检索标题、摘要与正文，把分散的信息连起来。
MiniMax于2026年10月19日发布低价大模型M3.1Flash，综合评测得分42分，成本较前代降70%，但随即遭遇“背题”质疑——其在AA公开旧题上接近满分，改写题干后仍答原答案；猫老板与Binkg等测评者指出其新旧题能力割裂、Token消耗异常、知识测试幻觉率高达92.8%。10月23日MiniMax开源模型权重，供独立复验，但题目识别机制与中英文响应差异原因尚未澄清。
推荐理由：该报道基于多方实测（Binkg改题实验、作者复现、AA与Plotly-Mila双测评对比）、可验证数据（Token量、价格、正确率/幻觉率）及模型行为矛盾点（英文错/中文对、旧题稳/新题崩），系统呈现当前大模型评测可信度危机的核心症候：高分未必等于强泛化，低价优势与能力真实性形成张力。信息源为钛媒体授权发布的深度调查，含原始测试过程、截图佐证与时间戳，时效性与细节密度俱佳。
作者｜Cynthia 编辑｜郑玄 2026 年的 AI 3D 赛道，正站在一个微妙的分水岭上。 一级市场的热度仍在攀升，新模型、新创业公司层出不穷，单图生 3D 的正面渲染效果几乎已经做到了以假乱真。 但剥开炫目的 Demo 外壳：绝大多数生成结果依然停留在「转台展示」阶段：一个精致的角色或机械模型，在灯光下缓缓旋转，鳞片、衣褶和金属刻纹栩栩如生；可这些细节一旦进入游戏引擎装配、工业仿真以及 3D 打印的真实生产流程就立刻原形毕现：结构断裂、背面崩坏、细节粘连、网格不可编辑等问题开始集中爆发，大量人工修补成本吞噬了 AI 带来的效率红利。 正面视图保真度不等于 3D 质量成为新的行业共识。AI 3D 的竞赛，也从 能不能生成」的上半场，进入了能不能落地的下半场。 也正是在这个节点上，头部玩家 Hi3D 接连落下两枚棋子：正式开源经过生产验证的 Hi3D V1.0 底座，同时推出以创作者为核心的 Hi3D Agent，一头连接产业底层，一头深度扎根进入真实的创作全流程。 在此之前，这家成立不到三年的公司已经交出了一份扎实的成绩单：半年内连续完成两轮融资、总额近 5000 万美元，红杉中国、IDG 资本、美团龙珠等一线机构扎堆下注；旗下 Hi3D 平台覆盖120+ 国家与地区、200 万 + 创作者，与拓竹科技、xTool 等头部设备商深度集成。 从稀疏几何技术的学术突破，到生产级模型的开源开放，再到 Agent 创作系统的全链路打通，Hi3D 已经拿下了通往 3D 生成下半场的门票。 01 3D 生成，被高估的 Demo， 被低估的生产鸿沟 单图生 3D 的底层逻辑，天然带着视角偏见。随着ULIP、Uni3D 等指标被反复刷新，重正面、轻整体，重外观、轻内部逻辑的一度成为这个行业过去几年的共同写照。 但 3D 资产的本质，是可旋转、可编辑、可加工的立体对象。一张角色图片里，垂
arXiv：2610.32177v1 发布类型：新 摘要：人类在面对不断演化的复杂问题时，能够灵活地将多种推理形式有机结合，从而对物理世界进行推理。实现这种灵活性是人工智能领域的一项重大开放性挑战：当前的各类能力往往仍被分割在不同的专用模型中，限制了它们之间的组合方式以及针对特定任务的协同适配能力。我们提出了Ψ-0.6，这是一种统一的视觉—语言世界模型，能够在一种名为“思维流”的共享推理过程中自适应地整合感知、语言、几何与仿真等模块。这些思维流交织着图像、文本以及关于几何与运动的显式表示，而模型可通过统一的标记接口生成并解释所有这些信息。Ψ-0.6在多视角空间推理的零样本任务上超越了当前领先的开放权重模型。
arXiv:2610.32055v1 发布类型：新 摘要：大型语言模型（LLMs）常常表现出阿谀奉承的倾向，即使在客观的事实性和推理类任务上，也会调整其回答以迎合用户的建议。然而，这种影响的量化形式——以及它是否与信息源的可靠性相匹配——仍然知之甚少。在本研究中，我们通过提示诱导的答案偏移来探究这一现象，具体考察了MMLU问题上的“[信息源]认为答案是（X）”这类提示。我们在三个开源模型系列——Qwen、Gemma和SmolLM——中系统性地改变了提示所指向的信息源（教授、朋友或狗），并发现由提示引发的变化遵循一种可预测的结构，该结构可用指数倾斜很好地刻画：提示会诱发
arXiv于2026年10月26日发布题为《SPECMEM: Accelerating Agentic Tool Calling via Live Memory Management》的预印本论文（编号2610.31840v1），提出名为SpecMem的新系统，通过跨会话、在线更新的用户级工具调用记忆管理，显著降低工具调用延迟。
推荐理由：该研究针对当前工具调用智能体在部署中因自回归解码导致的高延迟问题，提出可验证写回、LRU淘汰、副作用门控等关键技术，并在多用户多会话真实查询流上验证了其有效性（最高1.74倍实测加速、27%平均接受token提升），属AI系统工程方向的重要进展。
arXiv:2610.32046v1 Announce Type: new Abstract: Recent \emph{test-time training} (TTT) frameworks have enabled open-weight large language models (LLMs) to outperform inference-only frameworks powered by frontier models on scientific discovery tasks. However, TTT introduces additional computational cost for online weight updates during the discovery process, making computational efficiency an important consideration when scaling to larger models. This motivates us to explore an efficient \emph{test-time adaptation} method for scientific discovery. We introduce \emph{Test-Time Memory Evolution} (TTME), a plug-and-play test-time adaptation method, as an alternative to TTT. TTME continually updates the external memory by distilling the experience to guide subsequent discovery without updating
译文排队中，当前为原文 · en
月之暗面于2026年10月22日前后发布Kimi K3.1 Pro，一款2.8万亿参数、1040亿激活参数的多模态MoE模型，宣称性能逼近Fable 5.1；官方承诺11月4日发布开源权重，但截至报道时权重尚未公开；独立评测显示其在智能指数、代码与网络安全基准中表现突出，但存在推理成本、本地部署可行性及营销透明度等争议。
![[AINews] Kimi 3.1 Pro 104BA-2.8T: Fable-5.1-Class Open Weights narrows Closed-AI lead to 1 month... and Pro Highspeed API with 2-3× speed](https://latent.space/og/card/post/ainews-kimi-31/4da802572e7369acdf4cbdee535f934d70a599942d61e7d15b8168b70aeb7a84.png)
推荐理由：该事件标志着当前最接近闭源前沿模型能力的开源权重模型正式进入发布倒计时，是AI开源生态关键进展；材料来源为Latent Space旗下AINews（2026年10月24日发布），内容基于对X平台、Reddit、Arena及Artificial Analysis等多方独立评测的整合，信息密度高且具时效性与交叉验证特征。
在GTC柏林大会上，Revolut、Starling Bank、Lloyds、Santander等欧洲金融机构宣布基于NVIDIA加速计算平台与开源权重模型（如PRAGMA、Nemotron系列、Kumo家族）构建生产级AI能力，覆盖交易分析、语音识别、欺诈检测、数据管道加速等核心场景，强调数据主权、成本可控与合规部署。
NVIDIA发布面向欧洲的Earth-2开源AI模型家族，包括区域化短临预报模型StormScope EU，并联合AXA、Vaisala Xweather、曼彻斯特大学、TotalEnergies等机构开展真实场景验证，覆盖风暴风险评估、空气质量建模、太阳能发电预测及雷达地形反演等任务。
NVIDIA联合欧洲多国政府及技术伙伴，基于Nemotron等开源大模型与合成 personas 数据集，在德国、波兰、英国、法国、希腊等国推进主权可控的AI应用，覆盖医疗影像分析、就业服务、数字政务助手、分类信息处理及本地化语言建模等领域。
Will we give robots the moon?
译文排队中，当前为原文 · en