阶跃星辰(StepFun)团队开源了NextStep-1，一款14B参数的纯自回归图像生成模型。该模型直接在连续视觉空间生成图像，无需依赖扩散模型或离散化处理，由14B参数Transformer骨干和157M参数流匹配头组成。它支持高保真文生图及精准图像编辑（如物体增删、背景修改），在GenEval（0.73）、GenAI-Bench等基准测试中表现优异，接近顶尖扩散模型。但存在生成不稳定、解码延迟等挑战，标志着自回归图像生成新阶段。
Nanobrowser是近期在GitHub爆火的开源AI浏览器自动化框架，上线一周获17,000+星标。其核心采用双智能体协作模式：Planner拆解自然语言指令为操作步骤，Navigator在真实网页中执行、读取等操作。该项目支持本地运行及多模型接入，可实现论文抓取、比价、舆情监控等网页自动化任务，典型案例显示其2分半完成论文数据抓取，成本仅0.1元。
Web3已从概念走向现实，2025年全球市场规模达213.5亿美元，中国相关产业规模超200亿元。其核心在于用户主权，通过区块链、智能合约、NFT和DID实现权力重分配。五大应用场景包括：DeFi（TVL超1200亿美元）、NFT实用化（如星巴克权益）、DAO（活跃组织超5000个）、GameFi（超3100款游戏）和去中心化身份。市场正从投机转向价值驱动，未来机会聚焦创作者经济、数字身份及RWA资产代币化，目标重建数字信任与公平。
Web3已从概念走向现实，2025年全球市场规模达213.5亿美元，中国相关产业规模超200亿元。其核心在于用户主权，通过区块链、智能合约、NFT和DID实现权力重分配。五大应用场景包括：DeFi（TVL超1200亿美元）、NFT实用化（如星巴克权益）、DAO（活跃组织超5000个）、GameFi（超3100款游戏）和去中心化身份。市场正从投机转向价值驱动，未来机会聚焦创作者经济、数字身份及RWA资产代币化，目标重建数字信任与公平。
LTX-2是Lightricks发布的全球首个音画同步4K视频生成模型，可生成20秒、50fps高清视频，支持文本/图像输入。它实现了角色口型与语音同步，能在ComfyUI运行并本地部署，将于5年11月下旬开源。作为专业级创作工具，LTX-2让"文字变电影级短片"成为现实。
LTX-2是Lightricks发布的全球首个音画同步4K视频生成模型，可生成20秒、50fps高清视频，支持文本/图像输入。它实现了角色口型与语音同步，能在ComfyUI运行并本地部署，将于5年11月下旬开源。作为专业级创作工具，LTX-2让"文字变电影级短片"成为现实。
区块链、比特币、Web3在2025年已明确数字黄金”价格突破11万美元，历史高点达111,013美元；区块链成为“新基建”，应用于政务、金融等领域，RWA市场规模达2025亿美元；Web3市场规模达213.5亿美元，转向真实应用，预计2030年达5.1万亿美元。中国支持区块链但聚焦Web3“无币化”路径。
区块链、比特币、Web3在2025年已明确数字黄金”价格突破11万美元，历史高点达111,013美元；区块链成为“新基建”，应用于政务、金融等领域，RWA市场规模达2025亿美元；Web3市场规模达213.5亿美元，转向真实应用，预计2030年达5.1万亿美元。中国支持区块链但聚焦Web3“无币化”路径。
Cursor 2.0正式发布，推出自研大模型Composer。其代码生成速度高达250 tokens/秒，比GPT-5和Claude Sonnet 4.5快2倍。该模型专为真实开发场景训练，能自主完成编码、测试和修复Bug的全流程，目前仅集成于Cursor编辑器内部使用。
Cursor 2.0正式发布，推出自研大模型Composer。其代码生成速度高达250 tokens/秒，比GPT-5和Claude Sonnet 4.5快2倍。该模型专为真实开发场景训练，能自主完成编码、测试和修复Bug的全流程，目前仅集成于Cursor编辑器内部使用。
FlowithOS是全球首个为AI智能体设计的原生操作系统，能够执行复杂任务而非仅限聊天。该系统基于Chromium浏览器，支持跨平台多任务并行，具备无限上下文记忆和Skills技能库，可自动完成淘宝购物、微博运营及数据采集等实际工作。目前处于早期测试阶段，支持Windows与macOS，需邀请码体验。
FlowithOS是全球首个为AI智能体设计的原生操作系统，能够执行复杂任务而非仅限聊天。该系统基于Chromium浏览器，支持跨平台多任务并行，具备无限上下文记忆和Skills技能库，可自动完成淘宝购物、微博运营及数据采集等实际工作。目前处于早期测试阶段，支持Windows与macOS，需邀请码体验。
MiniMax hat eine neue Generation des Open-Source-Big-Modells M2 veröffentlicht, dessen Leistung zu den Top 5 der Welt gehört und dessen Preis nur 8% von Claude 4.5 beträgt. Das Modell hat einen Gesamtparameter von 230B, einen Aktivierungsparameter von nur 10B und eine Inferenzgeschwindigkeit von mehr als 100 Token/Sekunde. Es verfügt über eine hervorragende Leistung bei der Programmierung, dem Arbeitsablauf von Agenten und multimodalen Aufgaben und durchbricht das "unmögliche Dreieck" aus hoher Leistung, niedrigem Preis und hoher Geschwindigkeit im Bereich der KI.
In der AlphaArena AI Coin Speculation Live Arena handelten sechs Top-KI-Modelle jeweils unabhängig voneinander auf dem Kryptowährungsmarkt mit 10.000 Dollar in echtem Geld. Mit Stand vom 23. Oktober liegt Qwen3 Max (Alibaba) auf dem ersten Platz mit +44.38% Gewinn und $14.438 Kontostand, DeepSeek Chat V3.1 liegt auf dem zweiten Platz mit +20.92% Gewinn und $12.092 Kontostand, und chinesische KIs nehmen die ersten beiden Plätze ein. Andere nordamerikanische Modelle wie Gemini 2.5 Pro verloren mehr als 60%. Die Stärken chinesischer Modelle liegen im quantitativen Denken, in der Risikokontrolle und darin, nicht zu viel zu handeln, was das Potenzial der KI bei der Entscheidungsfindung auf dem Markt zeigt.
DeepAnalyze ist ein quelloffenes, agentenbasiertes Großsprachenmodell, das gemeinsam von einem Team der Renmin University of China und der Tsinghua University entwickelt wurde und die erste End-to-End-Lösung für autonome Datenwissenschaft darstellt. DeepAnalyze-8B (8B-Parameter) übertrifft kommerzielle Modelle wie GPT-4o-mini in Benchmarks, und da die Modellgewichte, der Code und die Trainingsdaten vollständig quelloffen sind, kann DeepAnalyze als dedizierter Datenwissenschaftler eingesetzt werden. Assistent für die Datenwissenschaft eingesetzt werden.
Racer hat die KI-Programmierproduktmatrix KAT-Coder auf den Markt gebracht, die selbst entwickelte Modelle, Werkzeuge und Plattformen umfasst und mehr als 20 Programmiersprachen und verschiedene Arten von Entwicklungsaufgaben unterstützt. Seine Open-Source-Version, KAT-Dev-72B-Exp, übertraf GPT und Claude in der SWE-Bench-Liste mit 74,6%. Das Modell hat die Fähigkeit der Code-Generierung, Debugging, Optimierung, etc. und ist kompatibel mit den Mainstream-Entwicklungs-Tools, und hat ein starkes Potenzial für die Anwendung in den Bereichen Webpage-Generierung, E-Commerce-Websites, 3D-Spezialeffekte, etc. gezeigt, was den offiziellen Eintritt von KAT in die AI-Programmierung Spur bedeutet.
DeepSeek-OCR basiert auf einem visuellen Sprachmodell und der Technologie der "kontextuellen optischen Komprimierung" und erreicht eine effiziente Verarbeitung langer Texte durch die Umwandlung von Bildern in visuelle Token, wobei eine Genauigkeit von 97% bei 10-facher Komprimierung und eine Genauigkeit von 60% bei 20-facher Komprimierung erreicht wird. Es erreicht eine Genauigkeit von 97% bei 10-facher Komprimierung und 60% bei 20-facher Komprimierung. Im Test übertrifft es GOT-OCR2.0 mit 100 visuellen Token und MinerU2.0 mit weniger als 800 Token und ist in der Lage, die Struktur komplexer Dokumente wiederherzustellen.
Manus, als Vertreter des KI-Agenten-Booms im Jahr 2025, stützt sich auf große Modelle, Werkzeugketten und Speichertechnologie, um die Aufgabenerfüllung zu erreichen, aber aufgrund des Mangels an tiefgreifender Kultivierung professioneller Szenarien und geschlossener Kreisläufe entlarvt es die Blase des "Universalagenten". Die Wurzel des Problems liegt in der mangelnden technischen Akkumulation und der kapitalgetriebenen Kurzsichtigkeit, die zu einer Anhäufung von Funktionen mit begrenzter Intelligenz führt. Die Industrie wendet sich vertikalen Bereichen zu, wie z. B. dem medizinischen Agenten OpenEvidence, der deterministische und datengesteuerte Prozesse betont und zeigt, dass die Zukunft dem Weg der "dummen Intelligenz" gehört, der fokussiert, auswertbar und bodenständig ist.
OpenAI hat ChatGPT Atlas veröffentlicht, den ersten KI-nativen Browser, der die intelligenten Fähigkeiten von ChatGPT tief integriert. Zu seinen Kernfunktionen gehören: KI-unterstützte Zusammenfassung und Interaktion von Webinhalten in Echtzeit, intelligente Schreiboptimierung, Steuerung von Browseroperationen in natürlicher Sprache, personalisierte Speicherempfehlungen, intelligenter Körpermodus zur Automatisierung von Einkaufs- und Buchungsaufgaben und Echtzeit-Textverarbeitung für Cursor-Chat. Der Browser verbessert die Browsing-Effizienz, automatisiert Aufgaben und erfindet die Interaktion zwischen Mensch und Computer durch KI-Technologie neu.
Veo3.1 von Google konkurriert mit Sora2 von OpenAI im Bereich der KI-Videogenerierung. Veo3.1 hat den Vorteil einer präzisen Steuerung und hochwertigen Synchronisierung von Audio und Video, was für die Erstellung professioneller Langform-Videos geeignet ist, während Sora2 besser für sanfte und natürliche dynamische Effekte und Unterhaltung geeignet ist, was eher für kreative Kurzvideos gilt. Beide haben ihre eigenen Vorteile, und die Wahl hängt vom jeweiligen Anwendungsszenario ab.
In den letzten Jahren haben uns die Fortschritte in der KI-Technologie verblüfft, insbesondere in der generativen KI
In dieser Ära der Offenheit und des Teilens führt OpenAI eine Revolution in der künstlichen Intelligenz an. Jetzt geben wir der Welt bekannt, dass wir alle Modelle von OpenAI vollständig unterstützt haben, z.B. GPT-4-ALL, GPT-4-multimodal, GPT-4-gizmo-*, etc. sowie eine Vielzahl von selbstentwickelten großen Modellen. Am aufregendsten ist, dass wir das leistungsfähigere und einflussreichere GPT-4o in die Welt eingeführt haben!
öffentliche Nummer
Zusammenarbeit Wechat