小参数量叠加长上下文继续向轻量化推进，端侧和私有化部署场景多了一个覆盖多模态的模型家族可选。

• 影响参数减少 35% 属官方口径，若成立则同等算力可承载更多任务；256K 上下文窗口让小模型也能承接长文档处理；一个基座衍生六种模态，选型时可按场景分别评估。
• 参考可考虑在端侧或私有化部署场景将其列入候选清单，用自有业务数据对比 LFM2.5-2.6B 实测；值得先跑一轮小规模评测再决定是否纳入采购。

扩散语言模型从生图生视频跨进代码与Agent任务，主打并行生成的速度优势，给自回归之外的模型选型提供了新选项。

• 影响客服、代码生成等高频调用的Agent场景，延迟成本可能多一条以速度取胜的路线；现有成绩为团队自评口径，替换现有模型前应按自有任务实测；模型处于Preview阶段，团队也把提高长程任务稳定性列为后续计划。
• 参考可考虑把网页操作、工具调用类任务列入扩散语言模型的试点清单，用自有业务复测速度与成功率；值得先梳理现有自回归模型在这些场景的耗时基线，再决定是否引入。

世界模型正从生成一段视频走向生成可交互的持续世界，Google以Gemini引导生成来补长因果短板，游戏与互动内容的生产成本结构面临重估。

• 影响开放世界游戏和互动影游的内容制作成本结构可能松动，规则与机制设计的价值相对上升；生成式世界每次运行都持续消耗推理算力，长时运行的算力成本与稳定性直接制约商用落地；视频路线与3D路线开始合流，游戏影视工具链出现新的选型选项。
• 参考可考虑让游戏或内容团队评估Marble这类可导出Unity、虚幻管线的3D生成工具的适配成本；值得先测算自家产品若引入生成式世界，单用户在线时长对应的推理算力账；规则设计能力可提前纳入内容团队建设重点。

蚂蚁将开源模型迭代锚定在个人智能体的长程任务能力上，模型节奏与灵光助手的真实任务需求直接绑定。

• 影响MIT 许可证与 BF16 权重降低了企业基于该模型继续预训练和领域适配的门槛；能力提升集中在长流程与多步骤任务，做智能体产品的团队可对照自身场景评估；文中基准分数均为官方口径，采用前可用自有数据复测。
• 参考可考虑下载 Ling-3.1-flash-base 用自有长流程任务数据复测官方基准分，评估是否纳入候选基座清单；做个人助理类产品的团队可参考灵光 2.0 的跨会话记忆与任务调度设计。

微软用第三方榜单名次为 Preview 模型造势，但它尚无 API、定价和权重，企业眼下还接不进来。

• 影响图像编辑能力对素材修图、设计改稿场景有直接参考价值，但接入渠道只有试用页；排名和 24 个 Elo 的领先幅度出自单一评测口径，选型结论要换算到自己素材上才成立。
• 参考有修图需求的团队可先在 MAI Playground 或 Arena 试改文字、换风格、重打光等高频任务，与现有工具对比成功率；采购测算可等微软公布 API 和定价后再做。

谷歌用 Gemini 负责推理规划、Genie 负责实时生成，把世界模型从生成一段视频推进到可交互、可操控的环境模拟。

• 影响对游戏与影视团队，单段 2 分钟的交互窗口已够验证单段玩法或预览镜头，可压缩前期打样成本；角色对话与音效由模型实时生成，互动叙事里写死台词的角色制作方式可能被替代；目前仅研究预览，可用时长与开放范围都有限。
• 参考游戏或互动内容团队可考虑争取 Gemini API 与 Google AI Studio 早期合作伙伴资格，选单段玩法验证、镜头预览这类短时场景先做内部试点，并记录现有原型制作的耗时成本作对照。

Genie 4 的实质是给世界模拟加了一层推理控制，让模拟环境能跑多步逻辑，瞄准 Agent 与机器人的试错训练。

• 影响机器人与具身智能团队可能多出免手工3D建模的仿真测试途径，官方称可在模拟中预演 AI 行为；内容与游戏团队能用提示词生成可交互场景；单次连贯仅约2分钟，现阶段只适合短时程模拟。
• 参考机器人团队可考虑在模型进入 Gemini API 后评估用模拟环境预演策略、替代部分真实测试；内容团队值得先申请内测，实测约2分钟时长能否覆盖自家场景。

谷歌把世界模型从一次性生成画面推进到可实时操控、可听可推理的模拟环境，并与 Gemini 绑定为官方规划的混合路线，但产品化仍处早期。

• 影响可交互内容的制作流程可能出现变化，游戏化营销、培训模拟等场景值得留意；目前仅为研究预览且已承认存在细节漂移与音频准确性问题，短期难以进入生产环节；接入方式与成本要等 Gemini API 开放后才有评估基础。
• 参考可考虑先圈定游戏化营销、培训模拟等候选场景并记录现有制作成本；若后续经 Gemini API 或 Google AI Studio 开放，再以小规模试点验证画面稳定性与音频质量是否达标。

世界模型从生成视频走向可实时编辑的交互仿真，谷歌借 Genie 4 把竞争焦点转向实时性与音频，赛道同时进入收购整合期。

• 影响影视和创意团队可在分镜与原型阶段低成本试错，前期创意流程的工具有了新选项；机器人相关企业多了一条先仿真验证再上真机的路径；但细节偏移与音频短板意味着现阶段只适合评估，难以承担生产任务。
• 参考可考虑让内容或机器人相关团队申请早期使用权限，各选一个分镜或仿真验证场景做小范围试点；值得先梳理现有视频生成工具的分工，再决定是否为新工具预留预算。

世界模型从可观看的视频走向可实时交互的环境，并与大模型推理结合，让 AI 能在自建世界中预演行动后果。

• 影响影视与游戏团队多了一条低成本验证镜头和原型的路径；工业仿真与机器人研发可能减少部分真实试验的时间和成本；当前仅为受邀研究预览，尚不构成企业可直接使用的工具。
• 参考可考虑盘点业务中依赖三维搭建、实拍预演或真实设备测试的环节，评估用文字生成虚拟场景替代的可行性；值得留意 Project Genie 订阅开放与 Gemini API 早期合作两条接入路径的节奏。

Genie 4 的实质不是视频生成工具，而是让 Gemini 模型在后台规划、维持逐帧模拟一致性的早期试验，指向用仿真环境训练机器人和智能体。

• 影响世界模型成熟后可作为机器人和智能体的训练环境，用模拟经验替代部分真实数据采集；实时逐帧加声音为交互内容提供新形态；长会话一致性问题未解，近期仍以研究和测试为主。
• 参考可考虑跟踪 Project Genie 网页应用与 Gemini API 的开放节奏，评估仿真训练是否适用于自家机器人或智能体场景；内容团队值得留意 SynthID 水印对 AI 生成内容的标识要求。

世界模型正从生成视频片段转向可实时操控的交互式模拟，谷歌借 Genie 4 巩固身位，但产品形态仍未定型。

• 影响影视和游戏团队多了一个快速做概念与分镜原型的候选工具；机器人团队可先用仿真验证作业场景；2 分钟场景上限和细节漂移意味着离生产级使用仍有距离。
• 参考内容团队可考虑通过 Google AI Ultra 订阅或 Gemini API 早期合作获取访问，先在概念与分镜环节小规模试用并记录效率变化；机器人相关团队可评估用仿真先验证作业场景的路径。

Genie 4 的实质是把世界模型从视频生成推进到实时可操控的模拟环境，官方将其定位为智能体与机器人的训练底座和新交互体验入口。

• 影响影视预演与游戏原型的验证成本可望下降，官方测试者已用于预可视化和零到一场景生成；开放先限受信任测试者与订阅者，规模使用尚有时日；官方自述长会话细节漂移，严肃仿真用途需先核对限制。
• 参考可考虑让创意或研发团队加入 Project Genie 候补名单，选一个预演或原型场景小成本试用；值得同步评估 SynthID 水印对内容合规流程的影响。

生成式世界模型从演示片段走向可实时编辑、带音频的交互模拟，但一致性与时长限制使其仍处于早期试验阶段。

• 影响影视预演、游戏原型和机器人训练这类早期验证场景可能先用起来；细节和物体恒存性会漂移，成片或生产级用途暂不适用；获取渠道限受信任测试者与 AI Ultra 订阅，短期内难以大规模落地。
• 参考可考虑让创意或研发团队申请候补名单，选定一个分镜预演或玩法原型场景做耗时与成本对比；值得先盘点现有原型工具的预算基准，再决定是否接入。

讯飞把算力劣势下的竞争重心转到端侧和端云协同，用数据安全与Token成本换赛道，并拉更多厂商分摊国产算力适配成本。

• 影响对数据敏感行业，端侧处理和本地脱敏提供了资料不出端的落地路径；端云分工主打省Token成本，相关成本结构值得重算；国产算力上主力只有华为和讯飞，早期适配的坑和成本主要靠入场者自担。
• 参考可考虑选一个合同审核或经营复盘类场景，试点敏感信息本地脱敏后再上云并记录成本对比；值得把现有模型调用量按数据敏感度粗分端云两层，先算出Token账；评估国产算力路线时可对照讯飞与华为的进展。

百度开源的文心Unlimited OCR 2把长文档解析的显存和计算开销压到基本不随页数增长，整本扫描件连续处理变得可行。

• 影响对批量处理年报、技术手册、扫描档案的场景，缓存与显存占用下降意味着同样的卡能并行更多任务，吞吐提升约3.65倍摊薄单位成本；开源后企业也可自部署，把长文档数据留在内部；跨页衔接质量决定识别结果能否直接入库使用。
• 参考可考虑拿几份真实的长文档扫描件（年报、手册）做对比试点，记录每页耗时和人工拆页拼接成本；值得先算出当前OCR方案的显存占用与并发上限，再评估换用后的硬件节省。

GPT-6.1 Terra的实质是用一半价格提供接近旗舰的能力，把电脑操作类高频任务做成低成本量产场景，OpenAI打的是性价比牌而非能力上限牌。

• 影响界面操作、表单填写这类高频任务的模型成本可降到原先的几分之一，相关流程的模型预算值得重算；最难的编程科研任务官方仍指向GPT-6.1 Sol等旗舰，选型需按任务难度分层；同档竞品会面临直接比价压力。
• 参考可考虑用新旧单价表重算现有自动化流程的单任务成本；值得选长表单填写、跨软件录入这类场景做对比试点；可参考Artificial Analysis的48分指数确定它在选型清单中的位置。

3D 资产生产出现开源可商用的专业模型选项，文中框架是通用大模型管意图理解、专业 3D 模型管几何生成。

• 影响游戏、动画、手办等需要 3D 资产的团队多了一个可自部署的生成选项，开源版本可先低成本试用；效果指标均出自团队技术报告，选型前需按自家资产类型实测；实体打印落地还受壁厚、支撑和材料等条件制约。
• 参考可考虑用官方在线 Demo 先测自家资产类型的生成质量，再对比现有外包或人工建模成本；值得让法务核对商用授权与部署条款，并评估通过 MCP 接入现有制作流程的可行性。

AI 3D 竞争正从单图生成的效果比拼转向生产可用性，Hi3D 以开源底座加创作 Agent 把能力延伸到交付环节。

• 影响开源底座使企业能以更低成本私有化部署生产级 3D 生成能力；选型标准需从正面渲染效果转向切片通过率、网格可编辑性等工程指标；Agent 把单点生成延伸为覆盖修改与适配的工作流，压缩跨软件跳转和修补成本。
• 参考可考虑把切片成功率、网格可编辑性列入 3D 生成工具的验收项，用自有资产实测对比；值得测算基于开源 V1.0 私有化部署替代外购服务的成本；创作团队可选打印或游戏资产场景试点 Agent 并记录修补工时。

文档解析开源赛道新增轻量选手，全部榜单与速度成绩来自厂商自测，实质是团队借开源为商业产品 SoMark 获客。

• 影响批量论文入库、研报解析等场景多了一个免费可试的候选，免费 API 和 Demo 降低了试用门槛；1.3B 参数意味着更低的部署算力要求；榜单成绩出自团队自测，选型结论要以自有文档实测为准。
• 参考可考虑先用免费 API 和在线 Demo 投入真实业务文档，对比现有方案的准确率与耗时；值得重点测表格合并单元格、多栏阅读顺序等易错场景，需要自定义结构时可评估其可插拔版面模块。

OpenAI 用 Terra 把模型竞争从跑分推进到单位任务成本，便宜、够用的执行型模型成为 Agent 规模化落地的经济前提。

• 影响高频流程化任务的模型成本可能降到原来的几分之一，Agent 试点的额度与预算值得按新价格重算；合同、技术文档类场景对事实错误率敏感，错误率下降降低了交付风险；复杂软件工程和深度研究仍属旗舰模型范围，选型要按任务分层。
• 参考可考虑盘点现有 Agent 用例，挑出发票录入、填表这类高频流程化场景，用新 API 定价重算单任务成本；值得在切换前与现用模型做同任务的成本和准确率对比，复杂工程任务仍留在旗舰档位。

OpenAI 这次发布的实质是补齐低价电脑操作档位，而非对标 Opus 5.5 的旗舰反击，社区把性价比路线解读成退让。

• 影响开发者调用成本明显下降，第三方测算单任务成本从 1.40 美元降至 0.40 美元，适合大批量日常自动化任务；等待旗舰模型的团队只能继续用 Opus 5.5 或 Sol；Terra、Sol、Luna 档位交叉，模型选型难度上升。
• 参考可考虑先算出自己高频电脑操作任务的单次调用成本，与 Opus 5.5 方案对比后再决定是否接入；值得把 Terra、Sol、Luna 的价格与能力差异整理成内部选型清单。

OpenAI用一款主打性价比的中档模型回应Claude Opus 5.5的竞争压力，未推出正面对抗的旗舰产品，独立评测显示其智能水平仍低于对手。

• 影响以批量调用为主的开发场景成本参照下移，可按0.40美元单任务成本重算预算；已采用Opus 5.5的团队没有更强的切换理由；电脑操作是新主打场景，但用户实测反馈存在分歧。
• 参考可考虑把Terra加入API比价清单，用自有任务实测质量与成本后再决定是否接入；值得盘点现有Agent场景中电脑操作类需求，与Codex及Claude方案做一轮对比；若等待前沿能力，可留待下一代Astra发布再评估。

OpenAI 把模型竞争从跑分转向单位任务的成本和速度，用接近旗舰能力、十分之一价格的 Terra 为 Agent 日常化铺路。

• 影响发票录入、填表、编程等高频 Agent 任务可低成本开展；同等预算下任务吞吐量提升；高难任务质量与旗舰仍有差距，关键业务需分档选型。
• 参考可考虑选发票录入或文档处理等固定流程，用 Terra 替换旗舰模型做一轮成本与质量对比；值得按任务口径重算模型预算，把旗舰留给高难任务。

OpenAI 以 Terra 把电脑自动化的竞争焦点从能力上限转向单位任务成本，模型开始按性价比分层。

• 影响发票处理、技术图纸解读等自动化场景的成本门槛下降，相关试点预算可重新测算；性能对比数据均出自官方口径，采购决策宜补充独立实测；最难编程任务仍要靠更高端模型。
• 参考可考虑选一个发票处理或桌面办公流程做成本对比试点，先算出当前每任务成本与 Terra 报价的差距；值得单独列出最难编程任务清单，继续交给 Sol 或 Astra 类高端模型。

OpenAI 让中档模型同时做到降价和涨分，API 竞争焦点进一步从单纯能力转向每任务成本。

• 影响日常办公和代理类任务的调用成本可按新价目重算，缓存输入 $0.05 每百万 tokens 进一步压低重复调用开销；中档市场对 Anthropic Sonnet 形成半价竞争；最难编码任务官方仍指向 GPT-6.1 Sol 和 GPT-6 Astra，选型要按任务难度分层。
• 参考可考虑把现有 API 用量按 Terra 价目重算一遍每任务成本；值得挑一个中等推理档的办公或代理场景做替换试点，记录成本与质量对比；最重的编码任务可继续留在高阶模型。

同声传译开始由模型实时输出语音承接，官方口径下时延已低于人类译员平均，跨语言沟通场景出现新的低成本选项。

• 影响涉外会议、访谈、培训等语音场景可评估用模型承接部分同传需求；官方效果数据未经独立验证，替换人工前需自行实测；音色克隆能力涉及说话人授权与合规边界。
• 参考可考虑在多语种会议或语音客服场景小范围试点，记录实测时延与译文质量；值得先盘点现有同传与翻译外包支出，并核查音色克隆的授权要求。

月之暗面用一次后训练加降价把能力拉到 Opus 5.5 附近，这既是性价比竞争，也是用第三方分数回应蒸馏指控。

• 影响编程和智能体类工作负载多了一个约为 Opus 5.5 一半定价的选择，但单任务多耗 14% 输出 token 会摊薄价差；订阅额度紧张和此前因算力暂停 C 端订阅的历史提示产能风险；11 月 4 日权重开放后会带来私有化部署与外部审计的空间。
• 参考可考虑用自有真实任务对比 K3.1 Pro 与现用模型的单任务总成本，把多耗的输出 token 计入再算价差；订阅用户可先在小额度内测消耗速度，有私有化需求的可等 11 月 4 日权重开放后再评估。

把KV Cache从随长度增长改成固定容量，长推理的显存开销从不可预测变成开跑前就能算清。

• 影响按GPU时长计费时单token算力成本随原文比例下降；长上下文并发容量可按请求数提前规划；跑长任务的智能体与端侧设备不再受缓存膨胀挤压内存。
• 参考可考虑重算长上下文推理的显存与成本账，对比API计价和自建单卡哪种划算；做长时任务的团队值得先在检索与状态更新类负载上试跑，并核对长程召回表现。

讯飞把国产算力路线从训练推进到端云协同部署，实质是给企业多一种不依赖英伟达GPU、数据可留在本地的模型选项。

• 影响涉及合同、客户资料的敏感场景，可先在端侧脱敏再上云、分析完回到本地还原，降低数据外流顾虑；官方称约六成高频任务Token消耗下降加上六折API价格，直接影响调用成本；全栈国产算力也提供了不依赖英伟达GPU的部署路线。
• 参考可考虑在星辰MaaS免费领取10亿Tokens后，选一个涉及敏感文件的场景小规模试跑端云流程；值得同时测试开源4B版在自有业务文档上的离线表现，并按每百万tokens价格重算现有调用预算。

扩散模型的卖点从单纯输出快转向规模做大后仍保住速度，Agent 任务里强弱模型分工的组合思路开始有落地参照。

• 影响高频多轮的 Agent 业务有机会把执行类调用换到低价快模型上，重算调用成本与端到端时延；跑分与客户案例目前均出自 Inception 一方口径，纳入采购清单前缺少独立评测；模型选型可多一个速度优先档位的备选。
• 参考可考虑盘点现有 Agent 流程中规划与执行两类调用，先算出执行环节换用 Mercury 3 后的时延和费用差异；值得在网页导航或代码类任务上做小规模对比测试，再决定是否进入供应商清单。

月之暗面把代码 Agent、文档分析与创作交付放进同一条能力链路，追赶姿态明确，但成绩均为官方口径，选型价值要靠自有任务复验确认。

• 影响代码 Agent 与文档分析场景多了一个可选模型，缓存命中定价便于压算任务预算；官方分数不能直接换算成业务结果，网络安全能力接入需配套权限与审计边界。
• 参考可考虑在 Kimi Code 或 API 上对固定仓库任务小规模压测，记录首次成功率、Token 与工具轮数、人工返工和单任务成本，再决定是否扩大流量。

月之暗面用一个Pro旗舰把国产模型重新拉回前沿竞争，开源与闭源3分量级的差距让开源选型的分量在上升。

• 影响若权重发布后成绩坐实，可私有化部署的开源模型会进入更多企业的选型对比；文中成绩多为第三方榜单口径且权重尚未发布，采购决策前需留出验证余量；国产旗舰供给恢复也意味着替代与议价选项增多。
• 参考可考虑把智能体编码、私有化部署等场景列入开源模型试点清单，等权重开放后在内部基准跑一遍对比；值得借这次榜单重算一次闭源API与自建开源方案的预算差距。

游戏公司跨界自训开源模型，以韩语垂直市场切入并直接对标 Meta 同级开源模型，开源模型供给方正扩展到非 AI 出身的厂商。

• 影响有韩语业务的企业多一个 Apache 2.0 开源选项，可私有化部署且商用限制少；开源同级模型供给方从 AI 厂商扩展到游戏公司，30B 级可选池在变大。
• 参考可考虑在限时免费 API 期间，用自家韩语场景或编程、智能体任务与现有 30B 级开源模型做同题对比；值得盘点现有模型清单里是否有同级替换空间。

Nvidia 开源机器人视频标注引擎 Flora，意在用低成本数据工具把开发者留在自家硬件生态，性价比宣称需分项看待。

• 影响机器人研发团队可借开源模型自建标注管线，降低对 Scale AI 等商业数据服务的依赖；成本数字是按假设 GPU 租价的推算，预算需按真实租价重算；Google 也在进入同一环节，可选工具在增多。
• 参考可考虑用自有机器人视频样本跑一轮 Flora 与现有标注方案的对比，并按真实 GPU 租价核算成本；若训练需要步骤级失败信号，Flora-Rewarder 的能力值得单独评估。

Dessa 把全双工对话和情绪表达做成模型原生能力，并下沉到消费级笔记本本地运行，语音 AI 的生成链路开始绕开文本中转。

• 影响端侧运行让语音交互省去一笔云端推理开销，Block 已明确要用它低成本落地商户与用户语音产品；官方同时把语音智能体欺骗人类列为首批安全测试重点，对客场景的信任与合规边界需要一并评估；M4 Max 的设备门槛也划定了短期适用范围。
• 参考可考虑先梳理自身语音场景中对情绪和延迟敏感的部分，估算端侧部署能替代多少云端调用成本；值得等安全研究者对欺骗风险的测试结论出来，再决定拟人语音是否用于对客沟通。

语音模型正在从文本中转管线转向语音原生并本地运行，但 Dessa 尚未开放，当前仍处在安全测试阶段。

• 影响语音客服等场景有望以更低成本获得更自然的情绪表达，本地运行也省去云端通话开销；模型知识来自对话数据而非外接大语言模型，知识面可能受限；无公开入口，商用节奏未定。
• 参考可考虑把语音客服、电话点单这类高频场景列入候选清单，待模型开放测试后先算出本地部署与现有云端语音方案的成本差异，并让安全团队跟进其研究员招募进展。

Block 把语音 AI 的切入点放在文本转写会丢掉的情绪信号上，路线有别于主流，但目前仍是未公开的实验项目。

• 影响对客服、语音助手等依赖语气的场景，多了一条不经文字转写的情绪识别路径；模型可本地运行，对数据敏感行业有参考价值；但模型未开放，短期内没有可直接采用的商业入口。
• 参考可考虑让语音客服或外呼团队留意其安全测试与开放进展；值得先梳理现有语音方案在情绪、语气识别上的具体短板，作为日后对比评估的清单。

月之暗面借K3.1 Pro主打Agent实战与低价，把国产模型重新带回第一梯队竞争，但榜单跃升不等于真实任务表现。

• 影响Agent与代码类任务的选型多出一个低价候选，官方口径成本约为对标闭源模型的五分之一；3D Make把建模、前端到网页发布压进一个对话输入框，相关人手与外包预算值得重算；权重尚未发布，私有化部署暂不可行。
• 参考可考虑在Agent终端操作和财务建模各挑一个真实任务做对比试点，用自有数据重算单任务成本；值得盘点现有3D建模与外包需求，用kimi.com的3D Make试做一单验证交付质量。