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

• 统一音视频联合生成，支持文本/图像/音频/视频输入，单次可用9图3视频3音频参考，最长15秒双声道。
• 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：对照官方技术报告的局限说明，设计一组检验镜头一致性的测试提示

适合关注的人：关注这一主题的学习者

• 744B总参/40B激活，首次引入DeepSeek稀疏注意力，200K上下文，定位智能体工程与长时任务。
• 日期依据：官方更新日志；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GLM-4.x与GLM-5的参数表，理解稀疏注意力如何降低长上下文成本

适合关注的人：使用图像、视频或语音工具的创作者

• 把图像生成与编辑合并为一个模型，可用约1k token长指令直出信息图、海报，原生2K且推理更快。
• 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：同一张图分别用生成和编辑指令处理，观察统一模型的前后一致性

适合关注的人：使用图像、视频或语音工具的创作者

• Video/Image 3.0及Omni系列，视频最长15秒并原生生成多语言与方言音频。
• Omni可从参考视频复刻角色。

导读建议的练习：练习用时长、景别、运镜等分镜参数写提示，并比较有无参考视频的差别

适合关注的人：正在使用 AI 编程工具的开发者

• 融合 GPT-5.2-Codex 的编码能力与 GPT-5.2 的推理和专业知识，厂商称速度提升约 25%。
• 支持执行中途人工引导，面向长时代理编码。

导读建议的练习：在 Codex CLI 中练习“中途引导”：分阶段给代理纠偏，体会人与编码代理的协作方式。

适合关注的人：使用图像、视频或语音工具的创作者

• 9B 全模态开源模型，支持实时全双工音视频交互。
• 厂商称视觉与语音能力接近 Gemini 2.5 Flash。

导读建议的练习：按仓库说明在本地跑实时演示，理解全双工“边听边说”与轮流对话的区别

适合关注的人：使用图像、视频或语音工具的创作者

• 面向影视短剧的音画同出视频模型，单次最长16秒、1080P，支持多语言文字。
• 后续增加参考生视频等变体。

导读建议的练习：对比pro、turbo、drama等变体的定位，练习按场景选模型而不只看排行榜

适合关注的人：关注这一主题的学习者

• 基于Qwen3-235B的开源医疗增强模型，Apache 2.0，建模临床问诊流程并用事实性强化学习降低幻觉。
• 日期依据：仅媒体报道，待官方确认；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：读其论文对临床问诊的建模方式，思考垂直领域应如何设计专门评测

适合关注的人：关注这一主题的学习者

• Nova 2 Lite 是低成本推理模型，支持文本、图像、视频与文档输入及可调思考预算，已上 Bedrock。
• Nova 2 Pro 同期开放预览。

导读建议的练习：体验不同思考预算档位对延迟与成本的影响，并了解云平台托管模型的微调定制流程。

适合关注的人：关注这一主题的学习者

• Large 3 为 675B 总参、41B 激活的稀疏 MoE，另含 3B/8B/14B 的 Ministral 3，全系 Apache 2.0 并支持看图。
• 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：先在本地用 Ministral 3 小模型做多语言与看图问答练习，再阅读 Large 3 的 MoE 设计。

适合关注的人：关注这一主题的学习者

• V3.2-Exp的正式版，首次把思考过程融入工具调用。
• 另有仅限API、限期开放的推理强化版V3.2-Speciale。

导读建议的练习：阅读技术报告中Agent训练环境合成部分，了解大规模任务数据如何构造

适合关注的人：使用图像、视频或语音工具的创作者

• 文本生成视频新旗舰，厂商称运动质量、提示遵循与画面细节提升。
• 官方也坦承仍有因果顺序、物体恒存和“动作总是成功”等局限。

导读建议的练习：专门设计测试提示检验因果与物体恒存问题，学习如何客观评估视频生成模型。