Mistral 发布改进版 Mistral Large 4 开放权重模型，面向编程和网络安全
Mistral AI 发布了改进版 Mistral Large 4（Le Chonk）的开放权重。该多模态模型拥有 1 万亿参数，于本月早些时候首次亮相。Mistral 报告称，该模型在 Artificial Analysis Coding Agent Index 上得分为 48%，与 GLM-5.3 相比，每项任务使用的 token 少 47%，并提供三种推理模式。Mistral Ecosystem Open-Weight 许可证允许使用、修改、微调和商业化，但运营模型即服务（Model-as-a-Service）产品的企业必须在商业使用前另行取得商业许可证。
- NVIDIA 重点介绍 Le Chonk 模型发布及首日推理支持NVIDIA AI · X
- vLLM 新增对 Mistral Large 4 的首日支持vLLM · X
模型发布与更新
Mistral Large 4 登陆 Hugging Face，具备多模态能力并开放权重
Mistral Large 4 也称 Le Chonk，是一款多语言 MoE 模型，可接收文本和图像并生成文本，总参数量约为 1T，上下文窗口为 1M token。Hugging Face 介绍了它的 FP8 和 NVFP4 版本、网络安全基准，以及发布当天提供的推理和微调支持。该模型权重采用 Mistral Ecosystem Open-Weight 许可证，该许可证对模型即服务产品设有限制。
产品发布与更新
宝玉 · X另有 1 家信源报道OpenAI 将 Pro 和 Business Premium 的使用限额翻倍，并取消 Pro 200 限额下调计划
据 @thsottiaux 称，OpenAI 从今天起将 Pro 100/200/500 和 Business Premium 的所有使用限额翻倍，同时取消原定的 Pro 200 限额下调计划。Baoyu 按 Plus 的额度计算：Pro 100 为 10 倍，现有和新订阅 Pro 200 的用户均为 20 倍，Pro 500 为 50 倍；未提及价格变化。Dots 的扩展限额目前将继续提供，dot 使用量仍与默认使用量分开计算；未说明延长提供的截止日期。
推出 AnySpeechRecognizer 和 AnyDecisionModel，为 Apple 平台上的语音与决策提供支持
作者宣布推出两个面向 Apple 平台的 Swift 软件包：AnySpeechRecognizer 和 AnyDecisionModel。AnySpeechRecognizer 对应 Apple 的语音 API，并新增本地 Parakeet 和 Qwen3-ASR 引擎，以及最多支持四位说话人的说话人分离功能；AnyDecisionModel 则通过本地或托管后端，为是非题、选择题和评分量表题返回类型化答案及其概率。两者都支持从 Hugging Face Hub 下载开放模型。据报告，语音评测仅在 macOS 上进行，尚未在 iPhone 上测试。
Gemini App · X另有 1 家信源报道Gemini 新增文档、PDF、演示文稿和电子表格的生成与编辑功能
现在，你可以直接在 Gemini 中生成、预览和编辑文档、PDF、演示文稿、电子表格等内容。 将手写笔记转换成 PDF 学习指南，手动调整内容，标记要让 Gemini 编辑文字或视觉内容的部分，还可以提出后续问题。
行业
宝玉 · X另有 1 家信源报道Claude 的自我评估如何在回复后标记潜在滥用
Baoyu 介绍了 Anthropic 的自我评估系统：Claude 在回复后会评估对话是否存在潜在滥用。Anthropic 表示，该系统增加的推理计算量不到 2%，不会向客户收费，也不会收集额外的用户数据；目前不涵盖受零数据保留协议约束的流量。在抽样的 Fable 5 流量中，该系统检测出另一个评估器标记的对话中的 78%，误报率为 1%。标记会用于后续审查，而不会立即拦截；单个标记不会直接触发账户暂停。
研究
Epoch AI · XEpoch AI 发现 GLM 5.3 可利用 Firefox 补丁发布间隙自主发起攻击
Epoch AI 报告称，GLM 5.3 利用尚未向用户发布的公开安全修复，自主为六个近期版本的 Firefox 构建了成功的漏洞利用程序，每个被攻陷版本的成本约为 1,000 美元。用户打开一个网页后，这些漏洞利用程序就可能窃取浏览器密码和身份验证 Cookie，或读取本地文件。每次成功攻击还利用了一个此前未公开的漏洞，Mozilla 已在 10 月 27 日发布的 Firefox 159.0 中修复该漏洞；Epoch AI 尚未确认在没有该漏洞的情况下攻击是否仍然成功。
The Decoder
Anthropic 研究发现，专家会采纳 AI 智能体随机分配的偏好
Anthropic 对 50 名因果推断专家进行了一项实验，发现参与者在四项分析决策中有 86% 采纳了 AI 智能体随机分配的偏好。这些选择影响了生产力估算和后续建议，而大多数参与者认为最终建议是自己提出的。智能体对最终建议的直接影响在统计上并不显著。AI 用户完成任务的速度也更快，严重错误更少，但对照组规模较小且由参与者自愿选择，因此难以据此对这些益处作出因果判断。
腾讯混元 · X腾讯混元分享 Hy-Nomas 技术报告，并开源 Hy-Nomas-Bench
腾讯混元表示，Hy-Nomas 技术报告已于上周五发布：https://t.co/QoPTiJKsrP Hy-Nomas-Bench 也已开源，以支持可复现研究：https://t.co/3tCUyLl0f9 团队还用 Hy-Nomas 重现了 Genie 4 示例，并分享了一段完整的 Hy-Nomas 与 Genie 4 对比视频。 试用：https://t.co/TffftO8Xjt https://t.co/wzfGd4pCqh
技巧与观点
DeepInfer 如何为 DeepSeek-V4.1-Flash 推理协调异步调度
DeepInfer 是 DeepSeek-V4.1-Flash 背后的推理引擎，它让 CPU 调度与 GPU 计算并行进行，以减少解码空闲时间。Leiphone 介绍了其异步调度器如何处理正在执行的令牌、序列状态修正、延迟释放资源，以及跨专家并行 GPU 的协调。目前开源版本支持离线推理，但部分在线基础设施尚不可用；DeepSeek 尚未单独发布能够剥离调度器贡献、完整反映端到端加速效果的测量结果。
AWS Machine Learning Blog一手
在 Amazon EKS 和 SageMaker HyperPod EKS 上部署 NVIDIA Nemotron 模型
AWS 介绍了如何使用 NVIDIA Dynamo 和 vLLM，在 Amazon EKS、EKS Auto Mode 和 SageMaker HyperPod EKS 上部署 NVIDIA Nemotron 3.5 Super VL。指南涵盖模型的 120B 总参数量和每个令牌 12B 的激活参数量、部署架构，以及在 B200 和 H200 实例上的验证。指南还展示了如何使用 aiperf 并发扫描比较聚合式与解耦式部署，并根据延迟目标规划容量。
AWS Machine Learning Blog一手
为跨团队的 SageMaker Training 作业配置 AWS Batch 配额共享
AWS 介绍了如何使用 AWS Batch 和 SageMaker Python SDK v3，为 SageMaker Training 作业配置配额管理。演示设置了三个配额共享组，分别采用 LEND_AND_BORROW、LEND 和 RESERVE 策略，随后展示如何通过跨共享组抢占来回收已借出的容量。指南还说明，更新已提交作业的优先级可以触发共享组内抢占，使高优先级任务更快运行。
明早 08:00 把这样一份日报发到你邮箱
和上面这份一样：几件值得看的事。免费，点确认信之后才会开始发送，每封信都能一键退订。 看一份往期日报 · 2026-10-29