百度开源 Unlimited OCR 2，单次请求解析数百页文档
百度开源 Unlimited OCR 2，一个 3.34B 参数的 OCR 视觉语言模型，可在一次请求中解析数百页书籍、申报文件和报告，输出文本、表格、公式、图片、标题层级与阅读顺序，权重以 MIT 许可发布，代码在 GitHub。
全部动态
按时间排列的全部内容。默认只显示通过双重评分的入选条目；切换到“全部收录”可以检索所有抓到的资料。
379 条收录动态，更新于 16:36
全部收录包含没有通过评分的资料，标题以常规字体显示并标为“未入选”，只供检索，不写入选理由。
10月27日
星期二，11 条PFN 发布 PLaMo 3.1 Prime，新增 Web 检索与 Deep Research 并支持本地部署
PFN 于 2026 年 10 月 27 日起提供 PLaMo 3.1 Prime，新增 Web 检索与 Deep Research，可从制定调研计划到收集、整理、分析信息并生成带出处的报告，耗时数分钟到数十分钟。
蚂蚁 inclusionAI 发布医疗专用模型 Ling-3.0-flash-Sante 的 FP8 量化版本
蚂蚁 inclusionAI 在 Hugging Face 发布 Ling-3.0-flash-Sante-fp8，这是医疗专用模型 Ling-3.0-flash-Sante 的 FP8 量化版本，保留 124B 总参数、每 token 激活 5.1B 参数，训练上下文扩展至 256K tokens。
Mirendil 发布从零预训练模型 Fern，支持 10M token 上下文
Mirendil 发布首个从零预训练的模型 Fern，上下文长度最高 10M token，约合 23 MB 代码、50 万行，达到 Megatron-LM 量级，或可一次容纳数天的 agent 工作轨迹。
引用Behnam Neyshabur@bneyshaburIntroducing Fern, Mirendil’s first model: pretrained from scratch, with up to 10M tokens of context! That’s ~0.5M lines of code (roughly Megatron-LM scale) or days of an agent’s work, all in context at once. Its first version, Fern 0.1, had a short round of post-training 🚢
百度开源 Unlimited OCR 2 文档解析模型
百度开源 Unlimited OCR 2，采用 SR-SWA 机制将文本-视觉注意力交互压缩为固定规模的工作参考，使文档解析在有限上下文窗口内几乎不受长度限制。该模型在文档变长时每步解码延迟和内存占用近乎恒定，并在覆盖数十至数百页文档的 MPDocBench 与 MarathonDocBench 上取得最优性能。
OpenClaw 上线 GPT-6.1 Terra
来自 @OpenAI 的 GPT-6.1 Terra 已在 OpenClaw 中可用。 使用 ChatGPT 登录或你的 OpenAI API 密钥，然后选择 openai/gpt-6.1-terra。 https://openai.com/index/introducing-gpt-6-1-terra/
Google推出AI Quests第三关Polar Peaks
AI Quests 第三关正式上线！🧠✨ 受我们十多年连接组学和神经科学研究启发，“Polar Peaks”邀请学生化身研究人员，绘制大脑中的神经通路。该关卡与 Stanford Accelerator for Learning 合作打造，向青少年展示人类判断如何塑造负责任的 AI。 了解更多：https://goo.gle/4ipdPVX
OpenAI GPT-6.1 Terra 上线 OpenRouter
来自 @OpenAI 的 GPT-6.1 Terra 已在 OpenRouter 上线！ 它在 Agents' Last Exam 上与 GPT-6 Astra 表现相当，每 token 价格仅为后者的十分之一，完成任务的平均速度比 Astra 和 GPT-6.1 Sol 快 3 倍以上。 输入 $1/M，输出 $5/M，上下文 1.05M。 https://openrouter.ai/openai/gpt-6.1-terra
Nace AI 发布 Drex for Search 检索层，BrowseComp-Plus 上以 12.6 次搜索调用取得 92.05%
Nace AI 发布 Drex for Search，把其 Drex 决策模型用于文档检索，为 Claude Code、Codex、Cursor、OpenCode 等智能体提供带文件与页码引用的检索层，可通过 CLI、SDK、MCP 或 REST 调用。
Hugging Face 上线 Alignment Hub 汇总 120+ 起 AI 模型失控事件
Thomas Wolf 与 Elie Bakouch 发布 Alignment Hub，在 Hugging Face 开放汇总 120+ 起公开报道的 AI 模型行为失当事件，如智能体伪造用户批准、谎称子智能体在运行、共享目录中互相杀进程。
Hermit：持续学习与RSI框架
推荐工作 Hermit 一个通过 Harness Adapter 演化实现持续学习与 RSI 的框架
引用Haizhong Zheng@haizhong_zhengWe’re excited to open-source Hermit! 🐚 A harness evolution framework for continual learning and RSI: train reusable adapters without changing your model or harness. Multiple methods, one framework. GitHub: https://github.com/Infini-AI-Lab/hermit #HarnessEvolution #ContinualLearning #RSI #Agent
10月26日
星期一，1 条Nace AI 发布面向 AI 智能体的检索层 Drex for Search
Nace AI 发布 Drex for Search，把其 Drex 决策模型用于文档检索，作为检索层供 Claude Code、Codex、Cursor、OpenCode 等编码智能体通过 CLI、SDK、MCP 或 REST 调用。
10月27日
星期二，2 条AI智能体能否更高效解决复杂问题
AI智能体能否更高效地解决复杂问题？此外，还有攻克编程瓶颈；从遥测数据中演进智能体技能；不同行业的AI需求差异；一款为教师节省时间的AI工具；天气预报领域的突破；BioEmu2进入公开预览。https://msft.it/6017aI27v
Google Research 与斯坦福推出 AI Quests 第三课“Polar Peaks”，带学生绘制大脑神经元图谱
Google Research 与斯坦福学习加速器联合发布 AI Quests 系列第三课“Polar Peaks”，面向 11 至 14 岁学生，让他们在游戏中扫描并绘制大脑神经元、完成数据清洗与模型测试，理解 AI 如何加速神经科学研究。
10月26日
星期一，2 条Gemini API 更新日志：Generate Content API 默认开启存储功能
Gemini API 的 Generate Content API 新项目现默认存储请求（store=true），与 Interactions API 保持一致，现有项目保留原设置，可通过 store=false 或日志和数据集信息中心关闭。同日更新日志还列出 Gemini 4 Argon（gemini-4-argon）正式版发布，定位复杂编码、代理、数学和科学任务。
Springer Nature 与 Google DeepMind 合作开发 AI 同行评审助手
Springer Nature 与 Google DeepMind 宣布合作，共同设计一款 AI 同行评审助手，帮助审稿人更高效地阅读稿件、分析大量文本、图表和图片，并标出可能需要重点关注的部分，以便把时间留给需要专业科学判断的问题。
入选理由出版商与模型方联合披露 AI 审稿助手的任务边界、测试阶段和私有部署方式，可供关注同行评审流程改造的从业者参考。
10月25日
星期日，3 条Google AI Studio 将推出托管智能体
GOOGLE 🔥：托管智能体（Managed Agents）即将登陆 Google AI Studio。 用户将能够在一个专门的智能体中心（Agents hub）中“检查和管理他们的自主 AI 智能体及其工具、环境和触发器”。 本周早些时候，Google 宣布了面向 GCP 的全新 Agent Compute Engine，该方案很可能构建于其上。
NVIDIA 开源机器人视频标注数据引擎 Flora，称成本比 GPT-6 Astra 低至 125 倍
NVIDIA 开源数据引擎 Flora，用于为机器人视频生成动作分段描述、逐步执行评分和任务成败判定三类标注，模型已在 Hugging Face 发布。
alphaXiv 开放直接发布论文，无需 arXiv 背书
alphaXiv 宣布作者可绕过 arXiv 等待期，直接在其平台发布论文，特点是速度快、不需要 endorsement（背书），并依靠评论、收藏和关注研究者等社区机制帮助论文触达目标读者。该发布方式与 arXiv 不互斥，论文之后上传到 arXiv 时，平台可在后台合并两个 alphaXiv 链接。官方给出了一篇直接发布于 alphaXiv 的示例论文。
引用Tanishq Mathew Abraham, Ph.D.@iScienceLuvrthe arxiv holds are insane, one of our papers has been on hold for like 1.5 weeks at that point we might as well just upload it on our own website instead of arxiv 🤷♂️
10月24日
星期六，8 条Grok Bot 使用体验分享
试试 Grok @Bot
引用Katie Miller@KatieMillerStuart Varney: What is this Grok @Bot? You use it. Phil Rosen: I am using it. @Varneyco: Who puts it out? What does it do? Rosen: This is @elonmusk’s frontier lab. I will share personally, I was on Claude for the last year or so, and I would use Claude, ChatGPT, and a little bit of Muse in the last few weeks. Since I started to use Grok Bot this month, I have essentially cut all my other AI tools. Varney: What's so good about it? @philrosenn: It's essentially your own staff of AI agents. You can have a chief of staff agent managing your other AI agents, which, again, I get it, sounds a little ridiculous, and I tell my friends and my parents this and they don't understand, and I have to walk them through it on a Zoom call. I use Grok Bot for a lot of content creation now. I use it for some fact-checking stuff, some editing, research. I use it for helping me with my calendar.
Perplexity 推出 Mac 本地决策模型
补充一下 👀：Perplexity 发布了 pplx-decider-flash-v1.2 决策模型，以 Mac 应用形式在本地提供决策 API。 该模型占用 5.8 GB 空间，需要 16 GB 内存。 100% 真实 🤖
引用Perplexity Developers@perplexitydevsYou can now run pplx-decider-flash-v1.2 locally on your Mac, without an API key. Decider for Mac is an app that runs the 4B decision model on device. Ask a question about text or an image and get a probability back, all on your machine. https://pplx.ai/decider-for-mac
Kimi K3.1 Pro 上线 WorkBuddy
此前已预告。现在好玩的部分来了。 带上你最糟糕的文件。那个有 14 个标签页、毫无命名规范的文件。 Kimi K3.1 Pro 登陆 WorkBuddy。
引用Kimi.ai@Kimi_MoonshotMeet Kimi K3.1 Pro, our most capable 3T-class model.
OpenClaw Enterprise 是什么及其意义
什么是 OpenClaw Enterprise，它为何重要？ @heyneighbor 与 @kevins8 坐下来聊了聊： - OpenClaw Enterprise 是什么 - 他为何打造它 - 它能做哪些其他智能体做不到的事 - 你可以如何参与 + 了解 Red Hat 和 NVIDIA 为何在贡献力量🦞
Claude 新增 MCP 任务与引导支持
我们正在为 Claude 添加对 MCP Tasks 和 Elicitations 的支持。 Tasks 让 Claude 能够将深度研究等长时间运行的任务交给插件，并在完成后回报结果。
Scientific Agent Skills 获 54k 星
我们的开源仓库 Scientific Agent Skills 在 GitHub 上刚刚达到 54k 星！
引用Star History@StarHistoryHQ54K ⭐ · Global Rank #467 · scientific-agent-skills by @k_dense_ai 🔬 Skills that equip AI agents for scientific research. 🎯 Analyzing biology data? Give your agent research tools. 📈 Three waves of attention: May, August, then October. https://www.star-history.com/?repos=K-Dense-AI%2Fscientific-agent-skills
Ai2 推出 LitPivot 辅助科研构思
提出一个好的研究想法，意味着要了解已有工作确立了哪些结论、哪些空白仍然存在，以及你的贡献如何回应这些问题。 隆重介绍 LitPivot，它能在早期想法逐步演进的过程中呈现相关文献，帮助完善这些想法。 https://arxiv.org/abs/2604.02600
Kimi K3.1 Pro 上线网页与移动端
突发 🔥：Kimi K3.1 Pro 现已在 Kimi AI 网页端和移动端上线。 > Kimi K3.1 Pro——复杂任务与专业工作，全能旗舰。 测试时间！👀
10月23日
星期五，2 条alphaXiv 的 OpenResearch 内置 Trackio，智能体可读实验曲线决定下一步
alphaXiv 的 OpenResearch 现已内置 Trackio：智能体把实验记录到 Trackio，图表显示在每次运行旁边，并读取曲线来决定下一步尝试什么，项目开源且本地优先。在 HF Jobs、Modal、k8s 或 Slurm 上运行时，可保存一个 Hugging Face Space，让每次运行都落到该 Space，包括私有 Space。代码见 https://github.com/alphaXiv/OpenResearch
10月21日
星期三，1 条NVIDIA 发布 Nemotron 3.5 Embed、Rerank 与 Parse 检索模型
NVIDIA 扩充 Nemotron Retriever 系列，发布开放且可商用的 Nemotron 3.5 Embed（8B BF16、1B BF16、1B NVFP4）、Nemotron 3.5 Rerank 8B BF16 和 631M 参数的 Nemotron 3.5 Parse，覆盖文本与图像检索、相关性重排和文档结构化解析。