nvidia GPU 的依賴。
Kimi K2.5 發布,官方稱其為迄今最強開源模型,原生多模態,在 K2 基礎上用約 15T 視覺與文字混合 token 繼續預訓練。其 Agent Swarm 可自行組織最多 100 個子智慧體、執行最多 1500 次工具呼叫,相比單智慧體執行時間最多縮短 4.5 倍。模型已上線 Kimi.com、App、API 和 Kimi Code;
Arena.ai 的 Code Arena 程式設計對戰中出現兩個匿名模型 Kibitz 與 Kalmia,社群普遍認為分別是月之暗面的 Kimi K3.1 和阿里 Qwen 4。有人發現 Kimi 官方域名配置介面曾返回切換目標 k3.1(當晚即被撤回),且 Kibitz 對 11 個用於識別 Moonshot 模型的特殊 token 均出現亂碼,與以往 Kimi 模型表現一致。成本上,Kibitz 完成同樣任務的 token 成本約為 GPT-6 Astra 的 1/14;
月之暗面正式推出 Kimi K3.1 Pro,這是 K3.1 系列的首個模型,引數量達 3 萬億,支援 100 萬 token 上下文。同時發布智慧水平一致、輸出速度約為普通版 2 到 3 倍的 Kimi K3.1 Pro Highspeed;兩款模型即日起上線 Kimi 網頁版、App、Kimi Work、Kimi Code 與 API,完整權重將於 11 月 4 日前發布。在 Artificial Analysis 智慧指數上,它以 55 分位列全球第四;
NVIDIA 發布 AIOps 平台 Minerva,為 AI 工廠提供端到端可觀測性。它把 GPU、網路、儲存、排程器與工作負載的遙測匯入動態知識圖譜,每小時分析數十億資料點,用於發現異常、預測故障並把告警風暴聚合為帶根因的事件;平台還內建 AI 助手,可連線外部 agentic 工具,目標是提升 GPU 正常執行時間與 AI 工廠產出。
Leash Bio 發布 Minos——一個讓 AI 智慧體進行可驗證科學推理的測試環境,同時公開預印本、部落格與開放資料集。其 DNA 編碼庫(DEL)多年積累的資料可提供數萬條「lab-in-the-loop」模擬,正好用作科學強化學習環境。在該沙盒中,LLM 需用自然語言推理構效關係,在 650 萬分子中、以 100 次預算找出最佳結合物。團隊自研的 Hermes 僅用自家資料訓練,在公開基準上與 Boltz 相當。
Mistral 宣布與輝達建立新合作,將 AI 引入工業工程,並加快模擬速度。合作還包含為物理 AI 發布開放基準與配套資料集,以及為 CAE、EDA 中的 agentic AI 提供評測。更多資訊見 Mistral 官方公告。
MicroZig 與 Zig Embedded Group 自 2026 年 10 月 28 日起實施嚴格的無 LLM、無 AI 政策,適用於其 GitHub 組織與 Discord 伺服器。政策禁止一切 LLM 生成內容,無論程式碼還是文字;也禁止改寫這類內容、用 LLM 校對拼寫語法、翻譯、頭腦風暴後分享結果、用 LLM 找 bug,甚至禁止談論聊天機器人或 LLM 服務的使用。專案方表示英文被鼓勵但非必需,歡迎使用母語發言、由他人自選翻譯工具理解;
Nexus Mods 宣布,上傳新模組時必須宣告作品中是否使用了 AI,AI 披露從此成為強制要求。站方稱收到的最集中反饋是模組使用 AI 時缺乏清晰披露;平台此前已設有 AI 生成與 AI 輔助標籤,但承認在讓這類資訊更易獲取、更清楚方面還能做更多。
a16z 第七版《百強 AI 消費者應用》報告首次新增月收入榜單,Meshy 位列第 31 名,是榜上唯一的 AI 3D 公司。該榜單依據資料分析公司 YipitData 追蹤的美國消費者銀行卡消費資料排名,同榜還有 OpenAI、Anthropic、Canva、Superhuman、Higgsfield。
AI 3D 生成公司 Meshy 披露,其 ARR 從 100 萬美元增長至 1 億美元,用時不到兩年,比 HeyGen 的 29 個月更快。Meshy 7 在自建幾何對齊基準中造型比例、空間分佈、表面細節三項指標領先受測模型,7.1 將幾何生成解析度從 2048³ 提升至 4096³。三七互娛已將其接入生產流程,基礎模型階段雕刻工作量減少 30% 至 40%。
Anthropic 週一發布研究報告,稱可自我複製的 AI 蠕蟲可能數月內就具備在 IoT 裝置上擴散的能力。報告稱 90 億引數模型在 9 類硬體中的 8 類上成功部署推理,Gemma4-26B-A4B 分散跑在 15 臺安卓電視盒上僅 0.39 tokens/秒;GLM-5.2 成功向 8 個安卓 15 模擬器節點傳播 Llama3.1-8B,5 次試驗中 4 次全部成功。
Google DeepMind 宣布,四個 Gemini 4 Argon 智慧體從零開始,在 27 小時內通關 Minecraft,全程沒有任何人類幫助。它們在沙盒環境中僅使用程式碼和文字操作,一共編寫了 2783 個程式,通過聊天分配各自的任務、共享筆記,並一起除錯出現的錯誤。