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。
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。
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。
MiniMax发布新一代开源大模型M2，性能跻身全球前五，价格仅为Claude 4.5的8%。该模型总参数230B，激活参数仅10B，推理速度超100 tokens/秒。在编程、Agent工作流和多模态任务上表现优异，打破了AI领域高性能、低价格、高速度的"不可能三角"。
在AlphaArena AI炒币实盘竞技场中，六大顶级AI模型各用1万美元真金白银在加密货币市场独立交易。截至10月23日，Qwen3 Max（阿里巴巴）以+44.38%收益和$14,438账户余额位居第一，DeepSeek Chat V3.1以+20.92%收益和$12,092余额位列第二，中国AI包揽前两名。其他北美模型如Gemini 2.5 Pro亏损超60%。中国模型优势体现在量化思维、风险控制和不过度交易，展示AI在真实市场决策中的潜力。
DeepAnalyze是由中国人民大学与清华大学团队联合开发的开源代理大型语言模型，首个面向自主数据科学的端到端解决方案。其核心能力包括自动完成数据准备、分析、建模、可视化及报告生成全流程，支持CSV、Excel等多格式数据源，无需人工干预。DeepAnalyze-8B（8B参数）在基准测试中表现超越GPT-4o-mini等商业模型，且模型权重、代码与训练数据完全开源，可部署为专属数据科学助手。
快手推出AI编程产品矩阵KAT-Coder，涵盖自研模型、工具与平台，支持20多种编程语言及多类开发任务。其开源版本KAT-Dev-72B-Exp在SWE-bench榜单以74.6%成绩超越GPT与Claude。该模型具备代码生成、调试、优化等能力，兼容主流开发工具，并在网页生成、电商网站、3D特效等领域展现强大应用潜力，标志着快手正式进军AI编程赛道。
DeepSeek-OCR基于视觉语言模型和"上下文光学压缩"技术，通过将图像转化为视觉token实现高效长文本处理。在10倍压缩比下保持97%精度，20倍压缩比下精度约60%。测试中，以100个视觉token超越GOT-OCR2.0，以不到800个token超越MinerU2.0，能重建复杂文档结构。
Manus作为2025年AI Agent热潮的代表，虽依托大模型、工具链与记忆技术实现任务执行，但因缺乏专业场景深耕与闭环交付，暴露“通用Agent”泡沫。其问题根源在于工程积累不足、资本驱动短视，导致功能堆砌却智能有限。行业正转向垂直领域，如医学Agent OpenEvidence，强调确定性流程与数据驱动，揭示未来属于专注、可评估、落地扎实的“笨智能”路径。
OpenAI发布首款AI原生浏览器ChatGPT Atlas，深度融合ChatGPT智能能力。其核心功能包括：实时AI辅助网页内容总结与互动、智能写作优化、自然语言控制浏览器操作、个性化记忆推荐、智能体模式自动执行购物及预订任务、光标聊天实时文本处理。该浏览器通过AI技术提升浏览效率，实现任务自动化，重塑人机交互体验。
谷歌的Veo3.1与OpenAI的Sora2在AI视频生成领域展开竞争。Veo3.1以精准控制、高质量音画同步见长，适合专业长视频创作。Sora2则胜在流畅自然的动态效果和娱乐性，更适合创意短视频。两者各有优势，选择取决于具体应用场景。
腾讯混元团队推出业界首个达到美术级标准的3D生成大模型Hunyuan3D-PolyGen，能够生成可用于游戏开发和影视制作的专业3D模型，显著提升美术师工作效率。该模型在复杂几何体建模能力与生成稳定性方面有重大技术突破，支持多种输入方式，并通过BPT压缩技术和强化学习优化策略，大幅减少Token数量并提高建模质量。目前可通过腾讯混元3D平台免费体验。
字节跳动智能创作团队推出XVerse模型，该模型基于DiT架构，实现了复杂场景中多主体的独立精确控制，包括姿态、风格、光影和身份等维度。其在多主体控制、美学质量和身份相似度方面表现优异，构建的XVerseBench测试体系显示性能明显优于竞品。XVerse未来或将支持动态生成、交互编辑与复杂场景扩展，有望推动AIGC产业应用发展。
OmniAvatar是浙江大学和阿里巴巴集团联合开发的音频驱动数字人系统，能够根据静态照片、音频及文本提示生成自然流畅的全身动态视频。相比传统“说话头像”技术，该系统在身体动作协调、高精度音视频同步和文本控制方面实现突破。经测试，其在图像质量、视频流畅度及嘴型同步等指标上均领先，是目前唯一能同步生成面部与全身动画的模型。项目已开源，论文发布于arXiv。
