ARTICLE · 1280754
AI工具动态日报(10-29)
☝️ 点击上方蓝字「同道中人」关注我们，每天一期 AI 工具动态日报，工具更新不迷路。
本期覆盖国内外主流 AI 模型与工具：具身智能基座、时序预测模型、超大语言模型、多模态嵌入、语音转写、视频世界模型等，共 8 条。每条标注要点、开源 / 获取方式和适合人群，方便你按需求挑选。条目为公开报道整理，未独立复核的内容已注明，请以官方发布为准。
1. 智元：GO-3 Preview 具身基座模型 + GenieMaster 智能体框架（国内）
10 月 29 日智元 2026 创新日发布新一代具身基座模型 GO-3 Preview，采用自研 WRAM 世界推理—动作架构，统一建模理解、预测与动作，强调跨任务泛化和精细操作；配套 GenieMaster 具身智能体框架、WiTA-Omni 1.0 交互模型、灵渠 OS 1.0 操作系统。官方表示 GO-3 Preview 与 GenieMaster 计划 2026 年底全面开源。
- 获取方式
：目前为官方活动发布，模型与框架待年底开源后获取权重与资料。 - 适合人群
：机器人开发者、具身智能研究者、关注 AI 硬件落地的团队与个人。
2. Mistral：Timestral 概率时序基础模型家族（开源）
Mistral 发布 Timestral 时序预测模型家族，提供 5M / 28M / 123M / 209M 四个参数规模。209M 与 123M 版本在 GIFT-Eval、TIME、fev-bench 等时序基准上指标居前，模型权重已上线 HuggingFace，可用于时间序列预测任务。
- 开源 / 获取
：HuggingFace 公开权重，商用与二次训练条款以模型卡协议为准。 - 适合人群
：做销量预测、设备故障监测、金融与经营数据分析的数据分析师、开发者。
3. Mistral：Mistral Large 4（Le Chonk）开放改良权重（开源）
Mistral Large 4（代号 Le Chonk）参数规模约 1 兆（1T），已放出改良版权重；该模型此前自 10 月 6 日起在 API 预览，追加约三周训练后重点优化了代码处理效率。
- 开源 / 获取
：公开权重可下载部署，许可条款以官方发布为准；API 预览通道按官方规则申请。 - 适合人群
：需要本地或私有化部署大模型、看重代码能力的开发者与技术团队。
4. Google：EmbeddingGemma 2 多模态嵌入模型（开源）
EmbeddingGemma 2 为 744M 参数的统一多模态嵌入模型，可把文本、图像、音频、视频及它们的组合表示进同一个向量空间，在跨模态检索、内容匹配等场景达到新的性能水平，模型已在 HuggingFace 发布（10 月 28 日公开信息）。
- 开源 / 获取
：HuggingFace 模型库，使用条款以模型卡为准。 - 适合人群
：做搜索推荐、素材检索、图文音视频匹配的算法工程师与产品团队。
5. Nvidia：Nemotron 3.5 Transcribe 语音转写模型（开源 + 数据集）
英伟达发布 Nemotron 3.5 Transcribe：30B 参数 MoE、约 4B 激活，支持转写、翻译、说话人标注和音频问答，覆盖 40 种语言，可一次处理 100 小时音频；官方称在 Blackwell GPU 上可在三分钟内处理完 100 小时音频。配套开源 Granary v2 语音数据集，规模约 46.3 万小时（SiliconAngle 10 月 28 日报道）。
- 开源 / 获取
：模型权重与数据集按英伟达开放协议发布，具体许可以官方仓库为准。 - 适合人群
：做会议转写、字幕制作、语音质检的开发者与音频处理团队。
6. Hy-Nomas：8B 交互式扩散视频世界模型（开源）
Hy-Nomas 是一款开源 8B 参数交互式扩散视频世界模型，在单张 RTX 4090、20.53GiB 显存条件下，可生成约 100 秒、1280×704、24FPS 的视频片段，并附带推理配方与人工评价对比（HuggingFace，10 月 29 日公开信息）。
- 开源 / 获取
：HuggingFace 仓库，权重与推理说明以项目页为准。 - 适合人群
：本地试跑视频生成、研究交互式世界模型的技术爱好者与开发者。
7. Google DeepMind：Genie 4 实时世界模型（研究预览）
Genie 4 是首个原生生成音频的实时世界模型，可用自然语言指令改变天气、镜头和角色，场景一致性可维持约两分钟（10 月 27–28 日公开报道，据公开报道，具体开放范围以 DeepMind 官方为准）。
- 获取方式
：研究阶段模型，按官方研究预览渠道申请或关注后续开放信息。 - 适合人群
：游戏、互动叙事、虚拟场景方向的研究者与创意团队。
8. 国内动态：豆包工作接入第三方大模型，通义发布 Qwen-Audio-3.1 语音系列
- 豆包工作（Doubao Work）
：面向团队与企业订阅客户开放第三方大模型配置，首批接入 Kimi 3.1 Pro、GLM 5.3、DeepSeek V4.1 Flash，可在同一环境切换，按 AI 点数扣费。 - 通义 Qwen-Audio-3.1
：五款语音模型组成系列，ASR 支持 30 种语言、16 种方言与分角色转写；ASR-Next 增加情绪与环境声理解；TTS 支持跨语言音色，TTS-Next 提供统一人声生成。
- 获取方式
：豆包工作按订阅与点数规则使用；Qwen 系列模型以阿里云 / 开源平台发布信息为准。 - 适合人群
：需要多模型比价切换的团队、做语音转写与配音的创作者和开发者。
小结
这一期的关键词是细分专业化：时序有了专门的预测模型，多模态检索有了统一嵌入模型，语音转写向超长音频和多语言推进，视频世界模型开始走向交互与音频生成；国内则在多模型切换和语音全链路上继续补齐。选工具时先明确自己的任务场景，再对照参数规模、开源协议和硬件要求挑最合适的，不必盲目追最大模型。
说明：本期动态整理自各厂商官方信息、HuggingFace、SiliconAngle、CNBC、TechCrunch 及公开科技报道；标注"据公开报道"的内容未经我方独立复核，开源协议、定价与开放范围请以官方页面为准。
👇 觉得有用就点个【赞】和【在看】，顺手【转发】给需要的朋友，支持我们每天更新。
