分类： AI 资讯

vLLM Semantic Router 发布 d3-ultra：27B 开源多模态决策模型，一次读入返回概率

vLLM Semantic Router 团队发布 d3-ultra，一个 26.09B 参数、Apache-2.0 许可的多模态“决策模型”，不生成文本，而是对输入一次性读取后、为每个问题返回概率，可用于路由、分类、视觉定位和视频判断。

英伟达将以30亿美元认购Meta的股票增发，双方同时扩大围绕Meta AI产品Muse的合作；Meta计划通过股票发行募集最高950亿美元，用于AI基础设施建设。

OpenAI 的 Ted Sanders 公开解释了公司语言模型的命名逻辑，并给出按价格敏感度选择 GPT-6.1 Terra、Astra、Sol、Luna 的粗略经验法则。这值得关注，因为模型选择正从“只看性能”转向性能、价格和推理成本之间的权衡。

Anthropic 于 2026 年 10 月 27 日公开提交 S-1 招股书，计划以代码“AN”在纳斯达克上市；文件显示其 2026 年上半年营收达 163 亿美元，并首次实现调整后经营盈利，但背后是巨额算力承诺。

Hugging Face Papers 收录的论文提出 AV-FABLE——一个面向长视频“稀疏局部”音视频操纵的双时间线取证基准，并给出配套方案 NFSR。它值得关注，因为现有评测多集中在短对话视频，长视频的真实取证需求并未被准确衡量。

Hugging Face Papers 收录的 EmbodiedLab 把“动手做实验才知道答案”变成可量化评测：机器人在物理模拟实验室里自选步骤操作仪器，评测它最终“知道了什么、做成了什么”。

alphaXiv 收录的论文提出 BEHAVIOR-Spatial 基准，把空间问答、目标点定位和机器人动作放在同一任务上测，发现“任务完成”并不等于“按指令执行”。

一项发表于 alphaXiv 的论文测试了 46 个视觉编码器，发现模型能在同一种图像类型内部稳定表示“2→3”这类概念变化，但同一变化换到另一种图像类型（如数字换成手指）时，方向常常不共享，作者称之为“碎片化线性”。

自动驾驶与具身控制领域的世界动作模型 OSWAM 提出用“想象 token”初始化扩散过程，把动作去噪从数十步压到一步；在 NAVSIM 和 RoboTwin 基准上，它接近甚至匹配多步对手的表现，但信息仍限于论文摘要与基准测试。

论文提出 GenSfM，把原生 3D 扩散模型与多视图重建放进同一次联合去噪，用少量未标定照片同时恢复物体完整几何、外观和相机位姿，在 Toys4k 与 GSO 四视图设定下优于强 3D 生成基线。