Seedream 5.5 已通过 ComfyUI 的 Partner Nodes 可用，是一个支持文生图和图像编辑的多模态模型。更新覆盖五个方向：原生生成透明与半透明 RGBA 输出、支持多轮精准局部编辑而不破坏画面其余部分、一步生成文字可读且布局结构化的海报与信息图、更真实的肖像材质与光影细节，以及可在提示词中控制灯光。
推荐理由：官方介绍 Seedream 5.5 在 ComfyUI 的接入方式与五项能力变化，读者可据此评估是否把透明输出和多轮局部编辑接入现有工作流。
vLLM 官方博客讲解 Encoder/Prefill/Decode（EPD）分离架构的工程实现，可将多模态编码阶段独立部署为单独的 vLLM 实例。
Google 在 Adobe MAX 上宣布扩大与 Adobe 的合作，将 Adobe 的创意与办公工具直接引入 Google 日常应用，同时把 Google 的前沿 AI 模型接入 Adobe 应用。
OpenRouter 用 8 页自造扫描件实测 15 个视觉模型加 Mistral OCR 和 Tesseract，每模型 264 项关键值检查。Claude Opus 5.5 最准，262/264 正确，每千页 $16.42；Mistral OCR 得 258/264，仅 $2.02；Ling 3.0 Flash VL 关闭推理后 254/264，每千页 $0.04。
推荐理由：OpenRouter 用自造的 8 个测试页实测 16 个方案，给出准确率、成本和防幻觉的可行做法，读者可按自家文档场景对号选型。
Google 推出 Language Explorer，一个用于发现和可视化全球语言多样性的交互式网络平台，由 1,000 Languages Initiative 支持，基于开源 LinguaMeta 数据集整合数千种语言的数据。
Artificial Analysis 与 Google DeepMind 合作发布 Multimodal Knowledge Agent (MKA) 基准，评估智能体处理架构图纸、工程示意图、临床扫描等复杂视觉文件并产出幻灯片、表格、报告等交付物。
Meta 宣布将识别未成年人的 AI 技术全球推广，即使青少年注册时填写成人生日，也会被自动纳入 Instagram 的 Teen Accounts 保护，限制联系人、内容和使用时长。
VeRL-Omni 团队发布 v0.3.0，将异步执行扩展到更多多模态 RL 工作负载，V1 训练器成为默认，并扩展图像、视频、音频和多模态理解的后训练覆盖。
Meta 在 Muse 应用的移动端、网页端和 Mac 上推出实时语音对话，点击右上角电话图标即可开始通话。语音模式支持边说边完善旅行规划、面试和演讲排练等场景；头像会随对话语气做出细微表情和手势，提供仅语音、侧边头像和全屏三种显示方式，另有数百种可选声音。本次功能先在美国推出，AI Glasses 和 Muse Charm 上的语音对话即将到来。
Google DeepMind 发布 Gemini Omni 1.2 Flash，并在 Gemini API 和 Gemini for business 全面开放，价格较 1.1 下降 30%，720p 视频为 $0.07 per second。
推荐理由：官方给出了价格、时长和一致性等具体变化，读者可以据此评估它在视频生成工作流中的成本与用法。
Google 发布 Gemini Omni 1.2 Flash，在 Gemini API 和 Gemini for business 全面开放。新模型原生支持最长 15 秒视频生成、多轮对话式剪辑和更强的参考一致性，价格较 1.1 下降 30%，720p 视频为每秒 $0.07，最佳成片可上采样至 1080p 或 4K。
Google Research 在 Nature 发表 AI-PPG-ACC-HTN 系统，用消费级智能手表的 PPG 和加速度传感器被动检测高血压迹象，无需袖带校准。
推荐理由：原文给出无需袖带校准的智能手表高血压筛查系统及与临床金标准对比的具体数据，读者可据此评估其筛查定位。
Preferred Networks 于 11 月 5 日开源发布翻译专用大模型 PLaMo 3 Translate，提供 0.8B、2B、8B、31B 四种规格，已上架 Hugging Face。
推荐理由：原文给出四个模型规格、53 种语言覆盖和离线运行能力，可帮助读者评估端侧翻译模型的选型与商用许可条件。
Google Research 提出 Agile Deliberation 框架，把主观 AI 视觉分类器的构建变成人与 AI 的迭代对话，先化解人类意图的模糊再训练模型。
Suno 上线 MIDI 起始功能，用户可在 Create 页面拖拽或上传 .mid/.midi 文件，用自然语言让模型严格按音符演奏或取动机发展新曲。该功能目前以 Simple Create 模式配合 v6-wild 使用，面向所有 Pro 和 Premier 订阅用户开放。
Google 发布月度回顾，梳理 10 月多项 AI 更新，核心是先全球推出前沿推理模型 Gemini 4 Argon，两周后又宣布更强长时程工程与网络安全防御模型 Gemini 4 Carbon（目前经 Fairwind Program 处于预发布测试）。
Figma 撰文讲解其 agent 内自研编辑模型的训练方法：先用 SFT 在 Figma 原生文件格式上用超过 25 万条合成样本训练，早期基于 Llama 3.3 70B 即可在编辑任务上与当时顶尖模型竞争，后转向 Qwen 3.8 27B 等更强基座并结合 RL。
Mistral 发布 Mistral Large 4（Le Chonk）开放权重，为 1 万亿参数原生多模态模型，在欧洲基础设施上从零训练。
推荐理由：官方放出完整权重与各基准数字，可据此比较该模型在编码、安全与成本效率上的定位，并判断自部署可行性。
Google DeepMind 发布新一代世界模型 Genie 4，以研究预览形式向可信测试者开放，后续将向 Project Genie 中的 Google AI Ultra 订阅者及 Gemini API、Google AI Studio 早期合作伙伴推出。
推荐理由：官方原文给出 Genie 4 的实时交互、原生音频能力和与 Gemini 协作的机制，也写明了测试者反馈和已知局限。
Apple 于 10 月 27 日宣布 Apple Creator Studio 重大更新，11 月起作为免费更新推送给现有订阅者。
推荐理由：官方发布覆盖 Final Cut Pro、Logic Pro、Pixelmator Pro 及办公三件套的 AI 能力与 MCP 支持，可据此判断创作套件如何接入外部智能体。
Apple 机器学习研究团队提出 GHARP，可从少量输入图像和表情驱动信号实时生成 3D 头部动画。该方法将问题拆分为离线的身份构建阶段和运行时的轻量表情残差动画阶段，动画网络针对移动设备优化，并用身体对齐网络解决身体区域模糊和闪烁问题。在 Ava-256 基准上达到 SOTA 质量，同时在 A100 GPU 上最高快 13×，Gaussian 数量减少 8×。
Figma 的 code layers 进入 open beta，六支团队分享了在画布上用代码驱动原型的用法。
Google Research 在 IDWeek 2026 分享其肺结核筛查 AI 从研究到落地的历程：2019 年基准研究后，经 Nexus AI 转化为 CE MDR Class IIb 认证工具，在约 40 家医疗机构部署，超过 90 名临床医生评估逾 25000 张胸片，周转时间缩短至 45 秒内。
推荐理由：Google Research 官方复盘其肺结核筛查 AI 从论文、CE 认证到开源 MedGemma 落地的完整路径，读者可了解医疗 AI 从研究走向一线的关键环节。
Google Research 在 JAMA Network Open 发表前瞻性多中心研究，验证 AI 模型解析无超声训练背景的基层人员用便携探头做的盲扫图像来估测孕周。在芝加哥和内罗毕两个环境共 385 名参与者的主要队列中，模型估测孕周的平均绝对误差为 4.18 天，非劣效于专家超声师标准流程的 4.48 天；内罗毕站点未做本地微调，误差 4.27 天，显示了跨临床环境和硬件的泛化能力。
推荐理由：原文给出前瞻性多中心验证数据，AI 用盲扫超声估孕周的误差与专家标准相当，可帮读者了解医疗 AI 跨环境落地的实际表现。
Apple 官方宣布全球开发者已针对首款折叠屏 iPhone Duo 优化应用，覆盖流媒体、游戏、生产力、创作等场景，优化应用从本周五起在 App Store 通过 Made for iPhone Duo 标识可辨。
Meta 的 Muse Spark Open 开放权重模型已在 Together AI 上线，Together AI 是 Day 0 上线合作方。模型具备 1M token 上下文窗口、长程自主规划与子智能体协调、计算机使用与网页浏览、多模态输入和意图说明能力。
推荐理由：原文给出了模型能力、定价和 API 用法，读者可据此评估它在智能体编程工作流中的实际落地价值。
NVIDIA 发布开源多模态模型 Nemotron 3.5 Super VL，采用 120B 总参数、12B 激活参数的 MoE 架构，vLLM 提供发布当天支持。
推荐理由：原文给出架构细节、量化版本和部署配置，读者可据此评估它在多模态智能体工作流中的部署成本与吞吐表现。
Apple 机器学习研究团队发布首个从零预训练的三模态 Masked Diffusion Models（MDM）论文，涵盖文本、图文与音频文本数据。
Apple 发布新一代 Apple TV 4K（第四代），主打由下一代 Apple Intelligence 驱动的 Siri AI 全屏对话体验，内置三个远场麦克风支持免提语音控制。
vLLM-Omni 用 torchada 让 Sand AI 的 MAGI-2 Preview（114B 总参数、每 token 约 6B 激活的音视频 MoE DiT）在摩尔线程 MTT S5000 上原生运行，仅需少量平台级改动，CUDA 版 Triton kernel 可直接复用。
一位天体物理学家与 Claude Science 合作，把 GALEX、Swift、FIMS/SPEAR 和 Gaia 等多套数据交叉校准合并，用 inpainting 结合其他波段观测预测了约三分之一从未被紫外望远镜观测过的区域，并叠加超过 1 亿颗恒星的紫外估计，生成了首版全天紫外地图。
Google 推出实验性游戏平台 Playground，用户通过对话提示词即可创建、游玩和分享自定义游戏，无需编程经验。平台基于浏览器、支持手机和笔记本，包含社区游戏画廊、排行榜、多人游玩和用户自定义 handle，发布游戏需通过符合社区准则的安全审核。
Figma 宣布 agent 正式可用，输出质量提升，在专业设计师人工评分的 evals 中约 60% 以上胜出，并新增 guidelines、跨平台上下文插入和多智能体协作。
Mistral 发布 Mistral Large 4（ML4，昵称 le Chonk）公开预览，1 万亿参数、520 亿激活参数的原生多模态模型，预览 API 已在 Mistral Studio 开放，权重将于本月底发布。
推荐理由：官方给出具体基准数字、开放权重时间表和欧洲自建训练基础设施，读者可据此判断它在开源模型中的位置。
Comfy 官方博客复盘 AI 动画艺术家 852話 Hakoniwa 用 Comfy Agent 创作的首部动画短片 YUI，讲述女孩发现第四堵墙的 4:20 故事。
Comfy 在 Developer Platform 上线 Comfy Router，一次集成即可调用 Seedance 2.5、MiniMax H3、Nano Banana Pro、GPT Image 2、Kling 和 Black Forest Labs 等前沿模型。
推荐理由：原文给出 Comfy Router 的接入方式、可切换的 provider 列表和队列机制，读者可据此判断是否替代直连方案。
Descript 发布 2026 年 9 月 17 日功能汇总，字幕新增 18 个预设和 10 种文本动画，AI 可按描述生成背景音乐与音效，需更新至 145.0.15 或更高版本。
Google 官宣其语言技术已支持超过 300 种语言、覆盖全球 86% 人口，并介绍 Gemini 3.5 Live Translate 支持 70 种语言、2,000+ 语言对的实时口译。
Suno 发布新一代音乐模型 v6，与 Warner Music Group、BMG 和 Believe 等行业伙伴合作开发，包含 v6、v6-wild 和 v6-mini 三款模型，分别面向精准创作、风格探索和免费快速生成。v6 支持用自然语言编辑歌曲片段、混搭多来源素材、采样构建节拍，以及从文本、音频、图片和视频生成音乐，上线后将逐步替换旧模型。
推荐理由：原文出自 Suno 官方，给出 v6 三款模型的定位差异和新编辑能力，读者可以对照自身创作需求选择版本。
OpenAI 为 ChatGPT Images 2.5（GPT-Image-2.5-Sunburst 和 GPT-Image-2.5-Flare）发布系统卡，说明训练数据与安全评估结果。