AI 世界，正在发生

适合关注的人：使用图像、视频或语音工具的创作者

• 统一理解文本、图像、视频与声音输入的视频模型，默认 2K、最长 15 秒并原生生成立体声。
• 发布时称权重计划开放。

导读建议的练习：同一脚本分别用纯文本和带参考素材生成，体会统一多模态输入带来的差别

适合关注的人：使用图像、视频或语音工具的创作者

• 单次生成由15秒延长到30秒，可引用30图、10视频、10音频，支持时间戳级编辑。
• 官方坦言复杂动作仍待改进。

导读建议的练习：阅读官方“已知不足”段落，练习为生成视频写评测清单，而不只看演示片段

适合关注的人：关注这一主题的学习者

• 厂商称相对 Opus 4.8 为跨代提升。
• 价格维持 $5/$25，1M 上下文、128K 输出，effort 分 low 至 max 五档，思考默认开启。

导读建议的练习：实验不同 effort 档位对答案质量和 token 消耗的影响，学会把 effort 当作主要调参手段。

适合关注的人：使用图像、视频或语音工具的创作者

• 联合训练图像、视频与音频的多模态流模型，视频最长 20 秒并带原生音频。
• 分 Video、Image、Action、Dev 四线分批早期开放。

导读建议的练习：阅读其“真实世界模型”文章，理解多模态联合训练如何延伸到机器人动作预测这类新方向。

适合关注的人：使用图像、视频或语音工具的创作者

• 微软自研：图像 Pro 版主打高保真与图内文字渲染。
• 厂商称语音 Flash 版比 MAI-Voice-2 快 2 倍、便宜 32%，两者均在 Foundry 公共预览。

导读建议的练习：横向比较几家图像模型的图内文字准确度，并了解自研模型如何嵌入办公与客服产品。

适合关注的人：使用图像、视频或语音工具的创作者

• 第三代图像生成：约4.5k token长提示、10px小字与12种语言渲染。
• 未公开权重、基准与技术报告。

导读建议的练习：用报纸、试卷等密集版式提示词测试文字渲染，并保留失败样例做对比

适合关注的人：关注这一主题的学习者

• 书生科学多模态模型，厂商称 397B 规模在分子设计、材料结构生成等任务上对标此前万亿参数版。
• 9 月推出正式仓库。

导读建议的练习：浏览模型卡中的科学任务示例，了解多任务强化学习如何把通用模型变成科研助手

适合关注的人：关注这一主题的学习者

• 2.8T总参/104B激活MoE，1M上下文、原生视觉，推理始终开启。
• 按承诺于7月27日前开放权重。

导读建议的练习：读技术报告中KDA线性注意力与注意力残差部分，并与K2.6的架构表对照

适合关注的人：关注这一主题的学习者

• 同代模型首次按能力与成本分三档：Sol 追求前沿能力，Terra 平衡，Luna 面向高并发。
• 配套程序化工具调用和多代理指南。

导读建议的练习：用一张表整理三档的适用场景与价格，练习在“效果、速度、成本”之间做取舍。

适合关注的人：使用图像、视频或语音工具的创作者

• 强化信息图与密集文字排版、点选/套索/图层分离等交互编辑与人像质感，支持十余种语言。
• 日期依据：官方公告日期；2026-10-09 编辑核对官方来源，能力描述为厂商自述，本站未复测。

导读建议的练习：用一份学习笔记生成信息图，再逐项核对数据与文字有没有被准确保留

适合关注的人：关注这一主题的学习者

• 在4月预览版基础上加强后训练与强化学习，295B总参/21B激活、256K上下文，Apache 2.0开源并接入元宝等。
• 日期依据：官方公告日期；2026-10-09 编辑核对官方来源，能力描述为厂商自述，本站未复测。

导读建议的练习：对比Hy3预览版与正式版的官方说明，理解后训练数据质量对效果的影响

适合关注的人：正在使用 AI 编程工具的开发者

• 新一代 Sonnet：定价 $2/$10，1M 上下文、128K 输出。
• 默认自适应思考，停用手动思考预算与非默认采样参数，新分词器约多 30% token。

导读建议的练习：关注分词器变化对成本估算的影响，练习用真实文本实测 token 数，而不是沿用旧经验估算。